Rapport de Thèse - Boulahfa-Imane

N° d’ordre ……… Année 2023
UNIVERSITE ABDELMALEK ESSAADI

FACULTE DES SCIENCES et TECHNIQUES
TANGER
Centre d’Etudes Doctorales : « Sciences et Techniques de l’Ingénieur »

Formation Doctorale : « Sciences et Techniques de l’Ingénieur »
THESE DE DOCTORAT
Présentée
Pour l’obtention du
DOCTORAT EN SCIENCES ET TECHNIQUES DE L’INGENIEUR
Par :
Imane BOULAHFA
Discipline : Géologie
Spécialité : Géologie Appliquée
EVOLUTION DES PRECIPITATIONS EXTREMES AU NORD DU MAROC ET

IMPACT DES CHANGEMENTS CLIMATIQUES : APPORT DU MODELE DE
CLIMAT REGIONAL (RegCM) ET DES METHODES STATISTIQUES
STOCHASTIQUES
(Version Provisoire)
Equipe de Recherche GéoRisques & GéoRessources (G2R) de la FST de Tanger : UAE/ /U11FST
DEDICACES
A mes chers parents….
A mes deux sœurs & mon frère….
Evolution des précipitations extrêmes au nord du Maroc et impact des changements climatiques : Apport du model de climat régional
(RegCM) et des méthodes statistiques stochastiques Imane BOULAHFA, FST Tanger,2023.
i
REMERCIEMENTS
Ce travail de thèse de Doctorat a été effectué au sein de l’Unité de Recherche GéoRisques et

GéoRessources (G2R), à la Faculté des Sciences et Techniques de Tanger, Université Abdelmalek
Essaâdi. Cette thèse n'aurait pas vu le jour sans le soutien, l'aide et les encouragements de plusieurs
personnes auxquelles je tiens absolument à exprimer mes sincères remerciements :
Je tiens à exprimer ma plus profonde gratitude à ma directrice de thèse Mme. ABOUMARIA Khadija,
Professeur à la Faculté des Sciences et Techniques de Tanger, pour toute la confiance et la liberté qu’elle
m’a accordées. Merci pour vos encouragements permanents et votre soutien inestimable tout au long de
ces années de recherche. Merci ma très chère, pour le temps que vous m’avez accordé, votre gentillesse,
votre esprit ouvert. J’ai appris beaucoup de votre vivacité, de l’amour que vous portez pour votre métier
et vos étudiants. Je vous remercie infiniment pour votre patience durant les corrections de cette thèse,
pour la qualité de votre encadrement et pour l'aide et le soutien que vous m’avez apportés tout au long
de cette thèse et suis à jamais reconnaissante d’avoir eu la chance de travailler à vos côtés.
Je présente toute ma gratitude à mon codirecteur de Thèse, Mr. MAÂTOUK Mustapha, Professeur à
la Faculté des Sciences et Techniques de Tanger, qui a accepté de codiriger ce travail avec beaucoup
d’intérêt. Merci encore pour m'avoir fait confiance tout au long de cette thèse. Je tiens à vous remercier
pour le temps que vous m’avez accordé en dépit de toutes vos responsabilités et préoccupations, pour
diriger cette thèse. Je vous exprime toute ma gratitude et mes respectueux remerciements pour votre
aide et votre patience durant les corrections de cette thèse.
Mes remerciements vont également à Mr. EL HLIMI Rachid, Professeur à la Faculté des Sciences et
Techniques de Tanger, il n'a ménagé ni son temps, ni sa peine pour m’aider de ses conseils éclairés qui
ont été pour moi d’une très grande importance pour l’élaboration de ce mémoire, pour sa disponibilité
constante malgré ses nombreuses préoccupations et responsabilités. Je suis reconnaissante à lui pour
tout son soutien et sa rigueur au travail est un exemple pour moi. Il m'a offert un appui scientifique
constant et efficace et m’a fait profiter de sa grande compétence en statistique. Sa contribution est une
réussite de ce travail. Je le prie de trouver ici le témoignage de ma respectueuse gratitude.
Je souhaiterais exprimer ma gratitude à Mr. El kharrim Mohamed, Responsable de Centre Provincial

Météorologique de Tétouan, pour son soutien et pour ses encouragements. Il m’a beaucoup soutenu,
orienté par ses nombreux conseils, ses qualités humaines et son aide amicale durant mes premiers pas
au vif du sujet. Je le remercie très chaleureusement pour sa contribution à la réussite de ce travail, pour
sa patience, son assistance à la simulation par le model de climat régionale RegCM.
ii
Je tiens à remercier aussi Mr. BATMI Abdelaadim, Responsable du Centre Provincial Météorologique
de Tanger, pour son aide, son soutien et pour ses encouragements. Merci pour son esprit d’écoute et son
dynamisme.
Je remercie très chaleureusement Pr. NAOUM Mohamed, Mr. BENAISSA Oussama et Dr.
AGHARROUD Kamal pour leurs aides nécessaires, leurs conseils précieux et leurs contributions à la
réussite de ce travail.
Je voudrais enfin remercier ma famille et tout particulièrement mes chers parents Mr. BOULAHFA El
Mamoune et Mme. KEBDANI Fatima, mes deux sœurs Salima & Chaimae et mon frère Omar, pour
leur amour, affection, encouragement, patience, et tout ce qu'ils m'ont donné, sans oublier aussi toute
ma grande famille dont mes très chèrs oncles KEBDANI Abdelkarim & KEBDANI Anass qui m'ont
beaucoup soutenu moralement et financièrement.
Mes remerciements vont à Mon mari Dr. ABATTOUY Mohammed, qui m'a continuellement soutenu
et encouragé. A mon cher petit enfant Rayane (4 ans,4mois), qui a rayonné ma vie, il m’a donné la joie
et la force de surmonter des moments difficiles.
Je tiens aussi à remercier toutes mes deux amies BEN SALAH Amina & LAHJOUJI Weam, pour
tous les services qu’elles m’ont rendus tout au long de ce parcours, pour leur soutien moral, leur
encouragement et le temps qu’elle m'ont consacré en dépit de leurs préoccupations.
Je ne saurais terminer sans exprimer tout mon estime et remerciement à tous les doctorants du laboratoire
de Département de géologie de la FST de Tanger pour l’ambiance et la cordiale sympathie dont ils m’ont
entourées et de leurs aides et encouragements.
Merci à tous ceux et celles ayant contribué, de près ou de loin, à l’accomplissement de ce travail, qu’ils
trouvent ici l’expression de ma profonde considération et mon vif respect.
Finalement, je reste très reconnaissante envers ceux qui m’ont dit NON, car c’est grâce à eux que je l’ai
fait par moi-même.
Merci à toutes et à tous !
iii
RESUME
Dans le contexte du changement climatique, la Terre se réchauffe, le régime des précipitations se modifie et des
phénomènes extrêmes, tels que inondations et submersions marines, deviennent plus fréquents. En effet, le Maroc
n’est pas à l’abri de ces événements. Pour cette raison, ce travail de thèse se focalise d’une part sur la simulation
des précipitations extrêmes au nord du Maroc et d’autre part sur l’impact potentiel des inondations. Nous
examinons, pour la première fois, la performance du modèle climatique régional RegCM v4.6 pour simuler la
variabilité spatiale des précipitations dans la région de Tanger-Tétouan-Al Hoceima (RTTA) pendant l'hiver 2009-
2010. La simulation couvre 24 mois de 2009 à 2010 avec une grille horizontale de 30 km. Nous utilisons la
réanalyse NCEP comme données de forçage. Nous adoptons les précipitations observées dérivées des données
CRU, CHIRPS, et CMORPH pour l’évaluation du modèle RegCM. Les résultats indiquent que, dans l'ensemble,
le modèle RegCM4 représente les aspects régionaux appropriés des précipitations sur la zone d'étude (RTTA) mais
sous-estime les précipitations sur les régions montagneuses et méditerranéennes, ce qui est probablement dû à une
mauvaise représentation de l'orographie dans le modèle et à certains aspects du climat méditerranéen local. Les
précipitations projetées sont également examinées dans ce travail en comparaison avec la période de référence de
1970-2005, avec des simulations effectuées par le modèle régional RegCM 4.6 pour la période 2023-2099 sous les
scénarios RCP4.5 et RCP8.5. Cette simulation est forcée par le modèle de circulation générale (HadGEM2-ES)
adapté à la dynamique des climats compliqués, avec une précision optimale. Les résultats montrent une diminution
des précipitations moyennes pour (2023-2099) sous les deux scénarios RCP4.5 et RCP8.5 par rapport à la période
historique (1970-2005), alors qu’une nette diminution est observée sous le scénario RCP8.5. Ce travail prouve que
le modèle RegCM v4.6 peut être utilisé pour la prévision climatique régionale, en particulier pour la distribution
spatiale des précipitations. Ensuite, la modélisation mathématique a été intégrée pour consolider l’étude, en
utilisant des démarches complexes de la géostatistique. Le principal outil statistique que nous avons employé dans
cette étude est la théorie des valeurs extrêmes (EVT). Elle nous a aidé à étudier les propriétés et la modélisation
statistique des séries des précipitations et à prévoir les événements climatiques de grandes périodes de retour dans
le futur. Les réseaux de neurones artificiels seront après introduits pour en étudier le fonctionnement et les
avantages par rapport aux méthodes classiques. En outre, dans le but de réduire le risque global des catastrophes
naturels, nous avons recours à une approche combinée pour évaluer l'impact des ondes de tempête sur la baie de
Tanger : i) L’approche d’Analyse Multicritère Hiérarchique (AHP) pour localiser les zones vulnérables par rapport
à l'événement de l’onde de tempête et ii) L’approche d'évaluation quantitative du risque (QRA) pour estimer le
risque économique qui pourrait survenir en cas de submersion marine induite par la tempête. En considérant les
aspects physiques et socio-économiques, les résultats de la modélsation future avec un scenario pessimiste de 5m
de hauteur d’aléa montrent que la zone la plus vulnérable est située au centre et à l'ouest de la Baie de Tanger. De
plus, nous estimons que le risque annuel de perte de biens (dommages aux infrastructures) dû à l'onde de tempête
pourrait atteindre 2,79 M$. En se basant sur le fait que la récurrence d'un tel scénario est estimé sur une période
maximale de 100 ans, cet événement pourrait entraîner des pertes totales d'environ 225-279 M$. Pour cette raison,
nous soulignons le besoin impérieux de protéger les zones à haut risque par des stratégies d'atténuation et par des
mesures préventives de protection.
Mots clés : Changements climatiques, Simulation, Précipitations extrêmes, modèle (RegCM), statistiques
stochastiques, Vulnérabilité, Onde de Tempête, Nord du Maroc.
iv
ABSTRACT
In the context of climate change, the Earth is warming up, rainfall patterns are changing and extreme phenomena
such as flooding and marine submersion are becoming more frequent. Indeed, Morocco is not immune to these
consequences. For this reason, this thesis focuses on the simulation of extreme precipitation events in the north of
Morocco and the potential impact of floods. For the first time, we examine the performance of the regional climate
model RegCM v4.6 to simulate the spatial variability of precipitation in the Tangier-Tetouan-Al Hoceima region
(RTTA) during winter 2009-2010. The simulation covers 24 months from 2009 to 2010 with a 30 km horizontal
grid. We use the NCEP reanalysis as forcing data. We adopt the observed precipitation derived from CRU,
CHIRPS, and CMORPH data to evaluate the RegCM model. The results indicate that, overall, the RegCM4 model
represents the appropriate regional aspects of precipitation over the study area (RTTA) but underestimates
precipitation over the mountainous and Mediterranean regions, which is probably due to a poor representation of
orography in the model and some aspects of the local Mediterranean climate. Projected precipitation is also
examined in this work in comparison with the 1970-2005 reference period, with simulations performed by the
regional model RegCM 4.6 for 2023-2099 under the scenarios RCP4.5 and RCP8.5. These simulation runs are
forced by the general circulation model (HadGEM2-ES) which is adapted to the dynamics of complicated climates
with optimal accuracy. The results show a decrease in mean precipitation for (2023-2099) under both RCP4.5 and
RCP8.5 scenarios compared to the historical period (1970-2005), with a significant decrease under the RCP8.5
scenario. This work proves that the RegCM v4.6 model can be used for regional climate prediction, in particular
for the spatial distribution of rainfall. Secondly, mathematical modeling was integrated to consolidate the study,
using complex geostatistical approaches. The principal statistical tool used in this study is the Extreme Value
Theory (EVT). It has helped us to study the properties and statistical modeling of precipitation series and to predict
climatic events with high return periods in the future. Artificial neural networks will then be introduced to study
their operation and advantages over conventional methods. In addition, to reduce the overall risk of natural
disasters, a combined approach was used to assess the impact of storm surges on Tangier Bay: the Hierarchical
Multi-criteria Analysis (AHP) approach to locate vulnerable areas concerning the storm surge event and the
Quantitative Risk Assessment (QRA) method to estimate the economic risk that could occur in case of storm-
induced marine submersion. Considering both physical and socio-economic aspects, the results of the future
modeling with a pessimistic scenario of 5m hazard show that the most vulnerable area is located in the center and
west of the study area. Furthermore, we estimate that the annual risk of property loss (infrastructure damage) due
to storm surge could reach $2.79m. Based on the fact that the recurrence of such a scenario is estimated over a
maximum period of 100 years, this event could result in total losses of approximately $225-279M. For this reason,
we stress the imperative need to protect high-risk areas through mitigation strategies and preventive protection
measures.
Key words: Climate change, Simulation, Extreme precipitation, Model (RegCM), Stochastic statistics,
Vulnerability, Storm surge, Northern Morocco.
v
‫ملخص‬
‫في سياق تغير المناخ ‪ ،‬ترتفع درجة حرارة األرض ‪ ،‬ويتغير نظام هطول األمطار وتزداد الظواهر‬
‫المتطرفة مثل‪ :‬الفيضانات والغمر البحري‪ .‬في الواقع ‪ ،‬المغرب ليس بمنأى عن هذه العواقب‪ .‬لهذا السبب ‪،‬‬
‫تركز هذه األطروحة من ناحية على محاكاة هطول األمطار الغزيرة في شمال المغرب ومن ناحية أخرى‬
‫على التأثير المحتمل للفيضانات‪ .‬ندرس ‪ ،‬ألول مرة ‪ ،‬أداء نموذج المناخ اإلقليمي ‪ REGCM V4.6‬لمحاكاة‬
‫التباين المكاني لهطول األمطار في منطقة طنجة – تطوان ‪ -‬الحسيمة )‪ (RTTA‬خالل شتاء ‪. 2010 -2009‬‬
‫شهرا من ‪ 2009‬إلى ‪ 2010‬بشبكة أفقية بطول ‪ 30‬كم‪ .‬نستخدم إعادة تحليل ‪NCEP‬‬ ‫ً‬ ‫تغطي المحاكاة ‪24‬‬
‫كبيانات إجبارية‪ .‬نعتمد الترسيب الملحوظ المستمد من بيانات ‪ CRU‬و ‪ CHIRPS‬و ‪ CMORPH‬لتقييم نموذج‬
‫‪.REGCM‬‬
‫تشير النتائج إلى أن نموذج ‪ ،REGCM4‬بشكل عام‪ ،‬يمثل الجوانب اإلقليمية المناسبة لهطول األمطار فوق‬
‫منطقة الدراسة )‪ (RTTA‬ولكنه يقلل من تقدير هطول األمطار على المناطق الجبلية والمتوسطية‪ ،‬والذي من‬
‫المحتمل أن يكون بسبب التمثيل الضعيف للجبال في النموذج وجوانب معينة من مناخ البحر األبيض‬
‫ضا فحص هطول األمطار المتوقعة في هذا العمل مقارنة بالفترة المرجعية ‪-1970‬‬ ‫المتوسط المحلي‪ .‬تم أي ً‬
‫‪ ،2005‬مع عمليات المحاكاة التي تم إجراؤها بواسطة النموذج اإلقليمي ‪ REGCM 4.6‬للفترة ‪-2023‬‬
‫‪ 2099‬في إطار السيناريوهين ‪ RCP4.5‬و ‪ .RCP8.5.‬يتم فرض هذه المحاكاة بواسطة نموذج الدوران العام‬
‫ضا في‬ ‫)‪(HADGEM2-ES‬الذي تم تكييفه مع ديناميكيات المناخات المعقدة‪ ،‬بدقة مثالية‪ .‬تظهر النتائج انخفا ً‬
‫متوسط هطول األمطار للفترة (‪ )2099-2023‬في إطار السيناريوهين ‪ RCP4.5‬و ‪ RCP8.5‬مقارنة بالفترة‬
‫كبيرا في إطار سيناريو ‪ .RCP8.5‬يثبت هذا العمل أنه يمكن‬ ‫ضا ً‬ ‫التاريخية (‪ ، )2005-1970‬نالحظ انخفا ً‬
‫استخدام نموذج ‪ REGCM V4.6‬للتنبؤ بالمناخ اإلقليمي‪ ،‬وال سيما للتوزيع المكاني لهطول األمطار‪ .‬بعد‬
‫ذلك‪ ،‬تم دمج النمذجة الرياضية لتوحيد الدراسة‪ ،‬باستخدام مناهج إحصائية جغرافية معقدة‪ .‬األداة اإلحصائية‬
‫الرئيسية التي استخدمناها في هذه الدراسة هي نظرية القيمة القصوى )‪ .(EVT‬لقد ساعدتنا في دراسة‬
‫الخصائص والنمذجة اإلحصائية لسلسلة هطول األمطار والتنبؤ باألحداث المناخية ذات فترات العودة‬
‫الطويلة في المستقبل‪ .‬سيتم بعد ذلك تقديم الشبكات العصبية االصطناعية لدراسة تشغيلها مقارنة بالطرق‬
‫التقليدية‪ .‬باإلضافة إلى ذلك‪ ،‬بهدف الحد من المخاطر اإلجمالية للكوارث الطبيعية‪ ،‬نستخدم نه ًجا مشتر ًكا‬
‫لتقييم تأثير عوارم العواصف على خليج طنجة‪ :‬نهج التحليل الهرمي متعدد المعايير )‪ (HPA‬لتحديد المناطق‬
‫المعرضة للخطر فيما يتعلق بالعاصفة وطريقة تقييم المخاطر الكمية)‪ (QRA‬لتقدير المخاطر االقتصادية‬
‫التي يمكن أن تنشأ في حالة الفيضانات البحرية الناجمة عن العواصف‪ .‬بالنظر إلى الجوانب المادية‬
‫واالجتماعية واالقتصادية‪ ،‬تظهر نتائج النمذجة المستقبلية مع سيناريو متشائم بارتفاع خطر يبلغ ‪ 5‬أمتار‪،‬‬
‫أن المنطقة األكثر عرضة للخطر تقع في وسط وغرب خليج طنجة‪ .‬باإلضافة إلى ذلك ‪ ،‬نقدر أن المخاطر‬
‫السنوية لفقدان الممتلكات (األضرار التي ستلحق بالبنية التحتية) بسبب عرام العواصف قد تصل إلى ‪2.79‬‬
‫مليون دوالر‪ .‬واستنادًا إلى حقيقة أن تكرار مثل هذا السيناريو يقدر على مدى فترة أقصاها ‪ 100‬عام ‪ ،‬قد‬
‫يؤدي هذا الحدث إلى خسائر إجمالية تقارب ‪ 279-225‬مليون دوالر‪ .‬لهذا السبب ‪ ،‬نؤكد على الحاجة‬
‫الملحة لحماية المناطق عالية الخطورة من خالل استراتيجيات التخفيف وتدابير الحماية الوقائية ‪.‬‬
‫الكلمات المفتاحية‪ :‬تغير المناخ ‪ ،‬المحاكاة ‪ ،‬هطول األمطار الغزيرة ‪ ،‬النموذج )‪ ، (REGCM‬النمذجة‬
‫اإلحصائية ‪ ،‬عوارم العواصف ‪ ،‬شمال المغرب‪.‬‬
Sommaire
DEDICACES...............................................................................................................................................................I
REMERCIEMENTS...................................................................................................................................................... II
RESUME ................................................................................................................................................................ IV
ABSTRACT ...............................................................................................................................................................V
Sommaire ............................................................................................................................................................. vii
LISTE DES FIGURES .................................................................................................................................................. XII
LISTE DES PLANCHES .............................................................................................................................................XVIII
LISTE DES TABLEAUX .............................................................................................................................................. XIX
LISTE DES EQUATIONS ............................................................................................................................................. XXI
LISTE DES ABREVIATIONS........................................................................................................................................XXIV
INTRODUCTION GENERALE ........................................................................................................................................ 1
PARTIE.I:
CHAPITRE I. ETAT DE L’ART DE L’ETUDE

I.1- Introduction ............................................................................................................................................. 5
I.2- Changement climatique .......................................................................................................................... 5
I.3- Climat et météo ....................................................................................................................................... 7
La climatologie : ............................................................................................................................................ 7
La météorologie : ........................................................................................................................................... 7
I.4- Le système climatique ............................................................................................................................. 8
I.5- Les facteurs naturels qui influencent le climat ...................................................................................... 11
L’excentricité : .............................................................................................................................................. 13
L’obliquité : .................................................................................................................................................. 13
La précession : ............................................................................................................................................. 13
I.6- Les Facteurs anthropiques des changements climatiques..................................................................... 15
I.7- Variabilité climatique naturelle : (La Niña et El Niño) ........................................................................... 16
I.8- Les scénarios d’émissions et projections climatiques ............................................................................ 17
I.9- Modèle climatique ................................................................................................................................. 19
I.9.1- Définition ............................................................................................................................................ 19
I.9.2- Modélisation climatique ..................................................................................................................... 21
I.9.3- Simulations climatiques ...................................................................................................................... 22
I.9.3.1- Model circulation globale ............................................................................................................................ 23
I.9.3.2- Model climat régional .................................................................................................................................. 23
I.9.3.2.1- Généralités ........................................................................................................................................... 23
I.9.3.2.1- Réduction d’échelle ou régionalisation ................................................................................................ 26
-Désagrégation dynamique ......................................................................................................................... 26
-Désagrégation statistique .......................................................................................................................... 27
I.10- Projection climatique ........................................................................................................................... 27
vii
I.11- Conclusion ........................................................................................................................................... 28
CHAPITRE II. SYNTHESE DES TRAVAUX ANTERIEURS

II.1- Introduction .......................................................................................................................................... 29
II.2- Les changements climatiques à l’échelle du monde ............................................................................. 29
II.2.1- Changements des températures ....................................................................................................... 33
II.2.2- Changements des régimes des précipitations ................................................................................... 35
II.2.3- Répercussion des Changements climatique au niveau international ................................................ 40
II.2.3.1- L’élévation accélérée du niveau de la mer .................................................................................................. 40
II.2.3.2- Les ondes de tempêtes ................................................................................................................................ 40
II.2.3.3- Le réchauffement des océans...................................................................................................................... 41
II.2.3.4- Acidification des océans .............................................................................................................................. 42
II.2.3.5- Fonte des glaces .......................................................................................................................................... 43
II.2.3.6- Ecosystèmes et biodiversité ........................................................................................................................ 43
II.3- Changement climatique à l’échelle nationale ...................................................................................... 44
I.3.1- Introduction ........................................................................................................................................ 44
II.3.2- Changement des températures ......................................................................................................... 45
II.3.3- Changements des régimes des précipitations ................................................................................... 47
II.3.4- Les précipitations extrêmes au Nord du Maroc (RTTA) Zone hotspot ............................................... 49
II.3.5- Historique des inondations au Nord du Maroc .................................................................................. 50
II.3.7- Mesures d’atténuation face aux effets des inondations : ................................................................. 55
II.4- Conclusion ............................................................................................................................................ 56
CHAPITRE III. CADRE GENERAL DE L’ETUDE

III.1- Introduction ......................................................................................................................................... 57
III.2- Situation géographique et géomorphologique.................................................................................... 57
III.2.1- Localisation du la zone d’Etude ........................................................................................................ 57
III.3- Contexte géologique et structural ....................................................................................................... 59
III.3.1- Domaine interne (Domaine d’Alboran) ............................................................................................ 59
III.3.2- Domaine des flyschs ......................................................................................................................... 60
III.3.3- Zones externes .................................................................................................................................. 60
III.4- Contexte Climatique ............................................................................................................................ 61
III.4.1- Précipitations .................................................................................................................................... 61
III.4.1.1- Station de Tanger ....................................................................................................................................... 62
III.4.1.2- Station de Tétouan ..................................................................................................................................... 62
III.4.1.3- Station de Al-Hoceima ................................................................................................................................ 63
III.4.2- Températures ................................................................................................................................... 63
III.4.3- Vents ................................................................................................................................................. 66
viii
III.5- Contexte Hydrogéologique .................................................................................................................. 68
III.5.1- Bassins hydrologiques et les eaux de surface ................................................................................... 68
III.5.2- Eaux souterraines ............................................................................................................................. 69
III.5.3- Hydrodynamique marine .................................................................................................................. 70
III.6- Contexte Socio-économique ................................................................................................................ 71
III.7- Contexte démographique .................................................................................................................... 72
III.8- Conclusion ........................................................................................................................................... 73
PARTIE.II:
CHAPITRE IV. APPROCHES THEORIQUES

IV.1- Introduction ......................................................................................................................................... 75
IV.2- Définition des concepts ....................................................................................................................... 75
IV.2.1- Vulnérabilité ..................................................................................................................................... 75
IV.2.2- Aléa .................................................................................................................................................. 76
IV.2.3- Enjeu ................................................................................................................................................. 76
IV.2.4- Exposition ......................................................................................................................................... 76
IV.2.5- Risque ............................................................................................................................................... 76
IV.3- Inondations ......................................................................................................................................... 77
IV.4- Types d’inondations ............................................................................................................................ 78
IV.5- Submersion marine ............................................................................................................................. 78
IV.5.1- Différents modes de submersion marine.......................................................................................... 79
IV.5.1.1- Submersion par débordement ................................................................................................................... 79
IV.5.1.2- Submersion par franchissement ................................................................................................................ 79
IV.5.1.3- Submersion par rupture ............................................................................................................................. 79
IV.6- Onde de tempête ................................................................................................................................. 80
IV.6.1- Mécanismes de formation d’une onde de tempête.......................................................................... 81
IV.6.2- L'élévation du niveau de la mer et les ondes de tempête ................................................................ 82
IV.6.3- Impacts des ondes des tempêtes sur l’évolution du littoral ............................................................. 83
IV.7- Dommages .......................................................................................................................................... 83
IV.8- L’évaluation des dommages ................................................................................................................ 84
IV.9- Réduction des risques .......................................................................................................................... 85
IV.10- Domaine d’action .............................................................................................................................. 85
IV.11- Politique management ...................................................................................................................... 86
IV.11.1- Gouvernance et aménagement du littoral ..................................................................................... 86
IV.11.2- Loi de Littoral.................................................................................................................................. 87
IV.11.3- Aménagement et Urbanisme ......................................................................................................... 89
IV.12- Recommandation .............................................................................................................................. 89
IV.13- Conclusion ......................................................................................................................................... 90
ix
CHAPITRE V. APPROCHE METHODOLOGIQUE
V.1- Introduction .......................................................................................................................................... 91
V.1.1- Simulation climatique avec le model « RegCM» ............................................................................... 91
V.1.2- Description du modèle RegCM-4.6 et du dispositif expérimental ..................................................... 91
V.1.3- Configuration du modèle : liste détaillée des noms de la simulation ................................................ 93
V.1.4- Données............................................................................................................................................. 93
V.1.4.1- Données d'observation des précipitations ..................................................................................... 93
V.1.4.2- Unité de Recherche Climatique (CRU) ............................................................................................ 94
V.1.4.3- CHIRPS ............................................................................................................................................ 94
V.1.4.4- CMORPH (Technique pour morphing du CPC de la NOAA) ............................................................. 94
V.2- Méthodes d’analyse des phénomènes extrêmes .................................................................................. 95
 Evénements extrêmes ........................................................................................................................ 95
V.2.1- Sélection des données extrêmes........................................................................................................ 96
V.2.1.1- Méthode des maximas par bloc ..................................................................................................... 96
V.2.3- Périodes de retour et niveaux de retour .......................................................................................... 101
V.2.4- Modèle maximas par bloc ............................................................................................................... 102
V.2.5- Le modèle POT ................................................................................................................................. 102
V.2.6- Méthode de régionalisation ............................................................................................................ 104
V.2.6.1- Analyse fréquentielle régionale basée sur les L-moments ........................................................................ 104
V.2.6.2- Étapes de l'analyse régionale des fréquences basé sur L-moments ......................................................... 105
V.2.6.2.1- Filtrage primaire de la série d'observations .............................................................................. 105
V.2.6.2.2- Identification des régions homogènes .............................................................................................. 106
V.2.6.2.3- Sélection de la fonction de distribution de fréquence régionale la mieux ajustée ........................... 107
V.2.7- Analyse fréquentielle régionale à l’aide de GEV-CDN model ....................................................................... 108
V.2.7.1- Réseaux de neurones.................................................................................................................... 109
V.2.7.2- Fonction d’activation.................................................................................................................... 109
V.2.7.3- Perceptron multi couche .............................................................................................................. 110
V.2.7.4- Principe de fonctionnement de RNA............................................................................................. 110
V.2.8- Approche non paramétrique « Bootstrap » .................................................................................... 111
V.2.9- Logiciels utilisés ............................................................................................................................... 112
V.2.10- Exploration des données réelles : Cas des Précipitations au Nord du Maroc ................................ 112
V.2.11- Données Brutes ............................................................................................................................. 112
V.2.12- Données extrêmes ......................................................................................................................... 116
V.2.12.1- Echantillons de Maxima par blocs ..................................................................................................... 116
V.2.12.2- Données de dépassements (ED) ........................................................................................................ 118
V.3- Introduction ........................................................................................................................................ 122
V.3.1- Méthodologie .................................................................................................................................. 122
V.3.2- Données utilises............................................................................................................................... 124
V.3.3- Processus de hiérarchisation analytique (AHP) ............................................................................... 127
V.3.4- AHP via la plateforme ArcGIS .......................................................................................................... 130
x
V.3.5- Évaluation quantitative des risques ................................................................................................ 130
V.3.6- Conclusion ....................................................................................................................................... 131
PARTIE.III:
CHAPITRE VI. MODEL DE CLIMAT REGIONAL «REGCM» POUR SIMULER LES

FORTES PRECIPITATIONS AU NORD DU MAROC CAS DE LA RTTA
VI.1- Introduction ....................................................................................................................................... 133
VI.2- Résultats de la simulation ................................................................................................................. 133
Calculs des scores d'évaluation du model RegCM4.6 ................................................................................ 136
VI.3- Projections des précipitations du RegCM4 ........................................................................................ 141
VI.4- Conclusion ......................................................................................................................................... 143
CHAPITRE VII. RESEAU DE NEURONE & THEORIE DES VALEURS EXTREMES

POUR LA MODELISATION DES PRECIPITATIONS EXTREMES AU NORD DU
MAROC REGION « TTA »
VII.1- Introduction ...................................................................................................................................... 144
VII.3- Modélisation de la pluie extrême ..................................................................................................... 144
VII.4- Modèle de dépassement au-dessus d’un seuil ................................................................................. 145
VII.5- Résultats d’Analyse probabiliste de l'occurrence des précipitations ................................................ 147
VII.6- Résultats d’analyse de fréquence régionale à l'aide de L-Moments ................................................ 149
VII.7- Résultats d’analyse saisonnière régionale maximale à l’aide de GEV-CDN model .......................... 152
VII.8- Résultats d’Analyse de tendance...................................................................................................... 154
VII.8.1- Test de Mann-Kendall pour l’Identification des tendances (séries pluviométriques) .................... 154
VII.8.2- Choix de modèle performant ......................................................................................................... 155
VII.9- Conclusion ........................................................................................................................................ 159
CHAPITRE VIII. L’IMPACT DES CHANGEMENTS CLIMATIQUE ET LA

VULNERABILITE DES ONDES DE TEMPETES SUR LA BAIE DE TANGER POUR
UNE MEILLEURE PRATIQUE DE GESTION
VIII.1- Introduction ..................................................................................................................................... 160
VIII.2- Principales structures économiques exposées à la plaine d'inondation côtière .............................. 161
VIII.3- Zone à alea ...................................................................................................................................... 164
VIII.4- Cartographie de la vulnérabilité ...................................................................................................... 166
VIII.4.1- Propriétés exposées à une onde de tempête (Enjeu) ................................................................... 170
VIII.4.1- Quantification du risque annuel ................................................................................................... 170
VIII.5- Discussion ........................................................................................................................................ 172
VIII.5.1- Evaluation qualitative de la vulnérabilité ..................................................................................... 172
VIII.5.2- Applicabilité de l'évaluation quantitative des risques .................................................................. 173
VIII.5.3- Policy and costal management implications ................................................................................ 174
VIII.6- Conclusion ....................................................................................................................................... 175
Conclusion générale................................................................................................................................... 176
Liste des références ................................................................................................................................... 179
xi
LISTE DES FIGURES
Figure 1 : Evolution de la température à la surface de la Terre…………………………………………6
Figure 2 : Le changement climatique liée au sécheresse (Source : GIEC, 2021)………………….……7
Figure 3 : La différence entre le climat et la météo…………………………………….……………….8
Figure 4 : Les différentes composantes du système climatique et leurs interactions (Source : GIEC,
2021)…………………………………………………………………………………………………….9
Figure 5 : Bilan énergétique de la Terre et changement climatique (Source : GIEC, 2021)….……….10
Figure 6 : Variation relative des variations climatique en fonction de la période (Modifiée à partir de
Mitchell, 2014)…………………………………………………………………………………………12
Figure 7 : Mécanismes agissant sur les variations climatiques (Obliquité ; Précession ; Excentricité)
(Source : GIEC, 2021)…………………………………………………………………………………12
Figure 8 : Évolution des émissions de gaz à effet de serres liées à l’activité humaine (SPM.1. a) (Source :
GIEC, 2021)……………………………………………………………………………………………17
Figure 9 : Les oscillations du système climatique El Niño, La Niña (Source : NASA, 2005)…. …….16
Figure 10 : Augmentation de température mondiale depuis 1850-1900 (°C) en fonction des émissions
cumulées de CO2 (Gt CO2/an) (Source : GIEC, 2021)………………………………………………..20
Figure 11 : Scenario d’émissions de GES futures (en milliards de tonnes de CO2 par an) (Source : GIEC,
2021)……………………………………………………………………………………………...……19
Figure 12 : Les étapes primordiales d’une modélisation climatique (Source, GIEC, 2021)..... ………20
Figure 13 : L’évolution des modèles climatiques de l’IPCC depuis le premier rapport en 1990 et le
sixième rapport d’évaluation 2021(Source : GIEC, 2021)…………… …………..…………………..21
Figure 14 : Modèle de circulation générale à résolution grossière (Source : laurent Fairhead

(lMD/cNRs)……………………………………………………………………………………………22
Figure 15 : Illustration du concept de réduction d'échelle dynamique (D’après Berckmans et al.,

2017)…………………………………………………………………………………………………...23
Figure 16 : Types de modèles et chaînes typiques utilisés dans la modélisation du climat régional.
(Source : GIEC, 2021)…………………………………………………………………………………24
Figure 17 : Schéma conceptuel montrant l’intérêt de la régionalisation dynamique par la prise en compte
des échelles large à fines. (Source :
http://www.cru.uea.ac.uk/cru/info/modelcc/scalediag.jpg.....................................................................26
xii
Figure 18 : Les projections climatiques de température entre la période de contrôle 1986-2005 et la
période futur 2081-2100, en fonction des scenarios d’émissions du GIEC (Source : Serge J et al.,
2015)…………………………………………………………………………………………………...27
Figure 19 : Carte des changements des températures à l’échelle du Monde (Source : https://interactive-
atlas.ipcc.ch/). IPCC WGI Interactive Atlas (2021)……………………………………………..……30
Figure 20 : Changements des précipitations à l’échelle du Monde (Source : https://interactive-

atlas.ipcc.ch/). IPCC WGI Interactive Atlas (2021)…………………………………………………...31
Figure 21 : Projection de température sur le continent d’Afrique selon un scénario d’émissions

pessimiste (RCP 8.5)…………………………………………………………………………………...32
Figure 22 : Illustration des différentes facettes de vulnérabilité à l’échelle mondiale. (Source : TS 4 du

6ème rapport du GIEC, groupe 2)……………………………………………………………………….33
Figure 23 : (A) : Températures moyennes de l'air en surface de 2011 à 2020 par rapport à une Moyenne
de référence de 1951 à 1980. (B) : Illustration des données de la NASA des températures à la surface
des terres (Source : GIEC, 2021)………………………………………………………………......…...33
Figure 24 : Hausse des températures moyennes mondiales par rapport aux niveaux préindustriels en C°.
(Source : GIEC, SRCCL, 2021)………………………………………………………………...……...34
Figure 25 : Synthèse de l’évaluation des changements observés dans les extrêmes de chaleur et dans la
contribution humaine aux changements observés dans les régions du monde………………………...35
Figure 26 : Changement observes concernant les précipitations quotidiennes pour l’horizon 2081-2100
par rapport à la période 1986-2005. (Source : IPCC-AR5)……………………………………………36
Figure 27 : Précipitations du AR6 pour la méditerranée (Source : GIEC, 2021)……………………...37
Figure 28 : Changement climatique dans toutes les régions habitées du monde avec l’influence humaine
(Source : GTI RI6, Figure RID.3)………………………………………………………………………38
Figure 29 : Évolution du niveau moyen de la mer à l'échelle du globe entre janvier 1993 et septembre
2021. (Source des données : altimétrie AVISO (https://www.aviso.altimetry.fr).................................40
Figure 30 : Etendue de la couverture neigeuse d’avril (SCE) pour l’hémisphère Nord (1922-2018)
(Source : GIEC, 2021)…………………………………………………………………………………42
Figure 31 : La diminution du pH moyen de l’océan selon les cinq scenarios d’émissions (Source : GIEC,
2021)…………………………………………………………………………………………………...43
Figure 32 : Zone de glace de mer arctique se rétrécit (Source : GIEC, 2021)………………………....43
Figure 33 : Carte indique les changements climatiques au Maroc (Source : Direction de la météorologie
nationale)……………………………………………………………………………………………..45
xiii
Figure 34 : Moyenne annuelle des températures moyennes au niveau du Maroc pendant l’année
(Source : DMN, 2020)…………………………………………………………………………………47
Figure 35 : Corrélation entre l’indice NAO et le cumul pluviométrique issu des données GPCP (a) et le
données synoptiques (b) pour la saison hivernal (DFJ)………………………………………………..48
Figure 36 : Cumul annuel des précipitations au niveau du Maroc pendant l’année 1981-2020 (Source :
DMN, 2020)……………………………………………………………………………………………49
Figure 37 : Les inondations dans la Région (RTTA) (Source : Etude ATLAS ABHL, 2005)………...50
Figure 38 : Diagramme illustre les inondations sont les principaux risques naturels au Nord du Maroc.
Source : (D’après Ante Ivčeviće, 2020)………………………………………………………………..54
Figure 39 : Localisation de la zone d’étude, carte topographique de la région de Tanger-Tétouan-Al

Hoceima (RTTA) Nord du Maroc……………………………………………………………………..57
Figure 40 : Carte géologique et structural de la chaîne du Rif (W. Capella et al, 2018)………………59
Figure 41 : Distribution annuelle moyenne des précipitations en (mm) dans la région « Tanger-Tétouan-
Al Hoceima » Nord du Maroc entre 1958 et 2015. D’après (Salhi A. et al, 2019)……………………....61
Figure 42 : Variation annuelle des Précipitations en (mm) pendant la période (1980-2020) au niveau de
station de Tanger (Source de données http://www.ogimet.com).............................................................62
Figure 43 : Variation annuelle des Précipitations en (mm) pendant la periode (1981-2019) au niveau de
station de Tétouan (Source de données http://www.ogimet.com)...........................................................63
Figure 44 : Variation annuelle des Précipitations en (mm) pendant la periode (1981-2019) au niveau de
station de Al-Hoceima (Source de données http://www.ogimet.com).....................................................63
Figure 45 : Variation annuelle des Temperatures en (C°) pendant la période (1980-2020) au niveau de
station de Tanger (Source de données http://www.ogimet.com)............................................................64
Figure 46 : Variation annuelle des Températures moyennes en (C°) durant le jour et la nuit pendant la
période (1939-2017) au niveau de station de Tétouan (Source
www.hikersbay.com/climate/july/morocco/Tetouan)............................................................................65
Figure 47 : Variation annuelle des Températures en (C°) pendant la période (1980-2018) au niveau de
station d’Al-Hoceima (Source de données http://www.ogimet.com......................................................65
Figure 48 : Rose des vents, calculée sur la période 1958-2020………………………………………..66
Figure 49 : Rose annuelle des directions des vents dominants dans la station de Tétouan entre 2002 et
2018 (D’après Satour et al., 2021)……………………………………………………………………..67
Figure 50 : Rose annuelle des directions des vents dominants à station d’Al-Hoceima………………68
xiv
Figure 51 : Carte de réseau hydrographique de la région de Tanger-Tétouan-Al Hoceima (RTTA) Nord
du Maroc. Source de données MNT (ASTER 30m)…………………………………… …………...….69
Figure 52 : Localisations des nappes aquifères la région du Tanger-Tétouan-Al Hoceima Nord du Maroc
(Source : www.gifex.com)......................................................................................................................69
Figure 53 : Carte montrant le taux d’accroissement de la population de Tanger-Tétouan-Al Hoceïma

entre 2004 et 2014 (Source : RGPH2, 2014)…………………………………………………………..73
Figure 54 : Les facteurs du risque et les options pour le réduire (Source : Figure SPM 1 du 6eme rapport
du GIEC, groupe 2)…………………………………………………………………………………….76
Figure 55 : Facteurs du risque manifestés par une catastrophe (Les inondations)…………………….77
Figure 56 : Schéma des différents modes de submersion marine D’après (Cariolet 2011)………..…..80
Figure 57 : les principaux facteurs contribuant à la surcôte (Source : Mullan et coll., 2005)…………80
Figure 58 : Mécanisme de formation d’une onde de Tempête (Source : Maanan et al., 2019)………..82
Figure 59 : Effets des ondes de tempête associer à l'élévation du niveau de la mer (Source Union of
concerned scientists 2015 : www.ucsusa.org/sealevelrisescience).........................................................82
Figure 60 : Les trois domaines d’actions pour la réduction du risque…………………………………86
Figure 61 : Fonction de densité des précipitations (Source : Weather and Climate Extremes in a
Changing Climate (U.S. Climate Change Science Program, Synthesis and Assessment Product 3.3,
2008)…………………………………………………………………………………………...............95
Figure 62 : Schéma de la méthode des maximas par bloc……………………………………………..97
Figure 63 : les trois paramètres de la distribution gev…………………………………………………98
Figure 64 : Schéma de la méthode des dépassements d’un seuil…………………………………..…100
Figure 65 : Exemple de mean residual life plot……………………………...……………………….100
Figure 66 : Architecture du modèle RNA pour la prévision des précipitations…....…………………111
Figure 67 : Histogrammes de fréquence simple montrant les distributions journalières des précipitations
de trois stations (TTA)……………………………………………...…………………………………114
Figure 68 : (a & b) Illustration descriptive de données des blocs de maxima………………………..118
Figure 69 : Graphiques de Fonction moyenne des excès à trois stations : Tanger, Tétouan et Al-
Hoceima………………………………………………………………………………………………119
Figure 70 : Schéma de l’échantillon des dépassements d’un seuil…………………….……………..121
Figure 71 : Organigramme illustrant les différents aspects couverts par cette étude…………...……123
xv
Figure 72 : Délimitation des zones dangereuses pour un aléa de 2,6 m extrait d'un MNE à 10
résolutions……………………………………………………………………………………………125
Figure 73 : Fonctionnalités utilisées dans le model de l’analyse multicritères (AHP)………………130
Figure 74 : Précipitations moyennes observées (CRU (a), CMORPH (d), CHIRPS (g)), précipitations
moyennes DJF simulées par RegCM4.6 (b,e,h) et biais (observé-simulé) (CRU-RegCM) (c),
(CMORPH-RegCM) (f), (CHIRPS-RegCM) (i)……………………………………………………..135
Figure 75 : Comparaison des résultats de précipitation simulé(RegCM)avec les données d'observation

au Nord du Maroc : stations (Tanger, Tétouan, Al-Hoceima et Chefchaouen)………………………137
Figure 76 : Comparaison des résultats simulés (RegCM) avec les données d'observation (CRU) au Nord
du Maroc : stations (Tanger, Tétouan, Al-Hoceima et Chefchaouen)………………………………....140
Figure 77 : Anomalie des précipitations moyennes hivernales (DJF) projetées par le modèle RegCM4.3
et la période historique (1970-2055) dans le cadre des scénarios RCP4.5 (à gauche) et RCP8.5 (à
droite)………………………………………………………………………………............................142
Figure 78 : Graphiques de diagnostic indiquant la qualité de l'ajustement du GPD aux extrêmes de

précipitations de Nord du Maroc, station : TANGER…………………….………………………….146

précipitations de Nord du Maroc, station : TETOUAN………………………………………………146

précipitations de Nord du Maroc, station : AL-Hoceima…………………………………………….147
Figure 81 : Comparaison des sept lois de model régionaux de climat au niveau des trois stations
(TTA)………………………………………………………………………………………................149
Figure 82 : Diagramme des relations théoriques L-moments entre la L-CS (Coefficient d’asymétrie) et
le L CK (Coefficient d’aplatissement) pour le Nord du Maroc………………………………...…….151
Figure 83 : Séries chronologiques des précipitations hivernales extrêmes pour la région du Nord de
Maroc station –Tanger………………………………………………………………………………..152
Maroc station –Tétouan………………………………………………………………………………153
Maroc station -Al-Hoceima………………..........................................................................................153
Figure 86 : Représentation des niveaux de retour calculés à partir des meilleurs modèles non
stationnaires utilisant le temps comme Co-variable. Les courbes indiquent respectivement les niveaux
de retour à 2 ans (Rouge), 20 ans (Vert) et 100 ans (Bleu)……………………......................………157
xvi
Figure 87 : (A) Localisation du Nord du Maroc. (B) Localisation du site d'étude sélectionné (la baie de
Tanger). Les lignes bleues correspondent aux limites du district à l'intérieur de la zone d'étude. TM :
Tanger-Medina. CM : Charf-Mghogha. CS : Charf Souani………………………………...……......161
Figure 88 : Diagramme des précipitations extrêmes causant des inondations dans la ville de Tanger au
cours des 10 dernières années en (mm) (Centre Météorologique Provincial Tanger Ibn Batouta)…..164
Figure 89 : Délimitation des zones dangereuses pour un scénario de 5m extrait d'un MNE à 10
résolutions………………………………………………………………………………………...…..166
Figure 90 : Cartes de vulnérabilité aux ondes de tempête le long de la Baie de Tanger pour le scénario
5m…………………………………………………………………………………………………….170
xvii
LISTE DES PLANCHES
Planche 1 : Photos prises et partagées sur les réseaux sociaux lors des inondations de Tanger en 8 février
202 ; C & D : Tétouan le 8 Mars 2021. E & F : Al Hoceima en 2020....…………………………………53
Planche 2 : Illustration du littoral de la baie de Tanger lors de Tempête survenus le 29 octobre

2018…………………………………………………………………………………..……..…….….165
xviii
LISTE DES TABLEAUX
Tableau 1 : Evolution de la température mondiale à la surface de la Terre pour trois périodes de 20 ans au
regard des cinq scénarios SSP étudies par le GIEC pour l’AR6…………………………....…………..…28
Tableau 2 : Températures moyennes entre la période (1971-1980) et la période (2009-2017) en (C°) au

niveau des trois principales stations météorologiques du Nord du Maroc Tanger-Tétouan-Al-Hoceima
(Source : Direction de la météorologie nationale)……………………………………. …………….…..64
Tableau 3 : Tempêtes survenue les côtes marocaines dernièrement, avec leurs caractéristiques spécifiques.
(Source : https://mareespeche.com/af/marocco-atlantic)...........................................................................83
Tableau 4 : Corpus législatif et réglementaire significatif (Source : OCDE)…………............................88
Tableau 5 : Liste des noms des paramètres utilisée pour les simulations de model RegCM4.6………...93
Tableau 6 : Stations retenues dans l’étude et leurs caractéristiques…………………………………....113
Tableau 7 : Statistiques préliminaires de l’analyse descriptive des maximas mensuels de précipitations à

Station de Tétouan période 1981-2020, station d’Al-Hoceima période 1964-2020 et station de Tanger,
période 1981-2020………………………………………………………………...…............................115
Tableau 8 : Les principales caractéristiques de l'onde de tempête du 29 octobre 2018………….....….124
Tableau 9 : Tableau récapitulatif des données utilisées dans cette étude et de leur traitement…..….....126
Tableau 10 : Échelle fondamentale de la méthode AHP (Saaty, 1980)……………………...………...128
Tableau 11 : Taille de la matrice (nombre de critères N) par rapport à l'indice aléatoire (RI) (Saaty,
1980)……………………………………………………………………………………………… …...129
Tableau 12 : Biais, l'erreur quadratique moyenne (RMSE), et coefficient de corrélation de modèle de

précipitation simulé par RegCM……………………………………….……………………………....138
Tableau 13 : Comparaison des resultats des précipitations simulées par le model (RegCM) avec les
données d'observation (CRU) : Biais, RMSE, et coefficients de corrélation de modèle………..…..…141
Tableau 14 : Paramètres d’estimation et intervalles de confiance de chaque station (Tanger, Tétouan, et

Al-Hoceima…………………………………………………………………………………...……..…145
Tableau 15 : Valeurs estimées de la quantité annuelle maximale, calculées à partir des distributions de
probabilité les mieux ajustées de 3 stations pluviométriques (mm)……………………………. .….....148
Tableau 16 : Ratios du Moment L et mesures de discordance……………………….……………...…150
Tableau 17 : Résultats des tests de tendance et de stationnarité pour 12 séries chronologiques SMP...155
Tableau 18 : Les valeurs AICC pour 12 séries temporelles SMP en utilisant l’approche GEV-CDN avec
le temps comme « covariable »…………………………………….. ……………………………..…..156
xix
Tableau 19 : Résumé du coût des différentes infrastructures situées dans la Baie de Tanger……...….163
Tableau 20 : Variables choisies pour le calcul de l'AHP………………………..……………………..168
Tableau 21 : Calcul du risque annuel de perte de biens en cas d'événement futur d'ondes de tempête
(scénario 5m)…………………………………………………………………………………..............172
Tableau 22 : Calcul du risque annuel pour les quartiers et les structures situés dans des zones
dangereuses………………………………………………………………………………………...…..173
xx
LISTE DES EQUATIONS
𝐂= 𝐠×𝐡 (1)
−𝟏
𝐱−µ 𝛏
𝐞𝐱𝐩 [− ((𝟏 + 𝛏 ) )] 𝐬𝐢 𝛏 ≠ 𝟎
𝛔
GEV(x)={ (2)
𝐱−µ
𝐞𝐱𝐩 [−𝐞𝐱𝐩 (− )] 𝐬𝐢 𝛏 = 𝟎
𝛔
𝒅
𝑮𝑬𝑽(𝒚) = 𝒉𝝃,µ𝝈 (𝒚) (3)
𝒅𝒚
𝟏−𝝃 𝟏
𝟏 𝒙−µ 𝝃 𝒙−µ 𝝃
𝒉𝝃,µ𝝈 (𝒚) = [𝟏 + 𝛏 ( )] 𝒆𝒙𝒑 {− [𝟏 + 𝝃 ( )] } (4)
𝝈 𝝈 𝝈
𝓛(𝝃, µ, 𝝈; 𝒀) = ∏𝒏𝒊=𝟏 𝒉𝝃,µ𝝈 ( 𝒀𝒊 ) (5)
𝜶𝒖 𝜶𝒖𝟎−𝒌(𝒖−𝒖𝟎)
E(X-u l X>u)= = (6)
𝟏+𝒌 𝟏+𝒌
H(x) = { 𝟏 − [𝟏 − 𝒌/𝜶𝒖 (𝒙 − 𝒖)]𝒌 , 𝒌 ≠ 𝟎, (7)

𝟏 − 𝒆𝒙𝒑(−(𝒙 − 𝒖)/𝜶𝒖 , 𝒌 = 𝟎
𝟏
𝑷 (𝑿 < 𝒙𝑻 ) = 𝟏 − 𝒑 = 𝟏 − (8)
𝑻
𝟏 𝑵
𝑷 (𝑿 < 𝒙𝑻 ) = (𝟏 − ) (9)
𝑻
𝑮𝑬𝑽(𝔃𝑷 ) = 𝟏 − 𝒑 (10)
−𝟏
𝔃𝑷 −µ 𝝃
𝒆𝒙𝒑 [− ((𝟏 + 𝛏 ) )] 𝐬𝐢 𝛏 ≠ 𝟎
𝝈
1− 𝒑 ={ (11)
𝔃𝑷 −µ
𝒆𝒙𝒑 [−𝒆𝒙𝒑 (− )] 𝐬𝐢 𝛏 = 𝟎
𝝈
𝝈
µ − [𝟏 − {−𝐥𝐧(𝟏 − 𝒑)}−𝝃 ] 𝐬𝐢 𝛏 ≠ 𝟎
𝔃𝑷 ={ 𝝃 (12)
µ − 𝛔𝐥𝐧[− 𝐥𝐧(𝟏 − 𝒑)] 𝐬𝐢 𝛏 = 𝟎
xxi
𝟏
𝒙−µ 𝝃
𝑷{𝑿 > 𝒙\𝑿 > 𝓾} = [𝟏 + 𝝃 ( )] (13)
𝝈
𝟏
𝒙−µ 𝝃
𝑷{𝑿 > 𝒙} = 𝑷{𝑿 > 𝓾} = [𝟏 + 𝝃 ( )] (14)
𝝈
−𝟏
𝔃𝑵 −𝓾 𝝃 𝟏
𝝇𝓾 [𝟏 + 𝝃 ( )] = (15)
𝝈 𝓶
𝝈
𝔃𝑵 = 𝓾 − [((𝓶𝝇𝓾 )𝝃 ) − 𝟏 ] 𝐬𝐢 𝛏 ≠ 𝟎
{ 𝝃 (16)
𝔃𝑵 = 𝓾 + 𝛔𝐥𝐧(𝓶𝝇𝓾 ) 𝐬𝐢 𝛏 = 𝟎
⃗⃗ 𝒛𝑻𝒑 =[𝝏𝔃𝑷 , 𝝏𝔃𝑷 , 𝝏𝔃𝑷 ]

𝜵 (17)
𝝏µ 𝝏𝝈 𝝏𝝃
𝝏𝔃𝑷 𝝏𝔃𝑷 𝝏𝔃𝑷 𝑻 −𝝃 −𝝃

[ , , ] = [𝟏, −𝝃−𝟏 (𝟏 − 𝓨𝒑 ), 𝝈𝝃−𝟐 (𝟏 − 𝓨𝒑 ) − 𝝈−𝟏 𝝃𝑷 −𝝃 𝐥𝐧 𝓨𝒑 ] (18)
𝝏µ 𝝏𝝈 𝝏𝝃
𝑉ar ( (ẑ𝒑 ) ≈ ⃗𝜵
⃗ 𝔃𝑻𝒑 𝑽𝜵
⃗⃗ 𝔃𝑷 (19)
[ (ẑ𝒑 ± 𝟏. 𝟗𝟔√𝐕𝐚𝐫 ( (ẑ𝒑 )] (20)
𝑴𝒑,𝒌,𝒔 = 𝑬(𝑿𝒑 {𝑭(𝑿)}𝒌 {𝟏 − 𝑭(𝑿)}𝒔 ) (21)
𝝀𝟏 = 𝜷𝟎′ (22)
𝝀𝟐= 𝟐𝜷𝟏 − 𝜷𝟎′ (23)
𝝀𝟑= 𝜷𝟐 − 𝟔𝜷𝟏+ 𝜷𝟎′ (24)
𝝀𝟒= 𝟐𝟎𝜷𝟑 − 𝟑𝟎𝜷𝟐 + 𝟏𝟐𝜷𝟏 − 𝜷𝟎. (25)
𝝉𝒓 = 𝝀𝒓 /𝝀𝟐 (26)
𝝉 = 𝑳𝑪𝒗 = 𝝀𝟐 /𝝀𝟏 (27)
𝝉𝟑 = 𝑳𝑪𝒔 = 𝝀𝟑 /𝝀𝟐 (28)
𝝉𝟒 = 𝑳𝑪𝒌 = 𝝀𝟒 /𝝀𝟐 (29)
𝟏 𝑻
𝑫𝒊 = (𝑼𝑰 − 𝑼) 𝑺−𝟏 (𝒖𝒊 − 𝒖) (30)
𝟑(𝑵−𝟏)
(𝒊) (𝒊) (𝒊) 𝑻

𝒖𝒊 = [𝒕𝟐 𝒕𝟑 𝒕𝟒 ] (31)
xxii
𝟏
̅ = ∑𝑵
𝒖 𝒊=𝟏 𝒖𝒊 (32)
𝑵
𝑵
𝑺 = ∑𝒊=𝟏(𝒖𝒊 − 𝒖 ̅ )𝑻
̅ )(𝒖𝒊 − 𝒖 (33)
𝑽𝒋 −𝑼𝒗𝒋
𝑯𝒋 = , j=1,2,3. (34)
𝝈𝒗𝒋
(𝒊) 𝟏⁄𝟐
(𝒕𝟐 −𝒕𝑹
𝟐)
𝑽𝟏 = {∑𝑵
𝒊=𝟏 𝒏𝒊 ∑𝑵
} (35)
𝒊=𝟏 𝒏𝒊
(𝒊) (𝒊) 𝟏⁄𝟐

∑𝑵 𝑹 𝟐 𝑹 𝟐
𝒊=𝟏[𝒏𝒊 {(𝒕𝟐 −𝒕𝟐 ) +(𝒕𝟑 −𝒕𝟑 ) } ]
𝑽𝟐 = ∑𝑵
(36)
𝒊=𝟏 𝒏𝒊
(𝒊) (𝒊) 𝟏/𝟐

∑𝑵 𝑹 𝟐 𝑹 𝟐
𝒊=𝟏[𝒏𝒊 {(𝒕𝟑 −𝒕𝟑 ) +(𝒕𝟒 −𝒕𝟒 ) } ]
𝑽𝟑 = ∑𝑵
(37)
𝒊=𝟏 𝒏𝒊
(𝒊)
∑𝑵
𝒊=𝟏 𝒏𝒊 𝒕𝒓
𝒕𝒓 = ∑𝑵
(38)
𝒊=𝟏 𝒏𝒊
𝑽−𝒖𝒗
𝑯= (39)
𝝈𝒗
𝟏
𝒀−𝝁(𝒕)𝜿(𝒕) 𝒀−𝝁(𝒕)
𝒆𝒙𝒑 [−(𝟏 − 𝜿(𝒕) ] 𝜿 ≠ 𝟎, 𝟏 − 𝜿(𝒕) )>𝟎
𝜶(𝒕) 𝜶(𝒕)
𝑭(𝒀; 𝒖(𝒕), 𝜶(𝒕), 𝒌(𝒕)) = { (40)
𝒀−𝝁(𝒕)
𝒆𝒙𝒑 [−𝒆𝒙𝒑(𝟏 − )] 𝜿(𝒕) = 𝟎
𝜶(𝒕)
𝒀𝒌 = 𝒇𝒌 (∑𝒎 𝒏
𝒋=𝟏 𝑾𝒋𝒌 × 𝒇𝒋 (∑𝒊=𝟏 𝑿𝒊 × 𝑾𝒊𝒋 ) + 𝑾𝟎 ) (41)
𝑷𝒊𝒊 ⋯ 𝑷𝒊𝒋
𝑨= [ ⋮ ⋱ ⋮ ] (42)
𝑷𝒋𝒊 ⋯ 𝑷𝒋𝒋
𝑷𝒊𝒋
̅ 𝒊𝒋 =
𝑷 (43)
∑𝒏
𝒄=𝟏 𝑷𝒄𝒋
∑𝒏
𝒍=𝟏 𝑷𝒄𝒋
Wi= (44)
𝑵
𝑪𝑰
CR = (45)
𝑹𝑰
𝝀 𝒎𝒂𝒙−𝑵
CI= (46)
𝑵−𝟏
𝐕 = (∑𝐧𝐢=𝐣=𝐤=𝟏 𝐰𝐢 . 𝐰𝐣 . 𝐰𝐤 ) (47)
𝐑 𝐩 = 𝐏(𝐇) × 𝐏(𝐒:𝐇) × 𝐏(𝐓:𝐒) × 𝐕 × 𝐄 (48)
−𝟏
𝐱−µ 𝛏
𝐞𝐱𝐩 [− ((𝟏 + 𝛏 ) )] 𝐬𝐢 𝛏 ≠ 𝟎
𝛔
GEV(x)={ (49)
𝐱−µ
𝐞𝐱𝐩 [−𝐞𝐱𝐩 (− )] 𝐬𝐢 𝛏 = 𝟎
𝛔
xxiii
LISTE DES ABREVIATIONS
 ABHL : Agence de Bassin Hydraulique Loukkos.

 AHP : Analyse Hiérarchique de Processus.
 AIC : Critères d’Information et d’Akaike.
 AM : Maximum Annuel.
 AR6 : Sixieme rapport du giec.
 BATS : Modèle Biosphere Atmosphere Transfer Scheme.
 BIC : Critères d’Information Bayésien.
 BM : Block maxima.
 CCM3 : Community Climate Model version 3.
 CHIRPS : Climate Hazards Group InfraRed Precipitation with Station data.
 CI : Indice de Consistence
 CMIP : Projet Coupled Model Intercomparison Phase.
 CMORPH: Climate Prediction Morphing Method.
 CNAT : Charte Nationale d’Aménagement du Territoire.
 CNN : Réseaux de Neurones Convolutionells.
 CORDEX : Coordinated Regional Climate Downscaling Experiment.
 CPC: Climate Prediction Center.
 CRU : Unité de Recherche Climatique.
 DJF : Decembre-Janvier-Fevrier.
 DMN : Direction de la Meteorologie Nationale.
 ED : Données de dépassements.
 EVT : Théorie des valeurs Extrêmes.
 GES : Gaz à effet de serre.
 GEV : Valeurs Extrêmes Généralisées.
 GHCN: Global Historical Climatology Network-Monthly.
 GIEC (ou IPCC) : Groupe d'experts intergouvernemental sur l'évolution du climat.
 GIZ : l’Agence allemande de coopération internationale.
 GIZC : Gestion Intégrée des Zones Côtière.
 GLO : Logistique Généralisée.
 GNO : Normal généralisé.
 GP: Pareto Generalized.
 GPD : Distribution Pareto Généralisée.
 HADGEM2-ES: Hadley Centre Global Environment Model version 2.
 IRES : l’Institut Royal des Etudes Stratégiques.
xxiv
 LAM : Limited Area Model.
 LBC : lateral boundary condition.
 LCk : L-kurtosis.
 LCs : L-skewness.
 LCv: L-variation.
 LM: L-moments.
 MENA-CORDEX: Middle East North Africa - International Coordinated Regional Climate
Downscaling Experiment.
 MES : Modèles Globaux du Système Terrestre
 MLP : Perceptron multicouche.
 MMA: Methode du Maximum Annuel.
 MMH : Methode du Maximum Hebdomadaire.
 MMM : Methode du Maximum Mensuel.
 MNT : Modèle numérique de terrain.
 MV : Maximum de vraisemblance.
 NCAR: National Center for Atmospheric Research.
 NCEP: National Centers for Environmental Prediction.
 NH : Hemisphere Nord.
 NMM : Lecture du Niveau Moyen de la mer.
 OCDE : L'Organisation de Coopération et de Développement Économiques.
 PBL : Schéma de couche limite planétaire.
 PDAIRE : Plan Directeur d’Aménagement Intégré des Ressources en Eau.
 PDO : l’Oscillation Pacifique Decennale.
 PE3 : Pearson Type III.
 PNL : Plan national du littoral.
 POT: Peaks-Over-Threshold.
 QBO : l’Oscillation Quasi-Biennal
 QRA : Méthode d'évaluation quantitative des risques.
 RCM : Model de climat régionale.
 RCP : Representative Concentration Pathways.
 RI : Indice de cohérence aléatoire.
 RMSE : l'Erreur Quadratique Moyenne.
 RNA : Réseau de Neurone Artificiels.
 RNN : Réseaux de Neurones Récurrents.
 RTTA : Région de Tanger-Tétouan-Al-Hoceima.
 SC : Couverture Neigeuse.
xxv
 SF : Flux Solaire.
 SH : Hemisphere Sud.
 SIC : Concentration de la Glace de Mer.
 SIG : System d’information géographique.
 SNAT : Schéma national d’aménagement du territoire.
 SNDD : Stratégie nationale de développement durable.
 SRAT : Schéma régional d’aménagement du territoire.
 SRES : Rapport spécial sur les scénarios d'émissions.
 SSP: Shared socio-economic pathways.
 SSTS : Temperatures a la Surface de la Terre.
 USD : United States Dollar.
xxvi
INTRODUCTION GENERALE
Le changement climatique est bien connu aujourd'hui comme le plus grand défi de la planète (GIEC,
2021). Toutes les données météorologiques disponibles indiquent un réchauffement significatif durant
les dernières décennies avec une augmentation importante de la fréquence et de l’intensité des
événements extrêmes du type sécheresses et inondations (GIEC, 2021). Le Maroc, pays qui fait partie
de la région méditerranéenne, est fortement impacté par le changement climatique (Schilling et al.,
2020). Les fortes précipitations au Maroc ont tendance à coïncider avec de grandes anomalies négatives
de l'oscillation nord-atlantique (Filahi et al., 2017 ; Salhi et al., 2019). Afin de faire des projections
futures pour les problèmes liés aux ressources en eau, plusieurs recherches utilisant des simulations du
climat régional, indiquent une possible amplification des événements extrêmes de précipitations au
cours du 21ème siècle (Filahi et al., 2015; GIEC, 2021). Récemment, en raison du réchauffement de la
planète, le Maroc, avec son environnement aride, a connu un changement dramatique de son propre
climat, ce qui a impacté significativement des secteurs importants (GIEC, 2021 ; Tramblay et al., 2022).
Durant la décade passée, divers événements causant des pertes humaines et des dommages économiques
ont été signalés, en particulier dans le nord du Maroc au cours de la période 2009-2010 (Rabat, Tanger,
Tétouan, Nador et Casablanca...). La vulnérabilité des principales villes marocaines aux précipitations
extrêmes et aux inondations a augmenté au cours des dernières décades (Bouaicha et Benabdelfadel,
2010 ; Pruneau et al., 2017 ; Sallak, 2019 ; Bennani, 2020, GIEC, 2021). Généralement, les inondations
au Maroc sont principalement générées par des pluies torrentielles (Bennani, 2020). En revanche, le
changement climatique tend à accroitre aussi la fréquence et l’amplitude des aléas côtiers. Les ondes de
tempête devraient devenir plus sévères sous l’effet de changement climatique en raison de l'élévation du
niveau de la mer (Lin et al 2012 ; Li et al. 2021, Tadibaght et al., 2022). En effet, l’étude des évènements
météorologiques extrêmes au niveau des zones côtières est devenue une nécessité primordiale. Plusieurs
preuves historiques des tempêtes ont été identifiées le long des côtes marocaines (El Messaoudi et al.,
2016), montrent que cette zone était fortement exposée aux événements côtiers induits par les tempêtes.
Nous faisons référence aux études de (Snoussi et al., 2008, 2009 ; Khouakhi et al., 2013 ; Raji et al.,
2013 ; El Messaoudi et al., 2016 ; Tahri et al., 2017 ; Maanan et al., 2018 ; Medina et al., 2018 ; Aitali
et al, 2020 ; Khalfaoui et al., 2020). Malgré la bonne compréhension de la vulnérabilité côtière, les
études qui visent à analyser la conséquence/occurrence de l'aléa et à estimer à quel point le coût des
dommages qui peuvent se produire, sont très limitées.
Dans ce travail, et dans un contexte du changement climatique et face à l’aléa inondation, nous avons
choisi de nous concentrer sur les impacts du Changement Climatique lié aux précipitations extrêmes et
aux crues dévastatrices. Cette thèse s’articule autour de deux axes principaux : Les inondations dues aux
fortes précipitations et les inondations dues aux submersions marines.
1
L’objectif de ce travail est double :
- La caractérisation des crues-éclair sur le Nord du Maroc (RTTA) dues aux precipitations
extêmes. Nous proposons une méthode opérationnelle d’évaluation des impacts locaux du
changement climatique sur les précipitations extrêmes et les inondations qui peuvent en
découler, à travers une simulation par le model RegCM et par l’exercice MENA-CORDEX qui
est choisi pour caractériser et quantifier le changement des précipitations futures, en fonction de
deux scénarios d’émissions de gaz à effet de serre (RCP8.5 et RCP4.5). En effet, pour la
première fois, une évaluation des performances de modèle (RegCM v4.6) dans le climat présent
est réalisée. Ensuite, le modèle climatique régional a été utilisé pour simuler les précipitations
hivernales sur le nord du Maroc (région de Tanger-Tétouan-Al-Hoceima) au cours de la période
2009-2010, et spécialement pour la saison hivernale DJF (décembre-janvier-février). Une
simulation a été effectuée du 1er janvier 2009 au 31 décembre 2010. L’anomalie des
précipitations moyennes projetées est extraite de MENA-CORDEX, simulée par le modèl
RegCM4.6 pour la période 2023-2099 et la période historique 1970-2005 et est également
analysée pour le nord du Maroc sous les scénarios RCP4.5 et RCP8.5. Après, nous avons établi
la climatologie des événements extrêmes par le biais des méthodes statistique stochastique et
nous avons confirmé l’intérêt primordial d’utiliser la théorie des valeurs extrêmes (EVT) pour
analyser les observations des extrêmes climatiques. En revanche, on s’intéressera à la prévision
des précipitations en guise d’application. Les réseaux de neurones artificiels seront ensuite
introduits pour en étudier le fonctionnement et les avantages par rapport aux méthodes
classiques.
- Dans le but de réduire le risque global des catastrophes naturels, nous avons choisi la baie de
Tanger pour évaluer la vulnérabilité des ondes de tempêtes. Pour ce faire, nous proposons une
approche qui combine à la fois des analyses qualitatives de la vulnérabilité physique et socio-
économique aux ondes de tempête liées aux implications du changement climatique, en utilisant
la méthode de prise de décision multicritères (AHP); et pour quantifier l'impact de l'onde de
tempête sur le secteur économique de la ville de Tanger, en utilisant la méthode d'évaluation
quantitative des risques (QRA) pour estimer le coût de dommage survenus en cas d’un scenario
pessimiste. Cette méthode comprend les trois paramètres essentiels, physique, social et
économique, pour déterminer un risque. De plus, l'étude propose une approche méthodologique
qui aboutira à une base de données et à un outil cartographique d'aide à la décision (SIG) pour
déterminer les besoins futurs en matière de politique de gestion du littoral afin de se prémunir
contre les risques côtiers, notamment les tempêtes.
Ce travail de thèse se subdivise en trois parties :
2
 Une première partie est consacrée aux généralités et au contexte de l’étude, elle est constituée
de trois chapitres : le premier portera sur l’état de l’art, des généralités sur le changement
climatique et les modèles climatiques, le deuxième sera une synthèse bibliographique des
travaux antérieurs en relation avec les changements climatiques à l’échelle internationale puis à
l’échelle nationale. Le troisième présentera le cadre général de l’étude et proposera une brève
synthèse des caractéristiques générales de la zone d’étude : situation géographique, géologique,
géomorphologie, hydrogéologique et climatologique de la région de Tanger-Tétouan-Al-
Hoceima (RTTA).
 La deuxième partie est réservée aux matériels & méthodes et présentera deux approches :
Approche théorique c’est à dire les concepts de base de cette étude (chapitre 4) et Approche
méthodologique, c’est le chapitre expérimental qui traitera les aspects techniques et présentera
la méthodologie adoptée pour atteindre les objectifs escomptés (chapitre 5).
 La troisième partie, consacrée à la présentation et à la discussion des résultats obtenus, est
subdivisée en trois chapitres :
- Chapitre 6, portera sur la modélisation de climat régional afin de simuler les fortes
précipitations au nord du Maroc cas de la région (RTTA) et présente la mise en place d’un
modèle de climat régional « RegCM » pour évaluer les impacts des pluies torrentielles. Le
choix de ce modèle est présenté en fonction des objectifs scientifiques et opérationnels. Ce
chapitre se concentre alors uniquement sur la présentation du modèl RegCM et son efficacité
à évaluer le climat régional intégrant les scénarios RCP (4.5 et 8.5 pour Representative
Concentration Pathway).
- Chapitre 7, mettra le point sur l’utilisation de réseau de neurone & la théorie des valeurs
extrêmes pour la modélisation des précipitations extrêmes au nord du Maroc (RTTA). Ces
modélisations servent ensuite à mener une étude spatiale et temporelle de la variabilité des
précipitations au nord du Maroc.
- Chapitre 8, analysera l’évaluation de la vulnérabilité des ondes de tempêtes sur la baie de
Tanger et en particulier le coût de dommage survenus dans le cas d’un scenario d’alea
pessimiste pour une meilleure gestion.
 Enfin, une dernière section de conclusion générale et des recommandations permettant de mettre
l’accent sur les axes et volets à développer en termes de recherche et d’étude sur le Nord du
Maroc, afin de mieux s’adapter aux changements climatiques.
3
PARTIE I :
GENERALITES & CONTEXTE DE L’ÉTUDE
Chapitre I : ETAT DE l’ART
Chapitre II : SYNTHESE DES TRAVAUX ANTERIEURS
Chapitre III : CADRE GENERAL DE L’ETUDE
Cette partie propose des généralités relatives à la science du

changement climatique, son importance et son développement au cours
de l’histoire de la Terre, tels que le système climatique, l’effet de serre,
les fluctuations climatiques naturelles et anthropiques. Elle traite
ensuite le concept de modélisation climatique, notamment le modèle de
circulation globale et le modèle de climat régionale, avec leur
projection climatique. Entre outre, elle présente une synthèse des
travaux antérieurs sur les changements climatiques à l’échelle
internationale, puis à l’échelle nationale (Maroc). Cette partie
s’achève par des caractéristiques de la zone d’étude.
4
Chapitre I : Etat de l’art
I.1- Introduction
La science du climat est passée d'une science "intuitive" vers une discipline de plus en plus
sophistiquée (Brulebois, 2016). Or, le climat est un système hautement complexe dont les
variations sont contrôlées par de nombreux facteurs à la fois naturels et anthropiques. Au cours
des dernières années, le concept de changement climatique a été très utilisé dans les discussions
de façon plus ou moins rigoureuse. Actuellement, il est devenu un sujet brûlant parallèlement
aux préoccupations progressives concernant la fréquence croissante des catastrophes naturelles.
Dans ce chapitre, des définitions claires du mot changement climatique, système climatique,
les différents facteurs climatiques naturels et anthropiques seront abordées en premier, ensuite
les modèles climatiques (globale et régionale) et la simulation numérique du climat seront
exposés, enfin, on dévoilera un bref aperçu sur les scenarios d’émission (RCPs) et sur les
projections climatiques futures.
I.2- Changement climatique
Selon le Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC) le terme de

changement climatique à l'échelle mondiale désigne tout changement du « temps moyen »
observé dans une région précise, se traduit notamment par une augmentation des températures
moyennes à la surface de la Terre (Fig. 1), qu’il soit dû à la variabilité naturelle ou anthropique.
De même, il est fondé sur des modifications des caractéristiques climatiques sur une longue
période (des décennies ou plus) à savoir : les précipitations, l’évapotranspiration, l’humidité et
les différentes caractéristiques des vents. Les répercussions de ce phénomène se manifestent
par :
 L’élévation du niveau des mers ;
 La modification des régimes de précipitations (sécheresses et inondations) ;
 L’acidification des océans ;
 La multiplication à l'échelle régionale de manifestations climatiques extrêmes
(tempêtes, inondations, précipitations extrêmes). Ces phénomènes seront décrits en
détail dans le chapitre II & chapitre IV.
5
Figure 1: Evolution de la température à la surface de la Terre
L'émergence observée des changements de température. (En haut à gauche) Le changement

total de température estimé pour 2020 par rapport à 1850-1900 (d'après Hawkins et al., 2020),
montrant que le réchauffement le plus important se produit dans l'Arctique. (En haut à droite)
L'amplitude des variations de température estimées d'une année sur l'autre. (Au milieu à gauche)
Le rapport entre le changement total de température observé et l'amplitude de la variabilité de
la température (le "rapport signal/bruit (S/N)"), montrant que le réchauffement est plus apparent
dans les régions tropicales (GIEC, 2021).
Le mois de janvier 2021 a été le 6 ème mois le plus chaud jamais enregistré au niveau mondial
pour les surfaces terrestres et océaniques combinées, selon le GISS de la NASA (GIEC, 2021).
Globalement, dans certaines régions, la sécheresse devrait augmenter sous l’effet du
réchauffement futur. Ainsi, les zones qui risquent le plus d’être affectées par des sécheresses
sont très inégalement distribuées à la surface de la Terre (Fig. 2). Le pourtour de la Méditerranée
et de la Mer Noire, l’Amérique centrale et le sud-ouest des USA, le Chili, le sud de l’Afrique,
la côte ouest (entre Sénégal et Côte d’Ivoire), Madagascar, l’Amazonie sont les régions les plus
menacées par des sécheresses fréquentes et intenses. En Amazonie, cela pourrait déclencher
une transformation profonde de l’écosystème forestier (GIEC, 2021).
6
Figure 2: Le changement climatique liée au sécheresse (Source : GIEC, 2021)
I.3- Climat et météo
Les deux concepts proviennent de deux disciplines scientifiques différentes, à savoir

la climatologie et la météorologie (Fig. 3).
La climatologie :
La climatologie, utilise des données météorologiques recueillies afin d’étudier les distributions
statistiques moyennes de variables météorologiques sur plusieurs décennies à l’échelle
mondiale.
La météorologie :
La météorologie étudie les phénomènes physiques affectant l'atmosphère à une instante donnée
et pour un endroit bien défini. En fait, elle permet de décrire, de prédire le comportement de
l’atmosphère. En effet la météorologie est donc une composante essentielle de la climatologie.
7
• Temps moyen
Climat • Connaît des modifications à long terme:
centaine à dizaine de millions d'années.
• Temps court
• Connaît des modifications à court terme
Météo : au cours de la journée, de la semaine,
du mois.
Figure 3: La différence entre le climat et la météo
Edward Lorenz utilisa la citation suivante pour illustrer la différence entre la météo et le climat
: « Le climat est ce que l'on attend, la météo est ce que l'on obtient ».
I.4- Le système climatique
Le système climatique est un système extrêmement compliqué, constitué par l'ensemble des
interactions entre les cinq composantes suivantes : l’atmosphère, l’hydrosphère, la cryosphère,
la lithosphère et la biosphère (Fig. 4) :
 L’atmosphère : correspond à l’enveloppe gazeuse de la Terre ;
 La lithosphère : est la couche supérieure de la surface de la Terre, tant continentale
qu’océanique ;
 L’hydrosphère : est la composante du système climatique qui contient de l’eau à l’état
liquide sur ou sous la surface de la Terre (les océans, les rivières, les lacs…) ;
 La Cryosphère : contient de l’eau à l’état solide (les glaciers, la neige, la glace…) ;
 La biosphère : contient tous les organismes vivants et écosystèmes présents sur la terre
et dans les océans.
Tous ces éléments, avec l'effet du rayonnement solaire, détermine les changements du climat de
la planète Terre (GIEC, 2021) .
8
Figure 4: Les différentes composantes du système climatique et leurs interactions

(Source : GIEC, 2021)
La variabilité du système climatique à l’échelle planétaire et à l’échelle du siècle résulte des

interactions entre ses diverses composantes comme l’atmosphère, l’océan, la biosphère, la
banquise (indiquées en noir). Il varie aussi sous l’effet de processus externes (en rouge), qu’ils
soient naturels (rayonnement solaire, volcanisme) ou liés aux activités humaines (émissions de
gaz et de particules, occupation des sols).
Les différents éléments du système climatique (L’atmosphère, La lithosphère, L’hydrosphère,
La cryosphère et la biosphère) échangent en permanence de la quantité de mouvement, de
l’énergie, de l’eau, et des constituants chimiques comme le carbone, l’azote, etc. Le
comportement de l’ensemble est influencé par un certain nombre de phénomènes physiques
extérieurs au système, et que l’on appelle forçages externes. Parmi ces forçages se trouvent des
mécanismes naturels, comme l’activité volcanique, les variations de l’activité solaire, les
variations de l’orbite terrestre, etc… et d’autres anthropiques, ou liés aux activités humaines,
comme les émissions de gaz à effet de serre, les émissions d’aérosols sulfatés, etc.
Depuis toujours le système climatique était en évolution. Il encaisse de l’énergie sous forme de
rayonnement solaire et en perd sous forme de rayonnement infrarouge émis vers l’espace
(Fig.5). L’intensification de l’effet de serre atmosphérique par nos émissions de gaz à effet de
serre, la plupart dues à l’usage des énergies fossiles, charbon, gaz et pétrole est la cause du
réchauffement climatique. Cette intensification a bousculé l’équilibre entre l’énergie solaire qui
entre dans le système climatique planétaire et l’énergie que la Terre rayonne vers l’espace.
L’énergie supplémentaire ainsi acquise par la planète se distribue surtout vers les océans (91%),
9
la surface des continents (5%), est utilisée pour la fonte des glaces (3%) et seulement 1% est
stockée dans l’atmosphère (GIEC, 2021).
Figure 5: Bilan énergétique de la Terre et changement climatique

(Source: GIEC, 2021)
Le bilan énergétique de la Terre compare les flux d’énergie entrants et sortants qui sont
déterminants pour le système climatique. Depuis au moins les années 1970, les flux d’énergie
sortants sont inférieurs aux flux entrants, ce qui entraîne un excédent d’énergie, qui est absorbé
par l’océan, les terres émergées, les glaces et l’atmosphère.
Le climat simulé (humidité, pluviométrie, température, etc.) est la conséquence de cet

ajustement entre énergie reçue et énergie perdue. La conservation de l’énergie et, de façon plus
générale, les échanges d’énergie, sont donc fondamentaux pour un modèle climatique.
Leur modélisation est la première préoccupation des climatologues (Dufresne et al., 2006). Pour
pouvoir assurer cette cohérence énergétique, les modèles climatiques prennent en compte, avec
des degrés d’approximation divers, l’ensemble des milieux intervenant dans le cycle
énergétique et le cycle de l’eau (atmosphère, surface continentale, océan, glace de mer, glaciers
et calotte polaire) ainsi que les échanges entre ces milieux (échange de chaleur, évaporation,
précipitations, écoulement par les rivières, fonte des glaciers…) (Dufresne et al., 2006). La
principale différence par rapport à un modèle de prévision numérique du temps est la nécessité
de forcer le modèle vers des valeurs climatologiques (ou leur évolution probable) pour éviter
des dérives trop fortes du modèle. Ces valeurs climatologiques sont généralement des moyennes
mensuelles permettant ainsi de prendre en compte le cycle annuel saisonnier. Les études
climatiques classiques se font à partir de Model de Circulation Global (MCG) qui couvrent
10
l'ensemble du globe, représentent la dynamique de l'atmosphère et ses lois physiques. Pour

étudier le climat global de la planète, les modèles atmosphériques sont couplés à des modèles
représentant les autres parties du système Terre : l'océan, la végétation, les fleuves, la bio-
géochimie marine, la chimie atmosphérique, les calottes polaires, le cycle du carbone. En
particulier, les modèles atmosphériques globaux utilisés pour les simulations climatiques, sont
généralement couplés avec un modèle océanique, et avec les températures de surface de l’océan.
Les températures de surface de l’océan n’étant pas contraintes par les observations peuvent
donc s’en écarter parfois assez fortement dans certaines régions (Echakraoui, 2021).
Le climat de la planète dépend de nombreux facteurs, principalement de la quantité d’énergie
provenant du soleil, mais aussi de facteurs tels que mouvement de la planète, le volcanisme, la
circulation thermo-haline, la teneur en gaz à effet de serre et en aérosols de l’atmosphère ou les
propriétés de la surface de la Terre qui conditionnent la quantité d’énergie solaire qui sera
absorbée ou réfléchie dans l’espace. Ces causes peuvent être classifiées selon deux groupes :
 Les causes naturelles du changement climatique :
 Les causes anthropiques du changement climatique :
I.5- Les facteurs naturels qui influencent le climat
La théorie de Milankovitch (ou théorie astronomique des changements climatiques), formulée

par l'astronome serbe Milutin Milankovitch entre 1920 et 1941, décrit les effets du mouvement
de la planète sur le climat mondial. Cette théorie explique comment les trois phénomènes
astronomiques: l’excentricité (les variations de l'orbite autour du soleil), l'obliquité (l'angle
d'inclinaison de l'axe de la Terre) et la précession (mouvement de toupie de l'axe de la Terre),
influencent la température de la Terre. Cette théorie a permis d’expliquer les passages successifs
des périodes glaciaires aux périodes interglaciaires au cours des 2,5 millions d'années passées.
A l’échelle des temps géologiques, la Terre a connu de nombreux changements climatiques.

Selon les indices lithologiques, paléontologiques et biologiques anciennes qui ont conservé les
traces des modifications climatiques, on peut constater que le climat, à l'échelle mondiale, a
toujours subi des fluctuations depuis les ères passées (Fig. 6).
11
Figure 6: Variation relative des variations climatique en fonction de la période

(Modifiée à partir de Mitchell, 2014)
Cette variabilité climatique se fait à travers un système hiérarchisé de facteurs de contrôles et

de réponses qui apparaissent à toutes les échelles de temps et qui peuvent se traduire à
différentes échelles spatiales : globale, hémisphérique, continentale, régionale jusqu’à l’échelle
locale par la variation individuelle de variables climatiques (Bartlein, 2007). (Hausse ou baisse
de température, ...) ou indirectes (eustatisme, ...).
Les changements climatiques anciens correspondaient à des périodes très froides et d’autres
beaucoup plus chaudes qu’aujourd’hui et sont attribuées à des causes naturelles : les causes
astronomiques qui englobent l’excentricité, l’obliquité, et la précession (Fig. 7).
Figure 7: Mécanismes agissant sur les variation climatiques (Obliquité ; Précession ; Excentricité)
12
L’excentricité :
La terre tourne autour du soleil en une année ; décrivant dans l'espace, non pas un cercle mais
une ellipse, dont le soleil occupe l'un des foyers. L'excentricité caractérise alors l'aplatissement
de cette ellipse par rapport à un cercle. La forme de l'orbite terrestre varie dans le temps entre
une forme quasi circulaire (excentricité faible de 0,005) et une forme plus elliptique
(excentricité élevée de 0,058). Elle est actuellement de 0,016 (soit de 1,67%). L’excentricité est
due aux attractions gravitationnelles exercées entre la Terre et les autres planètes du système
solaire ainsi que le Soleil. L'excentricité est l'un des facteurs les plus importants dans les
changements climatiques naturels puisque la Terre au périhélie (c’est quand la Terre est au plus
près du soleil), peut recevoir de 20 à 30% d'énergie (émise par le Soleil) de plus qu'à l'aphélie
(c’est quand la Terre est au plus loin du soleil). En plus, Si l'été correspond au périhélie et l'hiver
à l’aphélie, la Terre recevra plus d'énergie en été et moins en hiver, donc on aura droit à des
étés « chauds » et des hivers « froids ». Alors que si, par contre, l’été correspond à l'aphélie et
l'hiver au périhélie (comme « plus ou moins » actuellement dans l'hémisphère nord), la Terre
recevra peu d'énergie en été mais plus en hiver, donc les étés seront « frais » et les hivers seront
« doux ».
L’obliquité :
La Terre tourne sur elle-même en une journée autour d'un axe qui n'est pas perpendiculaire à
l'écliptique (plan de l'orbite terrestre). L'obliquité correspond à l’angle entre l’axe de rotation
de la Terre et son plan orbital, elle est prise entre 21,8° et 24,4° et est actuellement de 23°26,5',
mais il faut savoir que l'axe se redresse d'environ 50" par an ou de 1 degré tous les 71,6 ans. De
plus cet axe oscille autour d'un cône dont le cycle complet (360°) dure 25 765 années.
L'obliquité a une grande importance sur les hautes latitudes car elle est à l'origine des saisons,
si l'obliquité était nulle, il n'y aurait pas de saisons et donc peu de variation de température. Son
impact sur les saisons est visible quand l’inclinaison est plus forte, puisque les étés sont plus
chauds et les hivers plus froids, et à l'inverse une faible inclinaison rend les saisons plus
homogènes (peu de différences entre l'été et l'hiver).
La précession :
La Terre ne tourne pas sur elle-même comme un ballon parfaitement sphérique mais plutôt
comme une toupie car elle est soumise à la précession qui est dû aux attractions du Soleil et de
13
la Lune qui ne sont pas uniformes sur Terre. La précession des équinoxes, ou les « changements
de saisons » (astronomiquement parlant) n'influence pas directement les changements de
température, mais cet effet est important puisque la précession est responsable de la date du
changement de saisons, suite à son impact sur la croix, formée par la ligne des solstices et la
ligne des équinoxes (qui délimitent les saisons), en la faisant tourner autour du Soleil.
L’effet de serre (naturel): Le système climatique de la Terre est fonction de l’énergie solaire.
La moitié de cette énergie (50%) est absorbée par la surface terrestre. Environ 30 % de cette
énergie est réfléchie vers l’espace par les gaz, les aérosols, les nuages et la surface terrestre
(albédo), tandis que l’atmosphère en absorbe environ 20%. L’énergie réfléchie par la surface
terrestre est en grande partie absorbée par les nuages (qui réémettent aussi ces radiations) et
certains constituants de l’atmosphère : vapeur d’eau, dioxyde de carbone (CO2), méthane
(CH4), protoxyde d’azote (N2O), et autres gaz à effet de serre...) (Cubash et al., 2013).
Le climat de la Terre reste dans l’ensemble stable du fait que l’énergie reçue est équivalente à
celle qui est émise (le bilan radiatif est équilibré) (GIEC, 2013a). Pourtant, certains facteurs ont
entraîné des changements majeurs au sein du système climatique. Etant donné que ces facteurs
conduisent autrement dit forcent le système à se modifier, nous les appelons des « forçages
radiatifs exprimé en W/m²» (FR) (GIEC, 2013a).
Les FR positifs mènent au réchauffement de la surface, tandis que les FR négatifs conduisent à
son refroidissement (GIEC, 2013a).
D’autre part, l’atmosphère principalement composée de gaz, contient aussi des matières
liquides et solides sous forme de fines particules (aérosols) qui influencent directement le
transfert d’énergie par radiations solaires (absorption et dispersion) et par conséquent le climat
et la météo (Boucher et al., 2013). L’effet de serre est donc un processus naturel important
agissant sur le climat de la Terre maintenant une température à la surface terrestre propice à la
vie, néanmoins sa dynamique peut être impactée par les activités humaines.
Un nombre important d’études scientifiques s’est porté sur le fait que la structure naturelle du
climat subit des perturbations. Le réchauffement global observé particulièrement sur les deux
dernières décennies est attribué en grande partie aux activités humaines et à l’émission de gaz
à effet de serre dans l’atmosphère (Cubash et al., 2013; GIEC, 2007; GIEC, 2014 ; GIEC, 2021).
Les autres principaux facteurs climatiques :
 Variabilité solaire ;
 Activité volcanique ;
 Changements dans le cycle du carbone ;
14
 L’albédo ;
 Impact météoritique ;
 La circulation thermocline ;
 La dérive des continents.
I.6- Les Facteurs anthropiques des changements climatiques
Les émissions de gaz à effet de serre d’origine anthropique des deux dernières décennies sont
les plus élevées de toute l’histoire de l’humanité. La croissance économique, démographique et
la mobilité en progression constante sont parmi les facteurs anthropiques des changements
climatiques (Fig. 8).
Figure 8 : Figure 8: Évolution des émissions de gaz à effet de serres liées à l’activité humaine (SPM.1. a)
(GIEC, 2021)
On cite ci-dessous les principales causes anthropiques du changement climatique avec le

pourcentage d’émission des GES de chaque secteur selon le dernier rapport du GIEC (AR6,
2021; WGIII):
 Combustion d’énergies fossiles,13% ;

 Transport / trafic, 15%;
 Bâtiment, 15% ;
 Industrie, 24%;
 Déforestation / agriculture, 22% ;
 Déchets et autres, 14%.
Le climat varie donc sous le contrôle de nombreux facteurs, à la fois naturels et anthropiques.
En réponse au forçage de ces divers facteurs qui surviennent aléatoirement ou (quasi-)
15
périodiquement, la variabilité du système climatique s’effectue sur toutes les échelles de temps,
de l’année au million d’années (Bartlein, 2007; Hugget, 1991; Mitchell, 1976).
Nous pouvons constater nos empreintes digitales sur le système climatique. La science est en
mesure de démontrer comment le réchauffement climatique actuel a rendu plus probables les
incendies, inondations, tempêtes et vagues de chaleur que nous ressentons présentement. Nous
vivons donc dans une planète avec un système climatique que nous avons altéré et qui est
désormais moins stable.
I.7- Variabilité climatique naturelle : (La Niña et El Niño)
Aujourd'hui, l'oscillation Nord Atlantique (NAO) est le principal mode de variabilité climatique
naturelle autour du bassin Nord-atlantique qui mesure souvent les fluctuations entre l’océan et
l’atmosphère. Particulièrement, son activité est plus marquée en hiver et liée à la zone de hautes
pressions des Açores, qui est soit accru (NAO +) soit diminuée (NAO-) (Hurrell, 2003 (Fig. 9).
ENSO (El Niño -Southern Oscillation) : est un phénomène climatique naturel, il s’agit d’un
courant marin chaud qui se manifeste périodiquement le long de la côte de l’Équateur et du
Pérou. Il est lié à une fluctuation de la configuration de la pression en surface dans les zones
tropicales et subtropicales. Ce phénomène couplé atmosphère-océan se produit à des échelles
de temps de 2 à 7 ans environ. Il se caractérise par trois phases, une phase chaude (El Niño)
(Positive NAO, zone en rouge près de l’équateur sur le globe de gauche (Fig. 9), une phase
froide (La Niña) (Négative NAO, zone en bleu près de l’équateur sur le globe de droite (Fig.
9), et une phase neutre (ENSO-Neutral).
Figure 9: Les oscillations du système climatique El Niño, La Niña

(Source : NASA, 2005)
16
I.8- Les scénarios d’émissions et projections climatiques
En 1990, le giec a publié son premier rapport (first assessment report), et son sixième rapport
(ar6) en 2021, son nouveau rapport "impacts, adaptation et vulnérabilité", qui décrit les
conséquences du changement climatique sur les sociétés humaines et les écosystèmes de toutes
les régions du monde, ainsi que les pistes d’adaptation et leurs limites, dans lesquels il émet des
projections climatiques basées sur des hypothèses de concentration de gaz à effet de
serre (GES) (Fig. 10).
Figure 10: Augmentation de température mondiale depuis 1850-1900 (°C) en fonction des émissions cumulées de CO2 (Gt
CO2/an) (Source : GIEC, 2021)
Généralement, la relation est quasi-linéaire entre les émissions cumulées de CO2 et

l’augmentation de la température de la surface du globe. Entre 1850 et 2019, l’humanité a émis
environ 2390 Gt de CO2, dont 64% issus des combustibles fossiles (une fraction montant à 86%
pour ces 10 dernières années). Des budgets de CO2 restant à émettre ont donc été estimés à
partir de 2020 jusqu’à atteindre la neutralité carbone pour chaque scénario. Par exemple, pour
avoir une chance sur deux de limiter le réchauffement à +1.5°C, il resterait environ 500 Gt de
CO2 à émettre. Au rythme actuel, ce budget serait dépassé en 2032. Pour rester sous +2°C, le
budget serait de 1350Gt de CO2. Il est aussi notable que malgré la réduction des émissions en
2020 (due au COVID-19), la courbe du CO2 a continué de grimper.
 Les futures émissions cumulatives varient d’un scénario à l’autre et chacun d’entre eux
détermine à quelle intensité de réchauffement nous devrions faire face.
 Partie supérieure : Les données historiques (fine ligne noire) montrent que la température de
surface globale observée augmente en °C depuis 1850-1900 comme fonction historique des
émissions cumulatives de dioxyde de carbone (CO2) en GtCO2 de 1850 à 2019.
17
 La plage grise avec sa ligne centrale montre une estimation correspondante à l’impact humain
historique sur le réchauffement de la surface.
 Les zones colorées montrent les plages estimées des projections en termes de réchauffement
de la température globale, et les épaisses lignes colorées montrent la médiane estimée comme
résultats des émissions cumulées de CO2 depuis 2020 jusqu’à l’année 2050 pour cette gamme
de scénarios illustrés (SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3-7.0, and SSP5-8.5).
 Les projections utilisent les émissions cumulées de CO2 de chaque scénario respectif, et la
projection du réchauffement global qui inclus la contribution de toutes les forces
anthropogènes.
Plusieurs générations de scénarios d’émissions ont été produites en fonction de l’avancée des
connaissances. Pour les deux premiers rapports du (GIEC), six scénarios appelés IS92 ont
été utilisés. Pour les rapports 3 et 4, les SRES (Special Report on Emissions Scenario) se
déclinaient en 4 familles (A1, A2, B1, B2). Pour le 5eme rapport, les SRES ont été
remplacés par les RCP (Representative Concentration Pathway). Quatre scénarios de
référence de l’évolution du forçage radiatif, relatifs à l’évolution de la concentration en
(GES) dans l’atmosphère au cours du 21 ème siècle, ont été définis du plus optimiste au plus
pessimiste : RCP 2.6, RCP 4.5, RCP 6.0 et RCP 8.5. Le premier RCP 2.6 implique une forte
atténuation des émissions de GES par la communauté internationale (scénario optimiste),
tandis que RCP 4.5, RCP 6.0 sont des scénarios intermédiaires. Alors que le dernier RCP
8.5 correspond à une forte hausse des émissions actuelles jusqu’à la fin du 21 ème siècle
(scénario pessimiste). Récemment, le dernier rapport du GIEC s’est donc appuyé sur cinq
nouvelles scénarios appelés SSP (Shared Socio-economic Pathways, ou « Trajectoires socio-
économiques partagées »). Ces scénarios reflètent diverses possibilités d’évolutions futures en
termes de population, de développement économique et technologique et de politiques
environnementales (Fig. 11). Ils vont de scénarios assez optimistes reposant sur de fortes
réductions immédiates des émissions de GES (SSP1-1.9 et SSP1-2.6), à un scénario «
catastrophe » dans lequel les émissions annuelles de GES tripleraient d’ici 2100 (SSP5-8.5), en
passant par des scénarios « intermédiaires » (SSP2- 4.5, SSP3-7.0). Ces scénarios sont ensuite
utilisés pour faire tourner des modèles climatiques globaux : des algorithmes qui simulent
l’évolution du climat planétaire durant des décennies. Les modèles climatiques utilisés pour ce
6ème rapport du GIEC présentent des améliorations considérables par rapport à la génération
précédente (GIEC, 2021).
18
Figure 11: Scenario d’émissions de GES futures (en milliards de tonnes de CO2 par an)
Cinq scénarios englobent un large spectre de futurs possibles pour les émissions de GES :
Les hypothèses vont d’un scénario dans lequel les émissions planétaires de CO2 diminuent de
façon draconienne, avec un objectif de neutralité carbone en 2050, puis sont négatives au
courant de la deuxième moitié du siècle, à un scénario dans lequel les émissions de
CO2 poursuivent leur forte augmentation, jusqu’à deux fois supérieures en 2050 et même plus
de trois fois supérieures en 2100.
I.9- Modèle climatique
I.9.1- Définition
Les modèles climatiques sont des outils informatiques que les scientifiques utilisent pour
comprendre les changements climatiques passés, présents et futurs (Fig. 12). Ce sont des
programmes informatiques qui simulent le climat de la Terre, sur la base des lois fondamentales
de la physique, de la chimie et de la biologie de l’atmosphère, de l’océan, de la glace et des
terres. Certains modèles incluent plus de processus, de complexité et de détails que d’autres.
Ainsi, les simulations climatiques qui en résultent peuvent varier d’un modèle à l’autre ; c’est
pourquoi le GIEC examine toujours les résultats de nombreux modèles climatiques afin de
comprendre quels sont les résultats associés à notre plus grand degré de certitude. Les
scientifiques testent les modèles climatiques en comparant leurs résultats avec les observations
passées et les informations paléo- climatiques. Si les modèles sont capables de simuler
correctement les changements que nous avons observés sur Terre dans le passé, cela nous donne
confiance sur leur capacité à représenter les processus climatiques les plus importants. Ces
19
modèles peuvent alors être utilisés pour identifier les causes de ces changements passés et pour
étudier comment le climat pourrait évoluer à l’avenir, en fonction de nos actions (GIEC, 2021).
Figure 12: Les étapes primordiale d’une modélisation climatique

(Source, GIEC, 2021)
Les modèles du système terrestre sont des formulations mathématiques des lois naturelles qui
régissent l’évolution des systèmes liés au climat. L’évolution des variables pertinentes pour le
climat est calculée numériquement à l’aide d’ordinateurs à haute performance (André et al.,
2014; Balaji et coll., 2017), sur des grilles discrètes tridimensionnelles (Staniforth et Thuburn,
2012). La résolution spatiale (et temporelle) de ces grilles dans les directions horizontale et
verticale détermine quels processus doivent être paramétrés ou s’ils peuvent être explicitement
résolus. Un large éventail de modèles numériques est largement utilisé en science du climat
pour étudier le système climatique et son comportement à plusieurs échelles temporelles et
spatiales. Ces modèles sont les principaux outils disponibles pour envisager les futurs
climatiques possibles dans le cadre d’une série de scénarios. Les modèles globaux du système
terrestre (MES) sont les modèles les plus complexes qui contribuent au RE6. Au cœur de chaque
MES se trouve un modèle de circulation générale (GCM) représentant la dynamique de
l’atmosphère et de l’océan. Les MES sont complétés par des modèles régionaux et par une
hiérarchie de modèles moins complexes. À partir de leur apparition vers les années 1960, les
modèles de circulation générale ou global (GCMs) (Fig. 13), n’ont pas cessé de changer de
concert avec une meilleure connaissance de la dynamique du climat et une amélioration des
systèmes d’observation. Pour représenter l’ensemble des processus du système climatique, les
scientifiques ont développé des modèles climatiques qui sont des outils numériques basés sur
20
des équations mathématiques qui prennent en compte les principes fondamentaux de la

conservation de la masse, de l’énergie, de l’eau et de la quantité de mouvement. Ces équations,
donc les modèles climatiques, décrivent le comportement et les interactions entre les différentes
composantes du système climatique, sous des forçages externes tels que la radiation solaire, les
aérosols, ainsi que les émissions naturelles et anthropiques de gaz à effet de serre (GES).
Figure 13: L’évolution des modèles climatiques de l’IPCC depuis le premier rapport en 1990 et le sixième rapport
d’évaluation 2021(Source : GIEC, 2021)
I.9.2- Modélisation climatique
Pour la modélisation numérique du climat, l’atmosphère et l’océan sont divisés en boîtes

différenciées ou grille. Chaque maille tridimensionnelle représente la résolution du modèle, en
outre sont résolues les équations aux dérivées partielles décrivant la dynamique des fluides
(Ribes, 2009). Au niveau de chaque maille on simule des variables (Températures,
Précipitations, Evaporation… etc) pour les climats historiques, présents et futurs. De ce fait, les
modèles d’impact (modèles hydrologiques, agronomiques…) constituent actuellement des
outils nécessaires pour l’analyse de la vulnérabilité des populations. Avec de telles
informations, il devient possible de prévoir les impacts négatifs potentiels des changements
climatiques tout en favorisant un développement résilient au climat (Gutowski Jr. et al., 2016).
21
Selon différents laboratoires météorologiques installés au niveau international qui se

concentrent sur des études avancées sur le climat, de nombreux projets de modélisation ont
alors vu le jour. Nous citons à titre d’exemple le projet Coupled Model Intercomparison Phase
(CMIP), particulièrement dans ses deux dernières versions : CMIP5 (roberts), et plus
récemment CMIP6 (Eyring et al., 2016), servent aujourd’hui de base à l’établissement des
rapports du GIEC qui fournissent des expertises sur l’impact du changement climatique à
l’échelle mondiale. Les GCMs issus de ces exercices de modélisation fournissent des
simulations de différentes variables climatiques sur des mailles couvrant le globe à une
résolution spatiale allant de 50 à 400 km environ (Fig. 14) (GIEC, 2021).
Figure 14: Modèle de circulation générale à résolution grossière

(Source : laurent Fairhead (lMD/cNRs)
I.9.3- Simulations climatiques
En simulation climatique, on distingue deux catégories de modèles : les modèles climatiques

globaux (GCM) couvrant le globe à une résolution spatiale classique variant de 50 à 400 km et
les modèles climatiques régionaux (RCM) abritant une zone ponctuelle à une résolution de
l’ordre de 10 à 50 km. A la différence des modèles globaux, les modèles régionaux permettent
en particulier d’affiner la qualité de l’information issue de la modélisation. Des techniques dites
de descentes d’échelles permettent de passer du GCM au RCM en tenant compte plus finement
de l’effet de l’orographie. Dans les modèles globaux, l’effet du relief n’est pas ressenti pour
certaines régions. Le modèle régional est obtenu en forçant les conditions aux limites régionales
par un modèle global (Fig. 15).
22
Figure 15: Illustration du concept de réduction d'échelle dynamique

(D’après Berckmans et al., 2017)
I.9.3.1- Model circulation globale
Des modèles mondiaux de pointe sont généralement utilisés pour obtenir des informations
climatiques à l’échelle continentale et mondiale, tant pour les climats passés que futurs. La
résolution effective, pour laquelle la forme du spectre d’énergie cinétique est simulée
correctement, est environ trois à cinq fois plus grande (Klaver et al., 2020), et une relation
similaire s’applique également aux MCR (Skamarock, 2004). Cela limite fortement leur
capacité à résoudre les détails locaux. Le modèle de circulation globale ou modèle climatique
global (MCGs) fournit l’évolution de l’état de l’atmosphère à grande échelle (précipitations,
température, pression, humidité, vents, etc..). Généralement, les MCGs consistent à la
représentation numérique de la planète et des interactions entre l’atmosphère, l’océan et les
surfaces continentales. L’espace géographique numérique est composé de cases, appelées
mailles représentant un découpage du système climatique en petite boite. Les interactions entre
les mailles sont modélisées par un certain nombre d’équations mathématiques, qui traduisent la
conservation de diverses quantités physiques (masse, énergie, quantité de mouvement, etc.).
Plus la maille est petite, plus le modèle est précis. L’amélioration de la résolution cherche à
s’approcher le plus possible de la réalité, il part de conditions initiales (précipitation, humidité,
etc..) et les fait évoluer en résolvant les équations mathématiques.
I.9.3.2- Model climat régional
I.9.3.2.1- Généralités
Les modèles climatiques régionaux (MCR) sont des modèles dynamiques similaires aux
modèles mondiaux qui sont appliqués sur une zone limitée, mais avec une résolution horizontale
23
supérieure à celle des modèles mondiaux standard. Ils sont à la base de la réduction dynamique
de l’échelle pour produire des informations climatiques sous-continentales, mais sont
également souvent utilisés pour la compréhension des processus. Aux limites latérales et, le cas
échéant, inférieures, les MCR tirent leurs valeurs d’un ensemble de données déterminantes, qui
peut être un modèle global ou une réanalyse (so).
Les MCR sont des modèles dynamiques, semblables aux MCG, qui simulent une région limitée
et sont forcés avec des conditions boudaires à partir d’une simulation globale, corrigeant
souvent les biais. Cette approche permet l’utilisation d’une résolution plus élevée dans le
domaine choisi et représente donc mieux les facteurs importants du climat régional tels que les
chaînes de montagnes, la gestion des terres et les effets urbains. Les MCR résolvant
explicitement la convection atmosphérique sont maintenant incluses dans les comparaisons
(Coppola et al., 2020) D’autres approches, telles que la réduction d’échelle statistique, sont
également utilisées pour générer des projections climatiques régionales (Maraun et Widmann,
2018). Les MCR ont souvent été constituées de composantes atmosphériques et terrestres qui
n’incluent pas tous les processus possibles du système terrestre et négligent donc des processus
importants tels que le couplage air-mer (dans les MCR standard, les températures de surface de
la mer, les SST, sont prescrites à partir de simulations ou de réanalyses de modèles globaux) ou
la chimie de l’interaction aérosol-nuage (aérosols prescrits avec une climatologie), qui peuvent
influencer les projections climatiques régionales (Fig. 16).
Figure 16: Types de modèles et chaînes typiques utilisés dans la modélisation du climat régional.
*Les lignes pointillées indiquent des chaînes de modèles qui pourraient s’avérer utiles mais qui n’ont pas ou
rarement été utilisées. Des approches hybrides combinant les types de modèles présentés ont été développées.
24
Il existe trois types de modèles régionaux qui sont décrits de façon détaillée dans Somot (2005) :
- Le premier est constitué des AGCMs (Atmospheric General Circulation Model) à

très haute résolution et couvrant tout le globe (Cubash et al., 1997). Ce type de
modèles est très coûteux en temps de calcul ;
- Le second est constitué d’un modèle global avec un « zoom » régional sur la zone
d’intérêt. Le modèle ARPEGE-Climat (Déqué et al., 1995) peut être utilisé dans ce
type de configuration. Les performances de ce type de modèle sont similaires aux
GCMs standards dans les régions en dehors du zoom, par contre, dans la zone
d’intérêt, les performances y sont plus élevées (Déqué et al., 2005).
- La troisième approche consiste à l’utilisation des modèles à aire limitée (Limited
Area Model LAM) initialisés et forcés à ses frontières latérales LBC (Lateral
Boundary Condition) par des réanalyses atmosphériques ou des données issues des
simulations des GCMs à plus basse résolution (Giorgi et Mearns, 1999 ; Giorgi et
al., 2004).
Ces modèles ont donné naissance à de nombreux projets de modélisation régionale comme
PRUDENCE (Christensen et al, 2002), ENSEMBLES (Hewitt, 2004 ; van der Linden et
Mitchell, 2009) en Europe, NARCCAP (Mearns et al., 2013), CORDEX (Giorgi et al., 2009) à
l’échelle internationale et plus récemment MENA-CORDEX (Bucchignani et al., 2016 ;
Almazroui et al., 2016) à l’échelle Moyen-orient Afrique du Nord.
L’initiative CORDEX (Coordinated Regional Climate Downscaling Experiment) (Giorgi et al.,

2009; Gutowski Jr. et coll., 2016) fournit des ensembles de projections climatiques historiques
et futures à haute résolution pour diverses régions. Les MCR de CORDEX ont généralement
une résolution horizontale comprise entre 10 et 50 km. Mais une résolution spatiale beaucoup
plus fine est nécessaire pour résoudre complètement la convection profonde, une cause
importante de précipitations dans une grande partie du monde. Par conséquent, un brin
émergent dans la réduction d’échelle dynamique utilise des simulations à des échelles
permettant la convection, à des résolutions horizontales de quelques kilomètres, où les
paramétrisations de convection profonde peuvent être désactivées, simulant approximativement
la convection profonde (Prein et coll., 2015; Coppola et coll., 2020). Par ailleurs, certaines
MRC utilisent des paramétrisations sensibles à l’échelle qui sont capables de s’adapter à une
résolution croissante sans désactiver le schéma de convection (Hamdi et coll., 2012; Yano et
coll., 2018).
25
I.9.3.2.1- Réduction d’échelle ou régionalisation
Les méthodes de réduction d’échelle spatiale appelées aussi descente d’échelle, régionalisation,
ou désagrégation, permettent, à partir de simulations climatiques de grande échelle (MCG) avec
une basse résolution, de descendre à des échelles fines et précis de haute résolution (MCR). Les
techniques de réduction d’échelle se divisent en deux catégories : les méthodes de réduction
d’échelle statistiques (Mearns et al., 1999, Wilby et al. 1998, 2002) et les méthodes de réduction
d’échelles dynamiques (Déqué et Pièdelièvre, 1995, Giorgi, 1990; Jones et al., 1995). On
distingue
-Désagrégation dynamique
Une approche plus largement utilisée, établie pour obtenir des informations à haute résolution
appropriées pour les études d’impact et la réduction dynamique de l’échelle. Le modèle
climatique régional (MCR) utilise cette information pour simuler les phénomènes de plus
petites dimensions correspondant à l’état de l’atmosphère, tels que les précipitations, les
tempêtes, les vents …etc (Leung et al.,2003 ; Déqué et al., 2005). Il s’agit en quelque sorte d’un
« zoom » sur une région d'intérêt (Fig. 17).
Figure 17: Schéma conceptuel montrant l’intérêt de la régionalisation dynamique par la prise en compte des échelles large à
fines. Source:http://www.cru.uea.ac.uk/cru/info/modelcc/scalediag.jgp)
26
-Désagrégation statistique
La performance de la réduction d’échelle statistique, de l’ajustement des biais et des générateurs

météorologiques dans les applications de changement climatique dépend du modèle spécifique
et du modèle climatique dynamique qui le pilote (Hoffmann et coll., 2018). L'approche
statistique repose sur la recherche d'une relation statistique entre les variables de grande échelle
et les variables locales de surface. Elle se base sur le fait que le climat régional dépend de deux
facteurs : le climat de grande échelle et les caractéristiques locales ou régionales telles que la
topographie, le type de surface, la couverture de végétation. Cette méthode est peu coûteuse au
moyen de calculs et peut facilement être appliquée aux résultats des MCG à condition de
disposer de données climatiques historiques sur une période suffisamment longue (10-30 ans)
par exemple les précipitations ou les tempêtes. Cette approche repose cependant, sur
l’hypothèse fondamentale que la relation statistique « prédictand – prédicteurs » établie à l’aide
de l’information sur le climat actuel est également valide pour le futur (Hewitson et Crane, 2006
; Solman et Nuñez, 1999).
I.10- Projection climatique
La projection climatique est établie après l’utilisation de modèle climatique, une projection
climatique c’est la réponse simulée du système climatique aux scénarios d’émission futurs (Fig.
18 ; Tab.1) ou de concentrations des gaz à effet de serre et des aérosols (GIEC, 2013a ; 2021).
Figure 18: Les projections climatiques de température entre la période de contrôle 1986-2005 et la période futur 2081-2100,
en fonction des scenarios d’émissions du GIEC (Source : Serge J et al., 2015)
27
Tableau 1: Evolution de la température mondiale à la surface de la Terre pour trois périodes de 20 ans au regard des cinq
scénarios SSP étudies par le Giec pour l’AR6
I.11- Conclusion
Dans ce chapitre on a évoqué, dans l'ensemble, des généralités sur le climat, sur le système
climatique et sur les changements climatiques. Or, le climat est un système hautement complexe
dont les variations sont contrôlées par de nombreux facteurs à la fois naturels et anthropiques.
Puis, on a fait la distinction entre le modèle de circulation global et le modèle de climat régional
dont on a montré les différents scénarios socio-économiques créés par les scientifiques du
GIEC.
En effet, la terre se réchauffe, le régime des précipitations se modifie et des phénomènes
extrêmes tels que les sécheresses, les inondations et les incendies de forêts deviennent plus
fréquentes. Dans le chapitre suivant, les répercussions des changements climatiques à l’échelle
internationale et nationale seront abordées en détail.
28
Chapitre II : Synthèse des travaux anterieurs
II.1- Introduction
Le monde passe à la vitesse supérieure dans sa course contre les changements climatiques, qui,
durant de nombreuses années avait fait l’objet de débat, est aujourd’hui une réalité indiscutable
et perceptible partout sur le globe terrestre. Pendant les dernières décennies, la température à la
surface du globe a couramment augmenté, comme jamais cela n’avait été le cas depuis 1850.
En effet, on assiste de plus en plus à d’intenses canicules, d’inhabituelles inondations, des
sécheresses plus marquées, d’élévation du niveau des mers, des migrations exceptionnelles des
espèces animales (GIEC, 2021).
Ce chapitre entame généralement les principaux changements du climat observé depuis la
révolution industrielle jusqu'à présent, en ce qui concerne les températures, les précipitations,
ainsi que des évènements météorologiques extrêmes à l’échelle internationale, à l’échelle de
l’Afrique du Nord, et à l’échelle nationale à savoir le Maroc.
II.2- Les changements climatiques à l’échelle du monde
Récemment, les changements climatiques s’intensifient à l’échelle internationale et exacerbent

des problèmes environnementaux considérables (Fig. 19). Toutefois, les changements présents
et les futurs scénarios révèlent régulièrement d’importants risques accrus dans les décennies à
venir sur les écosystèmes. Généralement, le réchauffement est minimal à l’équateur et augmente
au fur et à mesure qu’on s’en éloigne. Des variations régionales peuvent cependant être
extrêmement plus marquées à certains endroits comme l’Amérique du nord ou au contraire
l’être trop moins : certaines régions se sont même légèrement refroidies, comme une portion de
l’atlantique nord et au sud du Groenland. Aussi la durée des périodes sans gel a augmenté dans
les moyennes et hautes latitudes au niveau des deux hémisphères. Le printemps arrive tôt et
l’été se prolonge longtemps.
D’ailleurs, le GIEC, a mis en ligne un atlas interactif permettant de visualiser les changements
climatiques attendus à l’échelle globale et à l’échelle régionale pour différentes valeurs de
réchauffement planétaire y compris des informations sur les changements climatiques observés
et projetés. Les utilisateurs peuvent effectuer des analyses spatiales et temporelles à l'aide de
nombreux ensembles de données utilisés dans l'évaluation, accéder à des informations
régionales synthétisées sur les facteurs d'impact climatique et télécharger des données. Pour
cette raison, on à utiliser la plateforme Atlas interactif en ligne du GIEC (2021), pour créer une
cartographie des températures et des précipitation du Monde (Fig.19 ; Fig. 20) via le site:
https://interactive-atlas.ipcc.ch/.
29
Figure 19: Carte des changements des températures à l’échelle du Monde

(Source: https://interactive-atlas.ipcc.ch/). IPCC WGI Interactive Atlas (2021)
L’accroissement des températures réchauffe les eaux de surface océaniques, ce qui entraîne plus
d’évaporation, notamment aux basses latitudes. Des températures plus élevées entraînent donc
globalement une augmentation des précipitations, mais réparties de manière irrégulière et se
rapporte à la fois à l'espace et au temps. Certaines régions ont reçu des précipitations intenses
(Amérique du sud, Europe du nord…etc.) alors que d’autres en recevaient moins (sahel, sud de
l’Afrique, méditerranée…etc). Les précipitations (Fig. 20) sont plus violentes qu’auparavant
dans toutes les régions, ce qui favorise des évènements météorologiques extrêmes tels que, les
sécheresses, les inondations, les tempêtes. Notons en 2010, l'Australie a connu les plus grandes
inondations de son histoire, avec plus de 200 000 personnes affectées. De plus en 2013, les
pluies de mousson exceptionnelle trop fortes en Inde a fait (plus de 5 000 personnes ont péri
dans des inondations meurtrières). En outre, l’Europe centrale était touchée par des inondations
d'une ampleur jamais observée depuis longtemps, suites à des précipitations extrêmement fortes
survenues sur plusieurs pays citons : l'Autriche, l'Allemagne, la Hongrie et la Tchéquie.
30
Figure 20: Changements des précipitations à l’échelle du Monde

(Source: https://interactive-atlas.ipcc.ch/). IPCC WGI Interactive Atlas (2021)
Concernant l’Afrique du Nord, la plupart de sa superficie souffre d’une baisse de pluie. Le

climat de l’Afrique du Nord se caractérise par des contrastes importants au cours de l’année
avec une période humide de septembre à avril, et une période sèche de mai à août. Les
fluctuations spatiales des pluies sont encore influencées par plusieurs modes de variabilité de
la circulation atmosphérique extratropicale, notamment l’oscillation nord-atlantique (ONA) (xl,
1995). Cette ONA est très marquées à partir des côtes vers l’intérieur des terres, et elle est à
dominance sèche. Toutefois ces fluctuations interagissent avec les caractéristiques des
trajectoires des systèmes dépressionnaires dans l’Atlantique Nord ou de celles au-dessus de la
méditerranée (Portis et al., 2001; Matti et al., 2009; Jellasi et al., 2016).
Récemment, 75 à 250 millions de personnes sont exposées à une raréfaction des ressources en
eau (GIEC, 2021). Avec la complexité accrue de la croissance socio-économique, la pénurie
d’eau va augmenter de plus en plus. Il est probable que la production agricole, surtout la
nourriture, soit durement touchée. L’élévation du niveau des mers touchera certaines grandes
villes situées en zone côtière, telles qu’Alexandrie, le Caire, Lomé, Cotonou, Lagos et Massawa
(Jellasi et al., 2016). Des recherches intéressantes effectuées à partir des simulations de (MCGs)
suggèrent une diminution considérable du régime des précipitations au cours des dernières
années au Nord de l’Afrique, renforcent sans doute une augmentation de l’occurrence et de la
sévérité des sècheresses d’ici la fin du 21ème siècle (Giorgi, 2005; 2006; Giorgi & Lionello,
2008 ; GIEC, 2021).
31
On observe tout d’abord une augmentation de la température moyenne sur tout le continent.
Certaines régions ont ainsi déjà dépassé les +1,5°C en comparaison à l’ère préindustrielle.
D’après un scénario d’émissions pessimiste qui, pourtant, au regard des engagements pris par
les États en matière d’atténuation, apparaît probable : la température moyenne en Afrique
pourrait dépasser les +3.5°C dans certaines régions, et au minimum +2°C, d’ici 2050. Or, plus
la température moyenne augmente, plus les autres impacts s’intensifient : en force et en
fréquence (Fig. 21).
Figure 21: Projection de température sur le continent d’Afrique selon un scénario d’émissions pessimiste (RCP 8.5).
Source: McKinsey Global Institute, « How will African farmers adjust to changing patterns of precipitation?« ,
May 2020, p.11
Le GIEC (2021) a notamment mis l’accent sur les impacts du changement climatique sur le
continent Africain. Ce dernier est l’un des continents qui a le moins contribué aux émissions de
gaz à effet de serre, et est pourtant la région la plus vulnérable aux changements climatiques
qui en résultent. Cette exposition se conjugue avec une très forte vulnérabilité, liée à la très
grande pauvreté et aux multiples inégalités d’accès à la santé, à l’éducation, à la sécurité
alimentaire et à l’instabilité politique. L’échelle continentale ne rend toutefois pas compte des
inégalités très fortes au sein du même continent (Fig. 22).
32
Figure 22: Illustration des différentes facettes de vulnérabilité à l’échelle mondiale.

(Source: TS 4 du 6ème rapport du GIEC, groupe 2
II.2.1- Changements des températures
Les scientifiques indiquent que les températures sur la surface de la terre ont globalement accru, mais
pas de la même façon dans toutes les régions (Fig. 23).
A B
Figure 23: (A) : Températures moyennes de l'air en surface de 2011 à 2020 par rapport à une Moyenne de référence de
1951 à 1980. (B) : Illustration des données de la NASA des températures à la surface des terres (Source : GIEC, 2021)
La figure 23 (A) en haut illustre les changements de la température moyenne en surface allant
de 2011 à 2020 par rapport à une moyenne de référence de 1951 à 1980, on remarque bien que
la quasi-totalité de la surface du globe se réchauffe. La moyenne de la température annuelle a
toujours connu des variations significatives, alternant des périodes froides avec des périodes
chaudes. Toutefois, il apparaît clairement qu’au cours des dernières décennies, le système
climatique se réchauffe d’une manière sévère à l’échelle mondiale. Notons que l'été 2022 est le
33
deuxième été le plus chaud au monde depuis le début des records modernes en 1880. La
décennie 2011-2020 a été plus chaude de 0,95 à 1,2 °C que la référence préindustrielle (1850-
1900), (NASA, 2021).
La figure 23 (B) illustre des données de la NASA montrant l’analyse de l’évolution des
températures moyennes mondiales sur la mer et sur la terre de 1880. Cette augmentation montre
aussi que les terres se réchauffent plus rapidement que les océans. De ce fait, les écarts de
température entre les océans et les terres se creusent. L'océan absorbe plus de 90 % de l'excès
de chaleur piégée dans l'atmosphère, ce qui limite considérablement le changement de la
température mondiale et contribue à l'élévation du niveau de la mer.
Une augmentation des températures mènera à de nombreux changements météorologiques sur
le plan des configurations des vents et des précipitations ainsi que celle des phénomènes
météorologiques extrêmes (Fig. 24). Cette augmentation pourrait avoir des conséquences
imprévisibles et une portée considérable sur le plan environnemental, social et économique.
Selon le AR6 du GIEC (2021), une évaluation globale des températures depuis 1970 a montré
que le réchauffement d’origine anthropique a probablement eu une influence perceptible sur
plusieurs systèmes physiques et biologiques.
Figure 24: Hausse des températures moyennes mondiales par rapport aux niveaux préindustriel en C°.
(Source : GIEC, SRCCL, 2021)
La hausse de la température sur les Terres émergées est environ le double de l'augmentation
moyenne mondiale, entraînant une expansion des déserts ainsi que des vagues de chaleur ,
des incendies de forêt . En outre, elle est aussi amplifiée dans l'Arctique, où elle contribue à la
fonte du pergélisol, recul glaciaire et à la perte de glace de mer. Les températures plus chaudes
augmentent les taux d'évaporation, provoquant des tempêtes plus intenses et des évènements
météorologiques extrêmes.
34
La figure suivante montre globalement l’impact de l’augmentation de la température sur les

systèmes terrestres naturels et humains (Fig. 25). Généralement, le changement climatique a
déjà affecté toutes les régions habitées du globe, Apparement, l’influence humaine contribue à
de nombreux changements observés dans les conditions météorologiques et les extrêmes
climatiques.
Figure 25: Synthèse de l’évaluation des changements observés dans les extrêmes de chaleur et dans la contribution humaine
aux changements observés dans les régions du monde.(Source : GIEC, 2021)
Pour les chaleurs extrêmes, la preuve est principalement tirée des changements dans les
statistiques s’appuyant sur les températures quotidiennes maximales; les études régionales
utilisant d’autres indicateurs (durée des vagues de chaleur, fréquence et intensité) sont utilisées
en complément. Les hexagones rouges indiquent des régions où il y a au moins une fiabilité
moyenne concernant l’augmentation des chaleurs extrêmes observées.
L’augmentation de la température ne se manifeste pas seulement sur les moyennes mais
également par la multiplication et l’intensification des vagues de chaleur dont les effets peuvent
être dévastateurs pour les écosystèmes, l’agriculture ou la santé humaine.
II.2.2- Changements des régimes des précipitations
En raison de réchauffement climatique, le régime des précipitations mondiale a connu une

variation naturelle importante. Les observations montrent que les changements affectent la
quantité, l’intensité, la fréquence et le type de précipitations. Généralement, à l’échelle global
on prévoit clairement une tendance vers une augmentation des précipitations, et une
augmentation des événements météorologiques extrêmes dans les décennies à venir (ipcc-ar5,
2014) (Fig. 26). Nombreuses recherches climatologiques suggèrent que les précipitations
extrêmes pourraient s’accroître dans le futur et que le signal de son changement est
spécialement puissant lorsqu’il s’agit de précipitations extrêmes (Gao et al., 2006 ; Giorgi et
35
Lionello, 2008 ; Tebaldi et al., 2006 ; Tramblay et al., 2012). L’étude de Borodina et al (2017)
suggèrent que d’une manière générale, dans les régions où l’intensité des précipitations est
élevée, la plupart des GCMs sous-estiment probablement l’intensification future des fortes
précipitations. Selon Bador et al (2018) a permis de mettre en évidence grâce à un ensemble de
GCMs, que l’intensité des précipitations extrêmes devrait augmenter fortement d’ici la fin du
siècle dans un contexte de changement climatique. Récemment, l’observation de la quantité de
précipitations sur le globe terrestre montre une évolution prononcée à long-terme : les régions
de l’Amérique du nord-est et du sud, de l’Europe du nord et de l’Asie centrale et du nord sont
devenues trop humides, autre celles du Sahel, de l’Afrique subsaharienne, de la Méditerranée
et de l’Asie du sud sont devenues extrêmement sèches. La figure suivante montre les
changements observés en termes de précipitations entre 1901 et 2010, et 1951 et 2010. (GIEC,
2021).
Figure 26: Changement observes concernant les précipitations quotidiennes pour l’horizon 2081-2100 par rapport à la
période 1986-2005. (Source : IPCC-AR5)
En effet, en Méditerranée, la baisse des précipitations associée à l’amplification du

réchauffement contribue à des tendances fortes vers un assèchement du climat (Fig. 27). La
fréquence et l’intensité des sécheresses ont déjà sensiblement augmenté depuis 1950. Par
ailleurs, une élévation de 2°C de la température de l’atmosphère à l’échelle mondiale devrait
entraîner une diminution d’environ 10 à 15 % en matiere des pluies estivales dans le sud de la
France, le nord-ouest de l’Espagne et les Balkans, ainsi qu’une baisse de 30 % en Turquie
(GIEC, 2021).
36
Concernant les précipitations moyennes, le GIEC prévoit pour la fin du 21eme siècle une hausse
des écarts relatifs aux précipitations entre à la fois les régions et les saisons humides et les
régions et les saisons sèches. Cela indique que le réchauffement planétaire augmente aussi bien
les risques de sécheresse que ceux d’inondations.
Figure 27: Précipitations du AR6 pour la méditerranée (Source : GIEC, 2021)
Le changement climatique affecte déjà toutes les régions habitées de la planète, l’influence
humaine contribuant à de nombreux changements observés des extrêmes météorologiques et
climatiques (Fig. 28).
37
Figure 28: Changement climatique dans toutes les régions habitées du monde avec l’influence humaine
(Source : GTI RI6, figure RID.3)
 Dans l’ensemble, les régions habitées sont présentées comme des hexagones avec des tailles
identiques dans leurs emplacements géographiques approximatifs. Toutes les analyses sont
faites pour chaque région dans son ensemble et comprenant une période allant des années
38
1950 à aujourd’hui. Des analyses faites sur une période de temps différente ou des échelles
spatiales plus locales peuvent varier par rapport à ce qui est montré sur le schéma (Fig. 28).
Les couleurs sur chaque panel représentent les quatre résultats des analyses sur les
changements observés. Les hexagones rayés en blanc et gris clair sont utilisés lorsqu’il y a
des données limitées ou une documentation qui empêche une analyse de la région dans son
ensemble. Les autres couleurs indiquent au moins une fiabilité moyenne concernant le
changement observé. Le niveau de fiabilité concernant l’influence humaine sur ces
changements observés s’appuie sur l’évaluation de la détection de tendances et la
documentation concernant l’attribution d’événements, et c’est indiqué par le nombre de
points.
 Schéma a) Pour les chaleurs extrêmes, la preuve est principalement tirée des changements
dans les statistiques s’appuyant sur les températures quotidiennes maximales; les études
régionales utilisant d’autres indicateurs (durée des vagues de chaleur, fréquence et intensité)
sont utilisées en complément. Les hexagones rouges indiquent des régions où il y a au moins
une fiabilité moyenne concernant l’augmentation des chaleurs extrêmes observées.
 Schéma b) Pour les fortes pluies, la preuve est principalement tirée des changements
concernant les indicateurs s’appuyant sur des volumes de pluie quotidiens, ou sur cinq jours,
utilisant des études mondiales et régionales. Les hexagones verts indiquent les régions où il
y a au moins une fiabilité moyenne concernant l’augmentation des fortes pluies observées.
 Schéma c) L’évaluation des sécheresses agricoles et écologiques s’appuie sur les
changements observés et modélisés dans des colonnes évaluant l’humidité du sol en
profondeur, complétées par la preuve de changements concernant l’humidité des sols en
surface, des bilans hydriques (précipitations moins évapotranspiration) et des indicateurs
axés sur la demande évaporative atmosphérique ainsi que la demande évaporative des
précipitations. Les hexagones jaunes indiquent des régions où il y a au moins une fiabilité
moyenne concernant l’augmentation observées dans ce type de sécheresse et les hexagones
verts indiquent les régions où il y a au moins une fiabilité moyenne concernant la diminution
observée quant à la sécheresse agricole et écologique.
39
II.2.3- Répercussion des Changements climatique au niveau international
II.2.3.1- L’élévation accélérée du niveau de la mer
Le dernier rapport du GIEC sur le climat, insiste également sur les dangers de la montée du
niveau de la mer. La montée du niveau marin est inéluctable que ce soit sur plusieurs années ou
plusieurs décennies, le niveau moyen de la mer à l’échelle mondiale varie en fonction des
changements qui affectent de nombreuses composantes du système climatique, notamment la
dilatation des eaux qui résulte du réchauffement de l’océan, la fonte des glaces terrestres et les
échanges avec les masses d’eau douce. Les mesures effectuées par les satellites altimétriques
de haute précision depuis le début des années 1990 montrent une augmentation annuelle du
niveau moyen de la mer de 2,1 mm entre 1993 et 2002, et de 4,5 mm entre 2013 et 2021, soit
une hausse d’un facteur deux entre ces périodes, qui s’explique principalement par le rythme
accru de perte de masse glaciaire des inlandsis (Fig. 29).
Figure 29: Évolution du niveau moyen de la mer à l'échelle du globe entre janvier 1993 et septembre 2021. (Source des
données: altimétrie AVISO (https://www.aviso.altimetry.fr)
II.2.3.2- Les ondes de tempêtes
Dans la littérature scientifique récente les augmentations des niveaux extrêmes de la mer dues
à l'élévation du niveau moyen de la mer et aux changements des caractéristiques des tempêtes
sont les principaux facteurs climatiques des changements des zones côtiers (Burkett and
Davidson 2012). Les niveaux de la mer extrêmes sont causés par des tempêtes marines extrêmes
en particulier lorsqu'elles se produisent à des moments de marée haute et encore plus tout
40
système de basse pression au large avec des vents forts associés peut provoquer un événement
d'inondation côtière selon la durée et la direction des vents (Rintoul et al. 2013).
Les tendances observées de l’élévation du niveau de la mer indiquent qu’il est probable que les
niveaux extrêmes de la mer ont augmenté depuis 1970, en grande partie en raison de
l'augmentation du niveau moyen de la mer (Rhein et al, 2013) et que les systèmes côtiers et les
zones de faible altitude connaîtront de plus en plus une augmentation des niveaux extrêmes de
la mer et leurs impacts négatifs (GIEC, 2021). En fait, les zones côtières de faible altitude sont
plus vulnérables aux inondations marines lors d'événements extrêmes de niveau de la mer
causés par des ondes de tempête, si cela se produit en combinaison avec une augmentation des
flux intérieurs due à des précipitations extrêmes (GIEC, 2021).
II.2.3.3- Le réchauffement des océans
Le réchauffement des océans constitue l’évènement principal qui découle de l’élévation de

l’énergie stockée dans le système climatique. Les océans comptent plus de 90 % de l’énergie
accumulée. Toutefois, 60 % de la hausse de l’énergie sont emmagasinés dans la couche
supérieure des océans et presque 30 % sont dans la couche inférieure. En relation avec le
réchauffement observé à la surface, celui des océans est le plus sérieux : entre 0 et 75 m de
profondeur (GIEC, 2021). Le dernier rapport du GIEC a conclu que l’étendue de la couverture
neigeuse avait diminué dans le NH (Hémisphère Nord), surtout au printemps. Pour 1967-2012,
le changement le plus important a eu lieu en juin et en mars-avril. Aucune tendance n’a été
relevée pour le SH (Hémisphère Sud) en raison du nombre limité d’enregistrements et de la
grande variabilité. L’analyse des observations in situ combinées (Brown, 2002) et du produit
multi-observation (Mudryk et al. 2020) indique que depuis 1922, l’étendue de la couverture
neigeuse d’avril dans le NH a diminué de 0,29 million de km2 par décennie, avec une variabilité
interannuelle importante (Fig. 30). Des réductions substantielles de l’étendue de la couverture
neigeuse printanière ont eu lieu dans le NH depuis 1978 et peu de preuves que ce déclin remonte
au début du 20e siècle. Depuis 1981, il y a eu une baisse générale de l’équivalent en eau de
neige de source NH (GIEC, 2021).
41
Figure 30: Etendue de la couverture neigeuse d’avril (SCE) pour l’hémisphère Nord (1922-2018)
- L’ombrage montre une gamme très probable.

- La tendance sur l’ensemble de la période 1922-2018 (ligne noire) est de -0.29(+-0.77)
million de km2 par décennie.
II.2.3.4- Acidification des océans
Le GIEC (2021), définit l’acidification des océans comme “la baisse du pH de l’océan sur une
longue période, des décennies ou plus, causée principalement par l’absorption du dioxyde de
carbone venant de l’atmosphère, mais aussi par l’apport ou le retrait de substances chimiques
venant de l’océan. L’acidification anthropique de l’océan (Fig. 31) désigne la part de la baisse
du pH qui est imputable aux activités humaines. Les océans absorbent environ 30 % des
émissions anthropiques de CO2, ce qui entraîne leur acidification. Le pH des eaux de surface
diminue de 0,1 depuis le début de l’ère industrielle, donc une augmentation de l’acidité, ainsi
qu'une diminution du nombre de « briques » indispensables à la fabrication des coquilles
calcaires de certains organismes (GIEC, 2021). La capacité de l’Océan à absorber plus de
carbone qu’il n’en rejette est essentielle dans la balance de l’équilibre écologique. Aujourd’hui,
l’augmentation des rejets de CO2 par les activités humaines met en péril cet équilibre.
42
Figure 31: La diminution du pH moyen de l’océan selon les cinq scenarios d’émissions
II.2.3.5- Fonte des glaces
Au niveau mondial, l’augmentation des températures atmosphériques s’accompagne d’une

fonte généralisée de plusieurs compartiments de la cryosphère. Ces 30 dernières années, les
nappes glaciaires du Groenland et de l’Antarctique ont perdu de leur masse, presque tous les
glaciers du monde se sont réduits et les mers de glace de l’Arctique continue à diminuer : les
glaces de montagne et de mer, la banquise arctique, la couverture neigeuse et les calottes
glaciaires ainsi que le pergélisol (GIEC, 2021). En 30 ans, la surface moyenne de la banquise
arctique en fin d’été a diminué de 2 millions de km² (Fig. 32). Les projections climatiques
montre qu’elle pourrait presque disparaître certaines années en fin d’été à partir de 2050 (GIEC,
2021).
Figure 32: Zone de glace de mer arctique se rétrécit (Source : GIEC, 2021)
II.2.3.6- Ecosystèmes et biodiversité
Le réchauffement climatique et la baisse de la pluviométrie posent de graves problèmes de

survie aux écosystèmes naturels terrestres. Comprennent la migration ou l’extinction de
nombreuses espèces animales et végétales en outre, d’autres effets néfastes (stress hydrique
accentué, production agricole diminuera, Désertification…).
43
II.3- Changement climatique à l’échelle nationale
I.3.1- Introduction
Le GIEC , dans son dernier rapport publié en 2021, classait le bassin méditerranéen parmi les
25 points majeurs de vigilance sur la planète en matière de changement climatique. En
revanche, autour de la Méditerranée, la température pourrait augmenter de 2 C° en moyenne à
l'horizon 2050, qui pourrait être associée à une diminution des précipitations d'environ 20 à 30
% (Giorgi et Lionello 2008, Schilling et al. 2012 ; GIEC, 2021). Les projections climatiques
dans la région méditerranéenne pour le 21e siècle montrent que la température annuelle
moyenne afficherait une hausse plus marquée que la moyenne planétaire. Ainsi, à la fin du
siècle, l’augmentation de la moyenne annuelle des températures devrait se situer entre 2,2 °C
et 5,1 °C pour la période 2080 – 2099 par rapport à la période 1980-1999 (GIEC, 2021). De ce
fait, la zone serait deux fois plus vulnérable aux conséquences du réchauffement
climatique : phénomènes météorologiques extrêmes , sécheresse et montée des eaux... L'impact
de ces évènements sur les populations sera important du fait du fort développement urbain sur
le littoral et de la densité de population sur les côtes, (Tramblay, 2022).
Le Maroc, pays qui faisant partie de la région méditerranéenne se caractérise par un climat très
variable qu’il doit à sa situation entre le 21ème et le 37 ème degré de latitude nord, et en raison
de son relief. Il se situe entre deux zones climatiques, tempérée au Nord, tropicale au Sud, ce
qui permet de distinguer quatre types de climat : humide, subhumide, semi-aride et aride). En
outre, le profil climatique du Maroc se verrait ainsi dominé par la diminution des précipitations
et la hausse des températures (Christensen et al., 2007 ; Driouech et al., 2013 ; 2020 ; Woillez,
M. 2019 ; GIEC, 2021). La littérature scientifique sur le changement climatique et ses impacts
au Maroc, ou plus largement en Afrique du Nord, est relativement abondante. Quelques rapports
de synthèse sont également disponibles, en particulier celui de l’UNESCO (2010) sur le
Maghreb, celui de la Banque mondiale sur l’Afrique du Nord et le Moyen-Orient (2014), celui
de l’IRES sur le Maroc (2011), et celui de l’ESCWA (2017) pour l’Afrique du Nord et le Moyen
Orient. Dans ce contexte, il nous est apparu utile de réaliser pour la première fois ce travail de
thèse, en incluant les publications les plus récentes sur les changements climatiques à l’échelle
nationale et à l’échelle régionale. Notamment, notre zone d’étude (RTTA).
Le Maroc, n’est pas à l’abri des impacts du changement climatique sur ces ressources en eau
(Fig. 33). Les fluctuations attendues pour le Maroc, auraient des effets néfastes directs et
indirects sur la capacité de ressources en eau, en quantité et en qualité, sur les besoins en eau et
44
sur l’efficience d’utilisation de cette ressource pour les différents emplois (Alibou, 2002). En
outre, les fortes variabilités temporelles des précipitations sont également à l’origine soit de
sècheresses abondantes, soit d’inondations extrêmes notamment en période hivernal (Agoumi,
2003; GIEC, 2021). Au cours des trois dernières décennies, les sècheresses sont devenues de
plus en plus fréquentes au Maroc, accentuant le phénomène de désertification, de stress
hydrique et les évènements météorologique extrêmes (Jellasi, 2016 ; Filahi et al., 2017 ; Salhi
et al., 2019; Driouech et al., 2020 ; Tramblay et al., 2021; GIEC, 2021).
Figure 33: Carte indique les changements climatiques au Maroc

(Source : Direction de la Météorologie National)
Le climat du Maroc en 2020 a été marqué par des températures minimales et maximales
annuelles anormalement chaudes et par un déficit pluviométrique d’environ -35%. Tout
récemment, l’année 2020 est l’année la plus chaude jamais enregistrée au Maroc, avec une
anomalie de température moyenne annuelle de +1,4°C par rapport à la normale climatologique
sur la période 1981-2010. (DMN, 2020).
II.3.2- Changement des températures
Au Maroc, la sécheresse a toujours été présente dans l'histoire, mais au cours des dernières
décennies, elle est devenue un élément structurel du climat. Le pays connaît actuellement la
plus longue période de sécheresse de son histoire moderne caractérisée par une diminution des
45
précipitations et une nette tendance à la hausse des températures (Stour et Agoumi, 2008). Le
réchauffement le plus fort se situerait en été. Les températures maximales devraient augmenter
plus que les minimales et davantage que la moyenne (Fig. 34). Des études affirment que la
décennie 2001-2010 est considérée comme la plus chaude à l'échelle mondiale depuis le début
des relevés météorologiques (OMM, 2013). Toutes les données météorologiques et les
recherches scientifiques montrent que le climat du Maroc a évolué vers une augmentation des
températures, un réchauffement significatif pendant les dernières décennies (GIEC, 2007;
Bouaicha et Benabdelfadel, 2010 ; Driouech 2010 ; Rifai et al., 2014 ; Hatfield et al., 2015 ;
Seif-Ennasr et al.,2016 ; Salhi et al., 2019). Généralement, tous les modèles de circulation
générale prévoient que ce réchauffement continuerait dans ce territoire. Le modèle de prévision
appliqué au Maroc, mis en place par Fatima Driouech et Abdallah Mokssit de la Direction de
la météorologie nationale (DMN), montre que le réchauffement est plus accentué à l’intérieur
et à l’est du pays que sur les côtes ; ce modèle a aussi souligné l’augmentation des températures
moyennes qui a fait gagner à Rabat 0,2°C par décennie sur la période 1961-2008. L’analyse de
l’évolution de l’indice d’aridité de Martonne montre une certaine progression des climats à
caractère semi-aride vers le Nord, Ainsi, plusieurs sont devenues plus arides (Oujda, Taza,
Kénitra, Rabat ou Meknès). Toutefois, les extrêmes chauds varient souvent entre 34 et 45◦C
pour le Maroc du Sud, alors que pour le centre du Maroc de l’Est et de l’Ouest varient entre 33
et 38◦C, tandis qu’ils peuvent descendre jusqu’à 28◦C sur le Nord du Maroc (Sebbar, 2012 ;
2013 ; 2019 ; Driouech et al., 2020 ; Echakraoui, 2021).
En effet, on souligne un mois de février très sec et doux et un mois de juillet étonnamment
chaud avec des records de températures minimales et maximales mensuelles battus sur plusieurs
villes du Royaume. Au niveau de la ville Fès, deux records récents de température maximale
mensuelle de 23,78°C en Février et de 40,4°C en Juillet ont été enregistrés dépassant les anciens
records respectivement de 2,24°C et de 2,15°C. A Mohammedia un nouveau record de la
température minimale mensuelle de 22,28°C a été enregistré en février. Le cumul
pluviométrique annuel en 2020 a enregistré un déficit sur tout le Maroc dépassant les 50% au
nord de Marrakech et sur les régions Souss-Massa et Anti-Atlas. Cette année (2020) est classée
parmi les 4 années les plus sèches depuis 1981, sur la saison agricole de Septembre 2019 à Août
2020 (DMN, 2020).
46
Figure 34: Moyenne annuelle des températures moyennes au niveau du Maroc pendant l’année
(Source : DMN, 2020)8
II.3.3- Changements des régimes des précipitations
Généralement les précipitations hivernales au Maroc sont fortement liées à l'Oscillation Nord
Atlantique (NAO) (Fig. 35). La circulation à grande échelle aux moyennes latitudes exerce une
forte influence sur le climat du Maroc, particulièrement en hiver, à travers NAO, ENSO. Les
Températures à la Surface de la Terre (SSTs) méditerranéennes et tropicales atlantiques,
l’Oscillation Pacifique décennale (PDO), l’Oscillation quasi-biennal (QBO), le Flux Solaire
(SF) et la concentration de la glace de mer (SIC) et la couverture neigeuse (SC) au niveau de
l’Eurasie sont des facteurs additionnels qui contribuent à la modulation du climat du Maroc.
L’année 2020 a été particulièrement marquée par la prédominance de la phase positive de NAO
ainsi que par l’avènement de l’épisode froid de l’ENSO (La Niña) combinée à la phase froide
de l’Oscillation Pacifique Décennale (PDO) (Maroc, Etat du climat, 2020).
47
Figure 35: Corrélation entre l’indice NAO et le cumul pluviométrique issu des données GPCP (a) et le données synoptiques
(b) pour la saison hivernal (DJF)
Les cartes (a) et (b) (Fig. 35) représentent les corrélations entre le cumul pluviométrique
hivernal et l’indice NAO. Les valeurs de corrélations sont fortes et négatives sur le Royaume
du Maroc à l’exception des régions Sud et Sud-Est. Ainsi, des valeurs positives de l’indice NAO
sont associées généralement à des déficits pluviométriques et vice versa. Dans l'ensemble, NAO
est considérée comme le système le plus important et le plus récurrent de changement
atmosphérique aux moyennes et hautes latitudes. Elle est plus prononcée pendant l’hiver et
associée aux changements de force et de direction du vent, de transport de chaleur, d’humidité
et de fréquence des tempêtes.
Les précipitations moyennes annuelles diminueront dans la majeure partie de Maroc. Cette
baisse sensible de la pluviométrie devrait être comprise entre -4 % et -27 % (Rifai et al., 2014).
Le nombre de jours de pluie devrait baisser et le risque de sècheresse augmenter. Ainsi, dans
une grande partie de ce pays, les sols devraient s’assécher et le débit des fleuves diminuer en
moyenne sur l’année malgré une probable redistribution saisonnière (GIEC, 2007, Sebbar,
2013 ; Sebbar et al., 2019). Une étude de Tramblay et al. (2013) a notamment permis de
démontrer que les trois dernières décennies ont connu une forte diminution des cumuls de
précipitations et des jours humides, avec une augmentation de la durée des périodes sèches,
principalement au Maroc. D’autres études réalisées à partir des simulations de modèles
climatiques globaux (MCGs) suggèrent une réduction générale des précipitations au Maroc,
favorisant très probablement une augmentation de l’occurrence et de la sévérité des sècheresses
d’ici la fin du 21e siècle (Jellasi, 2016 ; Driouech et al., 2020 ; DMN, 2020). Selon la direction
de la météorologie nationale, la pluviométrie présente une grande hétérogénéité spatiale. La
48
répartition spatiale des pluies montre que 48% du territoire marocain reçoit moins de 100mm
annuellement, alors que les régions, où il pleut plus de 600mm représentent que les 6%. En
revanche, la diminution annuelle des pluies de 3,2 mm par an qui a eu plus de conséquences sur
une ville comme Oujda, qui reçoit environ 326 mm de pluie par an (Maroc météo). Un décalage
intra-annuel a été constaté dans le nombre de jours de précipitations significatives (≥ 10 mm)
de 2 à 7 quinzaines par rapport au cœur de la saison des pluies (décembre-janvier) avec une
diminution de l'intensité des précipitations en hiver et une augmentation au printemps et en été.
Il en résulte un déficit de précipitations marqué par des sécheresses plus étendues et plus
intenses, et des précipitations plus intenses mais retardées et spatio-temporellement dispersées
selon un caractère perturbé et non séquentiel dans les lieux d'abondance (nord, est et ouest des
ceintures montagneuses). Actuellement, au Maroc, la tendance au réchauffement du climat sèst
confirmée avec une irrégularité interannuelle des précipitations qui sèst installée depuis les
années 70. Le cumul des précipitations annuelles moyennes au niveau de Maroc en 2020 a été
bien en dessous de la normale climatologique (Fig. 36). Ce cumul est quasiment égal aux
records des années les plus sèches enregistrés en 1983, 2001 et en 1981 ce qui classe l’année
2020 parmi les quatre années les plus sèches depuis 1981. Ce record est déjà confirmé par le
GIEC, indiquant une réduction des cumuls pluviométriques marocains d’ici la fin du siècle
courant (GIEC, 2007a).
Figure 36: Cumul annuel des précipitations au niveau du Maroc pendant l’année 1981-2020
(Source: DMN, 2020)
II.3.4- Les précipitations extrêmes au Nord du Maroc (RTTA) Zone hotspot
On parle d’événements extrêmes ou d’extrêmes climatiques pour désigner à la fois les

phénomènes météorologiques et les phénomènes climatiques. Le GIEC définit dans son
cinquième rapport de synthèse les phénomènes météorologiques extrêmes comme des
49
phénomènes rares se produisant en un endroit donné et à un moment particulier de l’année.

Lorsque des conditions climatiques extrêmes se prolongent, on parle de phénomène climatique
extrême.
L’extrême Nord-Ouest du Maroc (RTTA) est une région confrontée aux risques naturels par
excellence notamment les inondations. Par ailleurs, Le Nord du Maroc connait des saisons
pluvieuses marquées par des orages brutaux et des inondations de plus en plus intenses et
catastrophiques (Salhi et al., 2019), avec une hausse de la fréquence et de l’intensité des
événements extrêmes (Douglas et al., 2008 ; Tramblay et al., 2012 ; 2013 ; Filahi et al.,2015 ;
Driouech et al.,2020). Selon plusieurs recherches, les inondations au Maroc vont
vraisemblablement s’intensifier. Ceci en raison de l’augmentation fort probable de
précipitations extrêmes (Driouech et al., 2010 ; sebbar, 2013 ; Jellassi, 2016 ; Salhi, 2019 ; Ante
Ivčeviće, 2020). Ces inondations causent d’importants dégâts matériels ainsi que des pertes
humaines. L’inventaire de l’Agence du Bassin Hydraulique de Loukkos a indiqué plus de 55
sites comme zones à risque d’inondation par les eaux pluviales au Nord du Maroc, dont 21 sites
nécessitent une intervention en urgence. La carte ci-dessous (Fig. 37) présente les sites à risque
d’inondation au Nord du Maroc et leur degré d’intervention.
Figure 37: Les inondations dans la Région (RTTA) (Source : Etude ATLAS ABHL 2005)
II.3.5- Historique des inondations au Nord du Maroc
La région du nord (RTTA) a connu au cours des 20 dernières années, des inondations violentes
catastrophiques qui ont couvert pratiquement l’ensemble du territoire du Maroc. Des séries de
fortes précipitations au Maroc ont engendré des inondations majeures au cours des trois
dernières décennies avec davantage d’événements intenses et orageux. À chaque épisode, ce
50
sont d’énormes quantités d’eau qui sont déversées en quelques jours, voire en quelques heures
seulement.
Citons ci-dessous des exemples des inondations les plus dramatiques au Nord du Maroc d’après
la Direction de la Météorologie Nationale :
 Lundi 4 avril 2022 : 20 heure sans arrêt de précipitation à Tétouan et ces région (Chargement
de la route entre Tétouan et Martil avec de fortes pluies consécutives et des vents forts, une
Elévation de niveau marin) ;
 Le 8 février 2021, une vingtaine de morts dans l'inondation d'un usine sous-sol de textile à
Tanger ;
 Le 4 mars 2021. Des pluies torrentielles se sont abattues sur la ville de Tétouan du nord du
Royaume jusqu’à 16 heures, les routes et les grandes artères ont été complétement ravagées,
des quartiers entiers inondés, engendrant des fissures béates dans 300 maisons et détruisant
les biens et marchandises d’au moins une centaine de locaux commerciaux ;
 Mardi 24 mars 2020, la ville de Jebha, dans la province de chefchaouen, a enregistré de
fortes intempéries, causant de nombreux dommages matériels et l’interruption de la route
nationale reliant Tétouan à Al -Hoceima ;
 Le mardi 3 décembre 2019 suite aux fortes pluies qu’a connues la ville Al-Hoceima,
plusieurs routes de la ville ont été complètement inondées. Dans un enregistrement vidéo
qui montre la gravité de la situation, un citoyen qui tentait de traverser l’une de ces routes a
été emporté par les eaux ;
 En 2018, des inondations fait des gros dégâts dans la région d’Al Hoceima ; Plusieurs
villages de la région sont victimes de pluies torrentielles entraînant des inondations et
d’importants dégâts matériels ;
 Successivement, en Février 2016 et 2018 : de fortes pluies se sont abattues sur Tétouan,
Martil, Fnideq et M’diq entrainant des inondations dans de nombreux quartiers ;
 Le 24 décembre 2009 : La ville de Tétouan a connu de fortes précipitations, immersion de
la gare routière lors de la crue, construite dans la plaine d’inondation. Et débordement de
l’oued Martil ;
 Les événements catastrophiques de Tanger en hivers de 2008 ,2009 et 2010 : 30 morts, et
pertes économiques importantes ;
 En octobre 2008, presque 30 morts en raison des inondations dramatique à la province d’Al-
Hoceima-Nador et ces régions ;
51
 En 2003 : Les inondations provoquées par les pluies diluviennes qui se sont abattues durant
les journées de lundi et mardi dans la province d'Al Hoceima (100 mm) ont fait cinq morts
et cinq disparus ;
 En 2000, la région de Tanger Tétouan et la ville de Chefchaouen ont connu des inondations
terribles avec 6 morts.
Ces inondations récurrentes seraient principalement dues à la vétusté des infrastructures
d’assainissement des villes situés au Nord du Maroc (RTTA), aussi le manque des moyens
d’information de la population, ainsi qu’à une mauvaise gestion et suivi des risques liés au
changement climatique.
52
A B
A B
C D
C D
E F
E F
Planche 1: A & B : Photos prises et partagées sur les réseaux sociaux lors des inondations de Tanger en 8 février 202 ; C &
D : Tétouan le 8 Mars 2021. E & F : Al Hoceima en 2020
En particulier, ces dernières catastrophes confirment notre choix de se focaliser sur le nord du
Maroc afin de simuler et estimer les précipitations extrêmes au Nord du Maroc (RTTA), (CF :
Partie II. Chapitre V.1 & V.2).
53
II.3.6- Répercussions des changements climatiques au Nord Maroc
Le Maroc est un pays d'Afrique du Nord qui est extrêmement sujet à des conditions
météorologiques sévères. Dernièrement, la vulnérabilité des grandes villes marocaines aux
précipitations extrêmes et leurs impacts a augmenté progressivement (Filahi et al.,2015). Les
inondations (Fig. 38) et crues soudaines au Maroc sont principalement générées par des pluies
torrentielles (Driouech et al, 2009 ; Bouaicha et Benabdelfadel, 2010). En revanche, plusieurs
événements, causant des pertes humaines et des dommages économiques (Nord du Maroc), ont
été signalés ces dernières années et spécialement en 2009-2010, et 2021-2022. D’ailleurs, ces
années ont été marquées par des précipitations intenses qui ont couvert l’ensemble du territoire
du Maroc (Rabat, Tanger, Nador, Casablanca, Khénifra, Tétouan, Agadir, Essaouira…),
(Tramblay et al., 2012).
Figure 38: Diagramme illustre les inondations sont les principaux risques naturels au Nord du Maroc.
Source : (D’après Ante Ivčeviće, 2020)
Ces dernières années, les pluies ont occasionné de violentes inondations un peu partout au
Maroc. En outre, le changement du climat se confirme avec des impacts notables notamment
sur le cycle de lèau, les conditions d’érosion et de submersion côtières qui seront affectées par
l’élévation du niveau marin. D'ailleurs, le Maroc a connu plusieurs évènements
météorologiques extrêmes qui ont engendré des dommages et des dégâts considérables. On note
des vagues de chaleur estivales, de fortes averses orageuses, des vents forts avec des rafales de
l’ordre de 100 km/, des précipitations torrentielles et des submersions marines.
54
Une étude de cas : « Evaluation de l'impact des ondes de tempête sur la baie de Tanger (Nord
du Maroc) pour les meilleures pratiques de gestion » est un fruit d'un article soumis dans le
journal costal management (CF : Partie II. Chapitre V.3 & Partie III. Chapitre VIII).
Selon la Banque Mondiale en 2011 et le Plan Maroc Vert, les répercussions du changement
climatique au Maroc se manifestent par :
 Augmentation de la température de 2 à 4 °c (Sebbar, 2012 ;2013; Driouech et al., 2020 ;

Echakraoui, 2021 ; GIEC, 2021) ;
 Diminution des précipitations : aux alentours des -33% (Driouech et al., 2010 ; 2020 ;
sebbar, 2013 ; Jellassi, 2016 ; Salhi, 2019 ; GIEC, 2021) ;
 Des périodes de sécheresse longues et fréquentes (Stour et Agoumi, 2008 ; Christensen
et al., 2007 ; Driouech et al., 2020 ; Sebbar et al., 2019 ; GIEC, 2021 ; Yves Tramblay
(2022) ;
 La production céréalière nationale a connu une baisse de -39% (Seif-Ennasr et
al.,2016 ;2020 ; GIEC, 2021) ;
 Augmentation de la fréquence des phénomènes extrêmes (Tramblay et al., 2012 : 2022;
Filahi et al.,2015 ;2017 ; GIEC, 2021) ;
 Erosion côtière (GIEC, 2021 ; EL abdellaoui et Ozer, 2007 ; Beroho et al.,2020) ;
 Élévation du niveau de la mer (GIEC, 2021 ; Li et al. 202 ; Tadibaght et al., 2022) ;
 Des crues soudaines et violentes (Sallak, 2019 ; Bennani, 2020 ; GIEC, 2021;) ;
 Des submersions marines (GIEC, 2021; Snoussi et al., 2008, 2009; Khouakhi et al.,
2013; Raji et al., 2013; El Messaoudi et al., 2016; Tahri et al., 2017; Medina et al.,
2018 ; Maanan et al., 2018; Aitali et al, 2020; Mhammdi et al., 2020 ; Khalfaoui et al.,
2020 ; Ait-lemqeddem, 2021).
II.3.7- Mesures d’atténuation face aux effets des inondations :
Les crues hivernales sont souvent la cause principale des inondations torrentielle, Pour ce faire
des mesures préventives nécessaires pour atténuer et remédier à ce type d’alea. Une attention
particulière doit être affectée aux facteurs anthropiques, qui contribuent, directement ou
indirectement, à l’ampleur et l’intensité des inondations qui font apparaitre la défaillance des
différentes infrastructures. Celles-ci affaibliraient d’avantage la résilience à cet aléa et
mèneraient leur gestion par les autorités vers une impasse.
55
D’après des études (IRES, 2014; OCDE, 2015 ; La Banque Mondiale, 2014; Hakkou et
al.,2019; Ante Ivčević et al., 2020) qu’ont pour objectif l’anticipation, bonnes pratiques et la
gestion des risques d’évènements climatiques extrêmes et de catastrophes naturelles au Maroc :
 Réaliser un système précoce de prévision et d’alerte aux crues pour évacuer les
populations ;
 Augmenter la sécurité des populations exposées à l’immersion ;
 Réduire à moyen terme le cout des dommages liés à l’inondation ;
 Se prépare à l’avance, afin d’éviter la panique au moment de l’évènement ;
 La prise en compte du risque dans les projets d'aménagement de territoire.
II.4- Conclusion
Aujourd’hui, les changements climatiques représentent le plus grand défi auquel le monde doit
faire face. Dans ce contexte, on a évoqué dans ce chapitre l’articulation entre le changement
climatique mondiale et le changement climatique régionale. L’augmentation des émissions de
gaz à effet de serre (GES) d’origine anthropique dans l’atmosphère a modifié rapidement les
propriétés du climat terrestre. Avec l’accroissement du réchauffement climatique, chaque
région devrait subir de manière croissante des impacts climatiques multiples et simultanés.
• Ces impacts seraient plus généralisés avec un réchauffement de +2°C qu’avec un
réchauffement à +1,5°C.
• Des conséquences à faible probabilité (effondrement des calottes glaciaires, modifications
abruptes des courants océaniques…) ne peuvent être écartées.
• Augmentation de fréquence et l’intensité des phénomènes extrêmes (inondations,
sécheresse…).
• Quel que soit le scénario d’émissions futures, la température de la planète continuera
d’augmenter au moins jusqu’en 2050.
56
Chapitre III : Cadre general de l’etude
III.1- Introduction
Ce chapitre expose le cadre général de l’étude, présentant la localisation, les caractéristiques

géographiques géologiques et géomorphologique de la région étudié (RTTA), ainsi que le cadre
climatique, le cadre hydrogéologique avec des éclaircissements sur le cadre démographique et
le cadre socio-économique.
III.2- Situation géographique et géomorphologique
III.2.1- Localisation du la zone d’Etude
Géographiquement, le secteur d’étude est situé à l'extrême nord-ouest du Royaume du Maroc

s’étale sur une superficie de 17 262 km², nommé la région de Tanger-Tétouan-Al Hoceima
(RTTA). Il a pour coordonnées (35° 46′ 00″ nord, 5° 48′ 00″ ouest), limitée au Nord par le
Détroit de Gibraltar et la Méditerranée, à l’ouest par l’Océan Atlantique à l’Ouest du royaume,
au sud-ouest par la région Rabat-Salé-Kénitra, au sud-est par la région Fès-Meknès et à l'est par
la région de l'Oriental (Fig. 39).
Figure 39: Localisation de la zone d’étude, carte topographique de la région de Tanger-Tétouan-Al Hoceima
(RTTA) Nord du Maroc
Selon le dernier découpage administratif, (RTTA) englobe 2 préfectures et 6 provinces,

constituées de 22 cercles et 146 communes dont 17 communes urbaines et 129 communes
rurales. Le choix de site d’étude est basé sur les régions les plus vulnérables aux changements
climatiques de l’Afrique d’ouest et spécialement le nord du Maroc d’après l'Agence pour la
57
promotion et le développement du Nord (APDN). Ces trois régions sont principalement notre
zone d’intérêts (Fig. 39).
Ce choix est motivé également par d’autres facteurs :

 Positon géostratégique particulière ;
 Distance par rapport à la mer ;
 Altitude ;
 La latitude ;
 Potentiel humain et économique ;
 Infrastructures.
III.2.2- Contexte géomorphologique
Géographiquement, les reliefs du Domaine rifain possèdent plus d’affinités avec ceux de
l’Andalousie qu’avec ceux du reste du Maroc parce que le Rif est la seule chaîne marocaine
issue de l’orogénie alpine. Ainsi, le cachet rifain se caractérise par une diversification se
manifestant dans son relief : montagnes, collines, plaines, côtes et falaises (Aboumaria.,2009).
Le cachet rifain se caractérise par une diversification se manifestant dans son relief : montagnes,
collines, plaines, côtes et falaises. Généralement, ce relief est beaucoup plus ou moins élevé
(Fig. 39). Sur la base de synthèse des différentes études géomorphologiques entreprises sur
l’extrême nord-ouest du Maroc (Humbert, 1971; André et El Gharbaoui, 1973; El Gharbaoui,
1981; Boughaba, 1992; Morel, 1992; Deffontaines et al., 1992; Jaaidi et al., 1993; Chotin et al.,
1995; Chaouni, 1996; et Alouane, 2001 ; Aboumaria et al.,2009), les principaux morpho-
structures marquant cette région rifaine sont :
Zone montagneuse : Constituée principalement par le massif gréseux côtier donnant lieu à
des formes morphologiques saillantes (crêtes, falaises, corniches...) en bordure du Détroit de
Gibraltar;
Zone de basses montagnes: Formant la plaine de Fahs qui est essentiellement argilo.
Zone littorale : Le littoral atlantique (s’étend sur plus de 1300 km), le littoral du Détroit de
Gibraltar et celui de la façade méditerranéenne qui s’étend sur 500 km (Boughaba, 1992).
58
III.3- Contexte géologique et structural
Sur le plan géologique, le domaine Rifain est issu de l’orogenèse alpine relativement complexe.
Structuralement, le Rif est subdivisé en deux principaux domaines : Interne et Externe, tous les
deux sont séparés par les nappes de flyshs (Fig. 40).
Figure 40: Carte géologique et structural de la chaîne du Rif (W. Capella et al, 2018)
III.3.1- Domaine interne (Domaine d’Alboran)
Il est principalement développé dans le Rif septentrional et se présente sous forme d’une bande
continue depuis la ville de Sebta jusqu’à l’accident de Jebha-Cherafat. Le Domaine Interne
regroupe trois ensembles géologiques superposés, chacun est formé d’écailles et de nappes (Fig.
40). Selon Durand Delga et al. (1960-62) et Kornprobst (1974), on y distingue trois ensembles
structuraux qui sont généralement, de l’extérieur de la chaine vers l’intérieur: la Dorsale
calcaire, les Ghomarides et les sébtides.
- La dorsale Calcaire est allongée sur 150 Km de Jbel Moussa à Jebha-Cherafate ; comme son
nom l’indique, elle est constituée de dépôts principalement carbonatés non métamorphisés
d’âge mésozoïque à paléogène qui sont des reliques des marges du domaine d’Alboran
(Romagny, 2014). La chaîne calcaire disparaît sous la mer pour réapparaitre plus à l’Est et
former sur 40 km les chaînons des Bokkoyas. Elle est subdivisée en trois segments entre Sebta
et Al Hoceima. D’une armature carbonatée triasico-liasique assez puissante et des formations
méso-cénozoïques plus ou moins développées (Nold, 1976). L’ensemble est suivi par des
successions tertiaires terrigènes carbonatées et silicoclastique C'est un ensemble de petites
nappes et/ou écailles superposées, constituées surtout. (El Hatimi, 1991 ; Zaghloul 2002 et
Zaghloul et al., 2005; Aboumaria, 2009).
59
- les Ghomarides : Sont formées par un des terrains essentiellement paléozoïque (Chalouan et
al., 1995 ;) Ils disposent d’un ’ensemble d’une sédimentation schisto-gréseuse à intercalations
de niveaux carbonatés dès le Dévonien Aboumaria.,2009).
- les sébtides : Des terrains cristallins et métamorphiques incluent des écailles mantelliques
(Reuber et al., 1982). Il existe deux types : les Sebtides inférieurs et les Sebtides supérieurs.
III.3.2- Domaine des flyschs
Au niveau du détroit de Gibraltar et du Rif central à l’Est, des nappes entièrement allochtones,
reposent en contact anormal sur le domaine externe, c’est le Domaine des flyschs. Il est séparé,
le plus souvent, de la Dorsale calcaire par une formation discontinue dite « Prédorsalien »
formées d’unités très tectonisées formées d’écailles tectoniques allant du Lias au Miocène
inférieur (Durand-Delga, 1972 ; Didon et al, 1973, 1984) ou formation « éo-oligo-aquitanienne
à blocs » (Ben Yaich, 1981 ; El Hatimi, 1982). Ce sont les témoins d’un témoins
paléogéographique intermédiaire entre celui de la Dorsale calcaire et le bassin profond des
flyschs (Fin Jurassique – Crétacé) (Didon et al 1973). Le Mauritenien, le Messylien et le
Numidien sont les trois types de flyschs qui sont distingués selon Durand- Delga et Mattauer
1960). Les nappes de Flyschs sont considérées par Durand-Delga et al., (2000) comme des
dépôts turbiditiques, elles sont constituées, à la base de la série, de marnes à litage calcaires
d’âge Crétacé supérieur et, au sommet, de grès à faciès numidien Oligocène.
III.3.3- Zones externes
Le Domaine externe résulte essentiellement du décollement au Miocène de la couverture

sédimentaire mésozoique et paléogène, déposé sur la marge nord de la plaque d’Afrique (Suter,
1980). Il est subdivisé en trois unités :
- Une zone intrarifaine qui correspond aux Unités de Ketama, de Tanger et du Loukkos ; elles
sont formées de schistes Mésozoiques métamorphisés (faciès Schiste Vert) (Crespo-Blanc and
de Lamotte, 2006).
-Une zone mésorifaine qui correspond à un ensemble de nappes empilées constituées
essentiellement de matériel daté du Jurassique au Crétacé inférieur. Il est imbriqué entre
l’Intrarif et le Prérif. Wildi, 1983)
- Une zone prérifaine; elle correspond aux terrains les plus vieux et qui viennent s’enraciner
sous le Mésorif. Le Prérif est connu par une série non schistosée du Mésozoique. Ses facies
marneux prédominent à partir du crétacé inférieur (Durand Delga et al 1962), ils sont surmontés
60
par un Tertiaire complet jusqu’au Tortonien ; celui-ci termine la série par une formation à
olistostromes (Leblanc, 1979). La zone prérifaine est la partie la plus externe de l’orogène rifain
et elle est subdivisée en deux unités : Prérif interne et Prérif externe (Leblanc, 1979 ; Ben Yaich,
1991).
III.4- Contexte Climatique
La (RTTA) est caractérisée par un climat typiquement méditerranéen, dominé par l’existence
de saisons thermiques nettement tranchées et par des précipitations souvent brutales (El
Gharbaoui, 1981). Grâce à son altitude et sa triple façade maritime, l’extrême nord-ouest du
Maroc est l’une des zones les plus arrosées du Maroc surtout pendant la saison hivernale
(Fig.4).
III.4.1- Précipitations
Généralement sur les terres situées plus en altitude, les précipitations sont abondantes et peuvent
dépasser 1000 mm/an tandis que les températures sont plus basses (Fig. 41).
Du point de vue climatique, la double influence maritime (océanique et méditerranéenne) et
l’existence de la chaîne montagneuse du Rif, constitue les facteurs déterminants du climat de la
région de la méditerranée occidentale, offrant ainsi un climat tempéré et humide avec un hiver
doux et un été clément.
Figure 41: Distribution annuelle moyenne des précipitations en (mm) dans la région « Tanger-Tétouan-Al Hoceima » Nord
du Maroc entre 1958 et 2015. D’après (Salhi A. et al 2019)
En effet, les altitudes influent sur la distribution des précipitations. Placés sous la domination
des perturbations de l’anticyclone des Açores, les versants exposés aux vents d’Ouest ou du
61
Sud-ouest, ainsi que les hauts sommets sont bien arrosés alors que ceux orientés vers l’Est ou
le Sud-Est forment des espaces semi-arides (400 mm/an).
III.4.1.1- Station de Tanger
D’après le service météorologique, la moyenne pluviométrique annuelle pour la station

météorologique TangerAéro est dans les environs de 672.8 mm /an (Centre provincial
météorologique Tanger aéro, 2020).
Le diagramme ci-dessous représente la distribution temporelle des précipitations annuelles au
cours des dernières années (1980-2020) (Fig. 42). On voit clairement une diminution en matière
de précipitation au cours de l’année (1988-1989), l’année la plus sèche avec un cumul d’eau
annuel de 400 mm, pourtant, juste l’année qui suit (1995-1996), elle représente celle la plus
arrosée avec un record du cumul de pluie annuel atteint 1235 (mm) (Direction de la
météorologie national).
Station Tanger
Précipitation en
(mm)
Figure 42: Variation annuelle des Précipitations en (mm) pendant la periode (1980-2020) au niveau de station de Tanger
(Source de données http://www.ogimet.com)
III.4.1.2- Station de Tétouan
La région est très bien arrosée avec des précipitations très abondantes en hiver (entre novembre
et janvier), avec une moyenne de 800 à 1000 mm/an, réparties sur 90 jours (entre novembre et
mars) avec 5 à 6 mois secs (El Gharbaoui,1987). Cependant, en été, les précipitations sont
quasiment absentes, et l’évaporation moyenne varie entre 1 200 mm et 1900 mm par an (HCP,
2018).
Le diagramme suivant (Fig. 43) montre la variation annuelle des précipitations en (mm) pendant
la période (1981-2019) au niveau de station météorologique de Tétouan sania rmel. On
remarque les fortes précipitations sont enregistrés durant l’année 1796 (1479 mm) suivie par
62
les années 2009-2010 qui ont connu des pluviomètres torrentielle et catastrophiques atteignantt
respectivement (873.1 et 1280.4 mm). En outre, les faibles précipitations sont enregistrées
durant les années les plus sèches au Maroc (1988-1989).
Précipitation en (mm) Station de Tetouan

2000
1500
1000
500
2003
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2005
2007
2009
2011
2013
2015
2017
2019
Figure 43: Variation annuelle des Précipitations en (mm) pendant la periode (1981-2019) au niveau de station de Tetouan
III.4.1.3- Station de Al-Hoceima
La figure représente la distribution temporelle des précipitations annuelles au cours des années
(1981-2018). D’après le diagramme (Fig. 44), on observe une diminution des précipitations au
cours de l’année (1988-1989), l’année la plus sèche au Maroc. Pourtant, l’année la plus arrosée
est entre (2007-2008) (Direction de la météorologie national).
P (mm) Station Al-Hoceima

700,0
600,0
500,0
400,0
300,0
200,0
100,0
0,0
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
2009
2011
2013
2015
2017
2019
Figure 44: Variation annuelle des Précipitations en (mm) pendant la periode (1981-2019) au niveau de station de Al-
Hoceima (Source de données http://www.ogimet.com)
III.4.2- Températures
En général, les températures au niveau de la région de (RTTA) restent clémentes en hiver,

douces en été aussi bien sur les côtes qu’en altitude. Le tableau ci-dessous présente l’Evolution
63
des températures moyennes entre la période (1971-1980) et la période (2009-2017) en (C°) au

niveau des trois principales stations météorologiques du Nord du Maroc (RTTA) (Tab.2).
Tableau 2: Températures moyennes entre la période (1971-1980) et la période (2009-2017) en (C°) au niveau des trois
principales stations météorologiques du Nord du Maroc Tanger-Tétouan-Al-Hoceima (Source : Direction de la météorologie
nationale).
Altitude Période Période Période

Stations Variation Variation
1971-1980 1998-2007 2009-2017
Tanger 19 17.4 18.5 1.1 18.6 1.2
Tétouan 10 17.5 17.8 +0.3 19.1 +1.6
Al-Hoceima 27 17.7 18.4 0.7 18.5 0.8
La figure suivante illustre l’évolution des températures moyenne annuelle durant la période
1980 et 2020 (Fig. 45). La température minimale annuelle est de l’ordre de (18,73°C ) pour la
période 1984 elle est maximale (19.6°C) en 2017 (d’après le SYNOP de station Tanger
météorologique aérodrome http://www.ogimet.com).
Figure 45: Variation annuelle des Temperatures en (C°) pendant la periode (1980-2020) au niveau de station de Tanger
En général, les températures au niveau de Tétouan varient en moyenne entre 5,3°C en périodes
froides et 32,9°C en périodes chaudes (Pateau M., 2014). En outre, selon la Direction de la
Météorologie Nationale (DMN), la température annuelle moyenne a augmenté de 0.3°C entre
64
1971 et 2007 (36 ans) puis de nouveau, environ quatre fois plus en seulement 8 ans avec +1.6°C
(de 2009-2017) (Tab. 1).
D’après la figure suivante (Fig. 46), on remarque que la variation annuelle des Températures
moyennes pendant la période (1939-2017) au niveau de station de Tétouan a connu une
augmentation significative pendant le jour et la nuit, durant ces dernières années, notamment
en mois de juillet.
Figure 46: Variation annuelle des Températures moyennes en (C°) durant le jour et la nuit pendant la période (1939-2017)
au niveau de station de Tétouan (Source : www.hikersbay.com/climate/july/morocco/Tetouan)
La figure suivante illustre l’évolution des températures moyennes annuelles durant la période
1980 et 2018 (Fig. 47). La température minimale annuelle est de l’ordre de ( 17,73°C) pour la
période 1993, elle est maximale (20°C) en 2017 (d’après le SYNOP de station météorologique
Al-Hoceima http://www.ogimet.com).
Figure 47: Variation annuelle des Températures en (C°) pendant la période (1980-2018) au niveau de station d’ Al-Hoceima
(Source de données http://www.ogimet.com
65
III.4.3- Vents
La zone est dominée par des vents d’Ouest humides, et ceci lorsque l’anticyclone des Açores
est centré vers les îles Canaries. Mais, lorsqu’il remonte vers le Nord, pour se centrer sur la côte
ibérique, la zone se trouve exposée aux vents de Nord-Est généralement plus violents (alizés).
En été, les vents sont réorientés, d’une part, en fonction du dispositif arqué des chaînes Rifaines
et subBétiques et d’autre part en fonction des grands éléments locaux du relief. En juillet et
août, le courant aérien le plus caractéristique est un vent d’Est de type « Chergui » (50 km/h)
chaud et sec légèrement rafraîchi par la mer (El Gharbaoui, 1981).
En météorologie, on représente généralement la distribution du vent avec un graphique polaire
nommé rose des vents. Dans celui-ci, le cercle est divisé en un certain nombre de secteurs,
multiple de quatre, puisque qu'il y a quatre points cardinaux, et on montre la proportion de
temps pendant laquelle le vent souffle dans chacun de ces secteurs (Fig. 48, 49, 50).
En effet, les données météorologiques de la station de Tanger montrent une prédominance des
vents secs, chauds et violents provenant du secteur est (Chergui) (Fig. 48) et qui dominent
surtout pendant la saison estivale. Alors que, les vents humides provenant du secteur ouest
(Gharbi) sont principalement hivernaux et seraient en relation avec l'anticyclone des Açores (in
Boughaba, 1992).
Figure 48: Rose des vents, calculée sur la période 1958-2020
66
Les vents sont assez violents dans la station de Tétouan ; ils soufflent principalement du secteur
Est (Chergui) de mai à octobre (Fig. 49) et du secteur Ouest (Gharbi) d’octobre à février
(ABHL, 2007). Un régime équilibré entre vents du secteur ENE et WSW s’installe de mars à
avril (L.P.E.E., 1987 ; Nicholls et al., 2008).
Figure 49: Rose annuelle des directions des vents dominants dans la station de Tétouan entre 2002 et 2018
(D’après Satour et al.,2021)
Les vents qui caractérisent la station d’Al-Hoceima sont à prédominance Ouest en hiver et Est
en été, alors que les deux saisons intermédiaires du printemps et de l’automne sont caractérisées
par l’installation d'un régime équilibré entre les vents d’Est et d’Ouest (Fig. 50). Selon (Menioui
et al., 2005) la distribution fréquentielle (en%) des quatre classes de vitesses sont: 1: (1-4 m/s),
2: (5-6 m/s), 3: (7-9 m/s) et 4: (≥10 m/s). Pour la station d’Al Hoceima, le vent calme couvre
17% de l’année, alors que 56,65% des vents ont une force de 1 à 3 m/s, 20% sont entre 4 à 6
m/s, 5% sont entre 7 et 9 m/s et seulement 1% des vents dépasse les 10 m/s. Les vents en
provenance du Sud et du Sud-Ouest, sont prédominants, suivis par des vents des secteurs Ouest
et Nord: Au cours de l'année, 17 % des vents sont calmes, tandis que 56,65 % ont une force de
1 à 3 m/s, 20 % ont une force de 4 à 6 m/s, 5 % ont une force de 7 à 9 m/s, et seulement 1 %
ont une force supérieure à 10 m/s. Les vents du sud et du sud-ouest dominent, suivis des vents
de l'ouest et du nord.
67
Figure 50: Rose annuelle des directions des vents dominants à station d’Al-Hoceima
III.5- Contexte Hydrogéologique
La région de (TTA) est caractérisée par un réseau hydrographique assez dense, dispose de 14
barrages qui jouent un rôle prépondérant dans la satisfaction des besoins en eau potable,
industrielle et agricole.
III.5.1- Bassins hydrologiques et les eaux de surface
Les eaux de surface constituent l’essentiel des ressources en eau au Nord du Maroc (Fig. 51).
La Région (TTA) s’étale sur deux domaines hydrologiques. Il s’agit du bassin de Sebou qui
touche en partie les provinces de Chefchaouen, Ouezzane, Al Hoceima et le bassin de Loukkos
qui couvre le reste du territoire de la région. Le domaine rifain septentrional est caractérisé par
son réseau hydrographique particulier, avec des cours d'eau à régime torrentiel. Ce régime est
dû essentiellement aux fortes pentes, aux précipitations violentes concentrées dans le temps
mais aussi à la nature imperméable des terrains drainées qui favorisent le ruissellement. Du
point de vue hydrographique la région est drainée de grandes potentialités en eau de surface
matérialisées par la subsistance d’importants cours d’eau à savoir (M’harhar, El Hachef,
Ayacha, Nakhla, Smir, El KBir, Ouergha, Innaouen, Ghiss, Nekkor). Les plus grands cours
d’eau de la région sont l’oued Loukkos et l’oued Tahadart.
68
Figure 51: Carte de réseau hydrographique de la région de Tanger-Tétouan-Al Hoceima (RTTA) Nord du Maroc. Source de
données MNT (ASTER 30m)
III.5.2- Eaux souterraines
Étant donné la dominance de formations géologiques imperméables, les réserves en eaux

souterraines demeurent assez modestes ainsi que des pluies torrentielles, la prédominance du
faciès argileux et le relief à caractère accidenté caractérisé par de fortes pentes, favorisent le
ruissellement et limitent l’importance des ressources souterraines (Fig. 52). Les principaux
aquifères de ce bassin sont la nappe du R’mel (9.106 m³/an) au sud de Larache, et la nappe
d’Ouled Ogbane (1,4.106 m³/an) en amont de la ville de Ksar El Kebir.
Figure 52: Localisations des nappes aquifères la région du Tanger-Tétouan-Al Hoceima Nord du Maroc
(Source : www.gifex.com )
69
Le bassin du Loukkos, oued El Makhazine est le cours d’eau le plus important de la région qui
présente un régime hydraulique pluvial d’une forte irrégularité interannuelle. La zone d’étude
dispose également, de ressources en eau souterraines non négligeable (Bassin du Loukkos,
Bassin du Tangérois, Bassins Côtiers Méditerranéens, Nappes alluviales) à différentes
profondeurs qui lui permettent de subvenir aux besoins de l’irrigation et qui constituent
potentiellement un atout important pour son développement socioéconomique
III.5.3- Hydrodynamique marine
Elle est influencée par l’action éolienne. Cette dernière fait varier le niveau de la mer près du
rivage et génère la houle, qui est à l’origine de la dérive littorale contrôlant le transport
sédimentaire le long des côtes. La bathymétrie intervient sur la direction et l’énergie des houles,
et sur le transfert longitudinal des sédiments. Les variations altimétriques du plan d’eau
dépendent de la marée astronomique et des phénomènes de surcôte et décôte tributaires des
conditions météorologiques (Niazi, 2007). Généralement, les courants hydrodynamiques de
notre zone d’étude sont marqué par une marée semi diurne et de type micro tidal; l’onde de
marée, en provenance de l’Atlantique, perce la Méditerranée et se propage progressivement
vers l’Est.
Tanger
La marée à la péninsule tangitaine, est de type semi-diurne. L'amplitude de la marée est de 0,8
m en morte eau, de 1,8 m en marée moyenne et de 2,4 m en vive eau exceptionnelle. La vitesse
des courants de marée est de 1,8 à 2,7 m/s engendrée par le jusant, orienté vers l'Ouest, et de 2
m/s du flot dirigé vers l'Est (L.C.H.F, 1972).
Les houles proviennent essentiellement de deux directions : i) Nord-Ouest en provenance de
l’océan atlantique. Elles sont prédominantes au large de Tanger avec des périodes pouvant
atteindre 9 à 10 secondes et des amplitudes de 1,5 m à 2,5 m. ii) Est à Nord-Est, engendrées par
des vents en provenance du même secteur, avec des périodes faibles de 3 à 5 secondes et des
amplitudes inférieures à 1,5 m (Travaux de L.C.H.F, 1972 ; Aboumaria, 2009).
Tétouan
L’onde de marée, généralement faible, provient de l’Atlantique et se propage vers la
Méditerranée à travers le détroit de Gibraltar. Sous l’effet du vent et/ou des courants de marée,
des ondes internes apparaissent, elles sont dues selon Arid et Kabbaj (1993) : i) à la géométrie
de l’interface formée par les deux courants opposés (atlantique en surface et méditerranéen en
70
profondeur) ; ii) au passage de la marée semi diurne océanique ; iii) à la configuration

particulière du relief sous-marin (Niazi, 2007) :
 Les houles calmes (Hs< 0,5 m) représentent en moyenne 50% des houles et peuvent
atteindre jusqu’à 60 %;
 Les houles supérieures ou égales à 3 m peuvent avoir une fréquence de 6%,
 Les houles les plus fortes sont celles de période comprise entre 7,7s et 11,2s ;
 Les houles de longues périodes (supérieures à 10 s) dépassent les 5 m ;
 La houle peut dépasser 7 m mais les plus fréquentes sont de 0.5, 1 et 1.5 m ;
 Les périodes les plus courantes sont inférieures à 7 s ;
 L’amplitude moyenne des houles significatives est de 1,4 m alors que la moyenne des
hauteurs maximales des houles significatives est de 2,6 m.
Al Hoceima
La marée d’Al Hoceima est de type semi-diurne ; son amplitude est assez faible, de l'ordre de
0,90 m en vives eaux (Salhi, 2019).
Les courants liés aux houles se font sentir surtout au niveau de la côte. Les plus fréquentes sont
de secteur Ouest-Nord-Ouest, elles ont un fetch court et leur effet sur la sédimentation est
minime. Celles du secteur Nord-Est à Est-Nord-Est sont principalement à prendre en
considération, elles possèdent un fetch important et se développent mieux. Ces houles peuvent
atteindre des amplitudes et des périodes importantes, avec cependant une faible fréquence
(Tesson, 1987) :
 Période maximale de 7 à 11 secondes ;
 Amplitude maximale annuelle 5 m (exceptionnellement 7,5 m) ;
 Fréquence des houles de 2 m d'amplitude, 24 fois par an.
III.6- Contexte Socio-économique
La région de (TTA) a connu une dynamique très importante dont témoigne l’accroissement des
différents secteurs productifs. Chaque localité de cette région est caractérisée par un profil
économique bien distinct. En effet, la Préfecture de Tanger-Assilah se distingue par son
caractère plutôt industriel et touristique, la Province de Larache se trouve à l’avant-garde
régionale en matière d’agriculture et de pêche, alors que celle de Tétouan, profitant de sa
proximité de Sebta, a toujours connu une forte activité commerciale et touristique. Quant à
Chefchaouen, elle se caractérise par la présence des activités artisanales et pour Al Hoceima, la
pêche a toujours joué un rôle important et recèle d’importantes opportunités d’investissement
71
dans les domaines de l’aquaculture et de l’industrie de transformation. Si le secteur agricole

constitue le principal moteur de l’économie national, ce constat l’est devenu aussi pour la région
de (TTA). En effet, cette région, se caractérise par une diversité géomorphologique et
climatique qui lui a permis de développer un fort potentiel agricole notamment au niveau de la
plaine de Loukkos. La région de (TTA) détient 11% de la surface agricole utile du pays, ce qui
la place en troisième position au niveau national selon l’importance de cette surface (HCP,
2014).
III.7- Contexte démographique
La région de (TTA) est la troisième des régions les plus densément peuplées du Royaume de
Maroc, après les régions Casablanca-Settat et Rabat-Salé-Kenitra, elle abrite une population de
3 725 191 habitants, 206 habitants au km²représentant 10,6% de la population du Maroc (47,6
habitants/km² au niveau national) (Fig. 53). La population urbaine s’élève à 2 287 315
habitants, traduisant un taux d’urbanisation de 61,4%, contre 62,4% enregistré au niveau
national. Selon le milieu de résidence, la population urbaine de la région a progressé de 2,45%
par an, au moment où la population rurale n’a augmenté que de 0,21% par an. Alors qu’au
niveau national, les populations urbaine et rurale se sont accrues aux rythmes annuels de 1,86%
et 0,39% respectivement (HCP, 2018).
La répartition géographique de la population régionale fait ressortir la préfecture de Tanger-
Assilah comme la plus peuplée avec 30% de la population de la région Tanger-Tétouan-Al
Hoceima. Cette constatation s’affirme encore plus par milieu de résidence puisque la population
urbaine ce cette préfecture constitue près de la moitié de la population urbaine régionale. Par
ailleurs, se sont les préfectures de Tanger-Assilah 30% et de M’diq-Fnideq 15% qui ont vu le
poids de leur population s’accroître entre 2004 et 2014 au détriment des autres provinces de la
région (RGPH2 2014).
72
Figure 53: Carte montrant le taux d’accroissement de la population de Tanger-Tétouan-Al Hoceïma entre 2004 et 2014
(Source : RGPH2, 2014)
III.8- Conclusion
Par sa position géographique très particulière, la région de Tanger-Tétouan-Al-Hoceima est

caractérisée par un climat typiquement méditerranéen se singularisant du reste des régions du
Maroc. Avec une température clémente tout au long de l'année, une forte pluviosité en hiver,
de nombreux réservoirs naturels d'eau, de diversité géomorphologique et un évolution
socioéconomique croissante, ainsi qu’une destination touristique et industrielle favorisées.
Telles sont les caractéristiques principales de notre zone d’étude qui représente un
environnement idéal pour l’étude des changements climatiques notamment les précipitations
extrêmes et leur impact potentiel.
73
Chapitre IV : Approches Theoriques
PARTIE II
MATERIELS & METHODES
Chapitre IV : APPROCHES THEORIQUES
Chapitre V : APPROCHES METHODOLOGIQUES
Cette partie est consacrée à deux chapitres : Chapitre de l’Approches

théorique : contient les notions de base utiliser dans ce travail. Et
Chapitre de l’approche méthodologique : synthétisant tous les outils
pratiques nécessaires et employées pour la mise en évidence des
répercussions de changement climatique. En revanche, l’approche
méthodologique consiste en trois méthodes: i) la première est
consacrée à la simulation climatique et plus précisément la
performance du model de climat régionale (RegCm v4.6 ) à simuler les
fortes précipitations au Nord du Maroc .ii) la deuxième vise à renforcer
la première méthode en utilisant des méthodes statistiques
stochastiques robustes pour la prédiction des précipitations
torrentielles sous le logiciel R. iii) alors que la troisième approche
confirme notre problématique, avec une étude de cas : Evaluation de
l'impact des ondes de tempête sur la baie de Tanger, en utilisant des
outils d’aide à la décision (SIG) et statistiques AHP.
74
IV.1- Introduction
Ce chapitre présente une revue synthétique de la littérature sur la vulnérabilité afin de

contextualiser et d’appuyer notre étude. Tout d’abord le concept théorique de vulnérabilité,
Alea, Enjeux, Exposition, Risques, Onde de Tempête et leur mécanisme, Submersion marine et
leur diffèrent modes sera présenté, puis la Politique management de cet alea, et enfin un
paragraphe réservé à la Réduction de risque, il est important que les notions utilisées soient
clairement définies.
IV.2- Définition des concepts
IV.2.1- Vulnérabilité
Le concept de vulnérabilité s’est grandement développé avec les recherches sur les
changements climatiques. Les zones côtières sont exposées à des conditions météorologiques
et marégraphiques intenses y compris les ondes de tempête (Mercier et al., 2013).
La vulnérabilité d’un système correspond à son incapacité à faire face aux effets défavorables
des aléas. La vulnérabilité d’un système est donc fonction du degré d’exposition et de sensibilité
du système aux aléas (ou perturbations), mais aussi des enjeux présents et de la capacité
d’adaptation du système (Fig. 54).
Selon le GIEC, la vulnérabilité, « c’est le degré auquel un système risque de subir ou d’être
affecté négativement par les effets néfastes des changements climatiques, y compris la
variabilité climatique et les phénomènes extrêmes. La vulnérabilité dépend du caractère, de
l’ampleur et du rythme des changements climatiques auxquels un système est exposé, ainsi que
de sa sensibilité et de sa capacité à réagir et à s’adapter.
75
Figure 54: Les facteurs du risque et les options pour le réduire

(Source : Figure SPM 1 du 6eme rapport du GIEC, groupe 2)
IV.2.2- Aléa
Un aléa est un phénomène naturel susceptible d’affecter son environnement. Par exemple les
ondes de tempêtes ou les inondations sont des aléas.
La plupart des études d’aléa s’attachent à définir des valeurs extrêmes pour les niveaux marins
et les houles et à combiner ces valeurs afin de déterminer les caractéristiques d’un événement
de référence à la côte. Pourtant, ces phénomènes résultent d’un même événement
météorologique générateur.
IV.2.3- Enjeu
Un enjeu est un élément anthropique ou naturel qui peut être exposé à un aléa; c’est ce que l’on
risque de perdre comme par exemple (humains, biens, milieux).
IV.2.4- Exposition
L’exposition est la potentialité qu’un élément (un enjeu) puisse être affecté par un aléa.
IV.2.5- Risque
Possibilité d’occurrence d’un phénomène dangereux (aléa) et estimation respective de ses

conséquences « la perte en vies humaines, en biens et en activités consécutives à la survenance
76
d'un aléa naturel », exprimés en dommages corporels et/ou préjudices matériels et fonctionnels,
directs ou indirects (vulnérabilité) (Fig. 55).
Figure 55: Facteurs du risque manifestés par une catastrophe (Les inondations)
IV.3- Inondations
Les inondations constituent un risque majeur sur le territoire national, mais également dans le
monde entier. Se classe parmi les premiers rangs des catastrophes naturelles dans le monde, les
chercheurs estiment que les inondations sont la catastrophe naturelle la plus meurtrière de la
planète (GIEC, 2021). Par définition : Est une submersion, rapide ou lente, d’une zone
habituellement hors d’eau. Elle est soumise à différents types d’inondation selon le régime
climatique, hydrodynamique et topographique. Une inondation est caractérisée par : i) la
hauteur de submersion, ii) la durée de submersion, iii) la vitesse de l’écoulement et iiii) le débit
(mesuré en m3 /s). Généralement, les inondations peuvent être classées en deux catégories :
-Inondation à cinétique lente : se caractérise par une montée des eaux lente et progressives,
de l’ordre de la journée ou plus ; les durées de submersion sont ainsi longues, et les quantités
d’eau écoulées sont importantes (Tanguy, 2012) Ces inondations ne sont pas violentes et le
risque pour la population reste relativement limité, mais le coût des dommages liés à la durée
de submersion est élevé. Ce sont particulièrement des inondations fluviales ou de plaine.
- Inondation à cinétique rapide : se caractérise par une montée des eaux rapide, d’une durée
souvent inférieure à 1 heure, par un fort pouvoir érosif et destructif (Tanguy, 2012). Le risque
humain et économique est alors très élevé ; c’est une inondation de type « éclair ». Elle est
généralement due à des pluies orageuses courtes mais intenses, qui ne parviennent pas à se
77
disperser par infiltration, ruissellement ou écoulement, elle s'accompagne alors souvent de

coulées de boue ou de glissements de terrain.
IV.4- Types d’inondations
Généralement, Il existe cinq types d’inondations, qui peuvent être classés comme suit :
 Débordement de cours d’eau ; Causes principales d’inondations sur le bassin, elles ont
plusieurs origines hydro-climatiques.
 Remontée de nappes phréatique ; elles restent exceptionnelles sur le bassin.
 Ruissellement et/ou coulée de boue ; liées à des pluies intenses localisées, elles peuvent
survenir loin des cours d’eau et être violentes, rapides et soudaines.
 Rupture de digue ; rupture de barrage ou de système d’endiguement.
 Submersion marine ; sur la façade océanique, elles sont liées aux phénomènes de
surcotes, des vagues, de la marée, de passage de paquet d’eau au-dessus des digues,
pouvant être aggravées par la concomitance avec les crues fluviales.
IV.5- Submersion marine
La submersion marine ou inondation côtiers par la mer. Ce phénomène peut être temporaire
(due aux vagues de tempête ou à une surcote) ou permanente (due à la hausse du niveau de la
mer).
Ce phénomène est dû à une élévation temporaire et extrême du niveau de la mer qui peut avoir
une origine géologique ou météorologique. Dans le premier cas, l’élévation est générée par un
tsunami ayant pour origine un tremblement de terre sous-marin, une éruption volcanique ou un
glissement de terrain. Dans le second cas, elle est la conséquence d’une surcote liée au passage
d’un cyclone tropical ou à une tempête dans les latitudes moyennes à basses pour être inondées.,
essentiellement les plages, les polders, les marais maritimes ou les estuaires. Il est lié à une
combinaison de plusieurs mécanismes : la surcote marine, les vagues, le niveau de la marée et
les évolutions eustatiques (El Khalfaoui, 2020). Toutefois ce dernier continue de produire des
conséquences désastreuses dans le monde entier, tant sur le plan humain que sur le plan
économique. Dans cette thèse, nous nous intéressons aux submersions marines générées par des
facteurs météorologiques (les ondes de tempêtes).
78
IV.5.1- Différents modes de submersion marine
L’élévation du niveau d’eau à la cote lors des tempêtes peut entrainer différents modes de
submersion (Fig. 56) selon la nature de la cote exposée :
IV.5.1.1- Submersion par débordement
Correspondant à une élévation du niveau d’eau statique (ou niveau moyen avec la surcote des
vagues) au-dessus de la cote maximale du terrain naturel ou des ouvrages de protection ; il
entraîne un déversement direct d’importantes quantités d’eau à terre ; les volumes d’eau mis en
jeu (et donc les conséquences du phénomène) dépendent de l’écart entre le niveau d’eau et celui
de la cote maximale du terrain naturel ou des ouvrages de protection, de la durée du
débordement et de la vitesse de l’écoulement.
IV.5.1.2- Submersion par franchissement
Correspondant au passage des vagues par-dessus les défenses côtières (naturelles ou

artificielles), l’accumulation d’eau résultante peut s’avérer importante selon l’ampleur des
franchissements, leur durée et le linéaire concerné ; le franchissement est conditionné par la
position du plan d’eau (niveau statique) par rapport à la cote maximale du terrain naturel ou des
ouvrages de protection, et par les caractéristiques locales des vagues (hauteurs et périodes).
IV.5.1.3- Submersion par rupture
Se produit quand un cordon naturel ou une purge artificielle subit des dégâts importants
lorsqu’il est franchi par des paquets de vagues ou par surverse. Ce type de submersion, qui peut
aussi engendrer l’arasement généralise d’un cordon dunaire, à la spécificité d’être
particulièrement rapide et puissant au moment de la destruction de l’édifice protecteur.
79
Figure 56: Schéma des différents modes de submersion marine D’après (Cariolet 2011)
IV.6- Onde de tempête
L’onde de tempête (storm surge), autrement une surcote c’est une phénomène d'origine
météorologique le plus dangereux en bordure du littoral se manifeste par une élévation
exceptionnelle et temporaire du niveau de la mer près de la côte, générée par le passage d’une
dépression atmosphérique (Fig. 57). Une onde de tempête est provoquée principalement par
des cyclones tropicaux et extratropicaux. Les cyclones tropicaux (appelés ouragan en
Atlantique, typhon dans la partie ouest du Pacifique, et cyclone en océan Indien) sont des
systèmes dépressionnaires violents et très puissants qui se forment au-dessus des eaux
tropicales.
* Lecture NMM = lecture du niveau moyen de la mer

Figure 57: les principaux facteurs contribuant à la surôte (Source : Mullan et coll., 2005)
80
IV.6.1- Mécanismes de formation d’une onde de tempête
Une tempête se caractérise par la Variation d’une perturbation atmosphérique, ou dépression,

le long de laquelle s’affrontent deux masses d’air aux caractéristiques différentes (température,
teneur en eau). Les tempêtes des régions tempérées sont d'ordinaire accompagnées des
précipitations violents, de fortes houles et de marées de tempête sur les zones littorales. Lorsdu
passage d’une tempête sur l’océan, la baisse de la pression atmosphérique entraîne une
réduction du poids de la colonne d’air sur l’eau, et donc une élévation du plan d’eau. Selon la
règle du « baromètre inversé », une baisse de la pression atmosphérique de1 hPa entraîne une
élévation de la surface de l’eau de 1 cm (Harris 1963). Les vents qui accompagnent une tempête
agissent par frottement sur la surface de la mer et génèrent une accumulation d'eau au niveau
des littoraux exposés face à ces vents. Plus l’action du vent s'exerce sur une grande distance
plus l'élévation du niveau d’eau à la côte est importante (Harris, 1963). La direction du vent
joue un rôle primordial dans ce processus d’élévation du niveau d’eau à la côte (Fig. 58).
La vitesse de déplacement (célérité) d’une onde de tempête est dépendante de la profondeur

d’eau :
𝐂=𝐠×𝐡 (1)
D’où
C = vitesse de l’onde en m/s,
g = accélération gravitationnelle = 9,81 m/s² ,
h = profondeur d’eau en m,
Généralement, la célérité d’une onde de tempête est freinée lorsque la profondeur d’eau
diminue.
81
Figure 58: Mécanisme de formation d’une onde de Tempête (Source : Maanan et al., 2019)
IV.6.2- L'élévation du niveau de la mer et les ondes de tempête
L'élévation du niveau de la mer et l'intensification des tempêtes marines dues au changement

climatique interagissent en générant des impacts plus graves sur les systèmes côtiers et les zones
de faible altitude (Fig. 59). La figure suivante illustre l'interaction entre le niveau de la mer et
les ondes de tempête dans des conditions normales et dans des conditions d'intensification des
tempêtes.
Figure 59: Effets des ondes de tempête associer à l'élévation du niveau de la mer
(Source Union of concerned scientists 2015: www.ucsusa.org/sealevelrisescience)
82
Citons ci-dessous des dernières Tempêtes survenue les côtes marocaines, avec leur
caractéristique spécifique (Tab. 3):
Tableau 3: Tempêtes survenue les côtes marocaines dernièrement, avec leurs caractéristiques spécifiques.
(Source : https://mareespeche.com/af/marocco-atlantic)
Date H max (m) Période (S) Direction

08/01/1996 12 - -
06/02/2002 11.25 15.6 347.3°
14/11/2002 11.52 11.7 331.9°
27/12/2002 10.04 14.4 324.8°
11/03/2003 11.14 19.3 324.8°
13/04/2003 11.28 14.0 313.6°
19/01/2005 12.00 17.0 330.0°
04/01/2008 15.85 18.8 320.0°
07/01/2014 13.62 21.6 320.0°
IV.6.3- Impacts des ondes des tempêtes sur l’évolution du littoral
Selon le dernier rapport du GIEC (2021), groupe de travail II.

 L’élévation du niveau des mers accroît les inondations,
 La violence des orages et autres dangers côtiers,
 Ressources en eau douce diminuées,
 Invasion d’espèces allogènes,
 Conséquences sur la sûreté alimentaire et économique.
IV.7- Dommages
Dans le but de pouvoir évaluer le coût des catastrophes naturelles, il est nécessaire de définir le
dommage, qui désigne la valeur économique de l’endommagement résultant d’une catastrophe
naturelle. L’analyse des pertes et des dommages sur les différents enjeux permet d’appréhender
la vulnérabilité des sociétés et des territoires (Thouret et D’Ercole, 1996 ; Vallette et Cartier,
2012). Elle revient souvent à lier la vulnérabilité à la notion de dommages potentiels. En, effet,
les dommages, par leur nature, sont le résultat des interactions entre des processus physiques
d’endommagement et des enjeux exposés plus ou moins vulnérables. Les dommages sont donc
une matérialisation du risque et de la vulnérabilité lors de la survenance d’une catastrophe
(Pigeon, 2002).
83
En attendant l’élaboration d’une vision globale du développement du littoral et une plus grande
cohérence des politiques sectorielles concernées, les multiples et importantes formes de
pression subies par les zones côtières continueront d’être à l’origine de nombreux phénomènes
alarmants, tels que la pollution, la spéculation foncière et l’urbanisation non-maîtrisée.
Nombreux sont les facteurs qui concourent à la dégradation des écosystèmes littoraux et de la
qualité de vie et du bien-être des populations. Ainsi, au Maroc, la dégradation du littoral entraîne
un coût total estimé à 2,5 milliards DH, soit 0,27% du produit intérieur brute (PIB12).
Enfin dans le contexte de changement climatique et l’évaluation de l'impact des inondations et
estimation quantitative du risque qui en découle, les villes doivent s’adapter aux changements
et adopter des stratégies nécessaires afin d’atténuer les risques futurs sur les communautés
côtières (AR6 GIEC WGII, 2021). Les prévisions concernant les impacts du changement
climatique sur le littoral et les inondations de ces dernières années avec leurs conséquences
humaines et matérielles de plus en plus importantes, amènent aujourd’hui à réfléchir sur
l’anticipation des risques littoraux, et la mise en œuvre efficace de stratégies durables à l'avenir.
Il est nécessaire donc de disposer d'un soutien politique et de la mise en place d'accords
juridiques.
IV.8- L’évaluation des dommages
Aujourd’hui, les risques côtiers ont reçu de plus en plus d’attention, notamment sur la question
de l’évaluation des dommages qu’ils peuvent engendrer. On distingue entre deux principales
méthodes d’évaluation des dommages des risques naturels : une méthode physique et une
méthode économique.
L’évaluation physique des dommages : Elle s’applique principalement aux enjeux bâtis et
repose sur l’analyse de la sensibilité de ces derniers aux processus physique de l’aléa engendrant
les dommages. Cette méthode est basée sur la description physique des dommages par des
échelles qualitatives de dommage qui permettent, en lien avec l’analyse des caractéristiques des
bâtiments, la réalisation d’un modèle d’endommagement prédisant les dommages attendus en
fonction de l’intensité de paramètre de l’aléa (André, 2013).
L’évaluation économique des dommages : Reliant directement les paramètres de l’aléa au

coût des dommages, sans passer par la phase de description physique de l’endommagement.
Développée en particulier pour le risque inondation, pour lequel la manifestation physique des
dommages est beaucoup moins visible qu’en sismique, elle a également été privilégiée pour ce
84
risque du fait des très importantes pertes économiques liées aux évènements d’inondations. Les
inondations étant le risque le plus couteux pour de nombreux pays européens (André, 2013).
Ces différences d’approches sont dues aux différentes manifestations de l’aléa et des dommages
produits : Les risques impliquant des dommages à la structure des bâtiments et entrainant un
danger pour la vie humaine, sont davantage traites par la première approche tandis que les
risques entrainant les pertes financières vient également de la fréquence des évènements et donc
du potentiel de dommages, qui est aussi relie à la quantité de données empiriques à partir
desquelles on peut étudier le risque (André, 2013).
IV.9- Réduction des risques
Le risque provient à la fois de la probabilité de l’événement et du dommage potentiel qu’il peut

infliger. La dimension socio-économique et la réduction des dommages potentiels sont ainsi
des pistes à explorer pour l’atténuation du risque. Pendant les événements extrêmes, la priorité
est à la protection des vies. Dans de tels cas, l’évacuation des populations qui doivent être
consciente et informée du danger, peut-être la seule option. Un système fiable d’alerte aux
différents risques et la réalisation de plans de gestion de crise et d’évacuation sont
indispensables. La sensibilisation aux risques est examinée en tant que variable explicative du
comportement de précaution au moyen d’une enquête par questionnaire. Le présent article
explore les variables qui rendent compte de la disposition des citoyens à se protéger et à protéger
leurs biens contre les risques naturels à l’heure actuelle et leur volonté d’investir et de se
protéger et de protéger leurs biens dans l’avenir. La sensibilisation aux risques et les
comportements de précaution dans cette région constituerait une contribution importante à la
gestion des risques et à l'atténuation des effets des catastrophes dans d'autres contextes peu
étudiés dans le bassin de la Méditerranée et ailleurs dans le monde. La sensibilisation aux
risques et l’expérience personnelle jouent un rôle clé dans la perception des risques. Ils ont par
ailleurs constaté que les activités de sensibilisation sont liées à une efficacité accrue des
interventions d’urgence.
IV.10- Domaine d’action
La réduction des risques nécessite des actions dans trois domaines convergents qui doivent être
gérés et mis en œuvre simultanément (Fig. 60) :
85
 Urbanisme: Les plans d’urbanisme doivent tenir compte des risques liés à l’implantation
de communautés ou d’entreprises dans des zones de faible élévation ou sujettes à risques et
proposer des solutions adaptées au climat pour les projets futurs d’aménagement urbain;
 Infrastructures: L’amélioration des systèmes d’alerte précoce pour toutes types de
désastre apparaît comme un investissement particulièrement judicieux. De même qu’il est
fondamental d’améliorer la gestion des zones côtières.
 Domaine Institutionnel: Les institutions devront évoluer vers plus d’efficacité et vers une
meilleure coordination afin de prévenir et réduire les dommages à l’aide de systèmes
d’alerte rapide et de communications plus efficaces et avec des responsabilités clairement
définies.
Domaine
Urbanism Infrastructur Réduction du
e es Institutionne Risque
l
Figure 60: Les trois domaines d’actions pour la réduction du risque
IV.11- Politique management
Le littoral marocain abrite 51% de la population nationale et 70% de la population urbaine.

Plusieurs indicateurs témoignent du poids économique important du littoral, avec la
concentration de 90% des industries et l’accaparation de 95% des exportations par les zones
côtières (CESE, 2021).
IV.11.1- Gouvernance et aménagement du littoral
Le Maroc a fait des efforts considérables dans le respect de ses engagements internationaux en
Changement Climatique. La plupart des secteurs profitent de mesures de préventions et de
réductions de risques qui sont en train de se consolider progressivement au niveau des plans
Stratégique, Institutionnel et Juridique. Entre autres la Gouvernance et l’aménagement du
littoral établissent les principes et les règles fondamentaux d'une gestion intégrée durable du
littoral en vue de sa protection, de sa mise en valeur et de sa conservation (CESE, 2021).
L’Étude de L'Organisation de Coopération et de Développement Économiques (OCDE) sur la
86
gestion des risques au Maroc. Cette étude a bénéficié de l’appui du Ministère des Affaires
Générales et de la Gouvernance et du Ministère de l’Intérieur marocains. Elle a été en partie
financée par l’Initiative globale sur la gestion du risque de catastrophes de l’Agence allemande
de coopération internationale GIZ).
Une politique performante de gestion des risques contribue à maintenir la confiance dans les
institutions et à construire un développement résilient, conformément aux Objectifs de
Développement Durable et à la Recommandation de l’OCDE sur la Gouvernance des Risques
Majeurs adoptée par le Conseil de l’OCDE le 6 mai 2014. Il s’agit en effet d’un domaine de
politique publique dans lequel les attentes citoyennes sont particulièrement importantes.
IV.11.2- Loi de Littoral
Afin de remédier à des problèmes environnementaux lies aux risques naturels, plusieurs
dispositions ont été prises notamment sur le plan normatif. On cite à ce titre, l’adoption de :
La loi 81-12 sur le littoral en 2015. Cette loi spécifique vient compléter les dispositions légales
relatives à l’urbanisme et l’environnement. Elle introduit les principes de gestion intégrée du
littoral, et ce, dans le respect des engagements du Maroc à l’échelle internationale, notamment
la Convention de Barcelone pour la protection du milieu marin et du littoral de la Méditerranée
et son Protocole sur la Gestion Intégrée des Zones Côtière (GIZC).
 La loi de littoral « loi 81-12 sur le littoral » se fixe comme objectifs de préserver l’équilibre
des écosystèmes du littoral et protéger le patrimoine naturel et culturel, les sites historiques,
archéologiques, écologiques et les paysages naturels ;
 Prévenir, lutter et réduire la pollution et la dégradation du littoral et assurer la réhabilitation
des zones et des sites pollués ou détériorés ;
 Assurer le libre accès du public au rivage de la mer ;
 Promouvoir une politique de recherche et d’innovation en vue de valoriser le littoral et ses
ressources.
Il convient aussi de mentionner le décret n° 2.21.965 portant approbation du plan national du
littoral (PNL) prévu par la loi 81.12 et adopté en 2022. Le PNL vise, entre autres, à instaurer
une bonne gouvernance du littoral susceptible de protéger, préserver et prévenir l’écosystème
littoral contre la dégradation, tout en valorisant son potentiel (CESE, 2021) (Tab. 4).
87
Tableau 4: Corpus législatif et réglementaire significatif (Source : OCDE)
Année Texte
Reconstructio
n/Relèvement
Coordination
Evaluation
Prevention
Gestion de
l’urgence
Strategie
1955 Dahir du 30 avril 1955 relatif à la protection civil ● ●
1995 Loi n °10-95 sur l’eau ●

1997 Décret n °2-97-176 du 15 décembre 1997 relatif aux ● ●
attributions et à l’oganisation du Ministère de l’intérieur
2003 Loi n° 11-03 relative à la protection et la mise en valeur de ●
l’environnement
2003 Loi n° 12-03 relative aux études d’impacts sur ●
l’environnement
2004 Décret n° 2-04-267 du 10 mai 2004 approuvant le règlement ●
de construction parasismique (RPS 2000)
2009 Loi de finances n° 40-08 portant sur l’année budgétaire 2009, ● ●
instituant le Fonds de Lutte contre les Effets des Catastrophes
Naturelles
2013 Décret n°2-12-682 du 28 mai 2013 modifiant ke décret n° 2- ●
02-177 du 22 février 2002 approuvant le règlement de
construction parasismique (R.P.S 2000) (R.P.S 2000 version
2011)
2013 Décret n° 2. 13. 253 du 20 juin 2013 et Décret n° 2.13.836 du ●
13 novembre 2013 sur les attributions du MAGG
2014 Loi cadre n° 99-12 portant charte nationale de ●
l’environnement et développement durable
2015 Loi organique n° 111-14 relative aux régions ●
2015 Loi organique n° 112-14 relative aux préfectures et aux ●
provinces
2015 Loi organique n° 113-14 relative aux communes ● ●
2016 Loi instituant le régime de couverture des conséquences ●
d’événements catastrophique, et modifiant et complétant la
loi n° 17-99 portant code des assurances. (Projet)
88
IV.11.3- Aménagement et Urbanisme
Un contexte marqué par une pléthore de politiques et d’instruments La « Charte Nationale

d’Aménagement du Territoire » (CNAT) lancée en 2001 et le Schéma National
d’Aménagement du Territoire (SNAT) lancé en 2004, constituent, avec la Stratégie nationale
de développement durable (SNDD) - adoptée en 2017 -, les trois principales références
nationales de l’aménagement du territoire. Ces instruments concourent à faire du
développement du territoire un développement durable. Ils définissent en particulier quelques
principes et règles généraux en vue d’implémenter une urbanisation durable du littoral (CESE,
2021).
En outre la loi sur le littoral institue :

 Une zone non constructible, adjacente au rivage d’une largeur de cent mètres (100 m);
 Une zone de retrait des infrastructures de transport dans une largeur de 2000 m;
 La prise en compte par le Schéma régional d’aménagement du territoire (SRAT), les
documents d’urbanisme et tout autre plan ou schéma sectoriel concerné des dispositions du
plan national et du schéma régional du littoral.
IV.12- Recommandation
Afin de protéger le littoral et sa composante des recommandations sont à adopter vivement sur
le volet de la recherche scientifique et de l'Innovation pour prise en charge de la préparation et
la mise en œuvre de la politique management dans le cadre des risques naturels :
 Collaborer avec les universités et les instituts de recherche pour développer et mener des
programmes de recherche scientifique multidisciplinaires sur le littoral.
 Investir dans la recherche scientifique, en particulier les études des risques de submersion
marine, élévation de niveau de la mer, des houles plus fréquentes et plus fortes ; le
réchauffement et l’acidification des océans ; la modification des courants marins ;
l’accélération du recul de certaines parties du littoral ; la fragilisation des cordons dunaires
et des ouvrages de protection ; la dégradation des écosystèmes maritimes et côtiers,
Inondations, Tsunamis, Erosion...etc.
89
IV.13- Conclusion
Dans le contexte du changement climatique actuel et le développement d’une urbanisation non

contrôlée et une artificialisation excessive des sols, aucun territoire n’est à l’abri des risques
naturels. Ce chapitre a été réservé aux concepts de base de l’étude des risques naturels « des
inondations » en général et du risque submersion marine en particulier. En outre, il a mise en
évidence l’évaluation de l’analyse des dommages, sur laquelle se fonde ce travail.
Au Maroc comme partout ailleurs, la lutte contre les inondations reste une préoccupation des
autorités publics, les organismes gouvernementaux, et une attente toujours importante de la part
des populations. Les mesures de gestion durable des risques doivent impliquer par des
programmes ambitieux, aussi, doivent préparer et maintenir des documents directeurs actualisés
pour la politique d'urbanisme. L’objectif politique de la gestion des risques de catastrophe y
vise une réduction des risques de catastrophe et un renforcement de la résilience des territoires
impactés et donc à la réalisation du développement durable.
90
Chapitre V : Approches Methodologique
V.1- Introduction
Dans ce chapitre, nous avons présenté les caractéristiques de model de climat régionale (RCM).
En effet, les RCM sont des modèles climatiques d'un espace limité, comme une Région (par
exemple la Méditerranée). Ces modèles sont alimentés en termes des conditions initiales et
initialisés avec des données des modèles globaux. Il existe des modèles régionaux librement
disponibles, comme les simulations du projet CORDEX, mais souvent les résolutions atteintes
par ces modèles déjà simulés sont encore peu détaillées pour les régions à topographie
complexe. Pour la première fois, dans le cadre de ce travail nous avons simulé les précipitations
hivernales au Nord du Maroc avec le model RegCMv4.6 et ses différentes données d’entrés
exploiter comme des conditions initiales, ainsi que les méthodologies relatives à cette
simulation. En outre, on a démontré l'efficacité de notre modèle pour aider les décideurs à
mettre en évidence des mesures de protection préventives et la gestion des risques qui est
devenue aujourd’hui une nécessité primordiale au nord du Maroc et spécialement la région de
(Tanger-Tétouane -Al Hoceima).
V.1.1- Simulation climatique avec le model « RegCM»
Dans cette partie nous examinons la performance du modèle climatique régional RegCM v4.6
à simuler la variabilité spatiale des précipitations dans la région nord-ouest du Maroc (TTA)
pendant l'hiver 2009-2010. Cette simulation a été faite pour la première fois au Maroc et couvre
24 mois de 2009 à 2010 avec une grille horizontale de 30 km, le choix de résolution est justifié
par le fait qu’on veut que le model capture les signaux climatiques regionale, en outre, les
puissances de calcul disponibles. Nous utilisons la réanalyse NCEP (National Centers for
Environmental Prediction) comme données de forçage, et pour une meilleure comparaison des
résultats, les précipitations observées proviennent des données CRU (Unité de Recherche
Climatique), CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) , et
CMORPH (Climate Prediction Morphing Method).
V.1.2- Description du modèle RegCM-4.6 et du dispositif expérimental
Le modèle climatique régional (MRC) RegCM est développé à l'origine par le National Center
for Atmospheric Research (NCAR), est considéré comme le premier modèle à zone restreinte
créé pour la modélisation du climat régional à long terme, il est choisi comme l'un des MRC
utilisés pour l'expérience CORDEX (Coordinated Regional Climate Downscaling Experiment)
91
(Giorgi et al., 2009; Gutowski et al., 2016). Le modèle à équation primitive est un modèle
tridimensionnel à coordonnées verticales sigma (Giorgi et al.1993a), basé sur les performances
de diverses options de paramétrage physique notées dans des études antérieures. En outre, une
communauté importante a utilisé ce modèle pour de nombreuses recherches climatiques
régionales et il peut être appliqué à n'importe quelle région du monde pour effectuer des
simulations climatiques sur des grilles de 10 à 90 km.
Dans cette étude, nous utiliserons la dernière version du modèle hydrostatique RegCM4.6.1
(Giorgi et al. 2012). Avec transfert radiatif Community Climate Model version 3(CCM3) (Kiehl
et al., 1996 ; Giorgi et al., 1999), et schéma d'humidité à l'échelle sous-maille (Pal et al., 2007).
Schéma de couche limite planétaire (PBL). Holtslag et al., (1993). Schémas de paramétrisation
de la convection (Emanuel et al., 1991). Schémas de surface océanique (Zeng et al., 1998).
Cependant, les processus de la surface terrestre sont décrits par le modèle Biosphere
Atmosphere Transfer Scheme (BATS) de Dickinson et al. (1993). Suivant le code de scénario
du changement climatique global IPCC (RCP) Representative Concentration Pathways (Moss
et al., 2010 ; van Vuuren et al. 2011) représentent quatre changements potentiels futurs dans les
émissions anthropiques de GES qui pourraient influencer le climat. Du plus optimiste RCP 2.6
(forte atténuation) au plus pessimiste RCP8.5 (forte augmentation), en passant par les
intermédiaires RCP4.5 et RCP 6 (atténuation des émissions). Ces scénarios sont conçus pour
suivre le Rapport spécial sur les scénarios d'émissions (SRES), défini par le GIEC en 2000.
Dans notre cas, nous analysons les résultats des simulations des précipitations dans le cadre des
scénarios RCP4.5 et RCP8.5. La simulation avec RegCM4 comporte trois étapes de base :
premièrement, le prétraitement (mise en place du domaine de simulation, préparation des
variables terrestres (y compris l'élévation, l'utilisation des terres et la température de la surface
de la mer), les conditions initiales et limites (ICBC), les données météorologiques du modèle
de circulation générale, le paramétrage physique. Deuxièmement : exécution du modèle. Enfin
: post-traitement des données issues de l'étape précédente.
92
V.1.3- Configuration du modèle : liste détaillée des noms de la simulation
Le résumé des paramètres utilisée pour le model RegCM4.6 est illustré dans le (Tab. 5).
Tableau 5: Liste des noms des paramètres utilisée pour les simulations de model RegCM4.6
Model RegCM4.6.1
Période de simulation January 2009 to December 2010
Le point central du domaine (32.4° N, 6° W)
Nombre de points de la grille horizontale (160,160) grid points for (x,y)
Distance horizontale de la grille 30 km
Le nombre de niveaux verticaux 18 σ levels
Schéma de la grille horizontale Arakawa B-grid
Schéma d'intégration temporelle Split-explicit
Conditions de la couche limite latérale Relaxation, exponential technique
Ensembles de données d'analyse globale
NNRP1
utilisés
Schéma d'humidité Explicit moisture (SUBEX; Pal et al 2000)
Schéma de la couche limite Holtslag PBL
Schéma de convection du cumulus Emanuel (1991)
Modèle de sol High resolution soil model (Dickinson,1993)
Topographie USGS (GTOPO30)
Paramètres de surface BATS1E (Dickinson, 1993)
Schéma de flux océanique Zeng et al (1998)
Type de température de surface de la mer OI_WK (OISST CAC Weekly Optimal
utilisé Interpolation dataset)
V.1.4- Données
Les données d'observation utilisées dans cette étude proviennent du GHCN (Global Historical
Climatology Network-Monthly).
V.1.4.1- Données d'observation des précipitations
L'étude du climat et de sa variabilité nécessite absolument l'acquisition de données

d'observation fiables dans la région d'intérêt. À cette fin, les sorties du modèle RegCM4 sont
93
comparées à trois ensembles de données d'observation des précipitations : CRU (Harris et al.,
2014), CHIRPS (Funk et al., 2015) et CMORPH (NOAA, 2018).
V.1.4.2- Unité de Recherche Climatique (CRU)
La série de données CRU_TS consiste en des séries chronologiques mensuelles de

précipitations, de températures maximales et minimales quotidiennes, de couverture nuageuse
et d'autres variables couvrant les zones terrestres de la Terre. L'ensemble de données est maillé
à une résolution de 0,5x0,5 degré, basée sur l'analyse de plus de 4000 enregistrements de
stations météorologiques individuelles. De nombreux enregistrements d'entrée ont été
homogénéisés.
V.1.4.3- CHIRPS
CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) est un ensemble de
données pluviométriques quasi-mondiales sur plus de 30 ans. CHIRPS incorpore des images
satellite à résolution de 0,05° avec des données de stations in-situ pour créer des séries
chronologiques de précipitations en grille pour l'analyse des tendances et la surveillance des
sécheresses saisonnières.
V.1.4.4- CMORPH (Technique pour morphing du CPC de la NOAA)
CMORPH, Cet ensemble de données est constitué de données sur les précipitations mondiales
quotidiennes à résolution de 0,25 degré selon la méthode de morphing du Climate Prediction
Center (CPC). CMORPH est la technique de morphing du CPC, qui dérive des estimations de
précipitations à partir des observations micro-ondes des satellites à orbite basse.
94
V.2- Méthodes d’analyse des phénomènes extrêmes
 Evénements extrêmes
En plus de la variabilité à différentes échelles, les événements extrêmes font naturellement

partie d'un système climatique stable. En général, lorsqu'on parle d'événements extrêmes, on
pense à des épisodes intenses de courte durée, comme un ouragan, des pluies torrentielles ou
une vague de chaleur. Cependant, plus de les traiter isolément, uniquement en termes de durée
ou d'intensité, il est plus utile de les étudier d'un point de vue statistique. Pour cela, il est
nécessaire de connaître l'enregistrement temporel de la variable d'étude. Si les valeurs d'une
variable particulière, par exemple la température ou les précipitations, sont représentées face à
leur probabilité d'occurrence, on observera que les valeurs moyennes sont les plus probables,
tandis que les valeurs extrêmes se trouveront dans la queue de la distribution.
Dans la littérature, un événement météorologique extrême est un événement rare qui se produit
à un endroit et à un moment donné. Ainsi, les événements rares peuvent être définis comme
ceux dont la probabilité de dépassement est inférieure à 10 % (zones indiquées dans les courbes
de densité de probabilité (Fig. 61).
Figure 61: Fonction de densité des précipitations (Source : Weather and Climate Extremes in a Changing Climate (U.S.
Climate Change Science Program, Synthesis and Assessment Product 3.3, 2008)
L'étude statistique des événements extrêmes permet d'observer la variabilité temporelle à

différentes échelles, telles que saisonnière, interannuelle ou de long terme. Les systèmes
humains et naturels se sont historiquement adaptés à cette variabilité. Cependant, en raison de
leur caractère exceptionnel, ces événements extrêmes sont associés à des coûts et des avantages,
tant socio-économiques qu'environnementaux. Par exemple, les ouragans fournissent des
précipitations indispensables dans certaines régions où certaines communautés végétales
95
tropicales dépendent des vents de force ouragan qui abattent de grands arbres afin qu'ils puissent
recevoir plus de soleil et prospérer. Cependant, pour les humains, ils causent souvent la mort et
des dommages irréparables, comme cela s'est produit avec l'ouragan Katrina en 2005. En raison
de la vulnérabilité des systèmes face aux événements extrêmes, une bonne connaissance de la
variabilité spatiotemporelle des variables caractéristiques des processus tels que la température
et précipitations est essentielle, dans le cas de cette thèse. Pour cela, les statistiques des extrêmes
permettent d'étudier ces variations à partir des enregistrements historiques de la variable et de
projeter des situations futures dans des scénarios de changement climatique.
L'étude des événements extrêmes et de leurs variabilités climatiques n'est possible que par
l'analyse statistique des extrêmes climatiques.
V.2.1- Sélection des données extrêmes
Il existe différentes méthodes pour sélectionner l'échantillon d'extrêmes à étudier. Selon les
caractéristiques de la série temporelle et de l'étude à réaliser, certaines méthodes ou d'autres
seront plus appropriées. La première, dénommée méthode des maximas par bloc et la seconde
approche est désignée sous le terme Peaks-Over-Threshold method (POT). En pratique, on se
ramène dans les deux cas à un cadre de statistique paramétrique et d’ajustement de paramètres
sur les données. Selon le contexte, l’une ou l’autre des approches peut se révéler mieux adaptée,
mais il est le plus souvent utile de les mettre toutes les deux en œuvre et d’en comparer les
résultats. Dans ce travail nous n’intéresserons qu’aux valeurs maximales de l’échantillon.
V.2.1.1- Méthode des maximas par bloc
La méthode des maximas par bloc de temps est la méthode la plus simple de sélection des
extrêmes. Il s'agit de définir une unité de temps et de choisir la valeur maximale de la variable
d'étude qui s'y est produite. La durée du bloc temporel doit être suffisamment grande pour
représenter les événements extrêmes que se requière modéliser, mais il faudra aussi prendre en
compte la longueur totale de la série temporelle de la variable d'étude, puisqu'il faut garantir un
nombre minimum d'événements extrêmes données de l'échantillon pour pouvoir appliquer
l'analyse statistique. La méthode la plus classique dérivée des maximums dans un bloc de temps
est la méthode du maximum annuel (MMA) (Coles, 2001). Avec cette méthode, la série
chronologique est divisée en unités de temps d'un an et les valeurs maximales de la variable
dans cette unité sont choisies (Fig. 62). De cette façon, nous avons une série continue de valeurs
96
extrêmes dans le temps. Le principal inconvénient de cette méthode est sa dépendance à la

longueur de la série temporelle de la variable.
Figure 62: Schéma de la méthode des maximas par bloc
La modélisation des queues de distribution par la méthode des maximas par blocs (Coles, 2001)
s’appuie sur le théorème de Fisher-Tippet et nous supposons que l’échantillon de maxima suit
exactement une loi GEV (generalized extreme value), de la forme suivante :
−𝟏
𝐱−µ 𝛏
𝐞𝐱𝐩 [− ((𝟏 + 𝛏 ) )] 𝐬𝐢 𝛏 ≠ 𝟎
𝛔
GEV(x)={ (2)
𝐱−µ
𝐞𝐱𝐩 [−𝐞𝐱𝐩 (− )] 𝐬𝐢 𝛏 = 𝟎
𝛔
OÙ
𝐱−µ
{𝐱 ∈ 𝕽, 𝟏 + 𝛏 ( ) ˃𝟎 } et µ ∈ ℜ, σ˃ 0, ξ ∈ ℜ
𝛔
Il y a trois paramètres pour une fonction de GEV :
 µ : un paramètre de position s’assimilant en quelque sorte à la moyenne pour une loi

Normale.
 σ : un paramètre d’échelle s’assimilant en quelque sorte à l’écart type (standard
déviation) pour une loi normale centré réduite.
 ɛ : un paramètre de forme, qui forme la distribution. Les trois lois de probabilité vers les
quelles la distribution de GEV converge, sont données par signe du paramètre ɛ.
 Nous obtenons la distribution de Weibull pour ɛ < 0, Gumbel pour ɛ -> 0 et Fréchet
pour ɛ > 0.
 Chacune de ces trois types de distributions ont un comportement distinct en termes de
queue.
97
 La distribution de Weibull est à queue supérieur bornée, ce qui signifie qu’il existe une
valeur nie donc le maximum ne peut dépasser.
 La distribution Gumbel avec une queue supérieur lumière et positivement asymétrique.
Ceci signifie que, bien que les maximums peuvent prendre des valeurs infiniment
élevée, la probabilité d’obtenir de tels niveaux devient exponentiellement petit, c’est
celle utilisée couramment en hydrologie.
 La distribution de Fréchet avec une queue supérieur lourde et de moment n d’ordre
supérieur, qui est une décroissance polynômiale de sorte que les valeurs supérieures des
maximums sont obtenue avec une plus grande probabilité comparé au cas de la queue
lumière (Fig. 63).
Figure 63: Les trois paramètres de la distribution GEV
Cette méthode (Méthode des maximas par bloc) n’analyse que les valeurs maximales sur un
intervalle de temps donné, souvent un an (maxima annuels), un mois (maxima mensuels) ou un
jour (maxima journaliers). Elle consiste à un découpage des données en blocs, dont les maximas
sont supposés distribués selon une loi d’une famille connue (GEV). La sélection de la taille
des blocs se fait de la forme suivante : Soit N la taille de l’échantillon, on choisit la taille k des
blocs de telle sorte que la relation N = nk soit vérifiée, avec n représente le nombre de blocs.
La taille des blocs doit être suffisamment grand pour pouvoir s’appuyer sur un résultat
asymptotique (Théorème de Fisher-Tippet), c’est-à-dire limiter les biais. L’échantillon
d’origine est ainsi réduit aux maximas de taille n, une distribution GEV est ensuite ajustée par
le maximum de vraisemblance sur cet échantillon. La taille n de l’échantillon des maximas doit
aussi être le plus grand possible pour limiter l’erreur d’échantillonnage dans l’estimation des
paramètres µ, σ, et ɛ.
98
 Estimation des paramètres du modèle
Parmi les méthodes d’estimations couramment utilisés pour estimer les paramètres de la GEV,
on trouve la méthode du maximum de vraisemblance (MV) définie comme suite : Soit
l’échantillon de maxima supposé iid, Y = (Y1, … , Yk) et h(µ; σ; ɛ) la densité de la loi GEV(x)
(Equation 3). Cette dernière s’écrit pour ɛ
𝒅
𝑮𝑬𝑽(𝒚) = 𝒉𝝃,µ𝝈 (𝒚) (3)
𝒅𝒚
𝟏−𝝃 𝟏
𝟏 𝒙−µ 𝝃 𝒙−µ 𝝃
𝒉𝝃,µ𝝈 (𝒚) = 𝝈 [𝟏 + 𝛏 ( )] 𝒆𝒙𝒑 {− [𝟏 + 𝝃 ( )] } (4)
𝝈 𝝈
*Et la vraisemblance de l’échantillon Y est égale à :
𝓛(𝝃, µ, 𝝈; 𝒀) = ∏𝒏𝒊=𝟏 𝒉𝝃,µ𝝈 ( 𝒀𝒊 ) (5)
*Car l’échantillon est 𝒾𝒾d
Précisons qu’il n’existe pas de solution explicite à ces équations de maximisation (utilisation
de méthodes numériques, type algorithmes de Newton-Raphson). L’avantage de cette
technique, est le fait qu’elle offre une grande flexibilité.
D'autres variantes de cette méthode sont la méthode du maximum mensuel (MMM) ou la

méthode du maximum hebdomadaire (MMH), qui permettent de résoudre le problème du
manque de données dans l’échantillon et en plus d’obtenir des échantillons plus appropriés pour
étudier différents modèles temporels. Cependant, la dépendance entre les temporels doit être
étudiée, garantissant que les événements choisis sont indépendants les uns des autres.
V.2.2.2- Méthode des dépassements d'un seuil (POT)
Pour pouvoir exploiter plus de données et non seulement les maximas des blocs plusieurs approches
alternatives à l’analyse des maximas ont été développées. L’une de ces approches consiste à considérer
les dépassements d’un seuil élevé (Fig. 64).
99
Figure 64: Schéma de la méthode des dépassements d’un seuil
Cette méthode sélectionne les valeurs qui dépassent une valeur de seuil, u. Il existe différentes méthodes
pour choisir le seuil u, la plus fréquemment utiliser est la méthode graphique appelée mean residual
life plot (Coles, 2001). Cette méthode est fondée sur la moyenne de la loi GPD (Distribution Généralisée
de Pareto), définie :
𝒖 𝜶 𝜶𝒖𝟎−𝒌(𝒖−𝒖𝟎)
E(X-u l X>u)=𝟏+𝒌 = 𝟏+𝒌
(6)
La fonction E(X − u | X > u) représente la valeur moyenne des dépassement au-dessus du seuil u. C’est
une fonction linéaire en u et peut être estimé simplement par la moyenne empirique des dépassements
observés de u. La recherche du seuil u0 à partir duquel la loi GPD est valide, se fait graphiquement. Un
exemple de « mean residual life plot » pour les données de température journalière maximale est présenté
(Fig. 65). A partir de u = 2.4 le graphe est approximativement linéaire. On choisi ainsi le seuil u = 2.4
afin d’approcher les observations données par une loi GPD.
Figure 65: Exemple de « mean residual life plot
100
Pickands (1975) a montré que pour un seuil suffisamment élevé, c’est-à-dire lorsque u → ∞, la
distribution de dépassement Xu , conditionnelle à X > u, est approximativement :
H(x) = { 𝟏 − [𝟏 − 𝒌/𝜶𝒖 (𝒙 − 𝒖)]𝒌 , 𝒌 ≠ 𝟎, (7)

𝟏 − 𝒆𝒙𝒑(−(𝒙 − 𝒖)/𝜶𝒖 , 𝒌 = 𝟎
Définie sur {x∶x-u>0 et (1-k(x-u)/ α_u)>0}
La famille H(x) est appelée Distribution de Pareto Généralisée (GPD), de paramètre d’échelle αu et de
forme k. Le résultat ci-dessus implique que, les dépassements de seuil ont approximativement une
distribution de la famille de Pareto généralisée correspondante. Tous ces méthodes ont été implémentées
en langage R par Ribatet (2006) avec le package POT.
On note que, le choix du seuil adéquat n’est pas une tâche triviale et il est souvent le résultat d’un
compromis. Un seuil trop élevé produit très peu de valeurs pour l’analyse. Un seuil trop bas assure une
série avec plus d’observations, mais dans ce cas le fondement asymptotique de la loi GPD risque de ne
pas être assuré ce qui mène à une analyse biaisée.
V.2.3- Périodes de retour et niveaux de retour
Les événements extrêmes sont cruciaux dans différents processus naturels et leur connaissance sera
nécessaire pour pouvoir concevoir et gérer les actions humaines dans le milieu d’environnement. Par
conséquent, la modélisation statistique des valeurs extrêmes se fait dans l’objectif de pouvoir faire de
l'inférence sur les valeurs extrêmes de grande ampleur, associées à de faibles probabilités de
présentation. Pour faire référence à ce type de valeurs, il a été introduit le concept de période de retour
(T). La période de retour, ou temps de retour, T (Meylan P et al.,2008) est la durée moyenne au cours
de laquelle, statistiquement un événement d’une même intensité se reproduit. En hydrologie, ce terme
est utilisé pour désigner l'intervalle de temps moyen séparant deux occurrences d'un événement dont
l’intensité atteint ou dépasse un certain seuil. Il existe une relation simple entre la probabilité
d'occurrence d'un événement et sa période de retour.
Soit X la variable aléatoire associée à la série des précipitations et « p » la probabilité d'un événement
extrême, P=P (X > =xT). La période de retour T de l’événement (X =xT) est le temps moyen qui sépare
deux occurrences successives de cet évènement. Pour un intervalle du temps annuel, la période de retour
T est liée à cette probabilité sous la forme : p=1/T.
Ainsi, la probabilité de non-occurrence d'un événement extrême, pour une année, sera de :
𝟏
𝑷 (𝑿 < 𝒙𝑻 ) = 𝟏 − 𝒑 = 𝟏 − 𝑻 (8)
Pour N années, durée de notre étude, la probabilité de non-occurrence de la pluie de calcul est
101
𝟏 𝑵
𝑷 (𝑿 < 𝒙𝑻 ) = (𝟏 − ) (9)
𝑻
Selon (Hangnon et al., 2015), un événement pluvieux est qualifié :
 Très exceptionnel si sa période de retour > 100 ans;

 Exceptionnel si la période de retour est située entre [30,100] ans;
 Très anormal si la période de retour est comprise entre [10,30] ans;
 Anormal si la période de retour est située entre [6,10] ans ;
 Normal si la période de retour est < 6 ans.
V.2.4- Modèle maximas par bloc
La distribution de ce modèle étant donnée par l’équation 10, on défini le niveau de retour zp
par : 𝑮𝑬𝑽(𝔃𝑷 ) = 𝟏 − 𝒑 (10)
Ce qui donne
−𝟏
𝔃𝑷 −µ 𝝃
𝒆𝒙𝒑 [− ((𝟏 + 𝛏 ) )] 𝐬𝐢 𝛏 ≠ 𝟎
𝝈
1− 𝒑 ={ (11)
𝔃𝑷 −µ
𝒆𝒙𝒑 [−𝒆𝒙𝒑 (− )] 𝐬𝐢 𝛏 = 𝟎
𝝈
On déduit l’expression de 𝓏𝑃
𝝈
µ − 𝝃 [𝟏 − {−𝐥𝐧(𝟏 − 𝒑)}−𝝃 ] 𝐬𝐢 𝛏 ≠ 𝟎
𝔃𝑷 ={ (12)
µ − 𝛔𝐥𝐧[− 𝐥𝐧(𝟏 − 𝒑)] 𝐬𝐢 𝛏 = 𝟎
On choisit p petit (valeur peu probable). L’estimation au maximum de vraisemblance de zp est

obtenue en substituant dans la formule, les estimateurs au maximum de vraisemblance les trois
paramètres du modèle.
V.2.5- Le modèle POT
Supposons que le modèle de dépassement au-dessus d’un seuil u soit de ce type, alors on a la
relation :
102
𝟏
𝒙−µ 𝝃
𝑷{𝑿 > 𝒙\𝑿 > 𝓾} = [𝟏 + 𝝃 ( )] (13)
𝝈
D’OÙ
𝟏
𝒙−µ 𝝃
𝑷{𝑿 > 𝒙} = 𝑷{𝑿 > 𝓾} = [𝟏 + 𝝃 ( )] (14)
𝝈
Et on estime 𝑃{𝑥 > 𝓊} = 𝜍𝓊 par la fréquence relative des observations relatives à 𝓊.
Le niveau de retour 𝓏𝑁 dépassé en Moyenne toutes les N années (𝓂 observations) est donné
par la relation :
−𝟏
𝔃𝑵 −𝓾 𝝃 𝟏
𝝇𝓾 [𝟏 + 𝝃 ( )] =𝓶 (15)
𝝈
Selon les valeurs de ξ on a les formules :
𝝈
𝔃𝑵 = 𝓾 − 𝝃 [((𝓶𝝇𝓾 )𝝃 ) − 𝟏 ] 𝐬𝐢 𝛏 ≠ 𝟎
{ (16)
𝔃𝑵 = 𝓾 + 𝛔𝐥𝐧(𝓶𝝇𝓾 ) 𝐬𝐢 𝛏 = 𝟎
Dans la littérature, il existe des méthodes permettent l’estimation de l’intervalle de confiance

pour les niveaux de retours, la plus importe est la méthode nommée méthode Delta définie
comme suite :
⃗⃗ 𝒛𝑻𝒑 =[𝝏𝔃𝑷 , 𝝏𝔃𝑷 , 𝝏𝔃𝑷 ]

𝜵 (17)
𝝏µ 𝝏𝝈 𝝏𝝃
𝝏𝔃 𝝏𝔃𝑷 𝝏𝔃𝑷 𝑻 −𝝃 −𝝃
[ 𝝏µ𝑷 , , ] = [𝟏, −𝝃−𝟏 (𝟏 − 𝓨𝒑 ), 𝝈𝝃−𝟐 (𝟏 − 𝓨𝒑 ) − 𝝈−𝟏 𝝃𝑷 −𝝃 𝐥𝐧 𝓨𝒑 ] (18)
𝝏𝝈 𝝏𝝃
En posant 𝓨𝒑 = − 𝐥𝐧(𝟏 − 𝒑)
Alors on a une expression approchée pour la variance pour la du niveau de retour :
𝑉ar ( (ẑ𝒑 ) ≈ ⃗𝜵
⃗ 𝔃𝑻𝒑 𝑽𝜵
⃗⃗ 𝔃𝑷 (19)
𝑉 étant la matrice des variances-covariances des paramètres. On utilise ensuite la loi normale
pour avoir in intervalle de confiance symétrique, par exemple :
103
[ (ẑ𝒑 ± 𝟏. 𝟗𝟔√𝐕𝐚𝐫 ( (ẑ𝒑 )] (20)
On utilise la même méthodologie d’estimation pour le modèle POT.
V.2.6- Méthode de régionalisation
V.2.6.1- Analyse fréquentielle régionale basée sur les L-moments
L'utilisation l'algorithme des L-moments (LM) est primordiale dans l'analyse régionale de la
fréquence des événements extrêmes (Hosking et Wallis, 1997). Les (LM) ont été introduits par
(Hosking, 1990) et constituent un système alternatif pour décrire et caractériser la fonction de
répartition associée à la variable aléatoire considérée, à partir d’informations locales recueillies
sur une région homogène (Onibon et al., 2004). Ils ont les avantages théoriques d'être plus
robustes à la présence des valeurs aberrantes dans les données et permettent de caractériser une
plage plus large des distributions, lorsqu'ils sont estimés pour un échantillon.
Les moments pondérés probabiliste (dérivé de LM) de la variable aléatoire X avec une fonction
de distribution F (X) sont définis par l'expression :
𝑴𝒑,𝒌,𝒔 = 𝑬(𝑿𝒑 {𝑭(𝑿)}𝒌 {𝟏 − 𝑭(𝑿)}𝒔 ) (21)
où E indique la valeur de l'espérance ;

p, k et s sont des nombres réels.
Les cas les plus utiles sont lorsque p=1, k=0, et p= 1 avec s=0, noté comme 𝛼𝑟 = 𝑀1,0,𝑟 et
𝛽𝑟 = 𝑀1,𝑟,0 respectivement, tel que r=0,1, 2, …
Les quatre premiers L-moments (LM) sont exprimés sous forme de combinaisons linéaires
pondérées par les probabilités (Hosking et Wallis, 1997) :
𝝀𝟏 = 𝜷𝟎′ (22)
𝝀𝟐= 𝟐𝜷𝟏 − 𝜷𝟎′ (23)
𝝀𝟑= 𝜷𝟐 − 𝟔𝜷𝟏+ 𝜷𝟎′ (24)
𝝀𝟒= 𝟐𝟎𝜷𝟑 − 𝟑𝟎𝜷𝟐 + 𝟏𝟐𝜷𝟏 − 𝜷𝟎. (25)
104
Le moment linaire du premier ordre 1 est le paramètre de localisation ou moyen de

distribution ; le paramètre de la deuxième ordre 2 mesure l'ampleur de la distribution ; le
moment de troisième ordre 3 fait référence à l’asymétrie ; et le paramètre du quatrième ordre
4 indique l’aplatissement de la distribution. Les LM peuvent être définis en divisant ceux de
d'ordre supérieur (r > 2) par la mesure d'échelle de sorte que les rapports des L-moments sont
obtenus :
𝝉𝒓 = 𝝀𝒓 /𝝀𝟐 (26)
Ces rapports ou relations des L-moments donnent des formes standardisées des L‑moments
d’ordre 2, 3 et 4 et sont analogues aux moments statistiques conventionnels et sont notés les
coefficients de L-variation (LCv), L-skewness (LCs) et L-kurtosis (LCk) respectivement :
𝝉 = 𝑳𝑪𝒗 = 𝝀𝟐 /𝝀𝟏 (27)
𝝉𝟑 = 𝑳𝑪𝒔 = 𝝀𝟑 /𝝀𝟐 (28)
𝝉𝟒 = 𝑳𝑪𝒌 = 𝝀𝟒 /𝝀𝟐 (29)
Les équations pour l'estimation via les L-moments des paramètres d'une gamme de fonctions
de distribution fréquemment utilisées dans l'analyse des événements extrêmes sont exposé par
(Hosking et Wallis, 1997). Les estimateurs empiriques des rapports des L-moments (t, t3 et t4)
sont calculés en remplaçant λ1, λ2, λ3 et λ4 par leurs estimateurs respectifs l1, l2, l3 et l4 dans les
équations ci-dessus.
V.2.6.2- Étapes de l'analyse régionale des fréquences basé sur L-moments
V.2.6.2.1- Filtrage primaire de la série d'observations
La mesure de discordance D proposée par (Hosking et Wallis, 1997) sert à déterminer

l'existence d'éventuelles stations qui sont extrêmement discordants avec le groupe de stations
qui composent une région. Les changements de tendances, ainsi que les valeurs anormales
(outliers) et autres erreurs d'échantillonnage des séries d'observations sont reflétées à leurs L-
moments respectifs. D est une statistique qui compare les relations ou les ratios de L-moments
échantillons de chacune des stations qui composent la région, avec les valeurs moyennes
105
associées à cette Région. Empiriquement, la mesure de discordance Di pour le station i de N

stations est définie par la fonction:
𝟏 𝑻
𝑫𝒊 = 𝟑(𝑵−𝟏) (𝑼𝑰 − 𝑼) 𝑺−𝟏 (𝒖𝒊 − 𝒖) (30)
où ui est le vecteur contenant les trois rapports de L- moments pour la station i exprimé comme :
(𝒊) (𝒊) (𝒊) 𝑻

𝒖𝒊 = [𝒕𝟐 𝒕𝟑 𝒕𝟒 ] (31)
𝑢 est le vecteur moyen de ui pour la région globale qui est :
𝟏
̅ = ∑𝑵
𝒖 𝒖 (32)
𝑵 𝒊=𝟏 𝒊
et S est la matrice de covariance empirique exprimée comme :
𝑵
𝑺 = ∑𝒊=𝟏(𝒖𝒊 − 𝒖 ̅ )𝑻
̅ )(𝒖𝒊 − 𝒖 (33)
Une station est déclarée discordante si Di  3, les stations et les individuelles qui dépassent ce
seuil doivent être soumises à analyse profonde de qualité en cherchant les causes possibles qui
les différencient du reste du groupe.
V.2.6.2.2- Identification des régions homogènes
Une région est considérée comme statistiquement homogène si la fonction de distribution qui
décrit la série de précipitations maximales des stations qui composent cette région est la même
sauf par un facteur d'échelle. L’évaluation de l’hétérogénéité dúne région en matière de
rapports de L‑moments, se base sur la statistique Hn (n=1, 2, 3) proposé par (Hosking et Wallis,
1993), et calculer par (Benhattab, 2014).
la statistique H est calculée par:
𝑽𝒋 −𝑼𝒗𝒋
𝑯𝒋 = , j=1,2,3. (34)
𝝈𝒗𝒋
où Vj (= 1, 2 ou 3), soient la variance pondérée V1 du L‑CV :
106
(𝒊) 𝑹
𝟏⁄𝟐
(𝒕𝟐 −𝒕𝟐 )
𝑽𝟏 = {∑𝑵
𝒊=𝟏 𝒏𝒊 ∑𝑵 𝒏 } (35)
𝒊=𝟏 𝒊
La somme pondérée V2 des distances de t et t3 de chaque station à leurs moyennes respectives
(𝒊) (𝒊) 𝟏⁄𝟐

∑𝑵 𝑹 𝟐 𝑹 𝟐
𝒊=𝟏[𝒏𝒊 {(𝒕𝟐 −𝒕𝟐 ) +(𝒕𝟑 −𝒕𝟑 ) } ]
𝑽𝟐 = ∑𝑵
(36)
𝒊=𝟏 𝒏𝒊
La somme pondérée V3 des distances de t3 et t4 de chaque station à leurs moyennes respectives:
(𝒊) (𝒊) 𝟏/𝟐

∑𝑵 𝑹 𝟐 𝑹 𝟐
𝒊=𝟏[𝒏𝒊 {(𝒕𝟑 −𝒕𝟑 ) +(𝒕𝟒 −𝒕𝟒 ) } ]
𝑽𝟑 = ∑𝑵
(37)
𝒊=𝟏 𝒏𝒊
où t(i) t3 (i) et t4 (i) sont respectivement les L‑CV, L‑CS et L‑CK de la station i, et 𝑡, 𝑡3 , 𝑡4
leurs moyennes pondérées.
(𝒊)
∑𝑵
𝒊=𝟏 𝒏𝒊 𝒕𝒓
𝒕𝒓 = ∑𝑵
(38)
𝒊=𝟏 𝒏𝒊
μv et σv sont respectivement la moyenne et l´écart‑type des Vn obtenus par simulation de Monte

Carlo, dans une loi GEV dont les L‑moments sont 𝑡, 𝑡3 , 𝑡4.
La statistique H a été calculée pour chaque combinaison de p stations parmi les n stations
possibles par un programme R proposé par Hosking (1997).
V.2.6.2.3- Sélection de la fonction de distribution de fréquence régionale la mieux ajustée
Une fois les régions homogènes sont bien définies, il convient de sélectionner la fonction de
distribution la mieux ajustée. Selon (Hosking et Wallis, 1997) deux approches ont proposé pour
sélectionner la distribution qui correspondait le mieux aux données : le diagramme des rapports
des L-moments et le –test Zdist.
Le diagramme des rapports des L‑moments représente le L‑coefficient dáplatissement t4 en
fonction du L‑coefficient d’asymétrie t3 (Meylan et al., 2008).
107
Les valeurs régionales moyennes des L‑moments, estimés à partir des observations disponibles
en chacun des stations de la région, peuvent être comparées aux L‑moments théoriques de
différentes lois de distribution (Benhattab, 2014).
Le test Zdist , soit :
𝑽−𝒖𝒗
𝑯= (39)
𝝈𝒗
où V représente la valeur de L-CV pour la distribution ajustée, μv et σv sont respectivement la

moyenne et l´écart‑type régionale pondérée.
Le test Zdist a pour objectif de tester si un modèle fréquentiel théorique donné peut représenter
le comportement statistique des pluies journalières maximales pour les différents stations dúne
région homogène vis‑à‑vis de ces pluies.
Hosking et Wallis (1993) montrent quúne région peut être considérée comme étant :
Homogène si H < 1,
Probablement hétérogène si 1 ≤ H < 2 ,
Complètement hétérogène si H > 2.
En 1997 (Hosking et Wallis) recommandent de choisir entre les cinq distributions de paramètres
suivantes : Logistique Généralisée (GLO), Valeurs Extrêmes Générales (GEV),
Normal généralisé (GNO), Pareto généralisé (GPA) et Pearson Type III (PE3).
V.2.7- Analyse fréquentielle régionale à l’aide de GEV-CDN model
Afin d’Analyser la fréquence régionale à l’aide de GEV-CDN model, nous avons utilisé le
réseau neurone d'estimation de la densité conditionnelle des valeurs extrêmes généralisées
(GEV-CDN) pour l'évaluation de la modélisation GEV (Cannon 2010, 2011). Les éléments d'un
modèle GEV sont spécifiés en tant que fonctions de Co-variables à l'aide d'une variante
probabiliste du réseau neuronal à perceptron multicouche (MLP) (Tian et al., 2021). En raison
de la flexibilité de l'architecture des réseaux neuronaux, le modèle GEV est capable d’illustrer
un large éventail de relations non stationnaires. En prenant le temps (t) comme covariable, la
fonction de densité cumulative (cdf) d'une variable aléatoire Y tirée d'une distribution GEV non
stationnaire est donnée par :
108
𝟏
𝒀−𝝁(𝒕)𝜿(𝒕) 𝒀−𝝁(𝒕)
𝒆𝒙𝒑 [−(𝟏 − 𝜿(𝒕) 𝜶(𝒕) ] 𝜿 ≠ 𝟎, 𝟏 − 𝜿(𝒕) )>𝟎
𝜶(𝒕)
𝑭(𝒀; 𝒖(𝒕), 𝜶(𝒕), 𝒌(𝒕)) = { (40)
𝒀−𝝁(𝒕)
𝒆𝒙𝒑 [−𝒆𝒙𝒑(𝟏 − 𝜶(𝒕) )] 𝜿(𝒕) = 𝟎
où μ(t), α(t) et κ(t) sont respectivement les paramètres d'emplacement, d'échelle et de forme.
Ces paramètres sont les fonctions de la covariable (t).
V.2.7.1- Réseaux de neurones
Dernièrement, la disponibilité des données et l’amélioration considérable des puissances de calcul ont
rendu l’apprentissage en profondeur, ce qu’on appel « Deep Learning », populaire par rapport aux autres
manières d’apprentissage. En revanche, Deep Learning signifie un modèle empilant un large nombre de
couches de différents types de réseaux de neurones.
Actuellement, les réseaux de neurones ont de nombreuses applications dans des domaines très
variés notamment en climatologie.
L’objectif est de présenter la contribution de réseau de neurone artificiels (RNA), pour la prédiction des
données temporelles des précipitations au Nord du Maroc au niveau des trois stations Tanger, Tétouan
et Al-Hoceima. Compte tenu des propriétés de ces réseaux de neurones, l’idée est donc de construire un
modèle neuronal de prévision des précipitations contribuant ainsi à la connaissance du climat dans une
région. Il existe différents types de réseaux de neurones artificiels : le perceptron multicouche (MLP),
les réseaux de neurones convolutionells (CNN) et les réseaux de neurones récurrents (RNN). Ces
derniers sont les plus appropriés pour la modélisation des données séquentielles. On s’intéresse à étudier
le (RNA), chaque neurone artificiel est un processeur élémentaire. Il reçoit un nombre variable d’entrées
en provenance de neurones en amonts. A chacune de ces entrées est associé un poids (w), représentatif
de la force de la connexion. Chaque processus élémentaire est doté d’une sortie unique, qui se ramifie
ensuite pour alimenter un nombre variable de neurones avals. Généralement, le neurone est caractérisé
par son état, ses connexions avec d’autres neurones et sa fonction d’activation.
V.2.7.2- Fonction d’activation
Comme l’identité, la logistique sigmoïde, la tangente hyperbolique, est une fonction mathématique qui
s’applique sur les signaux entrants à tous les neurones artificiels. Elle est définie par l’utilisateur et
permet de paramétrer l’influence d’un neurone sur un autre dans le transfert d’information (Lallahem
2003). Le type de fonction d’activation peut influencer profondément la performance d’un réseau.
109
V.2.7.3- Perceptron multi couche
Les RNA de type perceptron multicouche (PMC) sont les modèles les plus couramment utilisés pour
simuler des relations non linéaires (Zaier et al. 2010). En particulier, les PMC sont les plus utilisés et les
plus sophistiqués (Lallahem, 2003).
Le réseau statique le plus connu et le plus répondu utilisé pour la prévision de séries temporelles de
précipitations qu’on trouve dans la littérature est le réseau à couche ou bien le perceptron multicouche.
Dans cette architecture, les neurones cachés sont organisés en couches, les neurones d’une même couche
n’étant pas connectés entre eux.
Les (PMC) englobent successivement une couche d’entrée, une ou plusieurs couches cachées et une
couche de sortie, ces couches sont interconnectées au travers des poids Wij de leurs neurones (Najjar et
Zhang 2000).
L’équation de production dans un PMC à trois couches (n neurones dans la couche d’entrée, m neurones
dans la couche cachée et p neurones dans la couche de sortie) est la suivante :
𝒀𝒌 = 𝒇𝒌 (∑𝒎 𝒏
𝒋=𝟏 𝑾𝒋𝒌 × 𝒇𝒋 (∑𝒊=𝟏 𝑿𝒊 × 𝑾𝒊𝒋 ) + 𝑾𝟎 ) (41)
où Yk est l’une des sorties du système; fk et fj sont respectivement les fonctions d’activation du neurone
k de la couche sortie et du neurone j de la couche cachée;
et Wjk et Wij sont respectivement le poids entre le j ème neurone et le kème neurone de sortie et le poids
entre le i éme neurone et le j ème neurone.
V.2.7.4- Principe de fonctionnement de RNA
Le concept de réseau de neurone repose sur trois étapes principales : Pour chaque neurone dans une
couche, on multiplie la valeur d’entrée par le poids. Ensuite, pour chaque couche, additionner toutes les
pondérations des neurones et ajouter un biais. Enfin, appliquer la fonction d’activation sur cette valeur
pour calculer une nouvelle sortie.
Dans la figure suivante (Fig. 66), nous présentons la structure d’un RNA désigné pour la prévision des
précipitations. Les neurones de sorties représentent les précipitations à l’instant futur (les valeurs
prévues par le réseau), contenant N éléments, représentant la localisation spatiale des précipitations.
*i ème neurone de la couche précédente;
*Wij(1) et Wij(2) sont les valeures du poids entre le neurone i et le neurone j;
*et bj et bk sont le biais.
110
Figure 66: Architecture du modèle RNA pour la prévision des précipitations
V.2.8- Approche non paramétrique « Bootstrap »
Bootstrap est une technique de rééchantillonnage là mieux fondée théoriquement permet de

simuler la distribution d’un estimateur quelconque pour en apprécier le biais, la variance,
l’erreur quadratique moyenne ou encore pour en estimer un intervalle de confiance à 90 %( IC
le plus adéquat) lorsque la distribution des paramètres est analytiquement complexe. Cette
méthode semble donc adéquate pour la quantification des incertitudes dans la théorie des
valeurs extrêmes. Dans cette étude, on s’intéressera uniquement à l’approche non paramétrique
pour quantifier les incertitudes sur les estimations (Efron, 1992). Cette approche est
généralement utilisée dans les situations où l’on ne peut pas faire l’hypothèse que la distribution
des observations de certains paramètres appartient à une famille connue. Ici, notre approche
consiste à analyser les incertitudes sur les estimations des quantiles extrêmes (niveaux de
retour), des paramètres de forme et d’échelle à travers l’approche non paramétrique. Cette
analyse se base sur la comparaison des résultats observés et simulés. Pour estimer la moyenne
des précipitations saisonnière dans notre zone d’étude on a commencé à calculer la série des
précipitations en prenant en compte le paramètre « covariable du temps », puis on a appliqué le
modèle GEV-CDN dynamique (Stationnaire / Non stationnaire) en tenant de compte la mesure
de critère d’information Akaike avec correction de la petite taille de l’échantillon (AICc), qui a
permis ensuite de sélectionner le model le plus performant dans GEV-CDN. Généralement,
cette méthode est souvent utilisée pour analyser la signification statistique des changements
attendus dans les études d'impact du changement climatique (Kyselý et al., 2009 ; 2010).
111
V.2.9- Logiciels utilisés
Le traitement statistique des données climatiques s’est appuyé sur le logiciel R version 4.0.3, et
bien évidement sur des outils statistique sophistiques plus spécifiques. Plusieurs packages
associés au logiciel R (R Core Team, 2022) sont également portés sur les méthodes
d’estimations de la TVE. On peut citer entre autres package R"lmomRFA développé par
Hosking (2009) a été utilisé pour l'analyse L-moment et Package 'trend', evd (Stephenson et
Ferro, 2016), ismev (Heffernan et al., 2016), texmex (Southworth et Heffernan, 2013),
extRemes (Gilleland et Katz, 2011) ou encore Spatial Extremes (Ribatet, 2015) et Random
Fields (Schlather et al., 2016) pour l’étude de valeurs extrêmes de processus spatiaux et
finalement le test ADF a été utilisé par le package ‘tseries’ sous R.
Pour les pluies, cependant, le jeu de données utilisées ici est composé de deux types de données :
Données d’étude brutes et données extrêmes.
V.2.10- Exploration des données réelles : Cas des Précipitations au Nord du Maroc
Pour atteindre les objectifs de ce chapitre, nous nous sommes appuyés sur une méthodologie,
qui tentera de diagnostiquer la relation entre la théorie des valeurs extrêmes et le problème des
inondations dans le contexte de changement climatique. Afin d'évaluer un tel apport, les
modèles de la EVT seront réalisée sur le logiciel R. en effet, bien que plusieurs logiciels sont
disponibles pour effectuer de telles analyses (Stephenson et Gilleland (2005), le logiciel R (R
Development Core Team (2022) package extRemes (Eric Gilleland (2021) est utilisé ici car il
est open source (comme R) et particulièrement bien adapté aux conditions des événements rares
en raison de son tutoriel, et la capacité d'intégrer plus d'informations dans les paramètres
estimés. Ce package permet à l’utilisateur d’estimer par plusieurs méthodes les paramètres des
modèles dénommée block maxima méthode (BM), des modèles désignées sous le terme Peaks-
Over-Threshold (POT) et de calculer les niveaux de retour et également d’obtenir le tracé des
différents graphiques.
V.2.11- Données Brutes
Les données utilisées sont fournies par GHCN (Global Historical Climatology Network-
Monthly) et par le service de la météorologie nationale du Maroc (casablanca). Nous nous
sommes intéressés à trois stations météorologiques pilote au Nord du Maroc (RTTA) (Tab. 6).
Nous utilisons les données de précipitations, nous disposons des données mensuelles sur une
durée de 39 ans (1981-2020) pour les deux stations de Tanger et Tétouan et sur une durée de
112
54 ans (1964 -2018) pour la station d’Al-Hoceima, exprimées en millimètre (mm). Nous avons
386 mesure pour la station de Tanger, 343 mesure pour la station de Tétouane, et 660 mesure
pour la station d’Al-Hoceima, avec aucunes données manquantes. En revanche, notons que le
contrôle de qualité appliqué aux séries observées à été bien fait, comme par exemple : contrôle
d'homogéneité, contrôle de coherence interne, et contrôle de vraissemblance.
Tableau 6. Stations retenues dans l’étude et leurs caractéristiques
Altitude
Station Latitude Longitude Climat Régions Période
(m)
Semi-
Tanger 35.72 -5.90 19
Humide
Atlantique Nord 1981-2020
Tétouane 35.58 -5.33 10 Semi-Aride Méditerranéenne 1981-2020
Hoceima 35.18 -3.85 27 Semi- Aride Méditerranéenne 1964-2018
Les statistiques de l’analyse descriptive sont consignés dans (Fig. 67 & Tab. 7). L'accent est
mis ici uniquement sur les données unies variées. Ces données sont contenues dans des fichiers
de type "Date-Valeur" avec séparateur tabulation. Cette technique est implémentée dans le
logiciel R avec des packages spécifiques.
113
Figure 67: Histogrammes de fréquence simple montrant les distributions journalières des précipitations de trois stations
(TTA)
* (a)longueur des séries de valeurs extrêmes ;

* (b) leur répartition en classes d’égales amplitudes de trente jours et unitaire ;
* (c) box plots pour les stations du Nord du Maroc.
N.B : Les valeurs descriptives calculées sont : la taille des données, les cinq quartiles
(minimum, premier quartile, médiane, troisième quartile et le maximum), de la moyenne, de
l’écart-type, des coefficients d’asymétrie et d’aplatissement.
Cette figure présente une série des précipitations journalières cumulées dans le Nord-ouest de
Maroc, enregistrées durant la période allant de 1981 à 2020 pour les stations de Tanger et
Tétouan, (les deux séries sont homogènes) et entre 1964 et 2018 pour la station d’Al-Hoceima
(hétérogène). Il faut noter que, la période sélectionnée est différente pour chacune des stations
(Tab. 6), ce qui ne permet pas rigoureusement une comparaison entre les stations. Mais cela
servira à l’étude de la variabilité climatique dans le temps et dans l’espace ainsi qu’à son impact
sur les régimes climatiques saisonniers au Nord du Maroc. Les données présentées pourraient
114
être utilisées pour estimer les paramètres nécessaires. Les densités des données, pour les trois
stations, sont représentées par la 2ème ligne est montrent que les distributions des cumuls
mensuelles des précipitations sont étalées vers la droite. La troisième ligne est réservée pour
des graphes aux séries chronologiques de trois stations. Les pics annuels de cumuls mensuelles
de précipitations dont les valeurs les plus élevées correspondent probablement à de graves
inondations.
Tableau 7 : Statistiques préliminaires de l’analyse descriptive des maximas mensuels de précipitations à Station de Tétouan
période 1981-2020, station d’Al-Hoceima période 1964-2020 et station de Tanger, période 1981-2020
Paramètres Station : Tanger Station : Tétouan Station: Al-Houcima

Taille 14753 Taille 14068 Taille 660
NA's 127 NA's 285 NA's 0
Min 0 Min 0 Min 0
1er Qu 0 1er Qu 0 1er Qu 2.03
$Médiane 0 Médiane 0 Médiane 15
3ème Qu 0 3ème Qu 0 3ème Qu 39
Max 90.2 Max 193.6 Max 360.4
Moyenne 1.7902 Moyenne 1.7809 Moyenne 26.51
Ecart-type 6.2495 Ecart-type 6.5522 Ecart-type 34.75
Asymétrie 5.8165 Asymétrie 7.9590 Asymétrie 3.06
Aplatissement 45.0842 Aplatissement 112.38 Aplatissement 17.11
shapiro.test 3885.3 shapiro.test 3683.2 shapiro.test 42.02
Ljung-Box 1672.6 Ljung-Box 1226.7 Ljung-Box 38.88
 Ce tableau indique les statistiques descriptives des trois stations pilotes au nord du
Maroc à savoir Tanger, Tétouan, et Al-Hoceima. On remarque que les coefficients
d’asymétrie étant positif > 0, ce qui donne alors que la distribution des cumuls mensuels
des précipitations est étalée vers la droite et le coefficient d’aplatissement supérieur à 3,
cela signifie une faible concentration autour de la moyenne.
 Le test statistique de shapiro wilk permet de rejeter l'hypothèse nulle de normalité pour
n'importe quel niveau de signification.
115
 La statistique de Ljung-Box permet de détecter l'autocorrélation des Précipitations au

niveau de 5% de se tromper, ce test montre la présence d'une certaine corrélation dans
les chronique.
 La stationnarité, hypothèse fondamentale pour l'analyse des fréquences (Khaliq et al.,
2006), des séries des précipitations a été vérifiée, pour chaque station, à l'aide des tests
ADF (Li et al. 2017 ; Q. Tian et al., 2021).
Sur la base des résultats des tests obtenus, les séries de précipitations quotidiennes dans toutes
les stations étaient stationnaires, ce qui signifie qu'il n'y avait pas de tendance à long terme dans
les totaux de précipitations. La confirmation vient par le test de tendance de Mann-Kendall
(Hipel, K.W. and McLeod, A.I. 1994).
V.2.12- Données extrêmes
V.2.12.1- Echantillons de Maxima par blocs
Dans cette approche, on regroupe les observations par blocs de taille fixée, et on s’intéresse à
la loi des maximas sur chaque bloc pour une loi des valeurs extrêmes généralisées (GEV). La
méthode la plus simple et plus couramment utilisée pour échantillonner les données originales
pour l'analyse extrême est le maximum annuel (AM), où seul le plus grand événement de chaque
année est pris en compte, est l’approche dénommée approche de blocs maxima (BM). Cette
méthode n’analyse que les valeurs maximales sur un intervalle de temps donné, souvent un an
(maxima annuels), un mois (maxima mensuels) ou un jour (maxima journaliers). Elle consiste
à un découpage des données en blocs, dont les maximas sont supposés distribués selon une loi
d’une famille connue : Valeurs extrêmes généralisées (GEV). Précisément, danse cette
approche on regroupe les observations par blocs de taille fixée et on s’intéresse à la loi des
maximas sur chaque bloc pour une loi des (GEV). Le choix de la taille des blocs constitue la
phase préliminaire de la mise en application de ce modèle. Une preuve détaillée de ce théorème
est donnée dans l’ouvrage de (Resnick, 1987).
Il faut alors trouver un compromis entre la taille des blocs qui doivent être assez grands pour
que l’approximation par la loi GEV soit réaliste et le nombre de blocs qui doit être assez grand
pour obtenir une estimation précise des trois paramètres de la GEV. L’échantillon mis à notre
disposition étant de taille N et constitué de données mensuelles, nous ferons un regroupement
par blocs de 12 mois (taille des blocs k=12), soit un nombre de bloc n et la relation N=nk est
ainsi vérifiée. La taille des blocs doit être suffisamment grand pour pouvoir s’appuyer sur un
116
résultat asymptotique Théorème de (Fisher-Tippet, 1928) ou bien connu sous le nom ou

(Théorème de la valeur extrême), c’est-à-dire limiter les biais. L’échantillon de précipitation
constitué est un échantillon des maximas annuels issus des observations mensuelles (Fig. 68; a
& b).
Dans la figure suivante nous avons utilisé les méthodes graphiques pour la détection des
données aberrantes, il s’agit de la boîte à moustache et du graphique des quantiles. De ces
graphes, il en ressort plusieurs valeurs aberrantes, ces valeurs sont des valeurs extrêmes.
117
Figure 68: (a & b) Illustration descriptive de données des blocs de maxima
D’après cette figure, les trois graphes des boites à moustache des trois stations météorologiques
en haut représentent les précipitations annuelles maximales. On remarque un rectangle grisé
au centre du graphique est délimité par le premier et le troisième quartile, la médiane étant
représentée par une ligne plus sombre au milieu. L’écart interquartile Q3-Q1, est utilisé comme
indicateur de dispersion. Les « fourchettes » s’étendant de part et d’autres vont soit jusqu’à la
valeur minimale ou maximale, soit jusqu’à une valeur égale à : Q3 +1,5*(Q3-Q1) pour la
frontière haute, Q1 - 1,5*(Q3-Q1) pour la frontière basse, la valeur 1.5 est un compromis pour
retenir comme atypiques assez d’observations mais pas trop d’observations. Les points se
situant en-dehors de cette fourchette sont représentés par des petits losanges et sont
généralement considérés comme des valeurs extrêmes. Les trois graphes en bas, représentes la
variation des précipitations annuelles maximale des trois stations pluviométriques (TTA)
pendant les 40 ans.
V.2.12.2- Données de dépassements (ED)
Pour les raisons ci-dessus, une autre approche pour créer la série d'échantillons est envisagée :
L’échantillon de dépassement ED (valeurs supérieures au seuil u), où tous les événements au-
dessus d'un seuil déterminé a priori (u) sont inclus. Cette approche permet d'inclure plus de cas
et s'adapte mieux à la distribution à queue lourde (Madsen et al., 1997). Le modèle de série
118
(ED) classique inclut l'hypothèse que le nombre de dépassements de seuil sont distribués sous
la loi de Poisson et leurs amplitudes sont décrites par la distribution exponentielle (Todorovic
et Zelenhasic, 1970). En outre, plusieurs articles se sont concentrés sur trois distributions de
paramètres : distribution de Pareto généralisée (GP) (Pickands, 1975) et valeurs extrêmes
généralisées (GEV). Il existe des techniques efficaces pour évaluer le seuil u, nous utilisons
celles qui sont les plus utilisées à savoir la fonction d’excès en moyenne (mean excess function
ou mean residual life plot (ME-plot)) et la méthode dite du “stable scale and shape parameters”.
Nous nous intéressons ici aux échantillons de trois stations, caractérisées par 12 observations
mensuelles par ans. Les seuils au-delà des quels les pluies extrêmes ont été identifiés
graphiquement pour chaque série chronologique, consistent en la recherche de la linéarité sur
le graphe défini par (u, e(u)), les résultats sont consignés dans la (Fig. 69).
Figure 69: Graphiques de Fonction moyenne des excès à trois stations :

Tanger, Tétouan et Al-Hoceima (Aide au choix de la valeur seuil)
*L’axe des abscisses représente le seuil u0 de la précipitation ;
*l’axe des ordonnées correspond à la fonction moyenne des excès (MRlplot) pour des données pluviométriques.
Les 3 graphes de la (Fig. 69) représentent des outils spécifiques pour choisir le seuil u0 au-
dessus duquel les valeurs de la série à construire pour l'utilisation de la loi distribution Pareto
généralisée (GPD) seront retenues pour les trois stations météorologiques. En statistique le seuil
u0 signifie une valeur à partir de laquelle une relation linéaire se dégage.
La fonction moyenne des excès a été utilisée dans cette étude pour déterminer l'intervalle dans
lequel pourrait se situer le seuil (zone de linéarité)). L’intervalle de seuil raisonnable est celui
119
où il débute une tendance linéaire sur le graphique, ce qui permet de guider le choix de
l’intervalle de seuil optimal. De ce fait, pour la station Al-Hoceima, on constate une linéarité et
une bonne stabilité dans l’intervalle [1,105] mm. Ainsi, le seuil raisonnable doit se situer dans
cet intervalle. En outre, pour la station de Tétouan, on voit une forte stabilité sur l’intervalle [1,
35]mm. Concernant la station de Tanger, le seuil est compris respectivement entre [5,30] mm.
À partir de ces différentes plages et en tenant compte des estimateurs des paramètres d'un
modèle GPD. Un seuil a été proposé pour chaque station de mesure : 30 mm (Station de
Tanger) ; 35 mm (Station de Tétouan) ; et 88 mm (Station d’Al-Hoceima).
Généralement, ces seuils représentent des choix acceptables au-dessus desquels les séries de
dépassements concernées peuvent être modélisées par une distribution de Pareto (CF : Section :
V.2.2.2). Les détails concernant ces procédures de sélection du seuil d'estimation des
évènements extrêmes sont donnés par (Coles, 2001; Muller, 2006).
La modélisation des précipitations de dépassements observées (ED) passe par une analyse
appelée analyse des maximas par bloc. Elle consiste à un découpage des données en blocs, dont
les maximas sont supposés distribués selon une loi d’une famille connue (GEV). Dans notre
cas, un bloc correspond à un an. On s'intéresse alors à la loi de distribution du maximum de
(ED) (Fig. 70).
120
Figure70: Schéma de l’échantillon des dépassements d’un seuil
Les trois graphes de la figure 4 illustrent les précipitations de dépassements observées (ED) de
pics indépendants en utilisant une méthode à seuil pour les 3 stations. L’échantillon (ED)
concerné peut donc être modélisé par une distribution de Pareto généralisée, GPD, et son cas
particulier (loi exponentielle).
121
V.3- Introduction
Le champ de la vulnérabilité face aux risques naturels est un sujet de recherche en pleine
évolution, dont les méthodes ne cessent de se perfectionner et deviennent de plus en plus
appliquées et opérationnelles, afin de pouvoir être misses en œuvre pour une meilleure gestion
des risques. Dans le cadre de cette thèse qui porte sue les dommages des submersions marines
aux habitations, c’est davantage la notion de vulnérabilité intrinsèque qui sera employée, non
seulement lorsque l’on tentera de relier les dommages aux processus d’endommagement, mais
également quand on cherchera à évaluer les couts des dommages sur ce type d’enjeux,
notamment en fonction des caractéristiques de sensibilité et de résistance des enjeux à l’aléa.
Ce chapitre est focalisé sur les méthodes d’analyses qualitatives de la vulnérabilité physique et
socio-économique du littoral de la baie de Tanger vis-à-vis les événements extrêmes liés aux
changements climatiques actuels (Submersion marine), utilisant une Analyse Multicritère
Hiérarchique dite (AHP). Une tentative d’évaluer et de chiffrer les coûts immédiats de la
vulnérabilité par le biais de dommage économique en utilisant des outils d’aide à la décision
système d’information géographique (SIG) qui peuvent servir comme document de base aux
pouvoirs publics pour une meilleure gestion de l’espace littoral.
V.3.1- Méthodologie
Pour mieux comprendre l'impact des ondes de tempête sur la baie de Tanger en raison du
changement climatique, nous avons utilisé une nouvelle approche qui combine les méthodes
d’Analyses Multicritères Hiérarchiques (AHP) et l'évaluation quantitative des risques (QRA)
(Fig. 71). Dans cette étude, la méthode AHP est appliquée pour évaluer la vulnérabilité et
l’analyse quantitative des risques QRA vise à quantifier le risque annuel de perte matérielle en
utilisant l'évaluation de la vulnérabilité. Pour ce faire, nous délimitons la zone d'inondation en
utilisant un modèle numérique de Terrain (MNT) d'une résolution géo spatiale de 10 m. Ensuite,
nous extrayons tous les pixels correspondant à une altitude comprise entre 0 et 5m près de la
côte de la baie de Tanger comme une zone inondée. Cette zone inondée correspond à la zone
dangereuse qui occupe une surface de 3,8 km2 (Voir. Fig. 72).
Les démarches essentielles de cette étude sont résumées dans l’organigramme ci-dessous.
122
Figure 71: Organigramme illustrant les différents aspects couverts par cette étude.
123
V.3.2- Données utilises
L’étude se base sur des données qui proviennent de différents services de la région de Tanger
(Société de gestion du port de la ville de Tanger, Office national des chemins de fer, Port de la
ville de Tanger « Service de marégraphe », Centre météorologique provincial de Tanger,
Chambre de Commerce d'Industrie et de Services de la région de Tanger-Tétouan Al-Hoceima,
des données de Haut-Commissariat au Plan et la Direction Générale des Impôts). Pour évaluer
l'impact des ondes de tempête dans la baie de Tanger, ces données ont été résumées dans le
(Tab. 7). La carte géotechnique (1/25000) (Humbert, 1969) est utilisée pour extraire des
informations sur les caractéristiques géotechniques de la surface terrestre le long de la zone
d'étude. L'élévation et la bathymétrie ont été dérivées du modèle numérique de terrain (MNT)
de 10 m de résolution. La pente a également été calculée à partir des mêmes données. Toutes
les données extraites ont été uniformisées pour être en format raster afin de réaliser l'analyse
AHP.
Dans cette optique et d’après la quantité énorme des précipitations tombée en fin d’Octobre
2018. Une Tempête de 2.6 d’amplitude a frappé la Baie de Tanger (Service marégraphe de
Tanger), la zone d'aléa 2,6m à une surface déterminer par 1,760672 (km2). Cette Tempête
survenues (Tab. 8) se caractérise par des conditions de vagues considérées pour l'approche de
cartographie numérique utilisée dans ce travail de vulnérabilité côtière, dont ces caractéristiques
sont données dans le tableau suivant.
Tableau 8: Les principales caractéristiques de l'onde de tempête du 29 octobre 2018
Heures Hauteur (m) Direction (°) Période (s) Longueur d’onde(m)

06TU 1.0 WNW 6 56
12TU 1.6 WNW 8 100
18TU 2.0 W 10 156
24TU 2.6 W 5 39
La tendance actuelle du changement climatique qui peut argumenter la probabilité d’avoir un

tel événement avec des conséquence plus grave concernant alea tempête peuvent atteindre
jusqu’à 5 mètres d’altitude au niveau de la Baie de Tanger. Notons que la zone d'aléa 5m a une
Surface délimiter par 3,788497 (km2), et en raison du récent changement climatique mondial,
l'intensité des tempêtes a augmenté et l'inondation des zones côtières est inévitable, donc la
délimitation des zones d'aléa côtier est primordiale pour une gestion efficace et intégrée du
littoral à long terme. Les cartes de l’aléa d’inondation tracés à partir de ces données (Tab. 9)
124
représente les zones où il existe un potentiel de submersion c'est-à-dire celles comprises entre
le zéro marin et le niveau d'inondation considéré (Fig. 72). L’intérêt de ces cartes génères
consiste à évaluer l’ampleur des inondations à l’échelle locale, et de déterminer d’une manière
générale les zones les plus touchés par l’inondations due aux submersions.
Figure 72: Délimitation des zones dangereuses pour un aléa de 2,6 m extrait d'un MNE à 10 résolutions
125
Tableau 9 : Tableau récapitulatif des données utilisées dans cette étude et de leur traitement
Type de
Type de
données
Traitement données
Donnés Sources Doneness d'origine Traitement dans la
* utilisées pour
plateforme
l'analyse AHP
SIG
Carte officielle Géoréférence
Carte Humbert, Vector to
géotechnique ment et Vector Raster**
géotechnique (1969) raster
(1/25000) Digitalisation
Topographie/b Ramalho et Grille d'une
- Raster - Raster**
athymétrie al. (2018) résolution de 10 m
Google Vector to
Construction Imagerie satellitaire Digitalisation Vector Raster**
Earth raster
Google Calculer la
Routes Imagerie satellitaire Digitalisation Vector Raster**
Earth densité
Pourcentage de
Personnes personnes âgées
HCP (2014) Vector Raster**
âgées (%) dans chaque
arrondissement
Le taux de Ajouter des
Taux de croissance dans valeurs de
HCP (2014) Vector Raster**
croissance (%) chaque critères à la
arrondissement table Vector to
Densité de Nombre d'habitants attributaire des raster
Population HCP (2014) dans chaque vecteurs Vector Raster**
(per./km2) arrondissement d'arrondisseme
Pourcentage de nts
Niveau personnes ayant
d’Education HCP (2014) atteint le niveau Vector Raster**
*** (%) 3*** dans chaque
arrondissement
*Etape (si nécessaire) de conversion des données à utiliser pour l'analyse AHP
**Resolution spatiale uniform de 10 m
***Niveau 3 de la classification internationale type de l'éducation.
126
En outre, tous les bâtiments et routes existants dans la zone d'étude ont été numérisés, sur la
base de l'imagerie satellitaire dans Google Earth (consulté en juillet 2021). Pour les données
sociales, elles ont été fournies à partir du résultat du recensement officiel du Maroc (HCP, 2014)
en tant que données thématiques pour chaque arrondissement. Puisque notre zone d'étude est
située dans trois arrondissements, chaque zone appartenant à chaque arrondissement reçoit la
valeur qui représente une propriété sociale donnée (personne âgée, niveau d'éducation, densité
de population, et taux de croissance). Toutes les données vectorielles obtenues ont été
également converties en format matriciel à l'aide de la plateforme SIG (System d’Information
Géographique).
Par ailleurs, le coût des propriétés (constructions et routes) situées dans la zone d’alèa a été
obtenu à partir du rapport d'évaluation des prix des biens immobiliers du Maroc (DGI, 2019),
Tadibaght et al. (2022). Pour ce faire, nous multiplions le prix unitaire de référence du mètre
carré (en tenant compte des prix minimum et maximum) par la surface de chaque construction.
Pour le coût des routes pavées, le prix unitaire du mètre pour les pays en développement (dont
le Maroc) correspond à 216$ selon le rapport de Collier et al. (2013).
V.3.3- Processus de hiérarchisation analytique (AHP)
Afin d'évaluer la vulnérabilité le long de la baie de Tanger, il est obligatoire de réduire l'impact
d'un tel événement. Pour ce faire, une technique de hiérarchisation analytique (AHP) a été
adoptée pour localiser les endroits où la vulnérabilité est relativement élevée. Cette technique
mathématique a été développée par (Saaty, 1980), est conçue pour gérer efficacement les
éléments qualitatifs multicritères impliqués dans le processus de prise de décision.
La méthode (AHP) a été choisie comme méthode d’analyse multicritère raisonnable, robuste et
objective. En revanche cette méthode est basée sur la structure hiérarchique suivante:
Définir et structurer le problème avec le bon choix des facteurs influençant le phénomène
étudié. À cet égard, sur la base d'études antérieures (par exemple, Satta et al., 2016 ; Satta et al.,
2017 ; Logan et al., 2018) et de l'avis d'experts, nous avons examiné trois facteurs pour analyser
la vulnérabilité aux ondes de tempête : les aspects physiques, économiques et sociaux. Chacun
d'entre eux est subdivisé en plusieurs critères qui peuvent influencer le niveau des dommages
associés à ces ondes de tempête. La vulnérabilité physique est définie par les caractéristiques
géotechniques du sol, la bathymétrie, la pente, l'élévation et la marée (Aboumaria, 2009). La
vulnérabilité économique comprend l'emplacement des bâtiments et la densité des routes. La
vulnérabilité sociale est basée sur trois municipalités situées dans la zone d'étude (Fig. 87). Elle
127
se compose de quatre critères : personnes âgées, densité de population, taux de croissance et

niveau d'éducation.
Traiter les facteurs collectés et leurs subdivisions sur la base de la comparaison des différentes
caractéristiques, c'est-à-dire donner une valeur nominale à chaque niveau de la hiérarchie et
créer une matrice de jugement de comparaison par paire (A) suivant la description de
(Saaty,1980) (Tab. 10).
Tableau 10: Échelle fondamentale de la méthode AHP (Saaty, 1980)
Pij valeurs Définition

1 Importance égale de i sur j
3 Importance modérée de i sur j
5 Forte importance de i sur j
7 Très forte importance de i sur j
9 Importance extrême de i sur j
2, 4, 6, 8 Valeurs intermédiaires
Ces matrices ont été jugées par l'opinion des experts qui est particulièrement basée sur le dernier
événement d'onde de tempête. Pour toutes les matrices, le ratio respectif de cohérence (RC) a
été calculé et, comme le recommande Saaty (1991), seulement ceux dont la valeur de RC<0.1
ont été retenus ;
𝑷𝒊𝒊 ⋯ 𝑷𝒊𝒋
𝑨= [ ⋮ ⋱ ⋮ ] (42)
𝑷𝒋𝒊 ⋯ 𝑷𝒋𝒋
où : Pij est le score de préférence du critère i sur le critère j en utilisant le tableau 2
- La matrice de comparaison par paires résultante (A) a été normalisée à l'aide de l'équation
suivante :
𝑷𝒊𝒋
̅ 𝒊𝒋 =
𝑷 (43)
∑𝒏
𝒄=𝟏 𝑷𝒄𝒋
Dans ce cas, les notes d'entrée Pij et Pji doivent satisfaire la contrainte suivante dans l'équation
Pij*Pji = 1.
Pcj est la somme des entrées de la colonne j qui doivent être égales à 1.
128
- Calculez le poids (W) de chaque facteur (nos paramètres sélectionnés), critère (subdivisions
des paramètres) et sous-critère en utilisant les deux équations suivantes :
∑𝒏
𝒍=𝟏 𝑷𝒄𝒋
Wi = (44)
𝑵
où : N est le nombre de facteurs, de critères ou de sous-critères.
- Validation des poids calculés pour chaque matrice de comparaison afin d'avoir une meilleure
prédiction. Le rapport de cohérence (CR) est destiné à effectuer cette tâche via les équations
suivantes :
𝑪𝑰 𝝀 𝒎𝒂𝒙−𝑵
(45) CR = 𝑹𝑰 where CI= (46)
𝑵−𝟏
CI : Indice de consistance, λmax : Valeur propre, N : Nombre de critères, RI : Indice de

cohérence aléatoire (Tab. 11).
Tableau 11: Taille de la matrice (nombre de critères N) par rapport à l'indice aléatoire (RI)
(Saaty, 1980)
N 1 2 3 4 5 6 7
RI 0 0 0.58 0.9 1.12 1.24 1.32
La cartographie de la vulnérabilité par l'approche AHP (V) a été réalisée à l'aide de la plateforme
SIG en utilisant l'équation (5).
𝐕 = (∑𝐧𝐢=𝐣=𝐤=𝟏 𝐰𝐢 . 𝐰𝐣 . 𝐰𝐤 ) (47)
Où : wi, wj et wk sont des facteurs, des critères ou des poids de sous-critères, respectivement.
Une évaluation de la vulnérabilité physique et socio-économique aux ondes de tempête est

menée le long de la baie de Tanger où la hauteur de l'onde de tempête pourrait atteindre une
amplitude d'environ 5 m. Cette analyse spatiale s'avère utile pour la durabilité à court et à long
terme des côtes de Tanger, et aide également à la prise de décision et aux mesures préventives
dans cette zone à alea.
129
V.3.4- AHP via la plateforme ArcGIS
Tout d’abord, toutes les données d’entrées doivent être sous forme de couche de type shapefile
à savoir (ligne, points, et polygone) ayant le même système de projection, pour notre cas on a
adopté le système de coordonnées spatiales géographique: « Maroc Lambert Conformal Conic
- Zone 1 ».
Techniquement, pour cartographier la vulnérabilité on a rastérisé toutes les données puis, on a
appliqué la méthode AHP. Pour ce faire, on a déterminé un poids pour chaque critère, ensuite,
recalssifié tous les rasters, puis l’étape finale consiste à normaliser toutes les valeurs de AHP.
Les étapes fondamentales utilisées dans le model de l’analyse multicritères (AHP) via le
système d’information géographique sont résumées dans la figure suivante (Fig. 73).
• Attribuer le poids relatif à chaque critère;

• Superposer des differents rasters en multipliant chaque critère par son poids
Poids de et en additionnant le produit.
chaque
critere
• Classifier les pixels de differentes cartes rasters en leur affectant des

Reclassifica nouvelles valeurs.
tion
• Effectuer les differentes opérations sur les rasters, qui servent à aboutir à la
Calcule carte de vulnerabilité finale.
raster
Figure 73: Fonctionnalités utilisées dans le model de l’analyse multicritères (AHP)
V.3.5- Évaluation quantitative des risques
Pour estimer le risque annuel de perte de biens (R(p)) causé par une onde de tempête, nous avons
utilisé l'équation suivie de Fell et al. (2005) qui combine tous les aspects du risque. Le système
de cette équation correspond aux méthodes d'évaluation quantitative du risque qui peuvent
produire des estimations réalistes des conséquences des ondes de tempête.
𝐑 𝐩 = 𝐏(𝐇) × 𝐏(𝐒:𝐇) × 𝐏(𝐓:𝐒) × 𝐕 × 𝐄 (48)
130
Où, P(H) : le risque annuel de perte de biens due à des événements d'ondes de tempête ; P(S:H) :
la probabilité de son impact spatial ; P(T:S) : la probabilité que l'élément exposé soit présent le
long de la zone dangereuse ; V : la vulnérabilité de l'enjeu ; E : le coût du bien.
Cette équation repose sur trois paramètres essentiels pour la détermination d'un risque : i) la
probabilité d'occurrence spatiale (P(S:H) et P(T:S)) et temporelle P(H). Premièrement, les entités
économiques (Enjeux) exposées à l'inondation n'auraient pas pu se déplacer davantage, ce qui
suggère que P(T: S) est de 100%, soit la valeur 1 dans l'équation. Deuxièmement, tous ces
enjeux quantifiés sont situés dans la zone inondée, ce qui signifie que P(S:H) est également de
100%, voire 1. Le P(H) est égal à 0,01 (Probabilité de 1 sur 100 ans) puisque le scénario adopté
de période de retour des ondes de tempête liées aux changements climatiques est de 100 ans ;
ii) la vulnérabilité des éléments exposés au risque (V), estimée à partir des résultats de la section
précédente. Les valeurs de vulnérabilité déduites de l'analyse multicritères par AHP sont
normalisées dans une fourchette de 0 à 1. En outre, une fourchette de référence de 50 à 60% est
utilisée pour quantifier la vulnérabilité des routes (Ginkel et al. 2021) ; et iii) les éléments à
risque qui correspondent à la valeur de chaque enjeu exposé à l'onde de tempête de 5m de
hauteur. Ces valeurs peuvent être obtenues en $M à partir du rapport d'évaluation du prix des
biens immobiliers du Maroc (DGI, 2019).
V.3.6- Conclusion
Ce chapitre à exposer les outils pratiques nécessaires qu'il faut utiliser pour passer du stade
purement descriptif et statique à un stade utile : il s’agit d’une évaluation de la vulnérabilité des
ondes de tempêtes sur la baie de Tanger cette évaluation peut être i) qualitative via la méthode
(AHP) pour identifier des zones prioritaires, ou ii) quantitative via la méthode (QRA) pour
fournir des chiffres (coût) induits par la submersion marine afin d’aider à prendre des décisions.
Finalement, il discute également l’impact économique de la ville de Tanger, deuxième poumon
économique du Maroc, d’une manière quantitative.
131
PARTIE III
IMPACT DES CHANGEMENTS CLIMATIQUES ET SIMULATION DES

PRECIPITATIONS EXTREMES AU NORD DU MAROC :
APPORT DU MODELE DE CLIMAT REGIONAL (REGCM) ET DES METHODES

STATISTIQUES STOCHASTIQUES
Chapitre VI : Model de climat régional « RegCM» pour simuler les fortes précipitations
au nord du Maroc cas de la (RTTA)
Chapitre VII : Réseau de neurone & théorie des valeurs extrêmes vers la modélisation des
précipitations extrêmes au nord du Maroc région cas de la (RTTA)
Chapitre VIII : l’impact des changements climatique et de la vulnérabilité des ondes de

tempêtes sur la baie de Tanger pour une meilleure gestion
Cette partie porte sur les résultats et discussions de ce travail de

thèse.
Le premier chapitre est consacré aux résultats de simulation
climatique avec le model de climat régionale (RegCm v4.6) sur le
Nord du Maroc.
Le deuxième chapitre montrera les résultats statistiques robustes
de la prédiction des pluviométries extrêmes régionale (RTTA)
sous le logiciel R.
Alors que le troisième chapitre présentera les cartes de
vulnérabilité de l’aléa des ondes de tempête sur la Baie de
Tanger, et le coût de dommage économique survenus en cas d’un
scenario pessimist.
132
Chapitre VI : Model de climat régional « RegCM» pour simuler les fortes précipitations au nord du Maroc cas de la (RTTA)
VI.1- Introduction
Dans ce chapitre, nous examinons pour la premier fois la performance du modèle climatique
régional (RegCM v4.6) à simuler la variabilité spatiale des précipitations au nord du Maroc,
pendant l'hiver 2009-2010. De ce fait, aucune étude à notre connaissance à été faite dans ce
cadre. La simulation couvre 24 mois de 2009 à 2010 avec une grille horizontale de 30 km. Nous
utilisons la réanalyse NCEP comme données de forçage et pour une meilleure comparaison des
résultats, nous intégrons les précipitations observées dérivées des données CRU, CHIRPS, et
CMORPH. En revanche, la comparaison des extrêmes des precipitations simulés par RegCM
pour le climat passé et ceux observés/ « réanalysés » sur la même période de temps. En tenant
compte de la résolution du modèle. Nous souhaitons à analyser la capacité du modèle à
reproduire la queue supérieure (ou inférieure) de la distribution des variables climatiques
considérées (Précipitation extrêmes). Outre, les précipitations projetées sont également
examinées dans ce travail en comparaison avec la période de référence de (1970-2005), sous
les deux scénarios d’émessiosns des GES (RCP4.5 et RCP8.5), forcé par le modèle de
circulation générale (HadGEM2-ES).
VI.2- Résultats de la simulation
Dans la presente étude, les résultats de la simulation effectuées indiquent que le modèle présente
de faibles différences par rapport aux observations en termes de précipitations. En général, dans
de nombreuses recherches, le modèle climatique régional (RegCMv4.6) a raisonnablement
reproduit les changements atmosphériques dans les champs de température et de vent mais a
montré des performances relativement faibles dans la simulation des précipitations à différents
endroits géographiques et pendant différentes saisons (Dai et al., 1999 ; E.-H. Park et al., 2008).
Bien que la simulation couvre l'ensemble du domaine du Maroc, l'analyse des résultats dans
cette étude se concentrera uniquement sur la partie nord-ouest du Maroc. Les précipitations
moyennes saisonnières ont été étudiées pour évaluer la réponse climatologique des
précipitations hivernales pendant la période 2009-2010 (Fig. 74 : a, b,c,d,e,f,g,h,i) montre le
biais relatif à la moyenne simulée DJF (décembre-janvier-février) des précipitations moyennes
journalières 2009-2010 et les précipitations moyennes journalières DJF de trois jeux de données
d'observation (CRU, CMORPH, CHIRPS) (Fig. 74), pour la même période. Nous notons un
biais positif pour CRU-RegCM (jusqu'à 3.6mm/jour) et CHIRPS-RegCM (jusqu'à 5mm/jour),
ce qui indique que le modèle RegCM4 sous-estime les précipitations moyennes presque sur
toute la région nord-ouest, mais le biais est élevé sur l'extrême nord de la zone d'étude et les
133
côtes méditerranéennes, ce qui peut être expliqué par une mauvaise représentation de
l'orographie dans le modèle RegCM4 et certains aspects du climat méditerranéen local. Le biais
entre les simulations de CMORPH et du RegCM4 (CMORPH-RegCM) est négatif sauf sur
l'extrême nord de la zone d'étude et les côtes méditerranéennes où il atteint +2 mm/jour, ce qui
signifie que le modèle RegCM4 surestime les précipitations. En gros, et en tenant compte des
différences dans la construction des trois données d'observation, le modèle RegCM4 sous-
estime les précipitations dans les régions montagneuses et méditerranéennes.
134
Figure 64: Précipitations moyennes observées (CRU (a), CMORPH (d), CHIRPS (g)), précipitations moyennes DJF simulées par RegCM4.6
(b,e,h) et biais (observé-simulé) (CRU-RegCM) (c), (CMORPH-RegCM) (f), (CHIRPS-RegCM) (i).
135
D’après (Fig. 74), on voit clairement que dans l'ensemble, le modèle RegCM4 représente les
aspects régionaux appropriés des précipitations sur la zone d'étude (RTTA) mais sous-estime
les précipitations sur les régions montagneuses et méditerranéennes de la zone d'étude, ce qui
est probablement dû à une mauvaise représentation de l'orographie dans le modèle et à certains
aspects du climat méditerranéen local.
Calculs des scores d'évaluation du model RegCM4.6
Les calculs des scores d'évaluation mensuelle du cumul des précipitations du

model RegCM4.6 à été représenter par (Fig. 75 & Tab. 12), les scores de validation
comprennent : Biais, l'erreur quadratique moyenne (RMSE), et coefficient de corrélation.
Généralement, les propriétés statistiques des précipitations sont les plus difficiles à reproduire
et donc les plus incertaines dans les modèles climatiques, de ce fait, les résultats des calculs des
scores d'évaluation du model sur les 24 mois (2009-2010) indiquent que le model RegCM sous-
estime les précipitations, noutamment pour la zone de Chefchaouen, Tétouan et Al Hoceima.
En revanche, ceci confirme le fait que le modèle RegCM sous-estime les précipitations sur les
régions montagneuses (Chefchaouen) et méditerranéennes (Tétouan et Al Hoceima), cela
peuvent s'expliquer probablement en raison d'une mauvaise représentation de l'orographie dans
le modèle. Les précipitations qui se sont produites à cause de la basse pression de l'Atlantique
sont forcées par les montagnes orientées vers l'ouest dans la région de Chefchaouen, provoquant
de fortes précipitations. De même, certains épisodes orageux avec des fortes précipitations se
sont produits dans la région de Tétouan et moins dans la région Al- Houceima grâce à la
focalisation de l'orographie qui est orientée vers l'Est et qui agit comme un front froid sur la
Méditerranée chaude et humide.
136
137
Le tableau suivant, illustre les résultats des calculs des scores d'évaluation mensuelle du cumul
des précipitations simulées par le model RegCM, sur les 24 mois de la periode (2009-2010)
aunord du maroc (RTTA), pour les stations climatiques : Tanger, Tétouan ; Al-Houceima et
Chefchaouen.
Tableau 12 : Biais, l'erreur quadratique moyenne (RMSE), et coefficient de corrélation de modèle de précipitation simulé
par RegCM
Stations BIAS (mm) RMSE (mm) Coefficient de

corrélation
Tangier -0,049 0,240 0,838
Tétouan -0,062 0,305 0,759
Al-Houceima -0,006 0,029 0,555
Chefchaouen -0,067 0,327 0,944
D'après le tableau 12, la différence entre les précipitations simulées et observées (BIAS) dans
le nord- du Maroc, surtout en Hiver (DJF) est généralement négative.
Pour la station de Tanger est de -0,049 mm. RMSE et le coefficient de corrélation

correspondants sont respectivement de 0,240 mm et de 0,838.
Pour la station de Tétouan est de -0,062 mm. RMSE et le coefficient de corrélation

Pour la station d’Al-Houceima est de -0,006 mm. RMSE et le coefficient de corrélation

Pour la station de Chefchaouen est de -0,067 mm. RMSE et le coefficient de corrélation

Pour la validation du model RegCM à simulées des extrêmes des precipitations est une tâche
difficile, car les données journalières fiables comparables aux sorties du modèle ne sont pas
facilement disponibles. En outre, l’utilisation des données des stations pour la validation du
modèle est toujours limitée en raison des problèmes de disponibilité des observations. Pour ce
faire nous avons recours à un autre type d’information relativement utile pour la validation des
extrêmes de précipitation sont les réanalyses, couvrant tout le globe elles permettent la
validation dans les endroits où les séries d’observations suffisamment longues n’existent pas
138
ou ne sont pas disponibles. L’avantage évident des réanalyses est qu’elles sont calculées sur
une grille et peuvent alors être comparées aux sorties de modèle.
Une comparaison entre le model (RegCM) avec les données d'observation (CRU) à été
effectuées également sur le nord du maroc (RTTA). Les données du CRU sont développées
indépendamment et basées principalement sur des mesures satellitaires et des observations de
surface, respectivement, à différentes résolutions spatiales de ce fait, ne sont disponibles que
sur les terres. En générale, les résultats (Fig. 76) montrent une sous-estimation des
précipitations dans le modèle pour les stations climatiques : (Tanger, Tétouan, Al-Houceima et
Chefchaouen).
139
Figure 76: Comparaison des résultats simulé (RegCM) avec les données d'observation (CRU) au Nord du Maroc :
RegCM(mm/day)
CHEFCHAOUENRegCM(mm/day)
TETOUAN
stations (Tanger, Tétouan, Al-Hoceima et Chefchaouen)

6
8
6
4
0
8
2
10
RegCM(mm/day)
RegCM(mm/day)
AL-HOCEIMA
TANGIER
6
4
2
0
6
5
2
1
0
8
4
3
10
140
Le tableau suivant (Tab. 13) illustre une comparaison des résultats des précipitations simulées
par le model (Regcm) avec les données d'observation (CRU).
Tableau 13 : Comparaison des resultats des précipitations simulées par le model (RegCM) avec les données d'observation
(CRU) : Biais, RMSE, et coefcients de corrélation de modèle
Stations BIAS (mm) RMSE (mm) Coefficient de

corrélation
Tangier -0,005 0,023 0,95
Tétouan 0,002 0,01 0,9
Al-Houceima -0,007 0,034 0,63
Chefchaouen 0.01 0.07 0,91
D'après le tableau 13, la différence entre les précipitations simulées et observées (BIAS) au
nord- du Maroc est généralement hétérogène.
Pour la station de Tanger est de -0,005 mm. RMSE et le coefficient de corrélation
Pour la station de Tétouan est de 0,002 mm. RMSE et le coefficient de corrélation

Pour la station d’Al-Houceima est de -0,007 mm. RMSE et le coefficient de corrélation

Pour la station de Chefchaouen est de 0.01 mm. RMSE et le coefficient de corrélation

correspondants sont respectivement de 0.07 mm et de 0,91.
VI.3- Projections des précipitations du RegCM4
Dans cette section, les précipitations moyennes hivernale des mois (DJF) simulées par le model
RegCM4.6 pour la période (2023-2099) ont été analysées en comparaison avec la période
historique (1970-2005). Nous nous concentrons sur le nord-ouest du Maroc. Les résultats
montrent une diminution des précipitations moyennes pour la periode futur (2023-2099) sous
les deux scénarios RCP4.5 et RCP8.5, par rapport à la période historique (1970-2005), avec une
diminution significative sous le scénario d’émission RCP8.5. La figure suivante (Fig. 77)
montre l'anomalie des précipitations moyennes hivernales projetées par le modèle RegCM4.6
pour les deux scénarios RCP4.5 et RCP8.5. Nous notons généralement un biais négatif clair sur
toute la région du nord pour les deux scénarios RCP4.5 et RCP8.5, ce qui signifie une
141
diminution significative de la quantité moyenne des précipitations pour la période projetée de

2023-2099. Cette diminution est plus importante pour le scénario RCP8.5. Les régions situées
en face de l'Atlantique ont un biais plus négatif que les autres régions selon les mêmes scénarios
(RCP4.5 et RCP8.5). Ceci peuvent être expliqué par une diminution du nombre d'épisodes de
précipitations en provenance de l'Atlantique, ce qui est généralement le cas pour le nord du
Maroc pendant la saison hivernale.
Figure 77: Anomalie des précipitations moyennes hivernales (DJF) projetées par le modèle RegCM4.3 et la période
historique (1970-2055) dans le cadre des scénarios RCP4.5 (à gauche) et RCP8.5 (à droite)
142
VI.4- Conclusion
Dans cette étude, une simulation avec le modèl RegCM4.6 a été effectuée sur le Maroc en se concentrant
sur la région du nord (RTTA) pendant 2 ans (2009-2010) afin d'évaluer sa performance pour simuler la
variabilité extrême des précipitations pendant la saison d'hiver (DJF). Les simulations ont été réalisées
avec un espacement de grille de 30 km et forcées par les données NCEP maillées à 2,5°. De plus, les
précipitations simulées ont été comparées à trois ensembles de données d'observation (CRU,
CMORPH, CHIRPS).
Considérant le fait que le changement climatique est reconnu comme la plus grande menace à long terme
pour la région du nord, nous avons examiné la simulation du modèle pour la période passée afin de tester
l'aptitude du modèle à simuler le climat futur. Les principaux résultats et conclusions peuvent être
résumés comme suit.
1. Capturer les précipitations extrêmes sur le nord du Maroc pendant la période de référence
2009/2010 (période hivernale avec de fortes précipitations sur l'extrême nord-ouest du Maroc).
2. La capacité du modèle à obtenir un modèle de précipitations réaliste est analysée de manière à
ce que le résultat nous aide à utiliser davantage la sortie du MCR pour l'évaluation de l'impact
du changement climatique, en particulier sur les ressources en eau.
3. Il a été constaté lors de la validation des résultats du modèle avec le climat actuel que le modèle
RegCM4 sous-estime les précipitations, en particulier dans les régions montagneuses.
4. Ce travail prouve que le modèle RegCM v4.6 peut être utilisé pour la prévision climatique
régionale, en particulier, pour la distribution spatiale des précipitations, mais pour les
applications sectorielles et les études d'impact, les sorties du modèle doivent être corrigées
(Correction des biais).
143
Chapitre VIII : l’impact des changements climatique et de la vulnérabilité des ondes de tempêtes sur la baie de Tanger pour une
meilleure gestion
VII.1- Introduction
Ce chapitre est consacré à analyser et expliquer la variabilité des précipitations au Nord du

Maroc on va procéder par l’utilisation des méthodes exploratoire des données (statistiques
descriptives de bases et détection des ruptures), ensuite, une analyse des pluies extrêmes pour
explorer, caractériser et quantifier le contenu fréquentiel régionale. Dans un premier temps on
va utiliser l’analyse des pluies extrêmes et spécialement la distribution des valeurs extrêmes
généralisées (GEV), puis, on va appliquer l’Analyse fréquentielle régionale basée sur les L-
moments, les hypothèses de l'analyse des fréquences régionales sont testées par des graphiques
de séries chronologiques. En outre, on va utiliser l’analyse de fréquence régionale à l’aide de
model GEV-CDN. L’intervalle de confiance des niveaux de retour dérivés de la méthode
Bootstrap résiduelle est également prises en compte et plus précisément le réseau de neurones
pour l'estimation des événements extrêmes. En conséquence, les extrêmes de précipitations
augmentent en fréquence avec le temps de façon linéaire ou non linéaire, et cette augmentation
se poursuivra à l'avenir, ce qui signifie que l'occurrence des extrêmes de précipitations dans la
zone d'étude augmentera à l'avenir.
VII.3- Modélisation de la pluie extrême
Cette section est consacrée à l'estimation de différentes spécifications des modèles présentés à
auparavant.
−𝟏
𝐱−µ 𝛏
𝐞𝐱𝐩 [− ((𝟏 + 𝛏 ) )] 𝐬𝐢 𝛏 ≠ 𝟎
𝛔
GEV(x)={ (49)
𝐱−µ
𝐞𝐱𝐩 [−𝐞𝐱𝐩 (− )] 𝐬𝐢 𝛏 = 𝟎
𝛔
Les différents paramètres (paramètre de position µ, paramètre d’échelle σ et paramètre de

forme ξ) des lois statistiques retenues (loi généralisée des valeurs extrêmes, loi de Gumbel et
loi log-normale) ont été évalués. Pour la station de Tanger, le paramètre de forme de la loi GEV
est négatif (ξ = -0.185), cette valeur de paramètre spécifique signifie que la distribution des
valeurs maximales appartient au domaine d’attraction de Weibull .Pour les deux autres stations,
les paramètres de formes sont réspectivement (ξ = 0.367 pour la station de Tétouan, et ξ =
0.280 pour la station d’Al-Hoceima) (Tab. 14). Ces valeurs signifient que les distributions
144
meilleure gestion
appartiennent au domaine d’attraction de Fréchet. Les diagnostiques d’ajustement à une loi de

GEV des pics annuels est donné à l’Annexe (Fig. 1).
Tableau 14 : Paramètres d’estimation et intervalles de confiance de chaque station

(Tanger, Tétouan, et Al-Hoceima)
Intervalles de confiances (95%)

Station Paramètre Estimation
Low Up
Moyenne ( µ) 43.742 37.104 50.381
Tanger Paramètre d’échelle ( σ) 17.90 12.873 22.938
Paramètre de forme ( ξ ) -0.185 -0.519 0.149
Moyenne ( µ) 46.019 40.239 51.801
Tétouan Paramètre d’échelle ( σ) 15.630 10.538 20.723
Paramètre de forme ( ξ ) 0.367 0.021 0.714
Moyenne ( µ) 71.936 59.481 84.91
Al-Hoceima Paramètre d’échelle ( σ) 33.264 22.837 43.692
Paramètre de forme ( ξ ) 0.280 -0.045 0.605
VII.4- Modèle de dépassement au-dessus d’un seuil
Les graphiques de diagnostic (Fig. 78, 79, 80) indiquant la qualité de l'ajustement du GPD aux
extrêmes de précipitations au Nord du Maroc dans les trois stations étudiées : Tanger, Tétouan, Al-
Houceima. Généralement, on remarque pour les courbes de probabilité, les diagrammes des
quantiles, les courbes du niveau de retour et les diagrammes de densité, que les données
observées sont proche au modèl, les distributions sont linaire dans les trois stations dévoilent
que les ajustements obtenus sont acceptables, puisque les nuages des points suivent les courbes
théoriques, les densités de loi empirique sont très proche au model, en outre, les données sont
concentrées dans un intervale de confiance de 95%, donc on peut dire que le modèl choisi est
parfait (adéquat). De ce fait, ceci confirme le caractère raisonnable du choix de notre modèle.
145
meilleure gestion
Figure 78 : Graphiques de diagnostic indiquant la qualité de l'ajustement du GPD aux extrêmes de précipitations de Nord
du Maroc, station : TANGER
Figure 79 : Graphiques de diagnostic indiquant la qualité de l'ajustement du GPD aux extrêmes de précipitations de Nord
du Maroc, station : TETOUAN
146
meilleure gestion
Figure 80: Anomalie des précipitations moyennes hivernales (DJF) projetées par le modèle RegCM4.3 et la période
historique (1970-2055) dans le cadre des scénarios RCP4.5 (à gauche) et RCP8.5 (à droite)
VII.5- Résultats d’Analyse probabiliste de l'occurrence des précipitations
Afin d'estimer la probabilité d'occurrence des pluies dans l’extrême Nord du Maroc, les séries
des précipitations annuelles maximales ont été analysées, seules données disponibles pouvant
fournir des informations sur ce type de phénomène.
A partir de la fonction de distribution GPD (package ismev), les quantiles (périodes de retour
T) correspondant aux précipitations maximales ont été obtenus. La distribution de GPD obtient
de bons résultats pour l'étude des fréquences de valeurs extrêmes. Les précipitations typiques
ont été calculées pour différentes périodes de retour, qui sont reflétées dans le (Tab. 15).
147
meilleure gestion
Tableau 15 : Valeurs estimées de la quantité annuelle maximale, calculées à partir des distributions de probabilité les mieux
ajustées de 3 stations pluviométriques (mm)
T2 T5 T10 T20 T50 T100

Station
f= .50 f=.80 f=.90 f=.95 f=.98 f=.99
Tanger 42.7 56.6 65.7 73.7 82.8 88.8
Tétouan 39.4 55 68.8 84.7 109.3 131.1
Al-Hoceima 56.7 88.1 115.3 145.9 192.3 232.5
D’une part, pour une période de retour de 2 ans, les précipitations peuvent dépasser 42.5 mm,
ce qui indique qu'il y a 50 % de probabilité en une année de précipitations dépassant 42.5 mm
en une journée. Pour les périodes de retour de 5, 10, 20, 50 et 100 ans, considérées comme des
valeurs valables pour la distribution de GPD, avec une probabilité qu'elles se produisent dans
une année de 80, 90, 95 98 et 99 % respectivement, l'apparition de précipitations pouvant
produire des avenues et inondations dans la région, dans les conditions actuelles dans lesquelles
se trouvent les ruisseaux et toujours en fonction de l'intensité des pluies, il est modeste. D’autre
part, on observe que dans la plupart des cas, les événements estimés sont compris entre 43 mm
et 57 mm pour 2 ans de récidive ; entre 57 mm et 88 mm pendant 5 ans ; entre 66 et 115 mm
pendant 10 ans ; entre 74 mm et 146 mm pendant 20 ans, entre 83 mm et 192 mm pendant 50
ans, et entre 89 mm et 232 mm pendant 100 ans de récidive. Les valeurs estimées pour la période
de retour de 100 ans sont des valeurs spécifiques, puisqu'elle peut être interprétée comme un
estimateur du risque de précipitations extrêmes, ou encore un seuil important pour l'activation
de processus majeurs (García, 2003).
Pour mieux apprécier l’ajustement des différentes lois appliquées, un graphe de comparaison
(Fig. 81) a été construit par superposition des sept modèles (GNO, LN3, KAP, WAK, GEV,
GLO, PE3). Cette figure a permis d’observer que la courbe relative à la loi de Gumbel est
encadrée par celles de la loi log-normale (au-dessus) et la loi de Weibull (au-dessous).
148
meilleure gestion
Figure 81 : Comparaison des sept lois de model régionaux de climat au niveau des trois stations (TTA)
Cette figure présente la répartition des précipitations dans les différents modèles régionaux de
climat (GNO, LN3, KAP, WAK, GEV, GLO, PE3) en fonction des périodes de retour des
sept quantiles calculés à partir des observations en se basant sur la loi GPD (package ismev). Il
ressort de l’analyse de cette figure que les résultats sont bien ajustés et linaires, à l’exception
de quelques valeurs hétérogènes dans la station de Tanger, donc l'évolution des quantiles de
pluie est proportionnelle à celles des durées de retour avec une nette augmentation du maximum
annuel journalier des lames d’eau précipitées.
VII.6- Résultats d’analyse de fréquence régionale à l'aide de L-Moments
Les résultats de l’analyse de fréquence régionale à l'aide de L-Moments sont associés à la

méthode proposée au section méthodologie régionale. La méthode d'analyse régionale de
l'indice de précipitation basée sur les L-moments, a été appliquée dans ce travail aux séries des
précipitations maximales au Nord du Maroc. En total nous avons trois stations pilotes répartis
dans des trois régions au nord du Maroc, chacune d'elles avec approximativement 40 années
d'observations. Les valeurs des rapports des L-moments LCv, LCs et LCk correspondant à
chacune des stations des précipitations, ainsi que le test de discordance D(i) est représenté ci-
dessous (Tab. 16).
149
meilleure gestion
Tableau 16: Ratios du Moment L et mesures de discordance
Summary (Regtst(A))name n l_1 t t_3 t_4 D(i)
Tanger Tanger 40 51.50 0.22 0.07 0.05 1.00
Tétouan Tétouan 40 47.98 0.27 0.24 0.16 1.00
Al-Hoceima Al-Hoceima 55 1 01.18 0.28 0.28 0.20 1.00
n: la taille de l’échantillon ; l_1 : moyen ; t= L-CV ; t_3 : L-asymétrie ; t_4 : L-Kurtosis.
Ce tableau montre le résultat de la distance de désaccord D(i) pour les trois stations de notre
région d'étude. On peut observer à partir des résultats des L-moments que la valeur de D(i)
égale à 1. En suite, on a appliqué l 'algorithme des L-moments régionaux décrit par (Hosking
et Wallis, 1997) pour estimer les distributions de fréquence régionales. De ce fait, Si D(i) > 3,
la localisation est considérée comme discordante du reste des données régionales, Donc, pour
notre cas, aucune localisation n'est diagnostiquée comme discordante. Par conséquent, nous
utilisons toutes les données pour le développement de l’analyse de fréquence régionale basée
sur les L-moments. Les valeurs régionales (moyennes) de LCs et LCk sont égal à 0,221 et 0,285
respectivement. En effet, on observe clairement comment la moyenne régionale pondérée
tombe sur la courbe théorique de la fonction de distribution GLO (Fig. 82).
Selon (Hosking et Wallis, 1997), nous procédons à la détermination de la fonction de
distribution la plus appropriée, une sélection de la distribution régionale la mieux adaptée de
nombreuses distributions peuvent être utilisées pour l'estimation de quantiles pour des données
régionales. Les distributions à cinq paramètres, la logistique généralisée (GLO), la valeur
extrême généralisée (GEV), La normale généralisée (GNO), Pareto généralisée (GPA), et
Pearson type III (PE3). De nombreux auteurs (Schaefer, 1990 ; Pearson, 1993 ; Vogel et al.,
1993(a, b) ; Chow & Watt, 1994 ; Onoz & Bayazit, 1995 ; Vogel & Wilson, 1996 ; Peel et al.,
2001) ont utilisé des diagrammes de rapport de L-moment dans le cadre de leur processus de
sélection de distribution pour les données régionales. Alors, la proximité de la moyenne de
l'échantillon ou de la moyenne pondérée de la longueur des enregistrements avec la courbe du
point théorique de distribution candidat particulier dans (L Cs, L Ck) a été comme une indice
de performance de cette distribution pour décrire les données régionales.
150
meilleure gestion
Figure 82: Diagramme des relations théoriques L-moments entre la L-CS (Coefficient d’asymetrie) et le L CK(Coefficient
d’aplatissement) pour le Nord du Maroc
*Les distributions condidats sont: Generalized logistic (GLO), Generalized extreme-value (GEV),
Generalized Pareto (GPA), Generalized normal (GNO), et Pearson type III (PE3).
Cette figure montre la représentation graphique de Lkurtosis/L-skewness pour les trois stations.
On remarque clairement que les deux stations de Tétouane et Al-Hoceima sont plus homogène
en raison de: La distance entre les deux stations, localisation géographique et leur climat
semblable. Par contre, la station de Tanger est hétérogène a ces deux stations en raison de la
distance, climat et la situations géographique (entre la Mer Méditerranéenne et Ocean
Atlantique). Les valeurs des statistiques Z confirment la supériorité de la distribution GLO pour
cette région. Donc, cela indique que la distribution GNO est la plus proche a des trois stations
de notre étude, donc c’est la plus adéquat à notre analyse.
151
meilleure gestion
VII.7- Résultats d’analyse saisonnière régionale maximale à l’aide de GEV-CDN model
Visuellement, les précipitations présentent une saisonnalité marquée au Nord du Maroc, avec
la plupart des précipitations sont enregistrées pendant les mois d'hiver (Décembre-Janvier-
Février). Les quantités mensuelles relatives de précipitations observées pour les deux stations
de Tanger & Tétouan entre 1981 et 2019, et pour la station d’Al Hoceima entre 1981 et 2017,
sont représentées par (ligne bleue en gras). Généralement, les séries chronologiques des
précipitations au saisons hivernales ont une tendance à la hausse significative.
Station-Tanger
Les séries saisonnières de précipitations journalières maximales (PSM) ont des tendances à la
hausse, on remarque que la saison Automnale (SON) a connue plus des précipitations, suivi par
la saison Hivernale (DJF) (Fig. 83).
Figure 83: Séries chronologiques des précipitations hivernales extrêmes pour la région du Nord de Maroc station -Tanger
Station-Tétouan
Pour la station de Tétouan, durant ces 40 ans la saison Hivernal (DJF) a connue des
précipitations plus importants suivis par la saison Automnale (SON) (Fig. 84).
152
meilleure gestion
Figure 84: Séries chronologiques des précipitations hivernales extrêmes pour la région du Nord de Maroc station -Tétouan
Station-Al-Hoceima
Pour la station d’AL Hoceima, on voit clairement que la saison hivernale (DJF) principalement
a connu plus de précipitations (Fig. 85).
Figure 85 : Séries chronologiques des précipitations hivernales extrêmes pour la région du Nord de Maroc station -Al-
Hoceima
153
meilleure gestion
VII.8- Résultats d’Analyse de tendance
VII.8.1- Test de Mann-Kendall pour l’Identification des tendances (séries

pluviométriques)
L'analyse de tendance repose sur le principe de stationnarité (Khaliq et al., 2006). Pour notre
cas deux méthodes sont utilisées pour déterminer l'existence de tendances éventuelles au cours
de la période d'observation (Tab. 17). Premièrement, le test Mann-Kendall a été utilisé pour
vérefie si le modèle GEV est stationnaire avec la méthode Bootstrap (Kendall, 1975), ce test
non-paramétrique est couramment utilisé pour détecter les tendances linéaires dans une série de
données météorologique (Pohlert, 2018). Deuxièment, le test ADF (Dickey-Fuller) a été utilisé
pour le modèle GEV non stationnaire (Said & Dickey, 1984), avec des paramètres dépendant
du temps (Coles, 2001). On constate que les deux approches sont complémentaires. En
revanche, le test de Mann-Kendall effectué sous le logiciel R package ‘trend’ indique une
tendance significative dans la série de précipitations ce qui confirme que les trois stations
étudient au niveau de signification de 5% étaient stationnaires. Pour la statistique de Dickey-
Fuller, le test ADF est réalisé aussi sous le logiciel R à l'aide du package 'tseries'. On remarque
généralement que les valeurs obtenues sont négatives. En effet, plus le rejet de l'hypothèse nulle
est fort à un certain degré de confiance, plus elle est négative. Les recherches de (Chang & Park,
2002 ; Li et al., 2017) fournissent plus d'informations sur le test ADF.
Le test de Mann-Kendall (et ses variantes) est très souvent utilisé ainsi que ses adaptations pour
tenir compte de l'autocorrélation éventuelle dans les séries. Tous les tests statistiques, qu'ils
soient paramétriques (nécessitant une hypothèse sur la distribution de probabilité de la variable
étudiée) ou non paramétriques (comme le test de MannKendall), sont reliés à des conditions
d'applications ; la première condition est l'indépendance (probabiliste) des valeurs de la série,
qui ne doivent pas être autocorrélées. En revanche, la stationnarité des pluies sur la période
considérée a été étudiée avec le test de Mann-Kendall et avec la méthode de bootstrap appliqué
aux séries de pluies annuelles. Ce test, destiné à éliminer l’autocorrélation entre les valeurs des
séries chronologiques, est effectivement recommandé (Önöz et Bayazit, 2007).
154
meilleure gestion
Tableau 17 : Résultats des tests de tendance et de stationnarité pour 12 séries chronologiques SMP
M-K test ADF test

Region Season p-value Tau p-value Dickey-Fuller
Winter (DJF) 0.12* -0.16 0.01** -4.18
Spring (MAM) 0.68 0.04** 0.04** -3.57
Tangier
Summer (JJA) 0.55 -0.06 0.05** -3.48
Autumn (SON) 0.12* -0.16 0.04** -3.55
Winter (DJF) 0.78 0.03** 0.30 -2.69
Spring (MAM) 1 -0.00 0.07** -3.40
Tetouan
Summer (JJA) 0.58 -0.06 0.33 -2.61
Autumn (SON) 0.52 -0.07 0.59 -1.94
Winter (DJF) 0.17* 0.15* 0.04** -3.57
Spring (MAM) 0.52 -0.07 0.32 -2.62
Al-Houcima
Summer (JJA) 0.70 0.04** 0.40 -2.62
Autumn (SON) 0.57 0.06** 0.23 -2.85
Note : * et ** représentent le niveau de signification de 0,1 et 0,05.
Cependant, la variabilité spatiale et temporelle des précipitations est très importante et les
tendances observées ne sont pas toujours significatives sur le plan statistique.
VII.8.2- Choix de modèle performant
Pour selectioner le modèl le plus performants, le model GEV-CDN est utilisé pour l'analyse des
valeurs extrêmes stationnaires et non stationnaires pour l'ensemble des 12 séries SMP. La
performance de quatre modèles (GEV0, GEV1, GEV2 et GEV11) est testée en utilisant l'AICc
(Une valeur AICc plus petite indique une meilleure estimation). Le concept d'IC est
généralement utilisé pour indiquer la fiabilité des estimations. Les valeurs de l'AICc pour
chaque modèle sont résumées dans (Tab. 18). On peut voir que parmi les 12 séries SMP sur la
zone d'étude, dix d'entre elles sont appropriées pour être ajustées par un modèle stationnaire en
raison de l'AICc plus petit, et les deux autres séries sont appropriées pour être ajustées par des
modèles non-stationnaires. Parmi les deux séries, on a une qui présente une meilleure
performance avec le modèle hivernale GEV11, et l’autre appartienne à la série automnale du
modèle GEV2. Il est intéressant de noter que la sélection du modèle GEV optimal est largement
155
meilleure gestion
soutenue par les résultats des tests étudiées M-K et ADF. Donc on constate que le modèle GEV0
estime mieux et le plus ajustées aux autres modèles (Fig. 86).
Tableau 18 : Les valeurs AICc pour 12 séries temporelles SMP en utilisant l’approche GEV-CDN avec le temps comme
« covariable ».
Region Season GEV0 GEV1 GEV11 GEV2

Winter (DJF) -1.99 0.35 -4.12 3.63
Spring (MAM) -13.66 -13.09 -10.61 -12.82
Tanger
Summer (JJA) -47.70 -45.74 -43.12 -35.14
Autumn (SON) 7.60 8.62 10.71 5.09
Winter (DJF) -52.35 -51.48 -49.93 -38.42
Spring (MAM) -33.10 -30.72 -28.26 -20.51
Tétouan
Summer (JJA) -46.41 -44.04 -41.62 -29.00
Autumn (SON) 4.70 5.93 8.16 19.62
Winter (DJF) -14.83 -14.04 -12.28 -1.01
Al-Houcima Spring (MAM) -5.96 -3.79 -1.41 11.41
Summer (JJA) -98.09 -95.64 -93.70 -81.71
Autumn (SON) -64.18 -62.96 -60.28 -48.88
156
meilleure gestion
Figure. 86 : Représentation des niveaux de retour calculés à partir des meilleurs modèles non stationnaires utilisant le temps comme Co-variable. Les
courbes indiquent respectivement les niveaux de retour à 2 ans (Rouge), 20 ans (Vert) et 100 ans (Bleu).
157
meilleure gestion
Cette figure représente les niveaux de retour estimés à partir de modèle performants stationnaire
GEV-CDN avec le temps « Co-variable » pour la période de référence (1980-2020) et la période
de projection (2020-2050), avec le niveau de retour 2 ans, 20 ans et 100 ans. En haut la station
de Tanger, au milieu la station de Tétouan et en bas la station d’Al Hoceima, pour les 4 saisons
de l’année (Hiver, Automne, Printemps, été).
En général, dans l'hypothèse de la stationnarité, le niveau de retour est stable pour toutes les
années (droite rouge), donc, pour notre cas le modèle GEV0 stationnaire est très robustes sur les
trois stations, donc stables dans l’ensemble. Alors que dans le cas non stationnaire, le niveau de
retour varie dans le temps avec une probabilité d'occurrence constante (Chen & Chu, 2014).
Dans cette étude, les niveaux de retour sur 2 ans, 20 ans et 100 ans correspondant
respectivement aux quantiles 0,5, 0,95 et 0,99, pour ces séries SMP stationnaires, sont
principalement étudiés et analysés. On remarque que les observations historiques sont
présentées dans la figure sous forme de courbe noir, tandis que les cercles Rouges, Vertes et
Bleus représentent successivement les niveaux de retour de 2 ans, 20 ans et 100 ans. La majorité
des observations peuvent être décrites par les courbes des quantiles 0,5 et 0,95, ce qui indique
que les modèles stationnaires avec le temps comme Co-variable est capables de décrire les
propriétés de changement des différentes composantes des extrêmes de précipitations, cela
signifie que les événements de précipitations extrêmes de même ampleur seront plus fréquents
à l'avenir et notamment sous l’effet des changements climatiques (Wobus et al., 2014; Wasko
et al., 2016; Fotovatikhah et al., 2018 ; Li et al., 2018 ; 2021). Apparemment, le modèle non
stationnaire GEV11 estime mieux les précipitations hivernales dans la station de Tanger et
suivent une distribution linéaire par rapport à d’autre saisons. Pendant 2 ans, on voit clairement
que la moyenne des précipitations est presque là même durant les quatre saisons au niveau des
trois stations. Sauf pour le modèle non stationnaire GEV11 hivernal et automnal au niveau de la
station de Tanger, ensuite le modèle non stationnaire GEV2 automnal pour la station de Tétouan,
et en fin, le modèle stationnaire GEV0 automnal pour la station d’Al-Hoceima. Généralement,
les séries des précipitations maximales durant une période de retour de 2 ans ne montrent pas
de tendances remarquables. Par contre sur 20 ans la moyenne des précipitations augmente, on
remarque des tendances positives significatives ont été détectées au niveau des trois stations, et
pendant 100 ans de projection la moyenne atteint le maximum, cela confirme l’éxistense des
valeurs extrêmes. En outre, plusieurs chercheurs (Koutsoyiannis et Baloutos, 2000 ; Lee et
Maeng, 2003) ont trouvé dans leurs études que la distribution GEV était la meilleure pour
l'estimation du quantile des précipitations extrêmes.
158
meilleure gestion
VII.9- Conclusion
Dans ce chapitre, l’analyse de données des observations nous a permis d’évaluer la climatologie
des événements extrêmes, nous avons évoqué dans l’nsemble, en se basant sur des differents
tests statistiques, que les distributions annuelles, saisonnières et journaliers des précipitations
maximale et minimale sont généralement compatibles avec la loi GEV sur la région (TTA). Les
principales conclusions tirer sont :
- Les résultats du test de tendance confirment la sélection du modèle optimal du GEV-CDN.
- Le modèle non stationnaire est le plus performant que le modèle stationnaire avec une
tendance significative.
- Selon le test de Mann-Kendall, les résultats des séries de SMP montrent des tendances à la
hausse à un niveau significatif de 0,05 ou 0,1
- La modélisation par (RNA), qui est basée sur des observations passées des pluies, apte à
devenir un outil performant de gestion hydraulique permettant une minimisation des risques
d’inondation au sein du la region de Tanger Tetouan-Al-Hoceima. D’ailleurs nécessitent un
certain savoir-faire pour une utilisation efficace. De ce fait, il reste à vérifier sa capacité à
être généralisée sur d’autres régions au territoire Marocain.
159
meilleure gestion
VIII.1- Introduction
La baie de Tanger est située au nord du Maroc, à l'entrée ouest du détroit de Gibraltar est
caractérisé par deux types de côtes : une côte occidentale sableuse et une côte orientale rocheuse
(El Arrim et al. 2002 ; Aboumaria, 2009). D'un point de vue géologique, l'arrière-pays de la
baie appartient au domaine externe de la chaîne du Rif est caractérisé par l'empilement de quatre
nappes de flysch, qui poussent l'unité de Tanger (Humbert, 1971). Elle coïncide
approximativement avec le bassin versant du Mharhar et présente une alternance de vallées,
recouvertes principalement d'alluvions quaternaires, et de collines marneuses. C'est aussi une
plaine localement sans relief, délimitée par des terrains plus accidentés (Cap Malabata) à l'est,
et (Cap Spartel) à l'ouest (Fig. 87). Cette zone constitue une entité sédimentologique côtière de
grande importance hydrodynamique et sédimentaire, en raison de sa position géographique, lieu
d’échanges entre l’Atlantique et la Méditerranée (El Arrim, 2005). La zone d'étude est
caractérisée par un climat méditerranéen subhumide avec un hiver humide et doux et un été sec
et chaud qui s'étend sur cinq mois, de mai à septembre (Beroho et al., 2020). Les pluies se
produisent principalement, avec des précipitations annuelles moyennes de 765mm (Boulahfa et
al., 2019). La température varie généralement de 9°C à 29°C et est rarement inférieure à 5°C
ou supérieure à 33°C (CPM, 2018). La vitesse horaire moyenne du vent à Tanger présente une
variation saisonnière modérée tout au long de l'année. La période la plus venteuse de l'année
dure 6,9 mois, du 22 octobre au 17 mai, avec une vitesse moyenne du vent supérieure à 15,8
km/h.
La marée est semi-diurne et sa hauteur est d'environ 0,3 m en marée de morte-eau et de 2,6 m
en marée de vive-eau. Le niveau moyen de la mer est de 1,4 m, mais il peut s'élever de 0,2 m à
0,45 m en cas de forts vents d'ouest. Il est donc possible d'atteindre des niveaux d'environ 3m
lorsqu'une marée de vive-eau exceptionnelle est combinée à un fort vent d'ouest. Les données
sur les marées et les ondes de tempête dans la baie de Tanger proviennent de différentes sources
bibliographiques (LCHF, 1972 ; LCHF1974 ; Charrouf, 1991 ; LPEE, 2002 ; Snoussi et al.,
2008). Les houles venant de l'ouest au nord-ouest ont une période de 5 à 17s. Les valeurs
extrêmes ont une hauteur significative de 4m pour une houle annuelle arrivant avec une période
de 9s et 5.3m pour une houle décennale arrivant avec une période de 10s (El Abdellaoui et Ozer,
2007). Les houles extrêmes ont une hauteur significative de 2,4m pour une houle annuelle et de
3,7m pour une houle décennale (LCHF, 1974 ; Long, 1998).
160
meilleure gestion
Des études (Genet, 2011 ; El Talibi et al., 2016 ; Ramalho et al., 2017 ; Aitali et al., 2020 ;
Khalfaoui et al., 2020) ont mise en évidence des dépôts paléo-sédimentaires immergés au
niveau de cette zone. En outre, cette zone est extrêmement vulnérable aux risques de tempêtes
et d'élévation du niveau de la mer dues à l'effet du changement climatique. Cela confirme notre
choix pour évaluer la vulnérabilité des ondes de tempêtes sur la baie de Tanger.
Figure 87 : (A) Localisation du Nord du Maroc. (B) Localisation du site d'étude sélectionné (la baie de Tanger). Les lignes
bleues correspondent aux limites du district à l'intérieur de la zone d'étude. TM : Tanger-Medina. CM : Charf-Mghogha. CS
: Charf-Souani
VIII.2- Principales structures économiques exposées à la plaine d'inondation côtière
La baie de Tanger est caractérisée par une activité économique très importante : Le port de
Tanger-ville, Tanja Marina Bay International et la gare de Tanger-ville. Le port de Tanger-ville
occupe une position stratégique (Fig. 87). Il compte un grand nombre d'entités économiques
avec des investissements importants qui accueillent des milliers d'employés et représente une
zone importante qui relie le Maroc à l'Europe. Il est également caractérisé par une zone franche
qui attire de grandes expéditions. Tanja Marina Bay International est un grand projet touristique
avec un investissement d'environ 78 millions de dollars (Tab. 19). C'est l'un des meilleurs lieux
161
meilleure gestion
de loisirs de la ville pour sa diversité d'activités, telles que la croisière, le yachting, le fast ferry
et la pêche. Avec des équipements culturels, des places publiques, des hôtels, des zones
commerciales et de divertissement, ainsi qu'un pôle résidentiel et tertiaire, lancé par la Société
de gestion du port de la ville de Tanger (SGPTV). En 2020, la SGPTV avait investi environ
156 millions de dollars dans ses différentes composantes pour développer ce projet. Par ailleurs,
la gare ferroviaire située près de la baie de Tanger, constitue l'une des zones économiques les
plus importantes de Tanger. Selon l'Office national des chemins de fer, sa construction a coûté
5,6 millions de dollars et son réaménagement 40 millions de dollars en 2010 pour l'arrivée du
train à grande vitesse, à savoir Al Boraq (Tab. 19).
162
meilleure gestion
Tableau 19 : Résumé du coût des différentes infrastructures situées dans la Baie de Tanger
Entité économique Description Coût Unit Source

Infrastructures de quai 89,28 M$ TCPMC *
Bâtiments Gare Maritime 11,13 M$ TCPMC *
Port Bâtiments de la zone d'animation 14,96 M$ TCPMC *
Bâtiments Tour de contrôle 1,28 M$ TCPMC *
Club nautique 1,88 M$ TCPMC *
Tanja Marina Bay Investissements initiales 78,00 M$ TCPMC *
international Développement de projet 156,00 M$ TCPMC *
Gare Ferroviaire Investissements initiales 5,60 M$ ONCF**
Tanger Développement de projet 40,00 M$ ONCF**
TM15 892-1226 $/m2 (DGI, 2019)
1059-
TM44 $/m2 (DGI, 2019)
1449
CM4 502-725 $/m2 (DGI, 2019)
CM6 613-1672 $/m2 (DGI, 2019)
CM7 780-2007 $/m2 (DGI, 2019)
Constructions
1003-
CM8 $/m2 (DGI, 2019)
1226
CM10 669-1449 $/m2 (DGI, 2019)
CM11 390-1449 $/m2 (DGI, 2019)
CM12 836-1115 $/m2 (DGI, 2019)
CS2 780-1003 $/m2 (DGI, 2019)
Route goudronnée (largeur 6m en
moyen)
Routes 216,00 $/m (Collier et al., 2013)
TM: Tanger-Medina. CM: Charf-Mghogha. CS: Charf-Souani.
* Tangier City Port Management Company (TCPMC) (https://www.tangermed.ma/wp-

content/uploads/2020/05/Rapport-Financier-2020-1.pdf).
**Office national des chemins de fer (Morocco) (https://www.oncf.ma/en/Company).
163
meilleure gestion
VIII.3- Zone à alea
Pour caractériser la vulnérabilité de l'onde de tempête prévue le long de la baie de Tanger, nous
devons d'abord déterminer la zone dangereuse qui pourrait être affectée par un tel événement.
Pour ce faire, nous étudierons un événement d'onde de tempête qui peut atteindre une amplitude
de 5 m inondant les côtes de la zone d'étude, avec une période de récurrence de 100 ans. Bien
que la baie de Tanger n'ait pas enregistré suffisamment d'événements d'onde de tempête au
cours des dernières décennies afin de modéliser ni une période de récurrence ni un fréquence
probable d'un tel événement, la zone dangereuse proposée (Fig. 89) est délimitée sur la base de
: (1) l'événement du 29 octobre 2018 (Fig. 88) qui a atteint une amplitude de 2,6 m et touche
une zone de 1,77 km2 le long de la baie de Tanger (Planche. 2).
Si l'on considère que l'augmentation de l'élévation du niveau de la mer due au changement
climatique est comprise entre 0,20 m et 0,86 m en 2100 (Warrick et al., 1996 ; Snoussi et al.,
2008 ; IPCC, 2013), et que l'intensité de ce type d'événements augmente de 3 à 19% dans la
période actuelle en raison du changement climatique (Oldenborgh et al, 2021), un tel événement
(29 octobre 2018) se produira à l'avenir avec une hauteur d'onde de tempête plus élevée que 2,6
m ; (2) le fait que les houles W-NW annuelles dans la baie de Tanger atteignent 4 m, et que les
houles W-NW décennales atteignent 5,3 m (Abdellaoui et Ozer, 2007). En fait, la coïncidence
d'une pression atmosphérique très basse, d'une vitesse de vent élevée et de fortes houles pourrait
produire une onde de tempête de 5 m de hauteur.
Figure 88: Diagramme des précipitations extrêmes causant des inondations dans la ville de Tanger au cours des 10
dernières années en (mm) (Centre Météorologique Provincial Tanger Ibn Batouta)
164
meilleure gestion
La planche suivante illustre le dommage survenu le 29 Octobre 2018 sur la Baie de Tanger.
A B
C D
Planche 2 : Illustration du littoral de la baie de Tanger lors de Tempête survenus le 29 octobre 2018
165
meilleure gestion
Figure 89 : Délimitation des zones dangereuses pour un scénario de 5m extrait d'un MNE à 10 résolutions
VIII.4- Cartographie de la vulnérabilité
Pour évaluer la vulnérabilité des ondes de tempête dans la zone côtière d’aléa de la Baie de
Tanger, l'approche AHP est adoptée (Tab.6, voir le tableau ci-dessous pour plus de détails).
L'évaluation de la vulnérabilité le long de la baie de Tanger permet d'identifier les zones où les
ondes de tempête peuvent causer les dommages les plus importants en fonction des
caractéristiques physiques et socio-économiques (Fig. 90). En termes de caractéristiques
physiques, la plus grande vulnérabilité aux ondes de tempête se trouve le long des rivières
Souani et Mghougha au sud. Ce résultat est strictement lié aux caractéristiques géotechniques
des sols et de l'élévation puisque la pente, la bathymétrie et la marée ne varient pas beaucoup
le long de la zone d'étude (Aboumaria, 2009). D'un point de vue purement économique, une
vulnérabilité importante est située au centre de la baie (Fig. 90), où la densité du bâti et des
routes est élevée (Fig. 87). La vulnérabilité basée sur les enjeux sociaux (Tab. 20) montre que
la population de la Baie de Tanger est déjà démunie et même mise en danger par une telle
166
meilleure gestion
catastrophe. La commune de Charf-Souani est la zone la plus vulnérable par rapport aux deux
autres. En prenant en considération tous les aspects de vulnérabilité, nous avons cartographié
les zones les plus vulnérables si un tel événement de marée de tempête se produit (Fig. 90). Le
résultat montre que la Baie de Tanger est sensible aux événements extrêmes d’une onde de
tempête. De plus, la zone la plus vulnérable se situe autour du port de Tanger et au centre de la
Baie où se croisent des infrastructures très vulnérables et des caractéristiques physiques pauvres
(Fig. 90). La vulnérabilité économique correspondrait à la conjonction exceptionnelle des ondes
de tempête extrêmes et à l'hypothèse d'une élévation du niveau de la mer sous l'effet du
changement climatique.
167
meilleure gestion
Tableau 20: Variables choisies pour le calcul de l'AHP
Factor Weight (wi) CR Criteria Weight (wj) CR Sub-criteria Weight (wk) CR

Clay loams 0.32
Clayey-sandy 0.21
Sandy-loam 0.16
Fine layer of sand 0.10
Geotechnical characteristics 0.55 Backfill 0.06 0.04
Calcarenite 0.06
Red mudstone 0.06
Coarse sandstone 0.03
Concrete 0.02
< 10 0.70
Physical factors 0.16 0.02
Bathymetry (m) 0.25 10 – 20 0.24 0.06
> 20 0.06
0–5 0.56
Slope (%) 0.10 5 – 10 0.26
0.04
10 – 15 0.12
> 15 0.06
0–1 0.56
Elevation (m) 0.10 1–2 0.27
0.06
2–3 0.12
3–5 0.04
Buildings 0.07
0 Hotels/Hopital 0.34
Coffee/Restaurants 0.16
Constructions 0.50 0.02
Bank 0.07
Economic factors 0.54 0 Quay 0.03
Port 0.34
High density 0.69
Road density 0.50 Moderate density 0.24 0.08
Low density 0.07
> 30 0.56
20 – 30 0.26
Elderly person* (%) 0.26 0.04
10 – 20 0.12
< 10 0.06
> 20 0.73
Growth rate (%) 0.06 10 – 20 0.20 0.01
< 10 0.07
Social factors 0.30 0.04
High density 0.69
Population density 0.56 Moderate density 0.24 0.08
Low density 0.07
> 40 0.64
20 – 40 0.21
Education level** (%) 0.12 0.06
10 – 20 0.10
< 10 0.05
* The percentage of people over the age of 55 years old
**Level 3 of International Standard Classification of Education
168
meilleure gestion
Figure 90 : Cartes de vulnérabilité aux ondes de tempête le long de la Baie de Tanger pour le scénario 5m.
169
meilleure gestion
VIII.4.1- Propriétés exposées à une onde de tempête (Enjeu)
La zone où la probabilité d'occurrence d'une onde de tempête plus agressive le long de la Baie
de Tanger est constituée des entités économiques ayant un chiffre d'affaires plus important et
pouvant être influencées en cas de mise en place d'une onde de tempête. Il s'agit de (1) environ
160 constructions qui sont généralement des hôtels, des cafés/restaurants, des magasins et des
centres commerciaux, et des résidences (Fig. 87) ; (2) la zone touristique internationale Tanja
Marina Bay ; (3) le port de la ville de Tanger ; (4) la gare ferroviaire de Tanger. La valeur
minimale estimée de ces entités est de 220-375M$, 232M$, 118M$ et 45M$ (Tab. 19). En
outre, nous prenons 216 $ comme le coût de chaque mètre de la route pavée selon Collier et al,
(2013). Sur la base de cette estimation, notre zone de danger compte globalement environ 13
km de routes pavées (Fig. 87). Leur valeur totale estimée est d'environ 2,8 millions de dollars.
En effet, 500 à 655 millions de dollars seraient menacés si une onde de tempête aussi agressive
touchait la baie de Tanger, soit 3,7 à 4,9 % du produit intérieur brut du Maroc. Ces valeurs sont
énormes et peuvent influencer directement le développement économique du pays.
VIII.4.1- Quantification du risque annuel
En utilisant l'équation de Fell et al. (2005), une quantification du risque économique en cas
d'onde de tempête a été réalisée. Les relevés révèlent que le risque annuel de perte de biens
(RP) est de l'ordre de 2.25-2.79M$ (Tab. 19). En considérant un scénario de période de retour
de 100 ans, une zone inondée de 5m a été menacée de perdre environ 225-279M$.
170
meilleure gestion
Tableau 21: Calcul du risque annuel de perte de biens en cas d'événement futur d'ondes de tempête (scénario 5m)
V V E min E max RP (min) RP (max)

Infrastructures - PS:H PT:S
(min) (max) (M$) (M$) (M$/an) (M$/an)
Tangier Railway
0.01 1 1 0.9 45.6 0.41
Station (GFT)
Tanger Marina Bay
0.01 1 1 0.45 232 1.04
(TMB)
Port 0.01 1 1 0.6 118.53 0.71
218.1
Building* 0.01 1 1 - 374.55 0.77 1,31
9
Road 0.01 1 1 0.5 0.6 2.81 0.01 0.02
Total - - - - - - 2.25 2.79
*Un calcul détaillé des groupes de bâtiments par districts est présenté dans le tableau 8.
La valeur des constructions dans la ville de Tanger dépend de son état, de son type et dans quel quartier
est situé (DGI, 2019). Le coût de chaque construction a été calculé en multipliant ses prix minimum et
maximum, proposés par la DGI (2019), en fonction de son emplacement, par sa surface en m2 sous
environnement SIG pour avoir les E(min) et E(max). Ainsi, le risque annuel de perte des constructions
a été calculé pour chaque quartier puis pour l'ensemble des constructions situées en zone dangereuse
(Tab. 21). Le résultat se situe entre 770 k$/an et 1,31M$/an. De plus, les grandes infrastructures (Tanger
Marina Bay, le port de Tanger et la gare de Tanger) situées dans la zone inondée supposée montrent que
le risque annuel de perte de ces propriétés est d'environ 2.16M$/an (Tab. 22). Ainsi, un événement
d'inondation causé par une onde de tempête qui atteint une hauteur de 5m résulterait des pertes de
construction d'environ 77-131M$, et de 216M$ pour les grandes infrastructures.
171
meilleure gestion
Tableau 22 : Calcul du risque annuel pour les quartiers et les structures situés dans des zones dangereuses
V E min R(P)(min) R(P) (max)

District P(H) P(S:H) P(T:S) E max (M$)
(estimated) (M$) (M$/y) (M$/y)
CM4 0.01 1 1 0.15 11.95 17.27 0.02 0.03
CM6 0.01 1 1 0.45 30.72 83.78 0.14 0.38
CM7 0.01 1 1 0.3 3.90 10.02 0.01 0.03
CM8 0.01 1 1 0.75 13.08 16.71 0.10 0.13
CM10 0.01 1 1 0.15 21.08 45.68 0.03 0.07
CM11 0.01 1 1 0.3 6.84 25.41 0.02 0.08
CM12 0.01 1 1 0.15 56.80 75.74 0.09 0.11
TM15 0.01 1 1 0.3 32.47 44.65 0.10 0.13
TM44 0.01 1 1 0.6 25.86 35.39 0.16 0.21
CS2 0.01 1 1 0.75 15.48 19.90 0.12 0.15
Total - - - - - - 0.77 1.31
L'évaluation des dommages routiers causés par les ondes de tempête est également nécessaire
pour quantifier un dommage plus réaliste (Schnebele et al., 2014). En utilisant le prix de
référence des routes pavées au Maroc (216$/m), 13 km de routes montrent un risque annuel de
pertes routières d'environ 10-20k$/an (tab.7), ce qui correspond à $1-2M pour la hauteur de la
vague de tempête (5m) avec une occurrence de 1/100 ans.
VIII.5- Discussion
VIII.5.1- Evaluation qualitative de la vulnérabilité
Les variables utilisées pour estimer la vulnérabilité du littoral ont été choisies en fonction de la
disponibilité des données et de leur utilité dans la zone d'étude. En effet, la méthode utilisée
dans cet aspect permet de localiser les sites les plus vulnérables par rapport aux autres le long
de la baie de Tanger. Cependant, si un tel événement d'onde de tempête se produit en raison des
effets du changement climatique, toute la baie pourrait être affectée et subir des dommages
importants. Ceci est conforme aux études précédentes qui discutent de la vulnérabilité des côtes
de Tanger (par exemple Stour et al., 2002 ; Snousi et al., 2008), et des côtes basses similaires
au Maroc (Khouakhi et al., 2013 ; Raji et al., 2013 ; Tahri et al., 2017 ; Maanan et al., 2019 ;
Aitali et al., 2020). Par conséquent, nos résultats ne soutiennent pas le fait que certaines zones
sont faiblement vulnérables, mais ils proposent où la protection contre l'occurrence des ondes
de tempête doit être, avant tout, mise en œuvre.
Bien que l'AHP soit une méthode puissante dans le domaine de la prise de décision, son résultat
dépend des critères sélectionnés. Cela signifie qu'une carte de vulnérabilité représentative
172
meilleure gestion
devrait être produite si les données d'entrée sont robustes. Cependant, la disponibilité des
données pourrait produire une certaine incertitude. A cet égard, il n'y a pas assez d'informations
sur les événements passés d'ondes de tempête sur les côtes de Tanger. Ce type de données peut
être utile pour comparer et/ou valider nos résultats. Par conséquent, les analyses doivent être
basées sur l'expérience d'autres zones avec des conditions météorologiques et hydrodynamiques
similaires, afin de définir quelles variables ont le plus de potentiel pour augmenter la
vulnérabilité des enjeux.
VIII.5.2- Applicabilité de l'évaluation quantitative des risques
La détermination de la perte de biens par l'équation de Fell (Fell et al., 2005) est l'une des
méthodes d'évaluation quantitative des risques qui vise à calculer les dommages réels aux biens
en USD (United States Dollar), causés par une catastrophe naturelle. Cette évaluation s'est
récemment avérée être un outil puissant pour quantifier les risques côtiers (Li et al. 2021,
Tadibaght et al., 2022). Cependant, à notre connaissance, aucune étude n'a essayé de quantifier
le risque d'onde de tempête en utilisant cette méthode.
Au Maroc, plusieurs limitations sont associées à la quantification du risque côtier par l'équation
de Fell. Le paramètre de la période de retour utilisé pour le calcul du PH est l'une de ces limites.
Dans le cas des ondes de tempête, la détermination de la période de retour est une tâche difficile
en raison de : (1) le manque de données concernant les plaines inondables causées par les ondes
de tempête ; (2) la complexité des mécanismes générés par les ondes de tempête pour la raison
qu'ils sont liés à plusieurs facteurs comme la vitesse du vent, la faible pression atmosphérique
et les fortes précipitations ; et (3) les implications des changements climatiques, qui pourraient
influencer de façon inattendue l'élévation du niveau de la mer et les conditions météorologiques
au fil du temps (par exemple, Hallegatte et al. 2011 ; Wahl et al. 2015). Pour ces raisons, le
scénario de 100 ans comme période de retour d'une onde de tempête de 5 m d'amplitude dans
la Baie de Tanger est proposé pour mener cette étude. Ce scénario est relativement cohérent
avec le niveau d'inondation considéré par Snoussi et al. (2008), qui ont adopté une hauteur de
vague de tempête de 6,2 m avec une période de retour de 100 ans incluant l'effet d'une hypothèse
haute de l’élévation du niveau de la mer (0,86m).
Si l'on considère que la période de retour peut être réduite en raison de l'élévation du niveau de
la mer (Sanchez-Arcilla et Jimenez, 1997 ; Snoussi et al., 2009), le risque annuel de perte de
biens peut être augmenté de 2,25 à 2,79 millions de dollars par an.
173
meilleure gestion
La vulnérabilité des enjeux constitue également un paramètre important de l'équation R P. Ici,

nous avons utilisé la carte résultant du calcul AHP pour extraire les valeurs de vulnérabilité (V)
de chaque construction. Ces valeurs sont normalisées sur une échelle entre 0 et 1 pour être
cohérentes avec l'équation (RP). Par conséquent, la perte de propriété RP a été influencée par les
critères choisis pour évaluer la vulnérabilité. Nous pensons que l'estimation de la vulnérabilité
est plus réaliste dans la mesure où elle prend en compte les aspects socio-économiques et
physiques.
D'autre part, l'extraction de la vulnérabilité des infrastructures routières à partir de la carte de
vulnérabilité n'est pas possible. En outre, les dommages causés par de telles inondations ne sont
pas encore bien explorés (Koks et al. 2019 ; van Ginkel et al. 2021). Pour résoudre ce problème,
des études antérieures ont montré que les dommages matériels directs des infrastructures
routières, dus à une inondation exceptionnelle, peuvent atteindre 50-60% (Jongman et al. 2012
; Bubeck et al. 2019). Considérant que les niveaux d'eau associés aux ondes de tempête peuvent
produire une inondation exceptionnelle (Bouwer et Jongman 2017), nous soutenons le fait que
ces pourcentages ont été considérés comme des valeurs de référence pour quantifier la
vulnérabilité des infrastructures routières (c'est-à-dire 0,5-0,6).
Enfin, il convient de mentionner que les estimations du Rp ne prennent pas en compte les
impacts post-catastrophe des ondes de tempête.
VIII.5.3- Policy and costal management implications
D'une manière générale, le travail présente des résultats qui sont cohérents avec les études
sectorielles de la vulnérabilité des côtes aux risques côtiers dans la région de Tanger. A cet
égard, il convient de noter que la zone d'étude fait l'objet de deux études. Selon le département
de l'Urbanisme et de l'Aménagement du Territoire de la région Tanger-Tétouan-Al Hoceima i)
la première, réalisée par le département de l'urbanisme, concerne une cartographie multi-
échelles et multi-aléas des risques naturels dans le cadre de la mise en œuvre de la Stratégie
Nationale de Gestion Intégrée des Risques (SNIGR), officiellement adoptée en 2020. Ces cartes
constituent des références préliminaires pour l'élaboration de différents documents d'urbanisme.
ii) La deuxième, a été réalisé par le Département des Travaux Publics, qui à pour objectif
d’étudier la vulnérabilité des côtes de la région face aux aléas, notamment l’érosion côtière, la
submersion, les tempêtes et les pollutions accidentelles.
Il convient également de mentionner le décret n° 2.21.965 portant approbation du Plan national
du littoral (PNL) prévu par la loi 81.12 et adopté en 2022. Le PNL vise, entre autres, à établir
174
meilleure gestion
une bonne gouvernance du littoral afin de protéger, préserver et prévenir l'écosystème côtier
(CESE, 2022).
VIII.6- Conclusion
Dans cette étude, nous avons utilisé une approche combinée pour évaluer l'impact des ondes de
tempête sur la baie de Tanger : La technique (AHP) de prise de décision multicritères pour
localiser les zones vulnérables par rapport à l'événement d’une onde de tempête et la méthode
d'évaluation quantitative du risque (QRA) pour estimer le risque économique qui pourrait
survenir en cas de submersion marine induite par une onde de tempête. L'analyse de
vulnérabilité permet de localiser les sites où les dommages seront les plus dangereux et les plus
coûteux en termes d'enjeux socio-économiques. Ces sites sont principalement situés au centre
et au nord-ouest de la Baie de Tanger, où sont implantées les infrastructures les plus
importantes. Dans la deuxième partie de cette étude, la méthode (QRA) fournit le coût des
dommages économiques pour toutes les infrastructures situées dans la zone d’aléa de la Baie
de Tanger. Le résultat des analyses montre que le risque annuel de perte de biens est de 2.25-
2.79M$. En considérant un scénario de période de retour de 100 ans, la hauteur des vagues
d'une tempête, aggravée par l'élévation du niveau de la mer et les implications du changement
climatique, pourrait causer une perte d'environ 225-279M$. Ce chiffre est énorme et peut
influencer directement le développement économique de la ville de Tanger et même du pays.
Les cartes de vulnérabilité générées et le coût calculé des dommages seront utiles et nécessaires
pour une gestion côtière rationnelle et aideront à prendre des décisions et des mesures pour
prévenir les risques liés aux ondes de tempête.
175
CONCLUSION GENERALE
Le climat se réchauffe et les conséquences sur la planète risquent d’être désastreuses. Dans cet
échiquier climatique déboussolé, le Maroc est loin d’être épargné. De ce fait, l’étude des
évènements météorologiques extrêmes, notamment au niveau des zones côtières, est devenue
une nécessité primordiale. Ainsi, dans un contexte du changement climatique et face à l’aléa
inondation, nous avons mis l’accent dans ce travail sur les impacts dus aux précipitations
extrêmes et aux submersions marines au Nord du Maroc.
Une simulation avec le modèle RegCM4.6 a été effectuée dans la région de nord du Maroc
Tanger, Tétouan, Al Hoceima (RTTA) pendant 2 ans (2009-2010) afin d'évaluer sa
performance et de simuler la variabilité extrême des précipitations pendant la saison d'hiver
(DJF). La simulation a été réalisée avec un espacement de grille de 30 km et forcée par les
données NCEP maillées à 2,5°. De plus, les précipitations simulées ont été comparées à trois
ensembles de données d’observation. En outre, des mesures statistiques, telles que le coefficient
de corrélation, le biais et l’erreur quadratique moyenne, sont prises en compte pour comparer
les données simulées aux données maillées (CRU). Considérant le fait que le changement
climatique est reconnu comme la plus grande menace à long terme pour la (RTTA), nous avons
examiné la simulation du modèle pour la période de référence sur la (RTTA), pour tester
l'aptitude du modèle à simuler le climat futur. Les résultats montrent que le modèle RegCM4
représente les aspects régionaux convenables des précipitations sur la zone d'étude (RTTA),
pourtant, sous-estime les précipitations sur les régions montagneuses et méditerranéennes. En
revanche, pour les précipitations projetées, on remarque dans l'ensemble, une diminution des
précipitations moyennes pour (2023-2099) sous les deux scénarios d’émission des gaz à effet
de serre (RCP4.5 et RCP8.5) par rapport à la période historique (1970-2005). Cependant, on
note une diminution des pluies significative sous le scénario RCP8.5.
Afin de parvenir à des résultats performants et plus opérationnels, notre étude a été consolidée
par des méthodes statistiques complexes et des tests recommandés par l'Organisation
météorologique nationale (OMN) et établis sur les trois stations météorologique pilotes au nord
du Maroc : Tanger, Tétouan, Al Hoceima. L’étude a permis d'analyser la probabilité des
précipitations extrêmes journalières en se basant sur la série des précipitations maximums
journaliers entre 39 et 54 ans. Le principal outil statistique que nous avons utilisé dans cette
étude est la théorie des valeurs extrêmes (EVT). Elle nous a permis d'établir les propriétés de
distribution des extrêmes (maxima ou minima) et des excès au-dessus (en dessous) d'un seuil
176
haut (bas). Elle nous a aidé à étudier les propriétés et la modélisation statistique des séries de
précipitations et à prévoir les événements climatiques de grandes périodes de retour dans le
futur. L’analyse des données des observations des précipitations nous a permis d’évaluer la
climatologie des événements extrêmes. Nous avons évoqué, dans l’ensemble, que les
distributions annuelles, saisonnières et journaliers des précipitations maximale et minimale sont
généralement compatibles avec la loi (EVT) sur la région (TTA). Les résultats des tests
statistiques confirment la sélection du modèle optimal du GEV-CDN. En outre, le modèle non
stationnaire s’est avéré plus performant que le modèle stationnaire avec une tendance
significative. Par ailleurs, les réseaux de neurones artificiels (RNA) ont été étudiés également
pour les observations des pluies passées. Les résultats indiquent que la méthode (RNA) est apte
à devenir un outil performant de la gestion intégrée des ressources en eau, permettant une
minimisation des risques d’inondation au sein de cette région. De ce fait, il reste à vérifier sa
capacité à être généralisée sur d’autres régions du territoire marocain.
L’étude d’impact a été traitée dans le but de confirmer nos résultats obtenus. Elle porte sur
l’évaluation de la vulnérabilité des ondes de tempêtes sur la Baie de Tanger. Nous avons utilisé
une approche combinée : i) l’approche d’Analyse Multicritère Hiérarchique (AHP) pour
localiser les zones vulnérables et ii) la méthode d'évaluation quantitative du risque (QRA) pour
estimer le risque économique qui pourrait survenir en cas de submersion marine induite par la
tempête. L'analyse de vulnérabilité a permis de localiser les sites où les dommages seraient les
plus dangereux et les plus coûteux en termes d'enjeux socio-économiques. Ces sites sont
principalement situés au centre et au nord-ouest de la baie de Tanger, où sont implantées les
infrastructures les plus importantes. Le résultat des analyses montre que le risque annuel de
perte de biens est de 2.25-2.79M$. En considérant un scénario de période de retour de 100 ans,
la hauteur des vagues d'une tempête, aggravée par l'élévation du niveau de la mer et les
implications du changement climatique, pourrait causer une perte d'environ 225-279M$. Ce
chiffre est énorme et peut influencer directement le développement économique de la ville de
Tanger et même du pays. Les cartes de vulnérabilité générées et le coût calculé des dommages
seront utiles et nécessaires pour une gestion côtière rationnelle et aideront à prendre des
décisions et des mesures pour prévenir les risques liés aux ondes de tempête.
Enfin, pour mieux s’adapter aux changements climatiques, des perspectives et

recommandations permettent de mettre l’accent sur les axes à développer en termes de
recherche et d’étude sur le Nord du Maroc :
177
 Les résultats du modèle RegCM doivent être corrigés afin d'être utilisés dans les études
d'impact ou de planification des ressources en eau. De ce fait, une étape de correction
du biais est essentielle.
 Nous suggérons l'étude de la sensibilité de la sortie du modèle RegCM4 à différentes
données de forçage et à différents espacements de grille.
 Dans les études futures, nous examinerons la performance du RegCM4 dans la
simulation des autres indices climatiques (Températures extrêmes, Humidité,
Evapotranspiration…).
L’approche d’Analyse Multicritère Hiérarchique (AHP) est générale et peut être adaptée à tout
autre problème de choix et d’analyse afin de tenir des décisions.
178
Liste des références
1. Aboumaria K., (2009) - The Quaternary Coastal Formations of the Tangier peninsula (North
West Morocco): Lithostratigraphy, Sedimentological Processes Petrology and Correlation at the
Scale of Western central Mediterranean. State Thesis. Mohammed V University, Rabat, 221.
2. Achab M., El Moumni B., El Arrim A., Gutierrez J.M., (2005) - Répartition des faciès
sédimentaires récents en milieu marin côtier : exemple des baies de Tanger (NW-Maroc) et de
Cadix (SW-Espagne). Bulletin de l’Institut Scientifique, Rabat, (27), 00-00.
3. Agence du Bassin Hydraulique de Loukkous (2007) - Rapport sur l’état des eaux dans le
domaine d’action de l’ABHL. Débat national sur l’eau.
4. Ait Lemqeddem K., (2021) - Evaluation des impacts des changements climatiques et de
l’élévation du niveau de la mer sur le littoral marocain : Cas de la région de Tanger, Al Hoceima
et Saïdia. Thèses. Université Abdelmalek ESSAIIDI, Tanger 2021.
5. Aitali R., Snoussi M., Kasmi S., (2020) - Coastal Development and Risks of Flooding in
Morocco: The Cases of Tahaddart and Saidia Coasts. Journal of African Earth Sciences 164,
103771.
6. Al Sarmi S., Washington R., (2011) - Recent observed climate change over the Arabian
Peninsula. Journal of Geophysical Research: Atmospheres, 116(D11).
7. Ali A., (1996) - Vulnerability of Bangladesh to Climate Change and Sea Level Rise through
Tropical Cyclones and Storm Surges. In Climate change vulnerability and adaptation in Asia and
the Pacific (pp. 171-179). Springer, Dordrecht.
8. Alibou J., (2002) - Impacts des changements climatiques sur les ressources en eau et les zones
humides du Maroc. Table Ronde Régionale En Méditerranée Athènes, Grèce, 1–39.
9. Allain-El Mansouri B., (2001) - L’eau et la ville au Maroc : Rabat-Salé et sa périphérie. L'eau
et la ville au Maroc, 1-250.
10. Allan R.P., Soden B.J., (2008) - Atmospheric warming and the amplification of precipitation
extremes. Science, 321(5895), 1481-1484.
11. Almazroui M., (2014) - RegCM4 in climate simulation over CORDEX-MENA/Arab domain:
selection of suitable domain, convection and land-surface schemes. International Journal of
Climatology, 36(1), 236-251.
12. Almazroui M., (2019a) - Climate extremes over the Arabian Peninsula using RegCM4 for
present conditions forced by several CMIP5 models. Atmosphere, 10(11), 675.
13. Alouane M., (2001) - Les formations quaternaires des secteurs littoraux du Maroc septentrional
(Région de Tanger et de Nador) : analyses morphostructurale, lithostratigraphique et
sédimentologique. Thèse Doc. Es. Sc., Fac. Sci, Rabat, 206 p.
14. André A., El Gharbaoui A., (1973) - Aspect de la morphologie littorale de la péninsule de
Tanger. Revue de Géographique du Maroc, n° 23-24, pp. 125-147.
179
15. André C., (2013) - Analyse des dommages lies aux submersions marines et évaluation des couts
induits aux habitations à partir de données d’assurance perspective apportées par les Tempêtes
Johanna (2008) et Xynthia (2010). (Doctoral dissertation, Université de Bretagne occidentale-
Brest).
16. André J.C., Aloisio G., Biercamp J., Budich R., Joussaume S., Lawrence B., Valcke S.,
(2014) - High-Performance Computing for Climate Modeling. Bulletin of the American
Meteorological Society, 95(5).
17. Aouiche I., Daoudi L., Anthony E.J., Sedrati M., Harti A., Ziane E., (2016) - The impact of
storms in the morphodynamic evolution of a human-impacted semi-sheltered beach (Agadir Bay,
Morocco). Journal of African Earth Sci. 115, 32–47.
18. AR5 Climate Change (2014) - Impacts, Adaptation, and Vulnerability, IPCC. url: Chapter 2:
Changing State of the Climate System | Climate Change 2021: The Physical Science Basis
(ipcc.ch).
19. AR5 Climate Change (2014) - Impacts, Adaptation, and Vulnerability, IPCC. url: Chapitre 10 |
Changement climatique 2021 : les fondements des sciences physiques (ipcc.ch).
20. AR5 Climate Change (2014) - Impacts, Adaptation, and Vulnerability, IPCC. url: Climate
Change 2022: Mitigation of Climate Change (ipcc.ch).
21. AR6 Climate Change (2021) - Impacts, Adaptation, and Vulnerability, IPCC. url: Rapport de
synthèse — GIEC (ipcc.ch).
22. Bador M., Terray L., Boe J., Somot S., Alias A., Gibelin A.L., Dubuisson B., (2017) - Future
summer mega-heatwave and record-breaking temperatures in a warmer France climate.
Environmental Research Letters, 12(7), 074025.
23. Balaji V., Maisonnave E., Zadeh, N., Lawrence B. N., Biercamp J., Fladrich U., Aloisi G.,
Benson R., Caubel A., Durachta J., Foujols M.A., Lister G., Mocavera S., Underwood S.,
Wright G., (2017) - CPMIP : measurements of real computational performance of Earth system
models in CMIP6. Geoscientific Model Development, 10(1), 19-34.
24. Bartlein P.J., (2007) - Time Scales of Climate Change. Encyclopedia of Quaternary Science
1873– 1883.
25. Battisti D.S., Naylor R.L., (2009) - Historical Warnings of Future Food Insecurity with
Unprecedented Seasonal Heat. Science, 323(5911), 240-244.
26. Bayazit M., Önöz B., (2007) - To prewhiten or not to prewhiten in trend analysis? Hydrological
Sciences Journal, 52(4), 611-624.
27. Belkhayat Z., El Aoula R., Mhammdi N., (2017) - Effects of the winter storms of 2017 on the
Atlantic coast of Rabat: A preliminary evaluation. Bulletin de l’Institut Scientifique, Rabat (39),
135-139.
180
28. Ben Yaich A., Hervouet Y., Duee G., et El Hatimi N., (1991) - Age Jurassique et
réinterprétation des roches basiques au nord de Ouezzane (Rif externe, Maroc) ; signification
géodynamique. C.R. Acad. S Paris, 309, pp. 1197-1202.
29. Bennani O., (2020) - Modélisation hydraulique et vulnérabilité territoriale aux inondations en
milieu montagneux semi-aride : cas des bassins versants de l’Ourika et la Rheraya
(Maroc) (Doctoral dissertation, Université Paul Valéry-Montpellier III; Université Cadi Ayyad
(Marrakech, Maroc). Faculté des sciences Semlalia).
30. Berckmans J., Giot O., DeTroch R., Hamdi R., Ceulemans R., Termonia, P., (2018) -
Reinitialised versus continuous regional climate simulations using ALARO-0 coupled to the land
surface model SURFEXv5. Geoscientific Model Development, 10, 223–238.
31. Bernardara P., Mazas F., Kergadallan X., Hamm L., (2014) - A two-step framework for
over-threshold modelling of environmental extremes. Natural Hazards and Earth System
Sciences, 14(3), 635-647.
32. Beroho M., Briak H., El Halimi R., Ouallali A., Boulahfa I., Mrabet R., Kebede F.,
Aboumaria K., (2020) - Analysis and prediction of climate forecasts in Northern Morocco :
application of multilevel linear mixed effects models using R software. Heliyon 6 (2020) e05094.
33. Boo K.O., Kwon W.T., Beak H.J., (2006) - Change of extreme events of temperature and
precipitation over Korea using regional projection of future climate change. Geophysical
Research Letters, vol. 33, l01701.
34. Born K., Christoph M., Fink A.H., Knippertz P., Paeth H., Speth P., (2008) - Moroccan
climate in the present and future: combined view from observational data and regional climate
scenarios. In Climatic changes and water resources in the Middle East and North Africa (pp. 29–
45). Springer. Berlin, Heidelberg.
35. Born K., Fink A., Paeth H., (2008) - Dry and wet periods in the northwestern Maghreb for
present day and future climate conditions. Meteorologische Zeitschrift, 17(5), 533.
36. Borodina A., Fischer E.M., Knutti R., (2017) - Models are likely to underestimate increase
2944 in heavy rainfall in the extratropical regions with high rainfall intensity. Geophysical 2945
Research Letters 44(14): 7401–7409.
37. Bosom E., Jiménez J.A., (2011) - Probabilistic coastal vulnerability assessment to storms at
regional scale— application to Catalan beaches (NW Mediterranean). Natural Hazards and Earth
System Sciences 11(2), 475-484.
38. Bouaicha R., Benabdelfadel A., (2010) - Variabilité et gestion des eaux de surface au Maroc.
Sécheresse, 21(1e), 1-5.
39. Boucher O., Randall D., Artaxo P., Bretherton C., Feingold G., Forster P., Kerminen V.M.,
Kondo Y., Liao H., Lohmann U., Rasch P., Satheesh S.K., Sherwood S., Stevens B., Zhang
X.Y., (2013) - Clouds and Aerosols. In: Climate Change 2013: The Physical Science Basis.
Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel
181
on Climate Change. In Stocker T.F., Qin D., Plattner G.K., Tignor M., Allen S.K., Doschung J,
Nauels A., Xia Y., Bex V., Midgley P.M., Eds., Cambridge University Press, pp. 571-657.
40. Boughaba A., (1992) - Les littoraux meubles septentrionaux de la péninsule de Tanger (Maroc).
Géomorphologie et effet de l’intervention anthropique sur leur environnement. Thèse d’Etat,
Univ. Nantes, Fac. Lettres, 388 p.
41. Boulahfa I., Aboumaria K., El Halimi R., Batmi A., Maâtouk M., Abattouy M., (2019) -
Modeling the Spatial Distribution of Rainfall in the Tangier Area (Northern Morocco).
In International Conference on Advanced Intelligent Systems for Sustainable Development (pp.
1-12). Springer, Cham.
42. Bouwer L.M., Jonkman S.N., (2018) - Global mortality from storm surges is decreasing.
Environmental Research Letters, 13(1), 014008.
43. Brown B., Clarke K., Warwick R., (2002) - Serial patterns of biodiversity change in corals
across shallow reef flats in Ko Phuket, Thailand, due to the effects of local (sedimentation) and
regional (climatic) perturbations. Marine Biology, 141, 21-29.
44. Brulebois E., (2016) - Impacts du changement climatique sur la disponibilité de la ressource en
eau en Bourgogne : aspects quantitatifs et qualitatifs. (Doctoral dissertation, Université de
Bourgogne).
45. Bubeck P., Dillenardt L., Alfieri L., Feyen L., Thieken A.H., Kellermann P., (2019) - Global
warming to increase flood risk on European railways. Climatic Change, 155(1), 19–36.
46. Bucchignani E., Mercogliano P., Rianna G., Panitz H.J., (2016) - Analysis of ERA-Interim-
driven COSMO-CLM simulations over Middle East – North Africa domain at different spatial
resolutions. International Journal of Climatology, 36, 3346–3369.
47. Cannon A.J., (2010) - A flexible nonlinear modelling framework for nonstationary generalized
extreme value analysis in hydroclimatology. Hydrological Processes: An International
Journal, 24(6), 673-685.
48. Cariolet, J. M., Suanez, S., Meur-Férec, C., & Postec, A. (2012) - Cartographie de l’aléa de
submersion marine et PPR: éléments de réflexion à partir de l’analyse de la commune de
Guissény (Finistère, France). Cybergeo: European Journal of Geography.
49. Cattiaux J., (2010) - Extrêmes de température en Europe : mécanismes et réponses au
changement climatique. Doctoral dissertation, Université Pierre et Marie Curie-Paris VI).
50. CESE (2022) - Le Conseil économique, social et environnemental : www.cese.ma.
51. Chalouan A., Benmakhlouf M., Mouhir L., Ouazani TouhamiA., Saji R. et Zaghloul M.N.,
(1995) - Les étapes tectoniques de la structuration alpine du Rif interne (Maroc). VI Coloquio
international sobre el enlace fijo del estrecho de Gibraltar. Ed. S.C.G., SA. Madrid, Espaňa, VII,
p. 136-192.
52. Chalouan A., El Mrihi A., El Kadiri K., Bahmad A., Salhi F., Hlila R., (2006) - Mauretanian
flysch nappe in the northwestern Rif Cordillera (Morocco): deformation chronology and
182
evidence for a complex nappe emplacement. Geological Society, London, Special
Publications, 262(1), 161-175.
53. Chang Y., Park J.Y., (2002) - On the asymptotics of ADF tests for unit roots. Econometric
Reviews, 21(4), 431-447.
54. Chaouni A., (1996) - Apport des données Landsat M.S.S., RADAR ERS1-SAR; Modèles
numériques de terrain; Morphométriques structurales de Terrain à la compréhension de la
cinématique des principales failles de la Péninsule de Tanger depuis l’Oligocène supérieur
jusqu’à l’Actuel. Diplôme d’Etudes Supérieures de 3ème Cycle. Univ. Med V. Rabat.
55. Charrouf L., (1991) - Problèmes d'ensablement des ports marocains sur la façade atlantique.
Leur impact sédimentologique sur le littoral. La Houille Blanche, (1), 49-71.
56. Chaumillon E., Bertin X., Fortunato A.B., Bajo M., Schneider J.L., Dezileau L., Walsh J.P.,
Michelot A., Chauveau E., Créach A., Hénaff A., Sauzeau T., Waeles B., Gervais B., Jan G.,
Baumann J., Breilh J.F., Pedreros R., (2017) - Storm-induced marine flooding: Lessons from
a multidisciplinary approach. Earth-Science Reviews, 165, 151-184.
57. Chen Y.R., Chu P.S., (2014) - Trends in precipitation extremes and return levels in the Hawaiian
Islands under a changing climate. International Journal of Climatology, 34(15), 3913-3925.
58. Chotin P., Ait Brahim L., Deffontaines B., Rudant J.P. & Chaouni A., (1995) - Apports des
données ERS1-SAR sur la reconnaissance du réseau de failles dans la péninsule de Tanger,
Maroc. Photo-interprétation, 2, pp. 146 - 152.
59. Choukri F., Chikhaoui M., Naimi M., Raclot D., Pepin Y., Lafia K., (2016) - Impact du
changement climatique sur l’évolution de l’érosivité des pluies dans le Rif Occidental (Nord du
Maroc). European Scientific Journal, 12(32), 79–93.
60. Christensen J.H., Carter T.R., Giorgi F., (2002) - PRUDENCE employs new methods to assess
European climate change. EOS, Transactions American Geophysical Union, 83(13), 147–147.
61. Christoforou P., Hameed S., (1997) - Solar cycle and the Pacific “centers of action.”
Geophysical Research Letters, 24(3), 293-296.
62. Coles S., Bawa J., Trenner L., Dorazio P., (2001) - An introduction to statistical modeling of
extreme values. London: Springer.
63. Colin J., Déqué M., Radu R., Somot S., (2010) - Sensitivity study of heavy precipitation in
Limited Area Model climate simulations: influence of the size of the domain and the use of the
spectral nudging technique. Tellus A : Dynamic Meteorology and Oceanography, 62(5), 591-604.
64. Collier P., Kirchberger M., Söderbom M., (2013) - The cost of road infrastructure in
developing countries. Centre for the Study of African Economies, Department of Economics. 56
p.
65. Colmet-Daage A., Sanchez-Gomez E., Ricci S., Llovel C., Borrell Estupina V., Quintana-
Seguí P., Llasat M.C., Servat E., (2018) - Evaluation of uncertainties in mean and extreme
precipitation under climate change for northwestern Mediterranean watersheds from high-
183
resolution Med and Euro-CORDEX ensembles. Hydrology and Earth System Sciences, 22(1),
673-687.
66. Combe M., Simonot M., (1971) - La Haute Moulouya, le sillon d’Itzer-Enjil et le massif de Bou-
MiaAouli. Notes et Mémoires du Service Géologique. Domaines du Rif et du Maroc oriental,
Editions du service géologique du Maroc, 231, 193-201.
67. Cooley D., Naveau P., Poncet P., (2006) - Variograms for spatial max-stable random
fields. Dependence in probability and statistics, 373-390.
68. Cooper N.J., Jay H., (2002) - Predictions of large-scale coastal tendency: development and
application of a qualitative behavior-based methodology. Journal of Coastal Research, (36
(10036)), 173-181.
69. Coppola E., Sobolowski S., Pichelli E., Rafaelle F., Ahrens B., Anders I., Ban N., Bastin S.,
Belda M., Belušić D., Caldas-Alvarez A., Cardoso R., Davolio S., Dobler A., Fernández D.J.,
Fita L., Fumière Q., Giorgi F., Goergen K., Güttler I., Halenka T., Heinzeller D., Hodnebrog
Ø., Jacob D., Kartsios S., Katragkou E., Kendon E., Khodayar S., Kunstmann H., Knist S.,
Lavin-Gullon A., Lind P., Lorenz T., Maraun D., Marelle L., Mejigaard E., Milovac J.,
Myhre G., Panitz H., Piazza M., Raffa M., Raub T., Rockel B., Schär C., Sieck K., Soares
P., Somot S., Srnec L., Stocchi P., Tolle M., Truhetz H., Vautard R., Vries H., Warrach-
Sagi K., (2020) - A first-of-its-kind multi-model convection permitting ensemble for
investigating convective phenomena over Europe and the Mediterranean. Climate
Dynamics, 55(1–2), 3–34.
70. Cramer W., Guiot J., Fader M., Garrabou J., Gattuso J.P., Iglesias A., Lange M.A, Lionello
P., Llasat M.C., Paz S., Penuelas J., (2018) - Climate change and interconnected risks to
sustainable development in the Mediterranean. Nature Climate Change, 8(11), 972-980.
71. Cubasch U., Hegerl G.C., Voss R., Waszkewitz J., Crowley T.J., (1997) - Simulation with
an O-AGCM of the influence of variations of the solar constant on the global climate. Climate
Dynamics, 13, 757-767.
72. Cubash U., Wuebbles D., Chen M., Facchini D., Frame N., Mahowald N., Winther J.G.,
(2013) - Introduction. In: Climate Change 2013: The Physical Science Basis. In Stocker T.F., Qin
D., Plattner G.K., Tignor M., Allen S.K., Boschung J., Nauels A., Xia Y., Bex V., Midgley P.M.,
Eds., Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental
Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New
York, 119-158.
73. Dahech S., Beltrando G., (2012) - Observed temperature evolution in the City of Sfax (Middle
Eastern Tunisia) for the period 1950– 2007. Climatic Change 114(3-4), 689–706.
74. Dahir 9 Joumada II 1332 relatif à l’exploitation des carrières (5 Mai 1914), B. O. 19 juin 1914.
Projet de loi n°27-13 relatif à l’exploitation des carrières, 12 Mars 2014.
184
75. Dai A., Giorgi F., Trenberth K.E., (1999) - Observed and model-simulated diurnal cycles of
precipitation over the contiguous United States. Journal of Geophysical Research, 104, 6377–
6402.
76. Department of Urban and Regional Planning of the Tangier-Tetouan-Al Hoceima Region
(2022).
77. Dee D.P., Uppala SM., Simmons A., Berrisford P., Poli P., Kobayashi S., Andrae U.,
Balmaseda M., Balsamo G., Bauer D.P., (2011) - The ERA-Interim reanalysis: configuration
and performance of the data assimilation system. Quarterly Journal of the royal meteorological
society, 137(656), 553-597.
78. Deffontaines B., Chotin P., Ait Brahim L. & Rozanov M., (1992) - Investigation of active
faults in Morocco using morphometric methods and drainage pattern analysis. Geologishe
Rundschau, 81, pp. 199 - 210.
79. Déqué M., (2007) - Frequency of precipitation and temperature extremes over France in an
anthropogenic scenario: Model results and statistical correction according to observed values.
Global and Planetary Change, 57(1-2), 16-26.
80. Déqué M., Dreveton C., Braun A., Cariolle D., (1994) - The ARPEGE/IFS atmosphere model:
a contribution to the French community climate modelling. Climate Dynamics, 10(4), 249– 266.
81. Déqué M., Jones R.G., Wild M., Giorgi F., Christensen J. H., Hassell D.C., Vidale P.L.,
Rockel B., Jacob D., Kjellström E., (2005) - Global high resolution versus Limited Area Model
climate change projections over Europe: quantifying confidence level from PRUDENCE results.
Climate Dynamics, 25(6), 653–670.
82. Déqué M., Piedelievre J.Ph., (1995) - High-resolution climate simulation over Europe. Climate
dynamics, 11(6), 321-339.
83. Déqué M., Rowell D.P., Lüthi D., Giorgi F., Christensen J.H., Rockel B., Jacob D.,
Kjellström E., De Castro M., van den Hurk B., (2007) - An intercomparison of regional
climate simulations for Europe: assessing uncertainties in model projections. Climatic Change,
81(1), 53–70.
84. Déqué M., Somot S., (2010) - Weighted frequency distributions express modelling uncertainties
in the ENSEMBLES regional climate experiments. Climate Research, 44(2-3), 195–209.
85. Déqué M., Somot S., Sanchez-Gomez E., Goodess C.M., Jacob D., Lenderink G.,
Christensen O.B., (2012) - The spread amongst ENSEMBLES regional scenarios: regional
climate models, driving general circulation models and interannual variability. Climate
Dynamics, 38(5–6), 951–964.
86. DGI (Direction Générale des Impôts) (2019) - Rapport d’activité.
https://www.fnances.gov.ma/Publication/dgi/2017/rapport_ dgi_2015.pdf.
185
87. Di Baldassarre G., Montanari A., Lins H., Koutsoyiannis D., Brandimarte L., Blöschl G.,
(2010) - Flood fatalities in Africa: from diagnosis to mitigation. Geophysical Research Letters,
37(22).
88. Didon J., Durand Delga M. et Kornprobst J., (1973) - Homologies géologiques entre les deux
rives du Détroit de Gibraltar. Bull. Soc. Géol. France. (7), Xv, 2, P. 77-105.
89. Didon J., Durand Delga M., Esteras M., Feinberg H., Magne J. et Suter G., (1984) - La
formation des grès numidiens de l'arc de Gibraltar s'intercale stratigraphiquement entre des
argiles oligocènes et des marnes burdigaliennes. C. R. Acad. Sc. Paris, 248, Série L1, N3, p 121-
128.
90. Direction Régionale de Tanger-Tétouan-Al Hoceima, Haut Commissaruat au Plan (2018) -
monographie regional de tanger tetouan al hociema.
91. DMN, (2020) – Direction de la Météorologie Nationale. Casablanca.
92. Donat M.G., Peterson T.C., Brunet M., King A.D., Almazroui M., Kolli R.K., Boucherf D.,
Al-Mulla A.Y, Nour A.Y., Attia Aly A., Ali Ali Nada T., M. Semawi M., Al Dashti
H.A., Salhab T.G., El Fadli K.I., Muftah M.K., Dah Eida S., Badi W., Driouech F., El Rhaz
K., Abubaker M.J.Y., Ghulam A.S., Erayah A.S., Ben Mansour M., Alabdouli W.O., Al
Dhanhani J.S., Al Shekaili M.N., (2014) - Changes in extreme temperature and precipitation in
the Arab region: long-term trends and variability related to ENSO and NAO. International
Journal of Climatology, 34(3), 581-592.
93. Douglas I., Kurshid A., Maghenda M., McDonnell Y., McLean L., Campbell J., (2008) -
Unjust waters: climate change, flooding and the urban poor in Africa. Environment and
Urbanization, 20 (1), 187–205.
94. Driouech F., (2010) - Distribution des précipitations hivernales sur le Maroc dans le cadre d’un
changement climatique : descente d’échelle et incertitudes. Thèse de Doctorat, Université de
Toulouse, Toulouse, France.
95. Driouech F., Ben Rached S., Al Hairech T., (2013) - Climate variability and change in North
African Countries. In Climate change and food security in West Asia and North Africa. (pp. 161-
172). Springer, Dordrecht.
96. Driouech F., Déqué M., Mokssit A., (2009) - Numerical simulation of the probability
distribution function of precipitation over Morocco. Climate Dynamics, 32(7), 1055–1063.
97. Driouech F., Déqué M., Sanchez-gomez E., (2010a) - Weather regimes — Moroccan
precipitation link in a regional climate change simulation. Global and Planetary Change, 72(1-
2), 1–10.
98. Driouech F., El Rhaz K., Moufouma-Okia W., Arjdal K., Balhane S., (2020) - Assessing
Future Changes of Climate Extreme Events in the CORDEX-MENA Region Using Regional
Climate Model ALADIN-Climate. Earth Systems and Environment, 4(3), 477-492.
186
99. Driouech F., Mahé G., Déqué M., Dieulin C., El Heirech T., Milano M., Benabdelfadel A.,
Rouche N., (2010b) - Evaluation of potential climate change impacts on water resources of the
Moulouya watershed in Morocco. Global Change: Facing Risks and Threats to Water Resources.
In Proc. of the Sixth World FRIEND Conference, Fez, Morocco (Vol. 340, pp. 561-567).
100. Dufour E., (2010) - Adaptation aux changements climatiques dans le nord du canada. (Doctoral
dissertation, Master thesis).
101. Dufresne J.L., Royer J.F., (2006) - Conférence introductive: simulation de l'évolution du
climat aux échelles globales et régionales. Journées de l'hydraulique, 29(1), 57-63.
102. Dugonjic S., Arbanas Z., Benac C., (2008) - Assessment of landslide hazard on flysch slopes.
In Proceedings of the 5th Conference of Slovenian Geotechnical Society, Nova Gorica (pp. 263–
272).
103. Durand Delga M., Hottinger L., Marcais J., Mattauer M., Milliard Y. et Sutter G., (1960-
1962) - Données actuelles sur la structure du Rif. Mem. Hrs. Serv. Soc. Géol. Fr. (Livre Mém.
P. Fallot), T.L, p. 399-422.
104. Echakraoui Z., (2021) - Les changements climatiques dans le bassin de l’Oum er Rabia :
identification, scénarios du futur et stratégie d’adaptation. Doctoral dissertation, Université de
Sultan Moulay Slimane, Faculté des Sciences et Techniques Béni-Mellal.
105. Echakraoui Z., Boukdir A., Aderoju O., Ben Saïd E.H., Zitouni A., El Maslouhi R., António
Guerner Dias A., (2018) - The climate changes in the sub-basin of the Oum Er rbia central and
the impact on the surface waters. In E3S Web of Conferences (Vol. 37, p. 03003). EDP Sciences.
106. Echakraoui Z., Boukdir A., Ben-Said E., Zitouni A., Aderoju O., Ikhmerdi H., M. R.
Meslouhi M.R., (2018) - Impact study of climate change on water resources in the Tessaout
basin (Morocco). Journal of Water Sciences and Environment Technologies, 3(01).
107. Efron B., (1992) - Bootstrap Methods: Another Look at the Jackknife. Breakthroughs in
Statistics, 569–593.
108. El Abdellaoui J., Ozer A., (2007) - Etude diachronique et historique de l’évolution du trait de
côte de la baie de Tanger (Maroc). Revue de Recherche et d'Application en Télédétection, 7(1-2-
3-4).
109. El Arrim A., (2001) - Contribution à l’étude du littoral de la baie de Tanger (Rif Nord Occidental,
Maroc). Approches sédimentologique, géochimique et impact de la dynamique sédimentaire.
Thèse de Doctorat, Université Abdelmalek Essaadi, Faculté de Sciences et Techniques, Tanger,
150 p.
110. El Arrim A., Maâtouk M., El Hatimi I., Afailal-Tribak A., El Moumni B., (2002) - Les
sédiments superficiels de la baie de Tanger (Maroc). Africa Geoscience Review, 9(3), 245-254.
111. El Arrim A., Maatouk M., El Moumni B., Afailal-Tribak A., El Khachani H., (2003) - Le
littoral de la baie de Tanger (Rif Nord Occidental-Maroc) : sédimentologie, géochimie et impact
187
de la dynamique sédimentaire. Travaux de l'Institut scientifique. Série géologie et géographie
physique 21, 215-223.
112. El Gharbaoui A., (1977) - Note préliminaire sur l'évolution géomorphologique de la péninsule
de Tanger. Bulletin de la Société Géologique de France, 7(3), 615-622.
113. El Gharbaoui A., (1981) - La Terre et l'Homme dans la péninsule tingitane. Étude sur le Rif et
le milieu naturel dans le Rif occidental. Travaux de l’institut scientifique. Série géologie et
géographie physique, (15).
114. El Hamly M., Sebbari R., (1998) - Towards the seasonal prediction of Moroccan precipitation
and its implications for water resources management. Water Resources Variability in Africa
during the XXth Century. Variabilité Des Ressources en Eau en Afrique Au XXème Siècle, (252),
79.
115. El Hatimi N., (1991) - Rifting mésozoïque sur la bordure occidentale du Rif interne (Maroc):
Évolution géodynamique d'un secteur de la marge ouest thètysienne (exemples du Haouz et du
groupe Moussa). Thèse Doc. État, Ès-Sc. Univ. de Pau et des pays de Ladour. 317p.
116. El Kharrim M., Bahi L., (2014) - Using Statistical Downscaling of GCM Simulations to Assess
Climate Change Impacts on Drought Conditions in the Northwest of Morocco. Modern Applied
Science, 9(2), 1.
117. El Messaoudi B., Ait Laâmel M., El Hou M., Bouksim H., (2016) - Situations des fortes houles
sur les côtes atlantiques marocaines. Actes Session Plénière Académie Hassan II des Sciences et
Techniques, 79-99.
118. El Mrini A., Maanan M., Anthony E.J., Taaouati M., (2012) - An integrated approach to
characterize the interaction between coastal morphodynamics, geomorphological setting and
human interventions on the Mediterranean beaches of northwestern Morocco. Applied
Geography, 35(1-2), 334-344.
119. El Talibi H., (2016) - Evidences of tsunami deposits along the Moroccan Atlantic coast (Tanger-
Asilah): Methodological approach, sites analysis and Hazard mitigation. Université Abdelmalek
Essaadi.
120. El Talibi H., El Moussaoui S., Zaghloul M.N., Aboumaria K., Wassmer P., Mercier J.L.,
(2016) - New sedimentary and geomorphic evidence of tsunami flooding related to an older events
along the Tangier-Asilah coastal plain, Morocco. Geoenvironmental Disasters, 3(1), 1-21.
121. Emanuel K.A., (1991) - A Scheme for Representing Cumulus Convection in Large- Scale
Models. Journal of the atmospheric sciences, 48(21), 2313-2329.
122. Encyclopaedia Britannica: Morocco, by Laroui, A., Gilsom Miller, S., Swearingen, W.D.,
Barbour, N. and Brown, L.C., https://www.britannica.com/place/Morocco (consulté en ligne à
partir du 28 novembre 2019).
123. Fell R., Ho K.K.S., Lacasse S., Leroi E., (2005) - A framework for landslide risk assessment
and management. In Landslide risk management (pp. 13-36). CRC Press.
188
124. Feng J., Fu C., (2006) - Inter-Comparison of 10-Year Precipitation Simulated by Several RCMs
for Asia. Advances in atmospheric sciences, 23(4), 531-542.
125. Fernández J.D.M., Hertz A., (2019) - Final Report Regional Analysis of (I) NDCs in the SEMed
Region. Union for the Mediterranean.
126. Ferreira Silva S., Martinho M., Capitão R., Reis T., Fortes C., Ferreira J., (2017) - An index-
based method for coastal-flood risk assessment in low-lying areas (Costa de Caparica, Portugal).
Ocean and Coastal Management, 114, 90–104.
127. Filahi S., Tanarhte M., Mouhir L., El Morhit M., Tramblay Y., (2015) - Trends in indices of
daily temperature and precipitations extremes in Morocco. Theoretical and Applied
Climatology, 124(3), 959-972.
128. Filahi S., Tramblay Y., Mouhir L., Diaconescu E.P., (2017) - Projected changes in temperature
and precipitation indices in Morocco from high‐resolution regional climate models. International
Journal of Climatology, 37(14), 4846-4863.
129. Flato G., Marotzke J., Abiodun B.J., Braconnot P., Chou S.C., Collins W.D., Cox P.M.,
Driouech F., Emori S., Eyring V., Forest C.E., Gleckler P.J., Guilyardi E., Jakob C., Kattsov
V.M., Reason C.J., Rummukainen M., (2013) - Evaluation of Climate Models. Dans: Climate
Change 2013: The Physical Science Basis. Contribution du Groupe de travail I au cinquième
rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat.
Cambridge University Press, Cambridge, Royaume-Uni et New York, NY, États-Unis, pp. 741-
866.
130. Fotovatikhah F., Herrera M., Shamshirband S., Chau K.W., Faizollahzadeh Ardabili S.,
Piran M.J., (2018) - Survey of computational intelligence as basis to big flood management :
Challenges, research directions and future work. Engineering Applications of Computational
Fluid Mechanics, 12(1), 411-437.
131. Funk C., Peterson P., Landsfeld M., Pedreros D., Verdin J., Shukla S., Husak G., Rowland
J., Harrison L., Hoell A., Michaelsen J., (2015) - The climate hazards infrared precipitation
with stations-a new environmental record for monitoring extremes. Scientific Data, 2(1), 1-21.
132. Gao X., Giorgi F., (2008) - Increased aridity in the Mediterranean region under greenhouse gas
forcing estimated from high resolution regional climate projections. Global and Planetary
Change, 62(3–4), 195–209.
133. Gao X., Pal J.S., Giorgi F., (2006) - Projected changes in mean and extreme precipitation over
the Mediterranean region from a high-resolution double nested RCM simulation. Geophysical
Research Letters, 33(3).
134. Genet P.E., (2011) - Signature sédimentaire des tsunamis sur la côte atlantique marocaine entre
Tanger et Larache et implications en termes de risque. Mémoire master, 1.
135. Gilleland E., (2021) - Novel measures for summarizing high-resolution forecast
performance. Advances in Statistical Climatology, Meteorology and Oceanography, 7(1), 13-34.
189
136. Giorgi F., (2006) - Climate change hot spots. Geophysical research letters, 33(8).
137. Giorgi F., Anyah R.O., (2012) - The road towards RegCM4. Climate Research, 52, 3-6.
138. Giorgi F., Bi X., Pal J.S., (2004) - Mean, inter-annual variability and trends in a regional climate
change experiment over Europe. I. Present-day climate (1961–1990). Climate Dynamics, 22(6),
733–756.
139. Giorgi F., Coppola E., Solmon F., Mariotti L., Sylla M.B., Bi X., El Guindi N., Diro G.T.,
Nair V., Giuliani G., Turuncoglu U.U., Cozzini S., Güttler I., O’Brien T.A., Tawfik A.B.,
Shalaby A., Zakey A.S., Steiner A.L., Stordal F., Sloan L.C., Brankovic C., (2012) - RegCM4:
model description andpreliminary tests over multiple CORDEX domains. Climate Research. 52,
7–29.
140. Giorgi F., Huang Y., Nishizawa K., Fu C., (1999) - A seasonal cycle simulation over eastern
Asia and its sensitivity to radiative transfer and surface processes. Journal of Geophysical
Research : Atmospheres, 104(D6), 6403-6423.
141. Giorgi F., Jones C., Asrar G.R., (2009) - Addressing Climate Information Needs at the Regional
Level: The CORDEX Framework. World Meteorological Organization (WMO) Bulletin, 58(3),
175.
142. Giorgi F., Lionello P., (2008) - Climate change projections for the Mediterranean region. Global
and Planetary Change 63 (2-3), 90–104.
143. Giorgi F., Marinucci M.R., DeCanio G., Bates G.T., (1993a) - Development of a second-
generation regional climate model (RegCM2). Part I: Boundary-layer and radiative transfer
processes. Monthly Weather Review, 121(10), 2794-2813.
144. Giorgi F., Mearns L.O., (1999) - Introduction to special section: Regional climate modeling
revisited. Journal of Geophysical Research: Atmospheres, 104(D6), 6335-6352.
145. Giorgi F., Torma C., Coppola E., Ban N., Schär C., Somot S., (2016) - Enhanced summer
convective rainfall at Alpine high elevations in response to climate warming. Nature Geoscience,
9(8), 584-589.
146. GIZ. (2011) - Climate Proofing.
147. Griggs D.J., Noguer M., (2002) - Climate change 2001: The scientific basis. Contribution of
Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate
Change. Weather, 57(8), 267–269.
148. Groupe de la Banque mondiale. (2014).
149. Gutowski W.J Jr., Giorgi F., Timbal B., Frigon A., Jacob D., Kang H.S., Raghavan K.,
Lee B., Lennard C., Nikulin G., O’Rourke E., Rixen M., Solman S., Stephenson T., Tagang
F., (2016) - WCRP COordinated Regional Downscaling EXperiment (CORDEX): a diagnostic
MIP for CMIP6. Geoscientific Model Development, 9(11), 4087–4095.
150. Gutowski W.J Jr., Ullrich P., Hall A., Leung L.Y., O’Brien T.A., Patricola C., Arritt R.,
Bukovsky M.S., Calvin K.V., Feng Z., Jones A.D., Kooperman G.J., Monier E., Pritchard
190
M.S., Pryor S., Qian Y., Rhoades A., Roberts A.F., Sakaguchi K., Urban N., Zarzycki C.,
(2020) - The Ongoing Need for High-Resolution Regional Climate Models: Process
Understanding and Stakeholder Information. Bulletin of the American Meteorological
Society, 101(5), E664–E683.
151. Gutowski W.J., Giorgi F., Timbal B., Frigon A., Jacob D., Kang H.S., Raghavan K., Lee B.,
Lennard C., Nikulin G., O'Rourke E., Rixen M., Solman S., Stephenson T., Tangang F.,
(2016) - WCRP coordinated regional downscaling experiment (CORDEX): A diagnostic MIP for
CMIP6. Geoscientific Model Development, 9(11), 4087–4095.
152. Hakkou M., Maanan M., Belrhaba T., Benmohammadi A., (2018) - Multi-decadal assessment
of shoreline changes using geospatial tools and automatic computation in Kenitra coast, Morocco.
Ocean & Coastal Management, 163, 232-239.
153. Hakkou, M., Maanan, M., Belrhaba, T., Leone, F., Benmohammadi, A., & Zourarah, B.
(2019) - Assess and mapping the flooding hazards using geospatial tools and empirical model
along Kenitra coast, Morocco. Ocean & coastal management, 169, 264-272.
154. Hallegatte S., Ranger N., Mestre O., Dumas P., Corfee-Morlot J., Herweijer C., Muir-Wood
R., (2011) - Assessing climate change impacts, sea level rise and storm surge risk in port cities:
a case study on Copenhagen. Climatic Change, 104, 113–137.
155. Hamdi R., Van de Vyver H., Termonia P., (2012) - New cloud and microphysics
parameterisation for use in high-resolution dynamical downscaling: application for summer
extreme temperature over Belgium. International Journal of Climatology, 32(13), 2051–2065.
156. Hangnon, H., De Longueville, F., & Ozer, P. (2015) - Précipitations ‘extrêmes’ et inondations
à Ouagadougou; quand le développement urbain est mal maîtrisé... In 28e Colloque
International de l’Association Internationale de Climatologie. ULg-Université de Liège, Liège,
Belgium.
157. Harris I., Jones P.D., Osborn T.J., Lister D.H., (2014) - Updated high-resolution grids of
monthly climatic observations – the CRU TS3.10 Dataset. International journal of
climatology, 34(3), 623-642.
158. Hatfield J.L., Prueger J.H., (2015) - Temperature extremes: Effect on plant growth and
development. Weather and climate extremes, 10, 4-10.
159. Hawkins E., Frame D., Harrington L., Joshi M., King A., Rojas M., Sutton R., (2020) -
Observed emergence of the climate change signal: from the familiar to the unknown. Geophysical
Research Letters, 47(6).
160. HCP (Haut-Commissariat au Plan) (2014) - Recensement général de la population humaine.
http://rgphentableaux.hcp.ma/Default1/.
161. HCR (Haut-Commissariat des Nations unies pour les réfugiés) (2020) - l’Agence des Nations
Unies pour les réfugiés. https://data2.unhcr.org/en/country/esp (consulté le 31 janvier 2020).
191
162. Hertig E., Seubert S., Jacobeit J., Paxian A., Vogt G., Paeth H., (2012) - Statistical and
dynamical downscaling assessments of precipitation extremes in the Mediterranean
area. Meteorologische Zeitschrift (Berlin), 21.
163. Hewitson B.C., Crane R.G., (2006) - Consensus between GCM climate change projections with
empirical downscaling: precipitation downscaling over South Africa. International Journal of
Climatology: A Journal of the Royal Meteorological Society, 26(10), 1315-1337.
164. Hewitt C. D., (2004) - Ensembles-based predictions of climate changes and their impacts. Eos,
Transactions American Geophysical Union, 85(52), 566–566.
165. Hoffmann P., Schoetter R., Schlünzen K.H., (2018) - Statistical-dynamical downscaling of the
urban heat island in Hamburg, Germany. Meteorologische Zeitschrift.
166. Holtslag A.A.M., Boville B.A., (1993) - Local versus non-local boundary‐layer diffusion in a
global climate model. Journal of Climate, 6(10), 1825–1842.
167. Hoozemans F.M.J., Marchand M., Pennekamp H.A., (1993) - Sea level rise: global
vulnerability assessments for population, coastal wetlands and rice production on a global
scale. H1588.
168. Hosking J.R.M., Wallis J.R., (1995) - A comparison of unbiased and plotting‐position
estimators of L moments. Water Resources Research, 31(8), 2019-2025.
169. Hosking J.R.M., Wallis J.R., (1997) - Regional frequency analysis (p. 240).
170. Hosking J., Hosking M.J., (2019) - Lmom: L-Moments. R Package Version 2.8.
171. Hoyez B., (1989) - Le Numidien et les Flyschs oligo-mioènes de la bordure sud de la
Méditerranée occidentale. Doctoral dissertation, Lille 1.
172. Hugget R.J., (1991) - Climate, Earth processes and Earth history. Berlin (Germany). Hardcover,
xiv+ 281 pp. ISBN 3-540-53419-9.
173. Hulme M., Barrow E.M., Arnell N.W., Harrison P.A., Johns T.C., Downing T.E., (1999) -
Relative impacts of human-induced climate change and natural variability. Nature, 397(6721),
688-691.
174. Humbert H., (1971) - Géologie et morphologie du tangérois. Notes et Mémoires du Service
Géologique du Maroc. 22, 31-46.
175. Humbert M., (1969) - Carte géotechnique de Tanger ; 1/25 000. Notes et Mémoires du Service
Géologique du Maroc, 14.
176. Humbert M., (1969) - Carte géotechnique de Tanger (1/25000) : Lithologie, stratigraphie,
morphologie. Éditions du service géologique du Maroc, Notes et mémoires n°222.
177. Humbert M., (1971) - Mémoire explicatif de la carte géotechnique de Tanger au 1/25 000. Notes
et Mémoires du Service Géologique du Maroc, n° 222 bis.
178. Hunter J., (2012) - A simple technique for estimating an allowance for uncertain sea-level rise.
Climatic Change, 113(2), 239-252.
192
179. Hurrell J.W., Kushnir Y., Ottersen G., Visbeck M., (2003) - An overview of the North
Atlantic oscillation. Geophysical Monograph-American Geophysical Union, 134, 1-36.
180. Hurrell J.W., (1995) - Decadal trends in the North Atlantic Oscillation: regional temperatures
and precipitation. Science, 269: 676–679.
181. I.P.C.C (Intergovernmental Panel on Climate Change) (2014) - Long-term Climate Change:
Projections, Commitments and Irreversibility Pages 1029 to 1076. In Climate Change 2013 – The
Physical Science Basis: Working Group I Contribution to the Fifth Assessment Report of the
Intergovernmental Panel on Climate Change (pp. 1029-1136). Cambridge: Cambridge University
Press.
182. Im E.S., Ahn J.B., Remedio A.R., Kwon W.T., (2008) - Sensitivity of the regional climate of
East/Southeast Asia to convective parameterizations in the RegCM3 modeling system. Part 1:
Focus on the Korean peninsula. International Journal of Climatology: A Journal of the Royal
Meteorological Society, 28(14), 1861-1877.
183. IPCC (2012) - Managing the Risks of Extreme Events and Disasters to Advance Climate Change
Adaptation. — European Environment Agency. url: https://www.eea.europa.eu/data- and-
maps/indicators / direct - losses - from - weather - disasters - 1 / ipcc-2012-managing-the-risks.
184. IPCC (2021) - Frequently Asked questions. In: Climate Change 2021: The Physical Science
Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental
Panel on Climate Change [Masson-Delmotte, V., P. Zhai, A. Pirani, S. L. Connors, C. Péan, S.
Berger, N.Caud, Y. Chen, L. Goldfarb, M. I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R.
Matthews, T. K. Maycock, T. Waterfield, O. Yelekçi, R. Yu and B. Zhou (eds.)].
185. IPCC (2021) - Summary for Policymakers. In: Climate Change 2021: The Physical Science
Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental
Panel on Climate Change [Masson-Delmotte, V., P. Zhai, A. Pirani, S.L. Connors, C. Péan,
S. Berger, N. Caud, Y. Chen, L. Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy,
J.B.R. Matthews, T.K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, and B. Zhou (eds.)].
Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, pp. 3−32.
186. Ivčević, A., Bertoldo, R., Mazurek, H., Siame, L., Guignard, S., Moussa, A. B., & Bellier,
O. (2020) - Local risk awareness and precautionary behaviour in a multi-hazard region of North
Morocco. International Journal of Disaster Risk Reduction, 50, 101724.
187. Jaaidi E.B., Ahmamou M., Zougary R., Chater B., El Moutchou B. Malek F. et Naim K.,
(1993) - Le littoral méditerranéen entre Tétouan et Ceuta et atlantique entre Tanger et Asilah
(Maroc). Impact des aménagements portuaires sur la dynamique côtière : cas des ports de M'Diq,
Restinga-Samir, Tanger et Asilah. Pub. Com. Nat. Géogr. Maroc. Aménagement littoral et
évolution des côtes. pp. 21-33.
188. Janpeter S., Hertig E., Tramblay Y., Scheffran J., (2020) - Climate change vulnerability, water
resources and social implications in North Africa. Regional Environmental Change, 20(1).
193
189. Jelassi M., Gachon P., Laprise R., (2016) - Occurrence, durée et intensité des précipitations
simulées par deux modèles régionaux canadiens du climat sur la région du Maghreb. Atmosphere-
Ocean, 54(5), 469-497.
190. Jiménez J.A., Ciavola P., Balouin Y., Armaroli C., Bosom E., Gervais M., (2009) -
Geomorphic coastal vulnerability to storms in microtidal fetch-limited environments: application
to NW Mediterranean et N Adriatic Seas. Journal of Coastal Research, 56, 1641-1645.
191. Jones R.G., Murphy J.M., Noguer M., (1995) - Simulation of climate change over Europe using
a nested regional-climate model. I. Assessment of control climate, including sensitivity to location
of lateral boundaries. Quarterly Journal of the Royal Meteorological Society, 121, 1413-1449.
192. Jongman B., Kreibich H., Apel H., Barredo J.I., Bates P.D., Feyen L., Gericke A., Neal J.,
Aerts J.C.J.H., Ward P.J., (2012) - Comparative flood damage model assessment: towards a
European approach. Natural hazards and Earth system sciences, 12(12), 3733-3752.
193. Katrien D., Houria D., Kristie L.E., Papa D.F., Ricardo F., Rebecca G., IPCC WGII AR5
Chapter 22. Africa.
194. Kendall M., (1975) - Multivariate analysis. London: Charles Griffin.
195. Khalfaoui O., Dezileau L., Jean-Philippe D., Snoussi M., (2020) - A late Holocene record of
marine highenergy events along the Atlantic coast of Morocco: new evidences from the Tahaddart
estuary. Geoenvironmental Disasters, 7(1), 1-14.
196. Khaliq M.N., Ouarda T.B., Ondo J.C., Gachon P., Bobée B., (2006) - Frequency analysis of a
sequence of dependent and/or non-stationary hydro-meteorological observations: A
review. Journal of hydrology, 329(3-4), 534-552.
197. Kharin V.V., Zwiers F., W., Zhang X., Hegerl G.C., (2007) - Changes in temperature and
precipitation extremes in the IPCC ensemble of global coupled model simulations. Journal of
Climate, 20, 1419-1444.
198. Khomsi K., Mahe G., Tramblay Y., Sinan M., Snoussi M., (2016) - Regional impacts of global
change: Seasonal trends in extreme rainfall, run-off and temperature in two contrasting regions
of Morocco. Natural Hazards and Earth System Sciences, 16(5), 1079-1090.
199. Khouakhi A., Snoussi M., Niazi S., Raji O., (2013) - Vulnerability assessment of Al Hoceima
bay (Moroccan Mediterranean coast): a coastal management tool to reduce potential impacts of
sea-level rise and storm surges. Journal of Coastal Research, (65 (10065)), 968-973.
200. Kiehl J.T., Hack J.J., Bonan G.B., Boville B.A., Breigleb B.P., Williamson D., Rasch P.,
(1996) - Description of the Ncar Community Climate Model CCM3. Technical Note (No. PB-97-
131528/XAB; NCAR/TN-420-STR). National Center for Atmospheric Research, Boulder, CO
(United States). Climate and Global Dynamics Div.
201. Klaver R., Haarsma R., Vidale P.L., Hazeleger W., (2020) - Résolution effective dans les
modèles atmosphériques globaux à haute résolution pour les études climatiques. Atmospheric
Science Letters, 21(4), e952.
194
202. Knippertz P., Christoph M., Speth P., (2003) - Long-term precipitation variability in Morocco
and the link to the large-scale circulation in recent and future climates. Meteorology and
Atmospheric physics, 83(1), 67-88.
203. Koks E.E., Rozenberg J., Zorn C., Tariverdi M., Vousdoukas M., Fraser S.A., Hall J.W.,
Hallegatte S., (2019) - A global multi-hazard risk analysis of road and railway infrastructure
assets. Nature Communications. 10, 1–11.
204. Kornprobst J., (1974) - Contribution à l'étude pétrographique et structurale de la zone interne
du Rif (Maroc Septentrional). Notes et Méru. Serv. Géol. Maroc n. 251, p. 260.
205. Koutsoyiannis D., Baloutsos G., (2000) - Analysis of a long record of annual maximum rainfall
in Athens, Greece, and design rainfall inferences. Natural Hazards, 22, 29-48.
206. Kurihara K., Ishihara K., Sasaki H., Fukuyama Y., Saitou H., Takayabu I., Murazaki K.,
Sato Y., Yukimoto S., Noda A., (2005) - Projection of climate change over Japan due to global
warming by high resolution regional climate model in MRI. SOLA, 1,97–100.
207. Kyselý J., (2009) - A cautionary note on the use of nonparametric bootstrap for estimating
uncertainties in extreme-value models. Journal of Applied Meteorology and Climatology, 47(12),
3236-3251.
208. Kyselý J., (2010) - Coverage probability of bootstrap confidence intervals in heavy-tailed
frequency models, with application to precipitation data. Theoretical and Applied
Climatology, 101, 345-361.
209. L.C.H.F (Laboratoire Central d‟Hydraulique de France) (1972) - Baie de Tanger, rapport
des études sédimentologiques (65 p) et rapport de la mission hydrographique. pp. 56.
210. L.C.H.F (Laboratoire Central Hydraulique de France) (1974) - Aménagement de la baie de
Tanger, protection de la plage. Avant-projet sommaire, 2°Mém., 75 p.
211. L.P.E.E (Laboratoire Public d'Essai et d'Etude) (2002) - Etudes océanographiques et
maritimes du futur port de Oued Rmel, Rapport inédit, avril. 112 pp.
212. Lallahem S., Mania J., (2003) - A nonlinear rainfall-runoff model using neural network
technique: example in fractured porous media. Mathematical and Computer Modelling, 37(9-10),
1047-1061.
213. Lamb P.J., Peppler R.A., (1987) - North Atlantic Oscillation: concept and application. Bulletin
of the American Meteorological Society, 68: 1218–1225.
214. Laouina A., (2006) - Prospective “Maroc 2030” : Gestion durable des ressources naturelles de la
biodiversité au Maroc. Rapport pour le compte du HAUTCOMMISSARIAT AU PLAN ROYAUME
DU MAROC.
215. Leblanc D., (1979) - Alloctonie des unités du Mesorif oriental. C.R.A.S., Paris, D. t 288, p. 27-
30.
195
216. Lee S.H., Maeng S.J., (2003) - Frequency analysis of extreme rainfall using L‐
moment. Irrigation and Drainage: The journal of the International Commission on Irrigation
and Drainage, 52(3), 219-230.
217. Lenderink G., Buishand A., Deursen W., (2007) - Estimates of future discharges of the river
Rhine using two scenario methodologies: direct versus delta approach. Hydrology and Earth
System Sciences, 11(3), 1145-1159.
218. Leung L.R., Qian Y., (2003) - Changes in seasonal and extreme hydrologic conditions of the
Georgia Basin/Puget Sound in an ensemble regional climate simulation for the mid-
century. Canadian Water Resources Journal/Revue canadienne des ressources
hydriques, 28(4), 605-631.
219. Li H., Guo Y., Park S.Y., (2017) - Asymmetric Relationship between Investors' Sentiment and
Stock Returns: Evidence from a Quantile Non‐causality Test. International Review of
Finance, 17(4), 617-626.
220. Li X., Wang X., Babovic V., (2018) - Analysis of variability and trends of precipitation extremes
in Singapore during 1980–2013. International Journal of Climatology, 38(1), 125-141.
221. Li Y., Chen L., Yin K., Zhang Y., Gui L., (2021) - Quantitative risk analysis of the hazard chain
triggered by a landslide and the generated tsunami in the Three Gorges Reservoir area.
Landslides, 18(2), 667-680.
222. Lin N., Emanuel K., Oppenheimer M., Vanmarcke E., (2012) - Physically based assessment
of hurricane surge threat under climate change. Nature Climate Change, 2(6), 462-467.
223. Logan T.M., Guikema S.D., Bricker J.D., (2018) - Hard-adaptive measures can increase
vulnerability to storm surge and tsunami hazards over time. Nature Sustainability, 1(9), 526-530.
224. Loi n° 08-01 relative à l’exploitation des carrières, Dahir n° 1-02- 130 du 1er Rabii II 1423
(13/6/2002), B. O. n° 5036 5 juin 2002.
225. Loi n° 12-03 relative aux études d'impact sur l'environnement, Dahir n° 1.03.60 du 10 Rabii
I 1424 (12 mai 2003), B. O. n° 5118 du 19 Juin 2003.
226. Long B.F., (1998) - Rapport de visite de la plage de Tanger. Rapport interne (Direction du Port
et de Domaine Pub), 16 p.
227. Lowe J.A., Gregory J.M., (2005) - The effects of climate change on storm surges around the
United Kingdom. Philosophical Transactions of the Royal Society A: Mathematical, Physical and
Engineering Sciences, 363(1831), 1313-1328.
228. Maanan M., Rueff H., Adouk N., Zourarah B., Rhinane H., (2019) - Assess the human and
environmental vulnerability for coastal hazard by using a multi-criteria decision analysis. Human
and Ecological Risk Assessment: An International Journal, 24, 1642 - 1658.
229. Madsen H., Rasmussen P.F., Rosbjerg D., (1997a) - Comparison of annual maximum series
and partial duration series methods for modeling extreme hydrologic events: 1. At‐site
modeling. Water resources research, 33(4), 747-757.
196
230. Madsen H., Rasmussen P.F., Rosbjerg D., (1997b) - Comparison of annual maximum series
and partial duration series methods for modeling extreme hydrologic events: 2. At‐site
modeling. Water resources research, 33(4), 759-769.
231. Mahe G., Lienou G., Descroix L., Bamba F., Paturel J.E., Laraque A., Meddi M., Habaieb
H., Adeaga O., Dieulin C., Kotti F.C., Khomsi K., (2013) - The Rivers of Africa: witness of
climate change and human impact on the environment. Hydrological Processes, 27(15), 2105-
2114.
232. Maraun D., Widmann M., (2018b) - Statistical Downscaling and Bias Correction for Climate
Research. Cambridge, Royaume-Uni et NewYork, NY, États-Unis, 360p.
233. Matti C., Pauling A., Kuttel M., Wanner H., (2009) - Winter precipitation trends for two
selected European regions over the last 500 years and their possible dynamical background.
Theoretical and Applied Climatology, 95(1), 9–26.
234. McGregor J.L., (1996) - Semi-Lagrangian advection on conformal-cubic grids. Monthly
Weather Review, 124(6), 1311-1322.
235. McKee T.B., Doesken N.J., Kleist J., (1993) - The relationship of drought frequency and
duration to time scales. In Proceedings of the 8th Conference on Applied Climatology (Vol. 17,
No. 22, pp. 179-183).
236. McLeod A.I., Hipel K.W., (1994) - Tests for monotonic trend. Stochastic and Statistical
Methods in Hydrology and Environmental Engineering: Time Series Analysis in Hydrology and
Environmental Engineering, 245-270.
237. Mearns L.O., Arritt R., Biner S., Bukovsky M.S., McGinnis S., Sain S., Caya D., Correira
Jr J., Flory D., Gutowski W., Takle E.S., Jones R., Leung R., Moufouma-Okia W.,
McDaniel L., Nunes A.M.B., Qian Y., Roads J., Sloan L., Snyder, M. (2013) - The North
American regional climate change assessment program: overview of phase I results. Bulletin of
the American Meteorological Society, 93(9), 1337-1362.
238. Mearns L.O., Bogardi I., Giorgi F., Matyasovsky I., Palecki M., (1999) - Comparison of
climate change scenarios generated from regional climate models experiments and statistical
downscaling. Journal of Geophysical Research: Atmospheres, 104(D6), 6603-6621.
239. Medina F., Belkhayat Z., Mhammdi N., (2018) - Effects of the storm Hercules/Christina (7
January 2014) on the Moroccan coast between Rabat and Casablanca. IX Symposium on the
Iberian Atlantic Margin, At Coimbra, Portugal Hercules, 2014. Abstract of the IX Symposium
MIA2018, Coimbra.
240. Meehl G.A., Stocker T.F., Collins W.D., Friedlingstein P., Gaye A.T., Gregory J.M., Kitoh
A., Knutti R., Murphy J.M., Noda A., Raper S.C.B., Watterson I.G., Weaver A.J., Zhao
Z.C., (2007) - Global Climate Projections. In: Climate Change 2007: The Physical Science Basis.
Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel
on Climate Change. Cambridge University Press, Cambridge, United Kingdom 747-845.
197
241. Mercier, R., J Garrett, J Thorp, and A Siega-Riz. (2013) - Pregnancy intention and
postpartum depression: Secondary data analysis from a prospective
cohort. BJOG 120: 1116– 1122.
242. METL (Ministère d’équipement, du Transport et de la logistique, Maroc) (2014) - Impact
de la houle exceptionnelle du 6-7 janvier 2014 sur les infrastructures portuaires (Mars 2014).
243. METL (Ministère de l’Equipement du Transport et de la Logistique, Maroc) (2013) -
Communiqué sur le projet de réforme relatif à l’exploitation des carrières (Version arabe publiée,
10 octobre).
244. Meylan P., Favre A.C., Musy A., (2008) - Hydrologie fréquentielle : une science prédictive.
PPUR presses polytechniques.
245. Mhammdi N., Medina F., Belkhayat Z., El Aoula R., Geawahri M.A., Chiguer A., (2020) -
Marine storms along the Moroccan Atlantic coast : An underrated natural hazard?. Journal of
African Earth Sciences, 163, 103730.
246. Milano M., Ruelland D., Fernandez S., Dezetter A., Fabre J., Servat E., (2012) - Facing global
changes in the Mediterranean basin: How could the current water stress evolve by the medium-
term. Comptes Rendus Geoscience, 344(9), 432-440.
247. Mitchell J., (1976) - An overview of climatic variability and its causal mechanisms. Quaternary
Research, 6(4), 481-493.
248. Morel J.L., (1992) - Carte des mouvements récents du Rif ; 1/500 000. Notes Mém. Serv. géol.
Maroc, 365.
249. Moss R.H., Edmonds J.A., Hibbard K.A., Manning M.R., Rose S.K., van Vuuren D.P.,
Carter T.R., Emori S., Kainuma M., Kram T., Meehl G.A., Mitchell J.F.B., Nakicenovic N.,
Riahi K., Smith S.J., Stouffer R.J., Thomson A.M., Weyant J.P., Wilbanks T.J., (2010) - The
next generation of scenarios for climate change research and assessment. Nature, 463(7282), 747-
756.
250. Mudryk L.R., Chereque A., Brown R., Derksen C., Luojus K., Decharme B., (2020) - Arctic
Report Card 2020: Terrestrial Snow Cover.
251. Müller A., (2006) - Comportement asymptotique de la distribution des pluies extrêmes en
France. (Doctoral dissertation, Thèse de doctorat, Université Montpellier II).
252. Najjar Y., Zhang X., “Carol.” (2000) - Characterizing the 3D Stress-Strain Behavior of Sandy
Soils: A Neuro-Mechanistic Approach. Numerical Methods in Geotechnical Engineering.
253. Nashwan M.S., Shahid S., Abd Rahim N., (2019) - Unidirectional trends in annual and seasonal
climate and extremes in Egypt. Theoretical and Applied Climatology, 136(1), 457-473.
254. Nasrallah H.A., Nieplova E., Ramadan E., (2004) - Warm season extreme temperature events
in Kuwait. Journal of Arid Environments, 56(2), 357-371.
255. National Oceanic and Atmospheric Administration (2018) - CMORPH 0.25-degree daily
precipitation estimates. National Oceanic and Atmospheric Administration.
198
256. Neres M., Carafa M.M.C., Fernandes R.M.S., Matias L., Duarte J.C., Barba S, Terrinha P.,
(2016) - Lithospheric deformation in the Africa Iberia plate boundary: improved neotectonic
modeling testing a basal-driven Alboran plate. Journal of Geophysical Research: Solid
Earth, 121(9), 6566-6596.
257. Niazi S., (2002) - Evaluation des impacts des changements climatiques et de l’élévation du niveau
de la mer sur le littoral de Tétouan (Méditerranée occidentale du Maroc) : Vulnérabilité et
Adaptation. Doctorat en Géosciences de l’Environnement. Université Mohammed V –
AGDAL.296p.
258. Niazi, S. 2007 - Evaluation des impacts des changements climatiques et de l‟élévation du niveau
de la Mer sur le littoral de Tétouan (Méditerranée occidentale du Maroc): vulnérabilité et
Adaptation. Thèse de Doctorat Univ. Mohammed V, Faculté des Sciences, Rabat, 230p.
259. Nicholls, R.J., P.P. Wong, V.R. Burkett, 3. J.O. Codignotto, J.E. Hay, R.F. McLean, S.
Ragoonaden and C.D. Woodroffe, (2008) - Coastal systems and low-lying areas. Climate
Change 2007: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the
Fourth Assessment Report of the Intergovernmental Panel on Climate Change, M.L. Parry, O.F.
Canziani, J.P. Palutikof, P.J. van der Linden and C.E. Hanson, Eds., Cambridge University
Press, Cambridge, UK, 315-356.
260. Nold A., (1976) - Tectonique et évolution structurale de la Dorsale calcaire entre oued Laou et
Assifane ( Rif interne, Maroc). Notes et Mem., Serv. Géol., Maroc, 300, 233 p.
261. Onibon, H., Ouarda, T. B., Barbet, M., St-Hilaire, A., Bobee, B., & Bruneau, P. (2004) -
Analyse fréquentielle régionale des précipitations journalières maximales annuelles au Québec,
Canada/Regional frequency analysis of annual maximum daily precipitation in Quebec,
Canada. Hydrological sciences journal, 49(4).
262. Organisation météorologique mondiale O., (2013) - BULLETIN DE L ’ OMM SUR LES
POUSSIÈRES ATMOSPHÉRIQUES.
263. Organisation météorologique mondiale O., (2018) - TEMPS CLIMAT EAU BULLETIN DE
L’ OMM SUR LES GAZ. November.
264. Organisation météorologique mondiale, O. (2019) - Rapport annuel.
265. Özyurt G., Ergin A., (2010) - Improving Coastal Vulnerability Assessments to Sea-Level Rise:
A New Indicator-Based Methodology for Decision Makers. Journal of Coastal Research 26 (2):
265–273.
266. Pachauri R.K., Meyer L.A., (2014) - Climate Change 2014: Synthesis Report. Contribution of
Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on
Climate Change.
267. Paeth H., Born K., Girmes R., Podzun R., Jacob D., (2009) - Regional climate change in
tropical and Northern Africa due to greenhouse forcing and land use changes. Journal of Climate,
22(1), 114–132.
199
268. Pal J.S., Giorgi F., Bi X., Elguindi N., Solmon F., Gao X., Rauscher S.A., Francisco R.,
Zakey A., Winter J., (2007) - Regional Climate Modeling for the Developing World: The ICTP
RegCM3 and RegCNET. Bulletin of the American Meteorological Society, 88(9), 1395-1410.
269. Park E.H., Hong S.Y., Kang H.S., (2008) - Characteristics of an East-Asian summer monsoon
climatology simulated by the RegCM3. Meteorology and Atmospheric Physics, 100(1), 139-158.
270. Parry M., Canziani O., Palutikof J., Van der Linden P., Hanson C., (2007) – Climate change
2007 : Impacts, Adaptation and Vulnerability Contribution of Working Group II to the Fourth
Assessment Report of the IPCC (978 0521 88010-7 Hardback; 978 0521 70597-4 Paperback).
271. Pateau M., (2014) - De l’aléa au risque naturel: cas de la région Tanger-Tétouan (Rif,
Maroc). Geo-Eco-Trop, 38(1), 23-32.
272. Pateau M., (2014a) - Le complexe portuaire «Tanger Med» : une stratégie économique aux
dépens d’une gestion durable des risques naturels. Bulletin de l’Association des Géographes
Français. Géographies, 91(91-3), 389-400.
273. Pateau M., (2014b) - Dynamiques superficielles et gestion des risques de l’arrière-pays du
complexe portuaire Tanger-Med (Rif septentrional, Maroc). Thèse de l’Université Paris Diderot,
282 p.
274. Patricola C.M., Cook K.H., (2010) - Northern African climate at the end of the twenty-first
century: An integrated application of regional and global climate models. Climate Dynamics,
35(1), 193–212.
275. Peel, M. C., Wang, Q. J., Vogel, R. M., & McMAHON, T. A. (2001)- The utility of L-moment
ratio diagrams for selecting a regional probability distribution. Hydrological Sciences
Journal, 46(1), 147-155.
276. Pickands III J., (1975) - Statistical inference using extreme order statistics. The Annals of
Statistics, 119-131.
277. Pigeon, P. (2002) - Réflexions sur les notions et les méthodes en géographie des risques dits
naturels. In Annales de géographie (Vol. 111, No. 627, pp. 452-470). Persée-Portail des revues
scientifiques en SHS.
278. Pohlert T., Pohlert M.T., (2018) - Package ‘pmcmr’. R package version, 1(0).
279. Population des pays méditerranéens.
http://worldpopulationreview.com/countries/mediterraneancountries (consulté le 11 octobre
2019).
280. Portis D.H., Walsh J.E., El Hamly M., Lamb P.J., (2001) - Seasonality of the North Atlantic
Oscillation. Journal of Climate, 14(9), 2069-2078.
281. Pörtner H.O., Roberts D.C., Poloczanska E.S., Mintenbeck K., Tignor M., Alegría A.,
Craig M., Langsdorf S., Löschke S., Möller V., Okem A., (eds.)]. In: Climate Change 2022:
Impacts, Adaptation, and Vulnerability. Contribution of Working Group II to the Sixth
Assessment Report of the Intergovernmental Panel on Climate Change [Pörtner H.O.,
200
Roberts D.C., Tignor M., Poloczanska E.S., Mintenbeck K., Alegría A., Craig M.,
Langsdorf S., Löschke S., Möller V., Okem A., Rama B., (eds.) IPCC, 2022: Summary for
Policymakers . Cambridge University Press.
282. Prein A.F., Gobiet A., Truhetz H., Keuler K., Goergen K., Teichmann C., Maule C.F., Van
Meijgaard E., Déqué M., Nikulin G., (2016) - Precipitation in the EURO-CORDEX 0.11° and
0.44° simulations: high resolution, high benefits?. Climate dynamics, 46(1–2), 383– 412.
283. Prein A.F., Laghans W., Fosser G., Ferrone A., Ban N., Goergen K., Keller M., Tolle M.,
Gutjahr O., Feser F., Brisson E., Kollet S., Schmidli J., van Lipzig N.P.M., Leung R., (2015)
- A review on regional convection-permitting climate modeling: Demonstrations, prospects, and
challenges. Reviews of Geophysics, 53(2), 323–361.
284. Pruneau D., ElJai B., Khattabi A., Benbrahim S., Langis J., (2017) - La pensée design et
Facebook au service de la résolution d'un problème d’inondation : Une étude de cas au
Maroc. Éducation relative à l'environnement. Regards-Recherches-Réflexions, 14(1).
285. Ragab R., Prudhomme C., (2002) - Sw—soil and Water: Climate Change and Water Re-sources
Management in Arid and Semi-arid Regions: Prospec-tive and Challenges for the 21st Century.
Biosystems engineering, 81(1), 3-34.
286. Raghavan K., Lee B., Lennard C., Nikulin G., O’Rourke E., Rixen M., Solman S.,
Stephenson T., Tangang F., (2016) - WCRP COordinated Regional Downscaling Experiment
(CORDEX): a diagnostic MIP for CMIP6. Geoscientific Model Development, 9(11), 4087-4095.
287. Raji O., Niazi S., Snoussi M., Dezileau L. and Khouakhi A., (2013) - Vulnerability Assessment
of a Lagoon to Sea Level Rise and Storm Events : Nador Lagoon (NE Morocco). Journal of
Coastal Research, (65 (10065)), 802-807.
288. Ramalho I., Omira R., El Moussaoui S., Baptista M.A., Zaghloul M.N., (2018) - Tsunami-
induced morphological change. A model-based impact assessment of the 1755 tsunami in NE
Atlantic from the Morocco coast. Geomorphology 319, 78-91.
289. Resnick S.I., (1987) - Extreme Values, Regular Variation, and Point Processes. Applied
Probability. A Series of the Applied Probability Trust 4. New York: Springer.
290. Rhein M., Steinfeldt R., Kieke D., Stendardo I., Yashayaev I., (2017) - Ventilation variability
of Labrador Sea Water and its impact on oxygen and anthropogenic carbon: a
review. Philosophical Transactions of the Royal Society A: Mathematical, Physical and
Engineering Sciences, 375(2102).
291. Ribatet M., Dombry C., (2015) - Functional Regular Variations, Pareto Processes and Peaks
Over Thresholds. Statistics and Its Interface, 8(1), 9–17.
292. Ribatet M.A., (2006) - A user’s guide to the pot package (version 1.0). http://cran.r-project.org.
293. Rifai, N., Khattabi, A., & Rhazi, L. (2014) - Impact du changement climatique sur les
températures journalières minimales et maximales et les précipitations de la région de Tanger
201
(nord-ouest du Maroc) quantifié à partir d’une méthode de descente d’échelle
statistique. VertigO, 14(3).
294. Roberts A.F., Hunke E.C., Allard R., Bailey D.A., Craig A.P., Lemieux J.F., Turner M.D.,
(2018) - Quality control for community-based sea-ice model development. Philosophical
Transactions of the Royal Society A: Mathematical, Physical and Engineering
Sciences, 376(2129).
295. Romagny, A., Münch, P., Cornée, J. J., Corsini, M., Azdimousa, A., Melinte-Dobrinescu,
M. C., ... & Moussa, A. B. (2014) - Late Miocene to present-day exhumation and uplift of the
Internal Zone of the Rif chain: Insights from low temperature thermochronometry and basin
analysis. Journal of Geodynamics, 77, 39-55.
296. Saaty T.L., (1980) - Risk its priority and probability: the analytic hierarchy process. Risk
Analysis, 7(2), 159-172.
297. Said S.E., Dickey D.A., (1984) - Testing for unit roots in autoregressive-moving average models
of unknown order. Biometrika, 71(3), 599-607.
298. Salhi A., Martin-Vide J., Benhamrouche A., Benabdelouahab S., Himi M., Benabdelouahab
T., Ponsati A.C. (2019) - Rainfall distribution and trends of the daily precipitation concentration
index in northern Morocco : a need for an adaptive environmental policy. SN Applied Sciences,
1(3), 1-15.
299. Sallak B., (2019) - Les risques hydrologiques d'inondations et la problématique d'aménagement
des territoires de piémont : cas du" dir" de Taghzirt à Zaouit Echiekh, Province de Béni Mellal,
Maroc (Doctoral dissertation, Université de Lorraine).
300. Sanchez-Arcilla A., Jimenez J.A., (1997) - Physical impact of climate change on deltaic coasts
(I): an approach. Climatic Change 35, 71–93.
301. Sansom P.G., Ferro C.A., Stephenson D.B., Goddard L., Mason S.J., (2016) - Best practices
for postprocessing ensemble climate forecasts. Part I: Selecting appropriate recalibration
methods. Journal of Climate, 29(20), 7247-7264.
302. Satta A., Puddu M., Venturini S., Giupponi C., (2017) - Assessment of coastal risks to climate
change related impacts at the regional scale: The case of the Mediterranean region. International
Journal of Disaster Risk Reduction 24, 284-296.
303. Satta A., Snoussi M., Puddu M., Flayou L., Hout R., (2016) - An index-based method to
assess risks of climate-related hazards in coastal zones: the case of Tetouan. Estuarine, Coastal
and Shelf Science, 175, 93-105.
304. Schilling J., Freier K. P., Hertig E., Scheffran J., (2012) – Climate change, vulnerability and
adaptation in North Africa with focus on Morocco. Agriculture, Ecosystems & Environment, 156,
12-26.
305. Schilling J., Hertig E., Tramblay Y., Scheffran J., (2020) - Climate change vulnerability, water
resources and social implications in North Africa. Regional Environmental Change, 20, 1-12.
202
306. Schmitz C., Lotze‐Campen H., Gerten D., Dietrich J. P., Bodirsky B., Biewald A., Popp A.,
(2013) - Blue water scarcity and the economic impacts of future agricultural trade and
demand. Water Resources Research, 49(6), 3601-3617.
307. Schnebele E., Cervone G., Waters N., (2014) - Road assessment after flood events using non-
authoritative data. Natural Hazards and Earth System Sciences, 14(4), 1007-1015.
308. Sebbar, A., Hsaine, M., Fougrach, H., & Badri, W. (2012) - Étude des variations climatiques
de la région centre du Maroc. Les climats régionaux: observation et modélisation, 709-714.
309. Sebbar, A., Hsaine, M., Fougrach, H., & Badri, W. (2013) - Carte des précipitations annuelles
au Maroc (1935/2006). In Actes du 26éme Colloque de l’Association Internationale de
Climatologie, Cotonou (pp. 37-43).
310. Seif-Ennasr M., Zaaboul R., Hirich A., Nils G., Bouchaou L., El Z., El A., Hassane E.,
Mcdonnell R.A., Choukr-Allah R., (2016) - Climate change and adaptive water management
measures in Chtouka Aït Baha region (Morocco). The Science of the total environment, 573, 862-
875.
311. Shi Y., Gao X.J., Wang Y.G., Giorgi F., (2009) - Simulation and projection of monsoon on
rainfall and rain patterns over eastern China under global warming by RegCM3. Atmospheric and
Oceanic Science Letters, 2(5), 308-313.
312. Sivakumar M.V.K., Lal R., Selvaraju R., Hamdan I., (2013) - Climate Change and Food
Security in West Asia and North Africa. Springer Netherlands.
313. Skamarock W.C., (2004) - Evaluating Mesoscale NWP Models Using Kinetic Energy
Spectra. Monthly Weather Review, 132(12), 3019–3032.
314. Snoussi M., Ouchani T., Khouakhi A., Niang-Diop I., (2009) - Impacts of sea-level rise on the
Moroccan coastal zone: quantifying coastal erosion and flooding in the Tangier Bay.
Geomorphology, 107(1-2), 32-40.
315. Snoussi M., Ouchani T., Niazi S., (2008) - Vulnerability assessment of the impact of sea level
rise and flooding on the Moroccan coast: the case of the Mediterranean eastern zone. Estuarine
Coastal and Shelf Science, 77, 206-213.
316. Solman S.A., Nuñez M.N., (1999) - Local estimates of global climate change: a statistical
downscaling approach. International Journal of Climatology: A Journal of the Royal
Meteorological Society, 19(8), 835-861.
317. Somot S., (2005) - Modélisation climatique du bassin méditerranéen : variabilité et scénarios
de changement climatique, (Doctoral dissertation, Université Paul Sabatier-Toulouse III).
318. Staniforth A., Thuburn J., (2012) - Horizontal grids for global weather prediction and climate
models: a review. Quarterly Journal of the Royal Meteorological Society, 138, 1– 26.
319. Stockdon H.F., Holman R.A., Howd P.A., Sallenger A.H., (2006) - Empirical parameterization
of setup, swash, and run-up. Coastal Engineering 53(7), 573–588.
203
320. Stocker T.F., Qin D., Plattner G., Tignor M.M., Allen S.K., Boschung J., Nauels A., Xia Y.,
Bex V., Midgley P.M., Alexander L.V., Bindoff N.L., Bréon F., Church J.A., Cubasch U.,
Emori S., Forster P.M., Friedlingstein P., Gillett N.P., Gregory J.M., Hartmann D.L.,
Jansen E., Kirtman B., Knutti R., Kanikicharla K.K., Lemke P., Marotzke J., Masson‐
Delmotte V., Meehl G.A., Mokhov I.I., Piao S., Dahe Q., Ramaswamy V., Randall D.A.,
Rhein M., Rojas M., Sabine C.L., Shindell D.T., Talley L.D., Vaughan D.G., Xie S., Allen
M.R., Boucher O., Chambers D.P., Christensen J.H., Ciais P., Clark P.U., Collins M.,
Comiso J.C., Menezes V.V., Feely R.A., Fichefet T., Fiore A.M., Flato G., Fuglestvedt J.S.,
Hegerl G.C., Hezel P.J., Johnson G.C., Kaser G., Kattsov V.M., Kennedy J.J., Tank A.M.,
Le Quéré C., Myhre G., Osborn T.J., Payne A.J., Perlwitz J., Power S.B., Prather M.J.,
Rintoul S.R., Rogelj J., RStocker T.F., Rusticucci M., Schulz M., Sedlacek J., Stott P.A.,
Sutton R.T., Thorne P.W., Wuebbles D.J., (2013) - Climate Change 2013. The Physical
Science Basis. Working Group I Contribution to the Fifth Assessment Report of the
Intergovernmental Panel on Climate Change - Abstract for decision-makers.
321. Stocker T.F., Qin D., Plattner G.K., Tignor M., Allen S.K., Boschung J., Nauels A., Xia Y.,
Bex V., Midgley P.M., (IPCC (2013) - Summary for policy makers. Climate change 2013: The
Physical Science Basis. Contribution Of Working Group I To The Fifth Assessment Report Of
The Intergovernmental Panel On Climate Change. (eds) Cambridge University Press,
Cambridge, United Kingdom and New York, NY, USA, 1535 pp.
322. Stoffel M., Khodri M., Corona C., Guillet S., Poulain V., Bekki S., Masson-Delmotte V.,
(2016) - Estimates of volcanic-induced cooling in the Northern Hemisphere over the past 1,500
years. Nature Geoscience 8(10), 784–788.
323. Stour L., Agoumi A., Snoussi M., (2003) - Changements climatiques et Elévation du Niveau de
la Mer. La Revue Marocaine de Génie Civil, 97, 33-37.
324. Stour, L., & Agoumi, A. (2008) - Sécheresse climatique au Maroc durant les dernières
décennies. Hydroécologie appliquée, 16, 215-232.
325. Synthese_Les_villes_cotieres_d_Afrique_du_Nord_01.pdfs. Projet de la Banque Mondiale «
Adaptation au changement climatique et aux désastres naturels des villes côtières d’Afrique du
Nord ».
326. Taaouati M., (2012) - Morphodynamique des plages et évolution du trait de côte sur le littoral
atlantique du Tangérois (Maroc Nord Occidental) : approches saisonnière et pluri-décennale par
techniques de la géomatique. (Doctoral dissertation, Nantes).
327. Tadibaght A., Agharroud K., Bounab A., (2022) - Quantitative risk assessment in El-Jadida
(Northern Atlantic Coast of Morocco) for a tsunami scenario equivalent to that of the 1755 Lisbon
earthquake. Environmental Earth Sciences, 81.
204
328. Tahri M., Maanan M., Bouksim H., Hakdaoui M., (2017) - Using Fuzzy Analytic Hierarchy
Process multi-criteria and automatic computation to analyse coastal vulnerability. Progress in
Physical Geography, 41(3), 268-285.
329. Taibi S., Meddi M., Mahé G., Assani A., (2017) - Relationships between atmospheric
circulation indices and rainfall in Northern Algeria and comparison of observed and RCM-
generated rainfall. Theoretical and Applied Climatology, 127(1), 241-257.
330. Tanarhte M., Hadjinicolaou P., Lelieveld J., (2012) - Intercomparison of temperature and
precipitation data sets based on observations in the Mediterranean and the Middle East. Journal
of Geophysical Research: Atmospheres, 117(D12).
331. Tanguy, M. (2012) - Cartographie du risque d’inondation en milieu urbain adaptée à la gestion
de crise: Analyse préliminaire.
332. Taylor M.A., Stephenson T.S., Chen A.A., Stephenson K.A., (2012) - Climate change and
the Caribbean: Review and response. Caribbean studies, 169-200.
333. Tebaldi C., Hayhoe K., Arblaster J.M., Meehl G.A., (2006) - Going to the extremes: an
intercomparison of model-simulated historical and future changes in extreme events. Climatic
change, 79(3-4), 185-211.
334. Tesson, M., Gensous, B., & Lambraimi, M. (1987) - Seismic analysis of the southern margin
of the Alboran Sea. Journal of African Earth Sciences (1983), 6(6), 813-821.
335. Tian Q., Li Z., Sun X., (2021) - Frequency analysis of precipitation extremes under a changing
climate: a case study in Heihe River basin, China. Journal of Water and Climate Change, 12(3),
772-786.
336. Todorovic P., Zelenhasic E., (1970) - A stochastic model for flood analysis. Water Resources
Research, 6(6), 1641-1648.
337. Tovar-Sanchez A., Sanchez-Quiles D., Rodríguez-Romero A., (2019) - Massive coastal
tourism influx to the Mediterranean Sea: The environmental risk of sunscreens. Science of the
Total Environment, 656, 316-321.
338. Tramblay Y., El Adlouni S., Servat E., (2012) - Trends and variability in extreme precipitation
indices over North Africa. Natural Hazards and Earth System Sciences, 13(12), 3235–3248.
339. Tramblay Y., Ruelland D., Somot S., Bouaicha R., Servat E., (2013) – High-resolution Med-
CORDEX regional climate model simulations for hydrological impact studies: A first evaluation
of the ALADIN-Climate model in Morocco. Hydrology and Earth System Sciences
Discussions, 17(10), 3721-3739.
340. Tramblay Y., Villarini G., Saidi M.E., Massari C., Stein L., (2022) - Classification of flood-
generating processes in Africa. Scientific reports, 12(1), 18920.
341. Uppala S.M., Kållberg P., Simmons A., Andrae U., Bechtold V.D.C., Fiorino M., Gibson J.,
Haseler J., Hernandez A., Kelly G., (2005) - The ERA-40 re-analysis. Quarterly Journal of The
Royal Meteorological Society, 131(612), 2961–3012.
205
342. Vallette, C., & Cartier, S. (2012) - Dénombrer pour maitriser les dommages des catastrophes
naturelles. VertigO-la revue électronique en sciences de l'environnement, 12(1).
343. Van der Linden P., Mitchell J.E., (2009) - ENSEMBLES: Climate Change and its Impacts:
Summary of research and results from the ENSEMBLES project. Met Office Hadley Centre,
FitzRoy Road, Exeter EX1 3PB, UK, 160.
344. Van Ginkel K.C., Dottori F., Alfieri L., Feyen L., Koks E.E., (2021) - Flood risk assessment
of the European road network. Natural Hazards and Earth System Sciences, 21(3), 1011-1027.
345. Van Oldenborgh G.J., van der Wiel K., Kew S., (2021) - Pathways and pitfalls in extreme
event attribution. Climatic Change, 166(1), 1-27.
346. Van Vuuren D P., Edmonds J., Kainuma M., Riahi K., Thomson A., Hibbard K., Hurtt
G.C., Kram T., Krey V., Lamarque J.F., Masui T., Meinshausen M., Nakicenovic N., Smith
S.J., Rose S.K., (2011) - The representative concentration pathways: an overview. Climatic
Change, 109, 5-31.
347. Vogel, R. M., & Wilson, I. (1996)- Probability distribution of annual maximum, mean, and
minimum streamflows in the United States. Journal of hydrologic Engineering, 1(2), 69-76.
348. Wahl T., Jain S., Bender J., Meyers S.D., Luther M.E., (2015) - Increasing risk of compound
flooding from storm surge and rainfall for major US cities. Nature Climate Change, 5(12), 1093-
1097.
349. Ward M.N., Lamb P.J., Portis D.H., El Hamly M., Sebbari R., (1999) - Climate variability in
Northern Africa: Understanding droughts in the Sahel and the Maghreb. In Beyond el Niño (pp.
119-140). Springer, Berlin, Heidelberg.
350. Warrick R.A., Le Provost C., Meier M.F., Oerlemans J., Woodworth P.L., (1996) - Changes
in Sea Level. In: Climate Change 1995: The Science of Climate Change. Environment & Planning
A, 25(5), 43-55.
351. Wasko C., Parinussa R.M., Sharma A., (2016) - A quasi-global assessment of changes in
remotely sensed rainfall extremes with temperature. Geophysical Research Letters, 43, 12,659–
12,668.
352. Watson R.T., Zinyowera M.C., Moss R.H., Dokken D.J., (eds), (1995) - Impacts, adaptations
and mitigation of climate change: scientific-technical analyses. Contribution of Working Group
II to the Second Assessment Report of the Intergovernmental Panel on Climate Change. x, 879p.
Cambridge University Press.
353. Wilby R.L., Dawson C.W., Barrow E.M., (2002) – SDSM, a decision support tool for the
assessment of regional climate change impacts. Environmental Modelling & Software, 17(2),
145-157.
354. Wilby R.L., Wigley T.M.L., Conway D., Jones P.D., Hewitson B.C., Main J., Wilks D.S.,
(1998) - Statistical downscaling of general circulation model output: A comparison of methods.
Water resources research, 34(11), 2995-3008.
206
355. Wildi W., (1983) - La chaîne tello-rifaine (Algérie, Maroc, Tunisie): structure, stratigraphie et
évolution du Trias au Miocène. Rev. Géol. Dyn. Géogr. Phys., 24, 3, p. 201-297.
356. Wobus C., Lawson M., Jones R., Smith J., Martinich J., (2014) - Estimating monetary
damages from flooding in the United States under a changing climate. Journal of Flood Risk
Management, 7(3), 217-229.
357. Woillez M., (2019) - Revue de littérature sur le changement climatique au Maroc : observations,
projections et impacts. (pp. 1-33). Paris Cedex 12: Agence française de développement.
358. Yano J.I., Ziemanski Z., Cullen M., Termonia P., Onvlee J., Bengtsson L., Carrassi A., Davy
R., Deluca A., Gray S.L., Homar V., Kohler M., Krichak S., Michaelides S., Phillips V.T.J.,
Soares P.M.M., Wyszogrodzki A.A., (2018) - Scientific Challenges of Convective-Scale
Numerical Weather Prediction. Bulletin of the American Meteorological Society, 99(4), 699–710.
359. Zaghloul M.N., (2002) - La sédimentation silicoclastique oligo-miocène de type « Flysch »
dans le Rif, « Bassin des flyschs » et « Zones internes » (Rif, Maroc) : Evolution et corrélation
à l’échelle de la Chaîne Maghrebide. Thèse Doct. Etat, Univ. Med V-Agdal, Rabat, (Maroc),
329 p.
360. Zaghloul M.N., di Staso A., Gigliuto L.G., Maniscalco R., Puglisi D., (2005) - Stratigraphy
and provenance of Lower and Middle Miocene strata within the External Tanger Unit (Intra-Rif
sub-Domain, External Domain; Rif, Morocco): first evidence. Geol. Carpath. 56, 6, 517—530.
361. Zaier I., Shu C., Ouarda T.B., Seidou O., Chebana F., (2010) - Estimation of ice thickness on
lakes using artificial neural network ensembles. Journal of Hydrology, 383(3-4), 330-340.
362. Zeino-Mahmalat E., Bennis A., (2012) - Environnement et Changement Climatique au Maroc
Diagnostic et Perspectives. Konrad-Adenauer-Stiftung. EV, Bureau au Maroc, Association Ribat
Al Fath pour le développement durable, Rabat. 1–88.
363. Zeng X., Zhao M., Dickinson R.E., (1998) - Intercomparison of bulk aerodynamic algorithms
for the computation of sea surface fluxes using TOGA COARE and TAO data. Journal of
Climate, 11(10), 2628-2644.
364. Zhang X., Aguilar E., Sensoy S., Melkonyan H., Tagiyeva U., Ahmed N., Kutaladze N.,
Rahimzadeh F.,Taghipour A., Hantosh T.H., Albert P., Semawi M., Karam Ali M., Al-
Shabibi M.H.S., Al-Oulan Z., Zatari T., Al Dean Khelet I., Hamoud S., Sagir R., Demircan
M., Eken M., Adiguzel M., Alexander L., Peterson T.C., Wallis Wallis T., (2005) - Trends in
Middle East climate extreme indices from 1950 to 2003. Journal of Geophysical Research
Atmospheres, 110(22), 1-12.
365. Zittis G., Hadjinicolaou P., Lelieveld J., (2014) - Comparison of WRF Model Physics
Parameterizations over the MENA-CORDEX Domain. American Journal of Climate Change,
3, 490-511.
207
Annexes
Figure suplémantaire 1: Diagnostics standard du GEV ajusté aux données de précipitation maximale de station
d’Al-Hoceima
Figure suplémantaire 2: Diagnostics standard du GEV ajusté aux données de précipitation maximale de station
Tétouan
208
Figure suplémantaire 3: Diagnostics standard du GEV ajusté aux données de précipitation maximale des
stations de Tanger
209
Figure suplémantaire 4: Cartes des variables utilisées pour produire la vulnérabilité aux inondations causées
par les ondes de tempête le long de la baie de Tanger pour le scénario 5m.
210

Rapport de Thèse - Boulahfa-Imane

Transféré par

Droits d'auteur :

Formats disponibles

Rapport de Thèse - Boulahfa-Imane

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Rapport de Thèse - Boulahfa-Imane

Transféré par

Droits d'auteur :

Formats disponibles

N° d’ordre ……… Année 2023

UNIVERSITE ABDELMALEK ESSAADI

Centre d’Etudes Doctorales : « Sciences et Techniques de l’Ingénieur »

DOCTORAT EN SCIENCES ET TECHNIQUES DE L’INGENIEUR

Spécialité : Géologie Appliquée

EVOLUTION DES PRECIPITATIONS EXTREMES AU NORD DU MAROC ET

A mes chers parents….

A mes deux sœurs & mon frère….

Ce travail de thèse de Doctorat a été effectué au sein de l’Unité de Recherche GéoRisques et

Je souhaiterais exprimer ma gratitude à Mr. El kharrim Mohamed, Responsable de Centre Provincial

Merci à toutes et à tous !

CHAPITRE I. ETAT DE L’ART DE L’ETUDE

CHAPITRE II. SYNTHESE DES TRAVAUX ANTERIEURS

CHAPITRE III. CADRE GENERAL DE L’ETUDE

CHAPITRE IV. APPROCHES THEORIQUES

CHAPITRE VI. MODEL DE CLIMAT REGIONAL «REGCM» POUR SIMULER LES

CHAPITRE VII. RESEAU DE NEURONE & THEORIE DES VALEURS EXTREMES

CHAPITRE VIII. L’IMPACT DES CHANGEMENTS CLIMATIQUE ET LA

Figure 1 : Evolution de la température à la surface de la Terre…………………………………………6

Figure 2 : Le changement climatique liée au sécheresse (Source : GIEC, 2021)………………….……7

Figure 3 : La différence entre le climat et la météo…………………………………….……………….8

Figure 5 : Bilan énergétique de la Terre et changement climatique (Source : GIEC, 2021)….……….10

Figure 14 : Modèle de circulation générale à résolution grossière (Source : laurent Fairhead

Figure 15 : Illustration du concept de réduction d'échelle dynamique (D’après Berckmans et al.,

Figure 20 : Changements des précipitations à l’échelle du Monde (Source : https://interactive-

Figure 21 : Projection de température sur le continent d’Afrique selon un scénario d’émissions

Figure 22 : Illustration des différentes facettes de vulnérabilité à l’échelle mondiale. (Source : TS 4 du

Figure 27 : Précipitations du AR6 pour la méditerranée (Source : GIEC, 2021)……………………...37

Figure 32 : Zone de glace de mer arctique se rétrécit (Source : GIEC, 2021)………………………....43

Figure 39 : Localisation de la zone d’étude, carte topographique de la région de Tanger-Tétouan-Al

Figure 48 : Rose des vents, calculée sur la période 1958-2020………………………………………..66

Figure 53 : Carte montrant le taux d’accroissement de la population de Tanger-Tétouan-Al Hoceïma

Figure 55 : Facteurs du risque manifestés par une catastrophe (Les inondations)…………………….77

Figure 60 : Les trois domaines d’actions pour la réduction du risque…………………………………86

Figure 62 : Schéma de la méthode des maximas par bloc……………………………………………..97

Figure 63 : les trois paramètres de la distribution gev…………………………………………………98

Figure 64 : Schéma de la méthode des dépassements d’un seuil…………………………………..…100

Figure 65 : Exemple de mean residual life plot……………………………...……………………….100

Figure 66 : Architecture du modèle RNA pour la prévision des précipitations…....…………………111

Figure 68 : (a & b) Illustration descriptive de données des blocs de maxima………………………..118

Figure 70 : Schéma de l’échantillon des dépassements d’un seuil…………………….……………..121

Figure 73 : Fonctionnalités utilisées dans le model de l’analyse multicritères (AHP)………………130

Figure 75 : Comparaison des résultats de précipitation simulé(RegCM)avec les données d'observation

Figure 78 : Graphiques de diagnostic indiquant la qualité de l'ajustement du GPD aux extrêmes de

Figure 79 : Graphiques de diagnostic indiquant la qualité de l'ajustement du GPD aux extrêmes de

Figure 80 : Graphiques de diagnostic indiquant la qualité de l'ajustement du GPD aux extrêmes de

Planche 2 : Illustration du littoral de la baie de Tanger lors de Tempête survenus le 29 octobre

Tableau 2 : Températures moyennes entre la période (1971-1980) et la période (2009-2017) en (C°) au

Tableau 4 : Corpus législatif et réglementaire significatif (Source : OCDE)…………............................88

Tableau 6 : Stations retenues dans l’étude et leurs caractéristiques…………………………………....113

Tableau 7 : Statistiques préliminaires de l’analyse descriptive des maximas mensuels de précipitations à

Tableau 8 : Les principales caractéristiques de l'onde de tempête du 29 octobre 2018………….....….124

Tableau 10 : Échelle fondamentale de la méthode AHP (Saaty, 1980)……………………...………...128

Tableau 12 : Biais, l'erreur quadratique moyenne (RMSE), et coefficient de corrélation de modèle de

Tableau 14 : Paramètres d’estimation et intervalles de confiance de chaque station (Tanger, Tétouan, et

Tableau 16 : Ratios du Moment L et mesures de discordance……………………….……………...…150

Tableau 20 : Variables choisies pour le calcul de l'AHP………………………..……………………..168

𝓛(𝝃, µ, 𝝈; 𝒀) = ∏𝒏𝒊=𝟏 𝒉𝝃,µ𝝈 ( 𝒀𝒊 ) (5)

H(x) = { 𝟏 − [𝟏 − 𝒌/𝜶𝒖 (𝒙 − 𝒖)]𝒌 , 𝒌 ≠ 𝟎, (7)