These Bouchouicha

‫امجلهورية اجلزائرية ادلميقراطية الشعبية‬
‫وزارة التعلمي العايل و البحث العلمي‬

‫جامعة وهران للعلوم و التكنولوجيا محمد بوضياف‬
Présentée par : BOUCHOUICHA Kada
Intitulé
MODELISATION MULTISPECTRALE DES IMAGES SATELLITAIRE
- Application : Quantification du bilan d’énergie Sol-Atmosphère
Faculté : Physique
Département : Génie Physique
Spécialité :Génie Physique
Option :Rayonnement et Matière
Soutenue le 29/06/2017 à 10:00 Devant le Jury Composé de :
Membres de Jury Grade Qualité Domiciliation
BELBACHIR Ahmed-Hafid Professeur Président U.S.T.O-MB
BACHARI Nour el islam Professeur Encadrant U.S.T.H.B

BENABADJI Noureddine Professeur U.S.T.O-MB
BELASRI Ahmed Professeur Examinateurs U.S.T.O-MB
Directeur de
HAMIDAT Abderahmane C.D.E.R
Recherche
HASSINI Abdellatif Professeur Examinateurs Univ -Oran2
Laboratoire d'Analyse et d'Application des Rayonnements
Année Universitaire : 2016/2017

Remerciements
Je remercie ALLAH le Tout-puissant de m’avoir donné le courage, la volonté et la
patience de mener à terme cette thèse de doctorat.
En premier lieu, j’aimerais remercier vivement, mon directeur de thèse, Mr BACHARI

Nour el Islam, Professeur à l’USTHB, d’avoir accepté de dirigé ces travaux de thèse. Je
voudrais lui exprimer toute ma gratitude pour la grande confiance qu’il m’a accordée
durant ces années.
Je voudrais remercier très chaleureusement tous les membres du jury:
Monsieur BELBACHIR Ahmed-Hafid, Professeur à l’USTO, directeur de LAAR
(Laboratoire d'Analyse et d'Application des Rayonnements) pour le grand plaisir qu’il me
fait en présidant ce jury.
Monsieur BENABADJI Noureddine, Professeur à l’USTO, pour l’honneur qui m’a fait
par sa participation à l’évaluation scientifique de ce travail en tant que rapporteur.
Monsieur BELASRI Ahmed, Professeur à l’USTO, pour l’intérêt qu’il a porté à ce
travail en acceptant de le juger comme rapporteur.
Monsieur HAMIDAT Abderahmane, Directeur de Recherche au CDER pour s’être
intéressé à ce travail et avoir accepté de siéger à ce jury.
Monsieur HASSINI Abdellatif, Professeur à l’Univ. d’ORAN 2, d’avoir consenti à être

examinateurs dans mon jury de thèse.
Monsieur RAZAGUI Abdelhak, Maitre de Recherche au CDER pour son
encouragement et son savoir scientifique.
Je tiens à exprimer tout particulièrement ma reconnaissance à Mehdi KERROUCH de
l’ONM-Alger, d’avoir mis à notre disposition les données essentielles à la conduite de ce
travail.
Je tiens à exprimer mes sincères remerciements à tous mes enseignants.
Je souhaite également remercier mes collègues de l’URER-MS-Adrar, CDER-Alger et
du laboratoire LAAR.
J'adresse mes sincères remerciements à mes collègues et amis, plus particulièrement
Brahim, Mebrouk et Nouar, laaredj et rabie.
Merci aussi à tous ceux qui ont consacré du temps, de l'énergie et de la patience.
Dédicaces
Je dédie ce rapport de thèse à mes deux chers parents, qui n'ont jamais cessés de me
soutenir ….Merci d’avoir toujours été là pour moi, que dieu vous protège et vous accorde
une longue vie.
Je tiens à présenter mes reconnaissances et mes remerciements à ma femme qui m’a

soutenu et supporté durant cette dernière période d’une manière indéfectible. Sans oublier
mes deux enfants Sami et Wissem.
Je ne saurais oublier de remercier toutes les personnes qui me sont chères, ma grande
famille en particulier mes frères et sœur.
Je tiens également à remercier mes beaux-parents pour leur gentillesse.
Sans oublier de remercier mes chers collègues de l’URER-MS, et du laboratoire LAAR,

plus particulièrement Brahim, Mebrouk et Nouar, mes amis : laaredj et rabie.
Pour tous mes amis qui m’ont apporté leur soutien moral pendant ces années d’études,
je les en remercie sincèrement.
Une Dédicacs spéciale

A la mémoire de mes grands-parents.
Application : Quantification du bilan d’énergie Sol-Atmosphère
Résumé :
Cette thèse porte sur l’étude de la variabilité spatio-temporel des différentes

composantes du bilan énergétique solaire au niveau de la surface terrestre, plus
particulièrement sur l’estimation de l’albédo de surface et du rayonnement global
incident au sol, utilisant des données multi-spectrales issues du satellite géostationnaire
MSG2 (Meteosat Second Generation). Dans ce contexte, une estimation de de l’albédo
de surface a été réalisé utilisant une solution approximative d’un modèle de transfert
radiatif. Ensuite, La performance de deux approches d’estimation du rayonnement
global à partir des images du canal HRV (high-resolution visible) a été évaluée par
rapport aux mesures radiométriques au sol réalisées dans cinq stations situées dans
différentes régions du territoire Algérien, au cours de l'année 2010. Les résultats des
estimations des valeurs horaires et journalières des irradiations solaires globales sont
très encourageants et prometteurs par rapport à la littérature existante.
Une cartographie annuelle et mensuelle de l’albédo de surface et du rayonnement

global horizontal couvrant l’ensemble du territoire a été produites, et une analyse
géospatiale de ces deux paramètres été réalisée sur cette base.
Mots clés : images multispectrale MSG, Bilan énergétique Solaire, Albédo, Irradiation.
‫منذجة متعددة الطيف لصور الامقرر الطصطاريية‬
‫تطبيق ‪ :‬تمكمي مزيانية طرقة الرض مع الغالف اجلوي‬
‫ملخص‬
‫موضوع هذه الاطروحة دراسة التغري الزماكين خملتلف مكوانت مزيانية طرقة الشعرع الشميس عىل سطح الرض‪،‬‬
‫ول س امي تقدير نس بة وضرءة سطح الرض (‪ )Albedo‬و الشعرع الشمسﻲ السرقﻂ يلﻰ سطح الرض ابس تخدام‬
‫البيرانت متعددة الطيف انجتة ين طصور لامقرر اطصطاريية اثبتة املدار اجلغرايف ‪ .MSG2‬يف املرحةل الوىل امقار مبحراكة‬
‫نس بة الوضرءة لسطح الرض ابس تخدام منوذج اشعريﻲ مبسﻂ (‪ .)Radiative Transfer Model‬بعدهر ابس تعامل‬
‫طصور الطيف املريئ عريل ادلقة للقمر الاطصطاريﻲ‪ ,‬و بتطبيق طريقتني خمتلفتني امقار بتقدير الاشعرع اللكﻲ و مقررنة الاترجئ‬
‫مع قيرسرت عىل سطح الارض خالل س اة ‪ 0202‬مخلس حمطرت واقعة يف أمركن خمتلفة من اجلزائر‪ .‬الاترجئ املقدرة للشعة‬
‫الشمس ية اللكية‪ ,‬السريية وكذا اليومية جد هرمة و مشجعة ابملقررنة مع نترجئ دراسرت و أحبرث سربقة‪ .‬يف الخري مت اجنرز‬
‫و حتليل خرائﻂ شهرية و س اوية للوضرءة الارضية املقدرة و كذا الشعرع اللكﻲ الفقﻲ مشلت لك الرتاب الوطين‪.‬‬
‫لكامت افتترحية ‪ :‬طصور أامقرر اطصطاريية متعددة الطيف‪ ،‬مزيانية طرقة الشعرع الشميس‪ ،‬نس بة الوضرءة الرضية‪ ،‬الاشعرع‬
MULTISPECTRAL MODELLING OF SATELLITE IMAGES
Application : Quantification of the ground-atmosphere energy budget
Abstract :
This thesis focuses on study of spatio-temporal variability of the various components

of solar energy budget at the earth's surface, especially the estimation of ground albedo
and solar radiation incident on the surface using MSG2 multispectral satellite data. In
this context, an estimate of the surface albedo has been achieved using form of the
atmospheric radiative transfer Model (RT). Then, an approximate the evaluation of two
approaches for estimating global solar radiation has been carried out by comparing the
estimated values with experimental data performed in five radiometric stations located
in different regions of Algerian territory, during the Year 2010. The estimation of the
hourly and daily global solar radiation shows promising results compared with the
current literature.
Finally, the annual and monthly maps covering entirely the territory have been
generated showing the spatial distribution and temporal variation of surface albedo and
global solar irradiation on horizontal surfaces, and preliminary geospatial analysis was
performed.
Keywords : Multispectral MSG images, Solar energy budget, Albedo, Irradiation

TABLE DES MATIERES
REMERCIEMENTS i
RESUME iii
ABSTRACT vi
TABLE DES MATIERES ix
LISTE DES FIGURES ET DES TABLEAUX xii
NOMENCLATURE xv
INTRODUCTION GENERALE 1
CHAPITRE I: LE RAYONNEMENT SOLAIRE 7
I.1 INTRODUCTION 8
I.2 SOURCE DU RAYONNEMENT SOLAIRE 8
I.3 RAYONNEMENT SOLAIRE HORS ATMOSPHERE 9
3.1. ECLAIREMENT ET CONSTANTE SOLAIRE 9
3.2. VARIATION DE L’ECLAIREMENT 11
I.4 RAYONNEMENT SOLAIRE A TRAVERS L'ATMOSPHERE 14
I.4.1. ATMOSPHERE TERRESTRE COMPOSITION ET STRUCTURE 15
a) Structure de l’atmosphère 15
b) Composition de l’atmosphère 15
I.4.2 ATTENUATION DU RAYONNEMENT SOLAIRE 18
I.4.3 BILAN ENERGETIQUE DU SYSTEME TERRE/ATMOSPHERE 19
I.4.4 PARAMETRES ATMOSPHERIQUES 20
a) Masse d’air optique 20
b) Trouble atmosphérique 23
I.5 RAYONNEMENT AU SOL 26
a) Rayonnement direct 26
b) Rayonnement diffus 26
c) Rayonnement réfléchi 26
d) Rayonnement global 28
I.6 CONCLUSION 29
I.7 REFERENCES 30
CHAPITRE II: SOURCES ET TRAITEMENT DES DONNEES RELATIVES AU RAYONNEMENT SOLAIRE 31
II.1. INTRODUCTION 32
II.2. MESURES DU RAYONNEMENT SOLAIRE AU SOL 32
II.2.1 Paramètres mesurés 33
a) Le Rayonnement direct 33
b) Le Rayonnement global 33
c) Le Rayonnement diffus 33
d) L’albédo de surface 33
e) La durée d’insolation 34
f) La nébulosité 34
II.2.2 Paramètres dérivés de mesurés 34
a) la fraction d’insolation 34
b) l’indice de clarté 35
II.2.3 Réseau de mesures au sol en Algérie 35
II.2.4 Le traitement des données radiométriques 37
a) Correction du rayonnement diffus (correction d’arceau) 38
b) Le contrôle qualité des mesures 39
II.3. MESURES INDIRECTES PAR TELEDETECTION 40
ix
II.3.1 LE SATELLITE MSG2 40
a) Images des trois canaux Visibles VIS 0.6, VIS 0.8 et HRV 41
II.3.2 Traitement des images MSG2 41
a) Radiances spectrale des canaux visible 42
b) Réflectances spectrale des canaux visible 43
II.4. RESULTATS ET INTERPRETATION 43
II.4.1 LA VARIATION DE L’ECLAIREMENT 44
II.4.2 LA VARIATION DES IRRADIATIONS HORAIRES 44
II.4.3 LA VARIATION DES IRRADIATIONS JOURNALIERES 47
II.4.4 LA VARIATION SPATIO-TEMPORELLE DE LA DUREE D’INSOLATION 48
II.5. CONCLUSION 50
II.6. REFERENCES 51
CHAPITRE III: MODELISATION DU RAYONNEMENT SOLAIRE AU SOL 52

III.1. INTRODUCTION 53
III.2. MODELISATION DU RAYONNEMENT GLOBAL HORIZONTAL 54
a) Modèle de Perrin de Brichambaut (WMO) 54
b) Modèle de R.sun 55
c) Modèle de Davies & Hay 55
d) Modèle de Bird & Hulstrom 56
III.2.2.RAYONNEMENT GLOBALE HORIZONTALE EN FONCTION
DE LA DUREE D’INSOLATION 57
III.2.3. RAYONNEMENT GLOBAL HORIZONTAL A PARTIR DES SORTIES
DE MODELE METEOROLOGIQUE 58
III.3. MODELISATION DU RAYONNEMENT GLOBAL INCLINE 60
III.3.1 ONGLES OPTIMAL MENSUEL ET ANNUEL 60
III.3.2 MODELES D’ESTIMATION 62
a) Modèle de Liu-Jordan 63
b) Modèle de Hay 63
c) Modèle de Baltas 63
d) Modèle de Klucher 64
III.4 RESULTATS ET INTERPRETATIONS 64
III.4.1 ESTIMATION DE L’ECLAIREMENT GLOBAL HORIZONTAL A CIEL CLAIR 64
III.4.2 ESTIMATION DU GLOBALE HORIZONTAL A PARTIR DE LA DUREE D’INSOLATION 67
III.4.3. ESTIMATION DU RAYONNEMENT A SORTIE DE MODELE METEOROLOGIQUE 68
III.4.4 ESTIMATION DU RAYONNEMENT GLOBAL INCLINE 70
a) Simulations à Ciel clair 71
b) Simulations à Ciel couvert 72
III.5 CONCLUSION 76
III.6 REFERENCES 77
CHAPITRE IV: ESTIMATION DE L’ALBEDO ET DU RAYONNEMENT GLOABL A PARTIE DES IMAGES

80
SATELLITAIRES
IV.1 INTRODUCTION 81
IV.2 ETAT DE L’ART 82
IV.2.1 Albédo de surface 82
IV.2.2 Rayonnement global 82
IV.3 DOMAINE D’ETUDE 82
IV.4 DONNEES 83
IV.4.1 Mesures au sol 83
IV.4.2 Trouble de Linke 84
IV.4.3 Données satellite 84
METHODES 85
IV.5.1 Estimation de l’Albédo de surface. 85
IV.5 IV.5.1.1 Equation de transfert radiatif 85
IV.5.1.2 Calcul des différents types d’albédos 87
a) Albédo planétaire 87
b) Albédo des eaux 87
x
c) Albédo du Sol couvert et semi-couvert 87
d) Albédo des Surfaces désertiques 88
e) Albédo des nuages 88
IV.5.1.3 Constitution de l'image de référence 89
IV.5.1.4 Radiation mesurée par satellite 90
IV.5.1.5 Radiation atmosphérique E° 91
IV.5.1.6 Transmittance atmosphérique 91
IV.5.2 L’information de l’indice d’ennuagement 91
IV.5.3 Estimation Du Rayonnement Global 92
a) Approche 1 92
b) Approche 2 93
IV.6 RESULTATS ET INTERPRETATIONS 94
IV.6.1 Albédo de surface 94
IV.6.2 Rayonnement global 98
IV.6.2.1 Irradiation horaire . 99

IV.6.2.2 Irradiation journalière 106
IV.7 CONCLUSION 108
IV.8 REFERENCES 109
CHAPITRE V: CARTOGRAPHIE DU RAYONNEMENT SOALIRE 112

V. 1. INTRODUCTION 113
V.2. DOMAINE D’ETUDE 114
V.3. DONNEES 115
a) Mesure du rayonnement au sol 115
b) Les données NASA-SSE 116
c) Modèle numérique de terrain SRTM 117
V.4. METHODOLOGIE 117
V.4.1 Prétraitement des données 118
V.4.2 Interpolation spatiale 118
V.4.3 Correction d'altitude 119
V.5. RESULTATS ET INTERPRETATIONS 120
a) Validation par des mesures au sol 120
b) La distribution spatiale du rayonnement solaire 121
V.6. CONCLUSION 128
V.7 REFERENCES 129
CONCLUSIONS ET PESPECTIVES 132

BIBLIOGRAPHIE 136
ANNEXES 146
A : MESURE DU RAYONNEMENT - NORME ISO 9060 147
B : RESEAU DE STATIONS METEOROLOGIQUES
149
C : CLASSIFICATION ASCENDANTE HIERARCHIQUE (CAH)
150
D : METHODES D’EVALUATION
152
E : PUBLICATIONS DE L’AUTEUR
154
xi
LISTES DES FIGURES ET DES TABLEAUX
LISTES DES FIGURES

Chapitre I: RAYONNEMENT SOLAIRE
Figure I.1 : Spectre du rayonnement solaire reçu hors atmosphère 9
Figure I.2 : Constante solaire selon les équations (I-2) et (I-3) 10
Figure I.3 : Cycle saisonnier de l’éclairement dû au rayonnement solaire hors-atmosphère 11
Figure I.4 : Moyennes mensuelles des sommes quotidiennes du rayonnement solaire extra-
terrestre 13
Figure I.5 : H o en fonction des mois de l’année pour chaque latitude
13
Figure I.6 : H o en fonction des mois de l’année pour la latitude20°N, 30°N et 40°N.
14
Figure I.7 : Structure de l'atmosphère terrestre 16
Figure I.8 : Classification nuageuse de l’ISCCP 18
Figure I.9 : Spectres du rayonnement solaire moyen incident au sommet de l’atmosphère 19
Figure I.10 : Schéma des principaux processus se produisant dans l'atmosphère 20
Figure I.11 : Masse d’air optique atmosphérique 21
Figure I.12 : Variation de la Masse optique en fonction de l’angle zénithal 22
Figure I.13 : Variation journalière de la Masse optique à Adrar, 18 Juin 2013 23
Figure I.14 : Facteur de trouble de Linke TL moyennes mensuelles (Janvier et Juillet) 25
Figure I.15 Facteur de trouble de Linke moyennes mensuelles 25
Figure I.16 : Variation spectrale de l’albédo pour quelques types de surface 27
Figure I.17 : Composantes principales du rayonnement solaire 28
Chapitre II: SOURCES ET TRAITEMENT DES DONNEES RELATIVES AU RAYONNEMENT SOLAIRE
Figure II.1 : Réseau d’Héliographe (1983-2012). 36

Figure II.2 : Réseau pyranométrique (ONM et CDER). 37
Figure II.3 : Cartes de luminances des canaux C1 et C2 du capteur SEVIRI/MSG2 41
Figure II.4 : Carte de luminance du canal HRV (C12) du capteur SEVIRI/MSG2. 37
Figure II.5 : L’évolution de l’éclairement direct, diffus et global mesuré au site d’Adrar 45
(a) Ciel Clair, (b) Partiellement nuageux et (c)Totalement couvert
Figure II.6 : La variation des irradiations globales horaires au cours de l’année 2010, pour les 46
stations (a) Alger, (b) : Oran, (c) : Ghardaïa, (d) : Adrar et (e) : In-Amenas.
Figure II.7 : Variation de GHI quotidienne au site d’Adrar (2010). 47
Figure II.8 : Variation de GHI quotidienne au site d’Adrar du global incliné ~28° (2010) 47
Figure II.9 : Carte de la durée d’ensoleillent moyen annuel en Heure (1983-2012). 48
Figure II.10: La variation de la moyenne mensuelle des durées d’insolation quotidienne (1983- 49
2012)
Chapitre III: MODELISATION DU RAYONNEMENT SOLAIRE AU SOL

Figure III.1 : Grille des prédicteurs sélectionnées 59
Figure III.2 : Le dispositif de mesure à différents plans d’inclinaison 60
Figure III.3 : Moyennes mensuelles des irradiations quotidiennes en fonction de l’angle du plan 61
d’inclinaison (Janvier à Juin).
Figure III.4 : Moyennes mensuelles des irradiations quotidiennes en fonction de l’angle du plan 61
d’inclinaison (Juillet à Décembre).
Figure III.5 : Moyenne annuelle des irradiations quotidiennes en fonction de l’angle du plan 62
d’inclinaison
Figure III.6 : Eclairements global horizontale mesures et estimés, 15/01/2014. 65
Figure III.7 : Eclairements global horizontale mesures et estimés, 03/06/2014. 66
Figure III.8 : Graphique de dispersion des résultats des simulations pour la station d’Adrar. 69
Figure III.9 : Confrontation des résultats expérimentales et celles des simulations pour la 69
station d’Adrar
xii
Figure III.10: Eclairements global incliné mesures et estimés, 30/01/2010. 71

Figure III.11: Eclairements global incliné mesures et estimés, 28/04/2010 71
Chapitre IV: ESTIMATION DE L’ALBEDO ET DU RAYONNEMENT GLOBAL A PARTIE DES

IMAGES SATELLITES
Figure IV.1 Carte d’élévation et localisation des stations de mesure utilisées (GTOPO USGS, 83
Projection cylindrique équidistante, WGS84 ).
Figure IV.2 Modèle de transfert radiatif soleil-pixel-satellite 86
Figure IV.3 Image ciel clair du MSG2/SEVIRI Canal Vis06 pour le mois de Juillet 2010 90
Figure IV.4 Carte de la moyenne annuelle de l’albédo de surface (2010). 95
Figure IV.5 Valeurs mensuelles de l’albédo de surface (2010). 95
Figure IV.6 Variation spatiotemporelle de l’albédo de surface, Zone 1. 96
Figure IV.9 Graphique de dispersion des résultats de la 1ière Approche pour les Stations
NORD (DAR-EL-BEIBA et ORAN-SENIA). 100
Figure IV.10 Graphique de dispersion des résultats de la 1ière Approche pour la Station de 100
GHARDAIA
Figure IV.11 Graphique de dispersion des résultats de la 1 ière Approche pour les Stations SUD 101
(ADRAR et IN-AMENAS.).
Figure IV.12 Graphique de dispersion des résultats de la 1ière Approche pour les Stations 102
NORD (DAR-EL-BEIBA et ORAN-SENIA).
Figure IV.13 Graphique de dispersion des résultats de la 1 ière Approche pour les Stations de 102
GHARDAIA
Figure IV.14 Même légende que Figure IV.12, Stations SUD (sites 3 et 5). 103
Figure IV.15 Résultats d’évaluation saisonnière Approche 1. 104
Figure IV.16 Résultats d’évaluation saisonnière Approche 2. 105
Chapitre V: CARTOGRAPHIE DU RAYONNEMENT SOALIRE
Figure IV.1 : Carte d’élévation et localisation des stations de mesure utilisées (GTOPO USGS,
Projection cylindrique équidistante, WGS84 ). 112
Figure IV.2 : Les moyennes mensuelles des irradiations journalières. 114
Figure IV.3 : moyennes annuelles des irradiations journalières 120
Figure IV.4 : moyennes annuelles des irradiations journalières interpolées 121
Figure IV.5 : le pourcentage de différentes classes du potentiel solaire 121
Figure IV.6 : Moyennes mensuelles des irradiations quotidiennes 122
Figure IV.7 : Moyenne des sommes annuelles d'irradiation globale. Résultat de cette étude,(b) 125
celle du projet Atlas de SolarMed.
Annexes :
Figure C.1 : Le dendrogramme de la Classification Ascendante Hiérarchique 151
Figure D.1 : Exemple du Graphe de dispersion 153
xiii
LISTE DES TABLEAUX

Chapitre I: RAYONNEMENT SOLAIRE
Tableau I.1. Liste des jours types par mois proposés par Duffie and William 12
Tableau I.2. Composition de l'atmosphère terrestre 17
Tableau I.3. Valeurs typiques de l’albédo du sol pour différents types de surface 27
Chapitre II: SOURCES ET TRAITEMENT DES DONNEES RELATIVES AU RAYONNEMENT SOLAIRE
Tableau II.1. Caractéristiques et objectifs principaux des 12 canaux de prise d’images de 40

SEVIR
Tableau II.2. Les coefficients de calibration des canaux Visible du capteur SEVIRI 42
Tableau II.3 Répartition des stations dans les six classes 48
Chapitre III: MODELISATION DU RAYONNEMENT SOLAIRE AU SOL
Tableau III.1. Coordonnées géographiques des stations utilisées. 57

Tableau III.2. Modèles statistiques utilisés 58
Tableau III.3. les angles optimaux mensuels pour le site d’Adrar (en degré). 62
Tableau III.4. Résultats statistiques simulation du 15 Janvier 2014 66
Tableau III.5. Résultats statistiques simulation du 03 Juin 2014 67
Tableau III.6. Résultats statistiques du modèle 4 (Modèle de Bird & Hulstrom). 67
Tableau III.7. Coefficients et scores statistiques site d’Adrar 68
Tableau III.8. Coefficients et scores statistiques site d’Oran 68
Tableau III.9. résultats statistiques Situation du 30 Janvier 2010 72
Tableau III.10. résultats statistiques Situation du 28 Avril 2010 72
Tableau III.11 résultats statistiques Situation du 11 Janvier 2010 74
Tableau III.12 résultats statistiques Situation du 15 Avril 2010 74
Tableau III.13 Irradiations journalières sur les différents plans de collecte pour ciel clair. 74
Tableau III.14 Erreur moyenne relative des modèles théorique (ciel clair). 75
Tableau III.15 Irradiations journalières sur les différents plans de collecte pour ciel couvert. 75
Tableau III.16 Erreur relative des modèles théorique (ciel couvert). 75
Chapitre IV: ESTIMATION DE L’ALBEDO ET DU RAYONNEMENT GLOBAL A PARTIE DES

IMAGES SATELLITES
Tableau IV.1. Coordonnées géographiques des stations 84

Tableau IV.2. Moyennes mensuelles du facteur de trouble de Linke 84
Tableau IV.3. Scores statistiques annuels des résultats d’estimation des irradiations horaires 101
Tableau IV.4. Scores statistiques annuels des résultats d’estimation des irradiations quotidiennes 106
Tableau IV.5. Tableau récapitulatif des résultats des différentes méthodes utilise les images 107
METEOSAT
Chapitre V: CARTOGRAPHIE DU RAYONNEMENT SOALIRE
Tableau IV.1. Potentiel solaires dans les différentes régions de l’Algérie 113
Tableau IV.2. Coordonnées géographiques des stations. 113
Tableau IV.3. Altitudes de différentes sources de données 118
Tableau IV.4. comparaison des résultats statistiques des données sans (a) et avec correction (b) 119
Tableau IV.5 Grandeurs statistiques des moyennes mensuelles de l’irradiation journalière 122
Annexes :
Tableau. A.1: Spécifications iso 9060 pyranomètre [3]. 148
Tableau B.1: Coordonnées géographiques des stations météorologique. 149
xiv
NOMENCLATURE
NOMENCLATURE
LISTE DES SYMBOLES
 : Angle de déclinaison
 s : Angle zénithal solaire
 : Coefficient de correction dû à la variation de la distance terre-soleil
I sc : Constante solaire
 reel : Épaisseur optique idéale
 reel : Épaisseur optique réelle
 : Latitude du lieu.
m0 : Masse d’air d’ozone
m : Masse d'air optique
ma : Masse d'air optique
mst : Masse d'air standard
H 0 : Moyenne mensuelle des sommes quotidiennes
H 0 : Somme quotidienne du rayonnement solaire extra-terrestre
T : Température ambiante
Tst : Température ambiante standard
s : Angle horaire du lever ou du coucher du soleil (en degré).
Albédo du ciel clair
°N : degrés Nord
as : Azimut du soleil
CALOffset Constant de compensation
CALslope Coefficient de calibration linéaire
D
d : Distance réelle parcourue
d0 : Distance du parcours verticalement du rayonnement à travers l’atmosphère.
Dh :
DR
dre : Rayonnement solaire réfléchi par le sol
D s k c : Rayonnement diffus sur un plan horizontal par ciel clair.
E° Radiation diffuse vers l’extérieur (Hors Atmosphère)
E° : Partie de la radiation diffusée vers l’extérieur de l’atmosphère (bruit)
Fc Coefficient de dispersion de l’atmosphère
G
Gskc : Rayonnement global sur un plan horizontal par ciel clair.
H0t : Eclairement Horizontal au sommet de l’atmosphère
ha : Epaisseur de la couche atmosphérique
I, Ih:
I0 : Eclairement solaire au sommet de l’atmosphère
xv
NOMENCLATURE
IN : Rayonnement direct sur un plan Normal

Iskc : Rayonnement direct sur un plan horizontal par ciel clair.
j : Numéro du jour de l’année
L : Luminance énergique
n c : Indice d'ennuagement
p : Pression atmosphérique
pst : Pression au niveau de la mer
R : Rayon de la terre
Ref : Réflectance
RTOA (Top Of Atmospher Radiance) Energie solaire à la limite de l’atmosphère
s : Albédo sphérique
S : Durée moyenne dènsoleillement
S : Facteur de correction du diffus
S0 : Durée astronomique du jour
T(θ) : Transmittance totale
TL : Trouble de Link
Tn : Facteur de transmissivité
U0 : Epaisseur de la couche d’ozone
Uw : Epaisseur d’eau condensable à la verticale du lieu (cm)
z : l’altitude du site
α m e r : Albédo Mer et Océan.
Α n u a g e ou α c : Albédo des nuages
Α p : Albédo planétaire
Α s 1 , Α s 2 : Albédo de surface
αw Coefficient d’absorption par la vapeur d'eau
β : Angle du plan d’inclinaison
δ : Déclinaison
δ : Épaisseur optique de Rayleigh
θυ : Angle de vue du capteur
λo : Longueur d’onde
: Albédo terrestre
ρ0.6,ρ0.8 : Réflectance Vis06 et Vis08
ρHRV: Réflectance HRV
τ : Fonctions de transmission de l'atmosphère dû à :
τaa L’atténuation par les aérosols
τg L'absorption par les mélanges gazeux
τo L'absorption par l'ozone
τr La diffusion moléculaire
τw L'absorption par la vapeur d'eau
φ : Latitude du lieu
ω0 Coefficient de réflexion unitaire relatif à la diffusion par les aérosols.
ωs: Angle horaire du lever pour un plan horizontal
ωs': Angle horaire du lever réel sur un plan incliné.
xvi
NOMENCLATURE
LISTE DES ABREVIATIONS
ALADIN - Aire Limitée Adaptation dynamique Développement InterNational

CDC - Climate Diagnostics Center
CEDRL : - Canada’s Energy Diversification Research Laboratory
CN : - Couverture Nuageuse moyenne
EST - Estimation ou Estimée ((Eclairement ou irradiance))
EUMETCAST - Système Eumetsat pour la diffusion des Données Environnementales
EUMETSAT - European Organisation for the Exploitation of Meteorogical Satellites.
GAW - Global Atmospheric Watch
GHI : - Global Horizontal Irradiation
GTOPO - Global TOPOgraphic data set (Global 30 Arc-Second Elevation)
HRV - High-Resolution Visible
IR - Infra-red
ISCCP - International Satellite Cloud Climatology Project
LAAR - Laboratoire d’Analyse et d’Application des Rayonnements.
MBE - Mean Bias Error.
MES - Mesure ou Mesurée (Eclairement ou irradiance)
METEOSAT - Satellite Géosynchrone de Météorologie
METEOSAT - Meteorological Satellite
MSG - METEOSAT Second Génération.
NASA - National Aeronautics and Space Administration, Agence nationale (américaine) de
l’aéronautique et de l’espace)
NOAA - National Oceanic and Atmospheric Administration
NREL : - National Renewable Energy Laboratory
OMM - Organisation Météorologique Mondiale.
ONM - Office National de la Météorologie
RMSE - Root Mean Square Error (erreur quadratique moyenne).
RT ou RTM - Radiative transfer model (Modèle de transfert radiatif).
SEVIRI - Spinning Enhanced Visible and InfraRed Imager
SRTM - Shuttle Radar Topography Mission Mission de cartographie radar de la Terre
SSE : - Surface meteorology and Solar Energy service.
USGS - U.S. Geological Survey's Center
VIS - Visible
WGS84 - World Geodetic System 1984
xvii
INTRODUCTION GENERALE
Introduction Générale
1. INTRODUCTION
L'énergie solaire est la ressource énergétique inépuisable la plus abondante sur

terre, elle représente la principale source d'énergie du système terre-atmosphère
(Pekarek 2001). Le bilan énergétique, que les recherches ont tendance à élaborer
pour une quantification, s’identifie en majeur partie par les échanges d'énergie
radiative entre la surface de la Terre et l'atmosphère, il représente la combinaison
des composantes du rayonnement de courte et de grande longueur d'onde, arrivant
et quittant ce système. Si l'on considère une surface horizontale, l’équation du
rayonnement net s’écrit sous la forme:
Le premier terme est le bilan radiatif solaire net, il survient surtout dans le
domaine spectral des courtes longueurs d'onde (0.3 à 3µm), est le rayonnement
solaire global incident sur la surface et le terme représente le rayonnement
solaire réfléchi par cette surface ( est l'albédo de surface). Le deuxième terme est
le bilan des rayonnements des grandes longueurs d’onde (thermique), l’étude de ce
genre de rayonnement dépasse le cadre de cette thèse qui tend à traiter uniquement
le rayonnement solaire.
L’étude du rayonnement solaire est un domaine de recherche d’une vaste
ampleur dont les applications sont d’ordre météorologique, environnementale et
climatologique, ainsi que celles dérivées et couvrant les activités de recherche dans
les domaines de l’exploitation de l’énergie solaire. Ce dernier volet occupe une
position de première importance, du fait que l’utilisation de cette source d’énergie
offre une véritable alternative à la consommation des ressources fossiles avec un
faible impact environnemental et un fort potentiel de réduction des coûts. Cette
utilisation s’oriente essentiellement vers la production de l'électricité à l'aide de
semi-conducteurs photovoltaïque et vers une captation de la chaleur solaire
thermique pour le chauffage et autres applications.
2|
Notre région en particulier le Sud Algérien est caractérisée par un énorme

potentiel énergétique solaire, l’un des plus importants au monde. Plus de 2.000.000
km2 du pays reçoivent un ensoleillement de l’ordre de 2.500 kWh/m2/an. Du fait
que cette énergie est devenue le premier vecteur de développement économique
durable dans plusieurs pays du monde. Le recours au développement de ce type
d’énergie est un choix stratégique pour notre pays, afin d’apporter des solutions
globales et durables aux défis environnementaux et aux problématiques de
préservation des ressources énergétiques d’origine fossile (MEM, 2011). Dans ce
contexte, le gouvernement Algérien s'est engagé dans un ambitieux programme de
développement des énergies renouvelables largement dominé par le solaire, où le
solaire thermique et le solaire photovoltaïque constitue une part essentielle de ce
programme, et qui prévoit d’atteindre d’ici 2030 plus de 37% de la production
nationale d’électricité (Stambouli et al., 2012).
Les besoins et la possibilité d’exploitation de l’énergie solaire sont directement
liés aux conditions climatiques. Cette source est intermittente dans le temps et dans
l’espace ce qui pose des problèmes de dimensionnement des systèmes énergétiques
solaire. Ces aspects exige une parfaite connaissance du gisement solaire avant
d’entreprendre toute action ou programme de valorisation. Cet objectif ne peut être
atteint que si les données radiométriques sont disponibles d’une manière continue
dans l’espace et dans le temps.
2. Problématique
Bien qu’il existe un réseau de stations de mesure radiométrique, leur nombre

reste très limité en Algérie, où on dispose seulement de sept stations qui assurent la
mesure des composantes globale et diffuse du rayonnement solaire. Le nombre de
ces stations est donc très insuffisant, de même les coûts d’investissement et de
maintenance de ces stations de mesures étant élevés. Pour ces raisons, plusieurs
études ont été menées sur l’évaluation du rayonnement solaire par des modèles
empirique dans le but de générer des séquences artificielles de données
radiométriques (Mellit et al., 2005).
3|
D’autres travaux ont utilisés soit les paramètres météorologiques, soit la durée
d’insolation pour estimer les composantes du rayonnement solaire (Chegaar &
Chibani., 2001 ; Mecibah et al., 2014), d’autres auteurs ont proposé d’utiliser des
méthodes d’interpolation, pour la prédiction des données à partir du réseau
radiométrique disponible (Bechini et al., 2000). Les résultats de ces études sont
encourageants et parfois très efficaces là où on dispose d’un réseau d’observation
très dense. Mais dès que la distance entre les stations augmente, l’estimation devient
de plus en plus grossière. Plusieurs auteurs ont rapporté que l’erreur de
l’interpolation est en fonction de la distance du site concerné, plus cette distance
augmente plus l’erreur quadratique moyenne relative est élevée (Zelenka, et al.,
1999) , en plus pour notre réseau de mesure, cette distance dépasse les 200 km pour
les régions sahariennes de notre pays.
Des techniques de mesure nouvelles doivent être mises en œuvre afin de

déterminer les répartitions spatiales et temporelles du gisement énergétique solaire.
Et aussi Un effort particulier devra être consenti pour le traitement de telles
mesures. Outre la télédétection spatiale offre cette possibilité, ayant une couverture
spatio-temporelle suffisante, qu'il est impossible d'obtenir par les moyens
conventionnels (observations), une disponibilité très rapide, une qualité stable dans
le temps, et une bonne compétitivité par rapport aux autres systèmes d'observation.
Le projet spatial européen EUMETSAT a mis sur orbite un ensemble de satellite
géostationnaire permettant une couverture globale de la terre, avec une résolution
horizontale élevée, plus particulièrement les images acquissent par le capteur
SEVIRI embarqué sur le satellite MSG2 (Meteosat Second Generation), qui atteint
1 km pour le canal HRV, en ce qui concerne la résolution temporelle, ces images
sont disponible toute les 15 minute (Schumann et al., 2002).
4|
3. Contexte et objectifs
En raison de l’étendu de notre pays, du coût très élevés de l’investissement et de

la maintenance des stations de mesures radiométrique, et de l’avantage qu’offre la
télédétection spatiale avec une couverture globale, une résolution spatiale élevée et
un prélèvement temporel fréquent qu’aucun autre système d’observation ne peut
offrir, les images satellites se présentent comme le moyen le plus pratique pour le
suivi spatio-temporel des différentes composantes du bilan énergétique solaire à
savoir l’albédo de surface et le rayonnement global.
Pour toutes ces raisons, on se fixe par la présente étude, comme objectif d’établir
une cartographie spatio-temporelle couvrant tout le territoire national et prenant en
comptes les principales composantes du rayonnement solaire, dans ce contexte les
études suivantes ont été menées :
(i) Une modélisation du rayonnement solaire dans différentes conditions

météorologiques a été réalisée. Initiée par une étude comparative de quatre
modèles d’estimation de l’éclairement solaire à ciel clair sur le site d’Adrar,
puis l’estimation du rayonnement global horizontale et inclinée, cette deuxième
partie nous permet d’établir des modèles de régression donnant le global
horizontal en fonction des données météorologiques mesuré au sol, et des
données prévue par des modèle numérique du temps, ensuite le passage au
rayonnement inclinée (Benatiallah et al., 2016; Oulimar & Bouchouicha., 2013;
Bouchouicha et al., 2017 ; Aoun & Bouchouicha., 2017).
(ii) L’albédo de surface et le rayonnement solaire global reçu sur une surface
horizontal a été évaluée à partir d’observations satellites, Nous allons aussi
présenter les résultats de l’utilisation de deux approches d’estimation de
l’irradiation solaire utilisant des images du satellite européen MSG2
(Bouchouicha et al., 2016a,b). Une évaluation par rapport aux mesures de cinq
stations caractérisées par des conditions climatiques très différentes de notre
pays.
5|
(iii) Afin d’évaluer le potentiel solaire et de caractériser sa variabilité spatio-

temporelle à long terme sur l’ensemble du territoire, dans le but d’identifier les
régions favorables à l’implantation des systèmes énergétiques solaires, une
cartographie de ce potentiel en termes de rayonnement globale reçu sur une
surface horizontal a été réalisée (Bouchouicha et al., 2014 ; Bouchouicha et al.,
2015).
4. Organisation du travail
Le présent manuscrit est organisé de la façon suivante:

Le premier chapitre est consacré à des rappels sur les aspects physiques du
rayonnement solaire (caractéristique, nature…), les différents phénomènes
physiques qui seront sujettes à ce rayonnement, la structure de l’atmosphère et ces
effets sur le rayonnement solaire. La connaissance de ces divers paramètres permet
d’établir un bilan radiatif du système terre- atmosphère.
Le deuxième chapitre présente des différents équipements utilisés pour mesurer
des différentes composantes du rayonnement solaire, et toute la chaine de traitement
de données, avec les résultats et les interprétations.
Le troisième chapitre est consacré à l’évaluation du potentiel énergétique solaire
sur site à travers une modélisation du rayonnement solaire dans différentes
conditions météorologiques.
Le quatrième chapitre traite l’évaluation d’une méthode d’estimation de
l’irradiation solaire au sol utilisant des images du satellite. Cette évaluation a été
réalisée par comparaisons avec un jeu de données de cinq stations de mesure
représentant les différentes régions de notre pays, et pour des irradiations horaires.
Le cinquième chapitre est consacré à une cartographie des ressources solaires sur
l’ensemble du territoire Algérien, suivi par une analyse géospatiale de ce potentiel.
Le manuscrit s’achève par des conclusions et des recommandations complétant
cette étude.
6|
LE RAYONNEMENT
SOLAIRE
Chapitre I: Rayonnement Solaire
I.1. INTRODUCTION
L'énergie solaire est la ressource énergétique la plus abondante sur terre. Elle est à
l'origine de la majorité des autres énergies renouvelables. Le rayonnement solaire peut être
utilisé pour produire soit directement de l'électricité à l'aide de semi-conducteurs
photovoltaïque, soit de la chaleur solaire thermique pour le chauffage ou la production
électrique. Cependant, ce rayonnement est sujette à plusieurs perturbations, qui varient
avec la constitution verticale de l’atmosphère terrestre (nuage, aérosol, …etc), qui
constitue une barrière empêchant ainsi l’entière radiation solaire de passer.
Il serait tout d’abord intéressant de connaître quelques notions sur le rayonnement

solaire (caractéristique, nature, intensité…), les différents phénomènes physiques qui
seront sujettes à ce rayonnement, la structure de l’atmosphère et ces effets sur le
rayonnement solaire. Ainsi, la connaissance de ces divers paramètres permet d’établir un
bilan radiatif du système terre- atmosphère.
I.2. SOURCE DU RAYONNEMENT SOLAIRE
La principale source d’énergie dont nous disposons est le soleil, qui est situé à environ
150 millions de kilomètres de la terre, il émet de manière isotrope un rayonnement qui peut
être assimilé, en première approximation, à celui d’un corps noir (parfaitement émissif et
parfaitement absorbant) à 5800°k. Ce rayonnement se propage dans l’espace sous forme
d’onde électromagnétique, il atteint la terre après environ huit minutes de son émission.
Les 98% de l’énergie émise se situent dans la bande de longueur d’onde comprise entre
0.25 et 3μm [1].
La Terre reçoit une partie de ce rayonnement. Le flux énergétique reçu par la Terre est
appelé éclairement énergétique, abrégé en éclairement. La moyenne annuelle de cet
éclairement reçu sur un plan normal aux rayons du soleil situé au sommet de l’atmosphère
est appelée constante solaire.
La figure I.1 illustre la distribution spectrale du rayonnement solaire au sommet de

l’atmosphère [2].
8|
Figure. I.1: Spectre du rayonnement solaire reçu hors atmosphère.
I.3. RAYONNEMENT SOLAIRE HORS ATMOSPHERE
I.3.1. Eclairement et constante solaire
L’éclairement est le flux solaire traversant une surface unitaire perpendiculaire aux
rayons du soleil et se situant au sommet de l’atmosphère, il dépend de la distance réelle
terre-soleil, laquelle varie selon les saisons. Il s’exprime en W/m2.
La constante solaire I sc représente la moyenne annuelle de cet éclairement [3]. La
valeur de I sc la plus utilisée est celle adoptée par l’Organisation Météorologique Mondiale
(OMM) en octobre 1981 avec une incertitude de 1% (Isc=1367 W/m2).
Les mesures par satellite ont permis d’établir une formule empirique, d’une précision
acceptable, donnant l’intensité de l’éclairement au sommet de l’atmosphère I0 en fonction
du facteur de correction de la distance Terre-Soleil  , I0 est exprimée par :
I 0  j   I sc  j  (I-1)
Le facteur  représente le coefficient de correction dû à la variation de la distance terre-

soleil, il varie en fonction du numéro du jour de l’année j, il est calculé par l’équation
suivante [4]:
 2 
  j   1  0, 0344  cos  j (I-2)
 365, 25 
9|
Si une grande précision est requise, il est possible d’envisager l’utilisation de celle issue
d’un développement en série de Fourier [5]:
  j   1.00011  0.0342cos  d   0.00128sin  d   0.000791cos  2d   0.000077sin  2d  (I-3)
2
Avec : d  j  1
365
1420
1410
1400
1390
1380
1370
I0 [Wh/m2]
1360
1350
1340
1330 I0
I0
1320
0 50 100 150 200 250 300 350 400
N° du Jour j
Figure. I.2: Constante solaire selon les équations (I-2) et (I-3).
Comme on peut le voir sur la Figure. I.2, le niveau minimal d’environ 1320 W/m² est
atteint le mois juillet, et le niveau maximal (1415 W/m²) est atteint durant la fin du mois de
décembre et le début du mois de janvier.
Compte tenu des cycles journaliers et saisonniers auxquels est soumis un point à la
surface de la terre, cette valeur de la constante solaire correspond à une énergie moyenne
reçue à la surface de l’atmosphère égale à 342 W/m2. La figure I.3 présente une synthèse
des mesures effectuées par satellite du rayonnement solaire reçu à la surface de
l'atmosphère.
Localement, l’éclairement varie suivant la latitude et la saison. En moyenne annuelle, le
maximum d’ensoleillement est donc aux latitudes tropicales, mais il varie au cours de
l’année et est même maximal aux pôles pendant l’été local (Figure I.3): la durée du jour de
24h fait plus que compenser l’angle d’incidence réduit dû à la latitude élevée.
10 |
Figure. I.3: Cycle saisonnier de l’éclairement dû au rayonnement solaire hors-

atmosphère (NOAA-CDC).
I.3.2. Variation de l’éclairement
L’éclairement énergétique incident à un instant en un endroit donné au sommet de

l'atmosphère sur un plan horizontal dépend de la valeur de la distance terre-soleil à ce
moment, de l'inclinaison de l'axe de la terre sur l'elliptique et de la latitude du lieu
considéré. L’éclairement instantané H0t peut être exprimé en fonction de l’angle solaire
zénithal θSt, il est égal au produit de l’éclairement sur plan normal I0 par le cosinus de cette
angle [3].
H 0t  I 0 cos  st (I-4)
L'angle zénithal solaire  st est fonction du temps, du jour de l'année et de la latitude. Il

peut être calculé grâce à la relation:
coss  sin  sin φ  cos  cos φcos s (I-5)
Avec :
s : l’angle horaire du lever ou du coucher du soleil (en degré).
S  ar cos(tg ( ).tg ( )) (I-6)
 : L’angle de déclinaison qui représente l’angle entre la direction terre soleil et le plan
11 |
équatorial de le terre, et qui est exprimées par :
 = 23.45 sin(360 284  j ) (I-7)

365
φ : La latitude du lieu.
Donc il est possible de calculer l’éclairement énergétique extra-terrestre dû au
rayonnement solaire incident à tout moment de l’année, arrivant sur une surface
horizontale, et en tout point du globe.
La sommes quotidiennes du rayonnement solaire extra-terrestre est exprimée par
24   
H0  I0  s sin  sin φ  cos  cos φ sin s  (I-8)
 180 
Il est possible de déterminer la journée type mensuelle (définie par une déclinaison
caractéristique) et qui a une irradiation quotidienne égale à la moyenne mensuelle. Le jour
recommandé pour chaque mois avec le numéro du jour correspondant de l’année sont
données dans le tableau I.1. De ce fait on peut déduire les moyennes mensuelles des
sommes quotidiennes du rayonnement solaire extra-terrestre, comme suit:
H0  H0 (I-9)
 c
Tableau. I.1: Liste des jours types par mois proposés par [3].
Mois Jour type N° de jour
Janvier 17 17
Février 16 47
Mars 16 75
Avril 15 105
Mai 15 135
Juin 11 162
Juillet 17 198
Aout 16 228
Septembre 15 258
Octobre 15 288
Novembre 14 318
Décembre 10 344
Localement, l’éclairement varie suivant la latitude et la saison. En moyenne mensuelle,

le maximum d’ensoleillement est donc atteint aux latitudes tropicales, mais il varie au
cours de l’année (Figure I.4).
12 |
12
10
Mois
Ho[kWh/(m2/ jour)]
Jan
Fev
8
Mar
Avr
Mai
6 Juin
Juil
Aout
Sep
4 Oct
Equateur Nov
Dec
2
Sud Nord
0
-30 -20 -10 0 10 20 30 40 50 60 70
Latitude du lieu en [°]
Figure. I.4: Moyennes mensuelles des sommes quotidiennes de H o .
Latitude
12
30°S
20°S
10 10°S
0°
10°N
8 20°N
Ho[kWh/(m2/ jour)]
30°N
40°N
6 50°N
60°N
70°N
4
0
1 2 4 6 8 10 12
Mois
Figure. I.5: H o en fonction des mois de l’année pour chaque latitude.
Pour l’Algérie les latitudes à retenir sont de 20°N, 30°N et 40°N. Les valeurs
intermédiaires peuvent être extrapolées. La figure I.6 représente les moyennes mensuelles
des sommes quotidiennes du rayonnement solaire extra-terrestres relatives à ces latitudes
en fonction des mois de l’année.
13 |
12
11
10
Ho[KWh/(m2/ jour)]
20°N
9 30°N
40°N
8
3
2 4 6 8 10 12
Mois de l'année
Figure. I.6: H o en fonction des mois de l’année pour la latitude 20°N, 30°N et 40°N.
Selon ces résultats les régions du sud sont les plus énergétiques ; de 7 à 10.9 kWh/(m2.
jour). Les moyennes pour l’année sont de l’ordre :
H 0 (20°N)= 9,43 [kWh/(m2 .jour)]

H 0 (30°N)= 8,74 [kWh/(m2. jour)]
H 0 (40°N)= 7,84 [kWh/(m2. jour)]
Nous concluons que l’énergie solaire reçue par une surface horizontale placée hors
atmosphère est fonction uniquement des paramètres astronomiques suivants :
- La latitude du lieu.
- La déclinaison solaire
- L’angle horaire du lever du soleil.
- L’époque de l’année
I.4. RAYONNEMENT SOLAIRE A TRAVERS L'ATMOSPHERE

Le rayonnement se propageant dans l’atmosphère en interagissant avec les particules en
suspension (molécules, poussières, gouttes d’eau…), il peut alors être soit absorbé soit
diffusé (changement de direction). La somme de l’absorption et de la diffusion est appelée
extinction du rayonnement. La composition de l’atmosphère joue un rôle important dans le
bilan énergétique terrestre.
14 |
I.4.1. Atmosphère terrestre composition et structure
L’atmosphère terrestre est une enveloppe gazeuse entourant la terre, maintenue près de
la surface grâce à la force gravitationnelle. Elle constitue une enveloppe protectrice pour
notre planète, et est indispensable à la vie sur terre. Elle contient l’air que nous respirons,
protège toutes les formes de vie contre les radiations dangereuses du soleil grâce à sa
couche d’ozone, C’est un élément majeur dans le cycle de l’eau, qui contribue à adoucir de
manière notable la température moyenne à la surface du globe.
a) Structure de l’atmosphère
L’atmosphère est constituée de plusieurs couches au sein desquelles la température
évolue différemment en fonction de l’altitude : la troposphère, la stratosphère, la
mésosphère et la thermosphère (cf. Figure I.7), Le passage d’une couche à une autre est
matérialisé par une zone de transition qui marque les limites où s’observent les inversions
thermiques : la tropopause, la stratopause et la mésopause [6].
La troposphère est la couche la plus proche de la surface de la terre, son épaisseur varie
de 7 kilomètres de hauteur au-dessus des pôles à 18 kilomètres au-dessus de l'équateur.
Cette couche contenant 80 à 90 % de la masse totale de l’air et la quasi-totalité de la vapeur
d’eau (la pression et la densité y sont maximales). C’est dans cette couche que se
produisent la plupart des phénomènes météorologiques (formation des nuages, pluie…etc.)
et les mouvements atmosphériques (vents…etc.).
Dans la couche supérieure de la troposphère, la température commence à augmenter, sa

hauteur varie des pôles jusqu'à l’équateur, mais aussi selon les saisons. La stratosphère
s’étend entre 8-15 km et 50 km d’altitude. Cette région abrite vers les 25 km d’altitude une
bonne partie de la couche d’Ozone. La mésosphère se situe entre 50 km et 80 km
d’altitude. Dans cette couche la température recommence à décroître en fonction de
l'altitude pour atteindre les -80°C au plus haut niveau de cette couche (à environ 80 km).
La thermosphère s’étend entre 80 km et 350 km à 800 km d’altitude. Dans cette zone les
températures sont très élevées mais la densité est extrêmement faible et il y règne une
pression très faible.
b) Composition de l’atmosphère
En effet, l’atmosphère est un mélange de gaz contenant des particules liquides
(gouttelettes d’eau…etc.) et solides (cristaux de glace, poussières, cristaux salins…etc.) en
suspension. La plus grande part de sa masse étant proche de la surface. Les molécules de
15 |
gaz se raréfient en altitude et la pression diminue. L’atmosphère est donc de moins en

moins dense quand l’altitude augmente [7].
La composition de l’atmosphère joue un rôle important dans le bilan énergétique

terrestre. Les gaz se présentent à différentes concentrations, parfois presque constantes, et
parfois très variables dans le temps et dans l’espace. En plus des gaz, l’atmosphère est
constituée de particules en suspension.
Figure. I.7: Structure de l'atmosphère terrestre. La ligne forte représente la variation de

la température moyenne dans chaque couche atmosphérique [6].
L’atmosphère contient également des aérosols et des nuages. Les aérosols représentent
une faible part de la masse de l’atmosphère (de l’ordre de 10-9), mais ils jouent un rôle
déterminant dans le comportement du rayonnement solaire dans l’atmosphère à travers les
différents processus de réflexion, de diffusion et de l’absorption [8].
16 |
En gros, 20% du rayonnement solaire qui arrive au sommet de l'atmosphère est réfléchi
vers l'espace par les nuages. L’atténuation de l’éclairement direct par les nuages dépend du
type de nuages, leur épaisseur et le nombre de couches qui le constituent. Une
détermination théorique de l’éclairement direct et diffus est tout à fait difficile. Une telle
tâche nécessite des données complexes sur les types et propriétés optiques des nuages.
Tableau. I.2: Composition de l'atmosphère terrestre [6].

Gazes à concentration Permanant Gazes à concentration Variable
Gaz Symbole % volumiques Gaz (+ Particules) Symbole % volumiques
Azote N2 78.08 Vapeur d’eau H2O 0-4
Oxygène O2 20.95 Dioxyde de carbone CO2 0.037
Argon Ar 0.93 Méthane CH4 0.00017
Néon Ne 0.0018 Nitrous oxide N2O 0.00003
Helium He 0.0005 Ozone O3 0.000004
Hydrogène H2 0.00006 Particules (poussières, …etc) 0.000001
Xénon Xe 0.000009 Chlorofluorocarbones (CPCs) 0.00000002
Un nuage est formé d’un ensemble de gouttelettes d’eau ou de cristaux de glace en

suspension dans l’air. Son comportement dépend de la lumière qu’il reçoit, de la répartition
des particules qui le constituent, de la nature de ces dernières, de leur dimension, et de leur
densité. Les gouttelettes d’eau d’un nuage proviennent de la condensation de la vapeur
d’eau contenue dans l’air.
La Figure. I.8 donne la classification des nuages faite à partir de la base de données
ISCCP (International Satellite Cloud Climatology Project), en fonction de la pression à
leur sommet et leur épaisseur optique. Ce qui caractérise l’atténuation du rayonnement à
travers le nuage.
Pour décrire les nuages dans notre application, il est nécessaire de considérer les
paramètres suivants :
 Altitude des nuages (sommet des nuages): est donnée aussi en termes de niveau de
pression.
 Couverture nuageuses (ou la nébulosité): c’est la fraction du ciel couverte par les
nuages. La connaissance de la couverture nuageuse est restée cantonnée dans les stations
météorologiques professionnelles et est réalisée par l’observateur de permanence toutes les
heures ou toutes les 03 heures selon les offices de météorologie. La méthode est basée sur
une observation visuelle uniquement qui vise à définir en huitième (baptisé Octa en
17 |
météorologie) la surface du ciel couverte par les nuages dans son champ de vision ainsi
que l’altitude de la première couche [2].
Figure. I.8: Classification nuageuse de l’ISCCP [5].
I.4.2. Atténuation du rayonnement solaire
Lors de sa traversée de l’atmosphère, le rayonnement solaire est fortement atténué par

différents éléments atmosphériques comme les molécules, les aérosols, les gaz, les
gouttelettes nuageuses ou les cristaux de glace. Chacun de ces éléments possède ses
propriétés optique et physique. Les phénomènes physiques liés à l’extinction se scindent
en :
 L'absorption du rayonnement par les gaz atmosphériques tel que O2, O3, H2O, CO2
et d’autres polluants.
 La diffusion du rayonnement par les particules, les molécules d’air et la vapeur
d’eau, qui se décompose en processus de diffraction, de réfraction et de réflexion.
L'ensemble des longueurs d'ondes du rayonnement solaire ne réagit pas de la même
façon lors de la traversée des 15 km d'épaisseur que représente environ l'atmosphère.
Schématiquement, on peut signaler que :
 Dans le domaine de l'ultraviolet du spectre solaire pressement les longueurs d'ondes
inférieures à 0.3 micromètre sont entièrement absorbées par l'ozone (O3) en limite
supérieure de l'atmosphère ;
 Le rayonnement visible de 0.4 à 0.8 micromètre est relativement peu absorbé dans
le cas d'un ciel clair, mais en revanche sa diffusion est d'autant plus importante que la
longueur d'onde est faible ;
18 |
 Le rayonnement infrarouge est absorbé par les gaz tel que CO2, H2O et O3 de la
troposphère.
L'influence de ces éléments atmosphériques se retrouve sur la distribution spectrale du

rayonnement spectral solaire, comme on peut le voir sur la Figure. I.9.
Figure. I.9: Spectres du rayonnement solaire moyen incident au sommet de

l’atmosphère (courbe rouge) et à la surface de la Terre (jaune) [9].
I.4.3. BILAN ÉNERGÉTIQUE DU SYSTÈME TERRE / ATMOSPHÈRE
Au cours de la traversée de l'atmosphère terrestre, le rayonnement solaire est divisé en

plusieurs flux dues notamment· à des processus d'absorptions et de diffusions. La figure
ci-dessous, illustre par des valeurs moyennes, le devenir de l’énergie solaire incidente dans
l’atmosphère en pourcentage de l’énergie solaire incidente hors atmosphère [10,11].
L'éclairement solaire incident au sommet de l'atmosphère est estimé à environ 342
W/m2 en moyenne annuelle. Une fraction du rayonnement qui arrive au sommet de
l'atmosphère (environ 30%) est réfléchie et renvoyée vers l’espace par les différentes
composantes de l'atmosphère (6 % par l’air, 20 % par les nuages) et par les surfaces
terrestres (4%). L’albédo global terrestre exprime cette fraction. Lors de sa traversée de
l’atmosphère, environ 19% du rayonnement est absorbé par un mélange de gaz et de
particules en suspension (gaz, poussières et nuages). Seulement 53% de l'éclairement
19 |
solaire incident parvient à la surface. L'énergie disponible en surface dépend en plus des
fractions réfléchie et absorbée par l'atmosphère terrestre elle-même [11].
L’atténuation du rayonnement à travers l’atmosphère est en fonction de la densité, de
la taille et de la nature des molécules et des particules rencontrées. Elle varie aussi avec la
longueur de la trajectoire des rayons solaires à travers l’atmosphère. Cette longueur est
caractérisée par la ‘masse atmosphérique’, appelée aussi masse d’air optique.
Rayonnement solaire incident en %

Rayonnement Réfléchi 100%=342 W.m
-2
30%
4% 20% 6%
100%
Sommet de l’atmosphère
Atmosphère
16%
Atmosphère Absorbé par les aérosols,
51% 3%
H2o, O3
Absorbé par les nuages
Nuages
Surface Terrestre Absorbé à la surface

Figure. I.10: Bilan énergétique annuelle du système "Terre-Atmosphère".
I.4.2. Paramètres Atmosphériques
a) Masse d’air optique
L’extinction du rayonnement solaire est fonction de nombre de molécules et particules

rencontrées en traversant les couches atmosphériques, donc elle est fonction de la distance
parcourue dans l’atmosphère. On définit le trajet optique ou la masse d'air optique qui
représente le rapport de l’épaisseur de l’atmosphère réellement traversée par le
rayonnement direct pour atteindre le sol (par ciel clair) sur celle traversée verticale au
niveau de la mer (Figure. I.11). Cette épaisseur est beaucoup plus faible à l’équateur que
dans les régions polaires. Elle est donnée par l’expression suivante :
d
m (I-10)
d0
Avec : d0 : distance du parcours du rayonnement pour une incidence verticale, et d :
distance réelle parcourue par le rayonnement pour une position quelconque.
20 |
Pour des fins de modélisation, une première approximation est utilisée pour évaluer la
masse d'air, elle prend comme référence les conditions normales de température et de
pression à savoir P = 1atm et T = 273 K, elle est valable pour des angles zénithaux
inférieurs à 70°, elle est donnée par [12]:
1 1
mst   (I-11)
sin  h  cos  s 
Atmosphère
d
d0
s h
Surface Terrestre
Figure. I.11: Masse d’air optique (atmosphérique). L’angle zénithal s est le

complémentaire de la hauteur solaire h
Dans le cas des grandes valeurs de  s , un terme correctif est ajouté qui tient compte de
la sphéricité de la Terre. La masse d'air relative est donnée par Kasten [12].
1
mst  (I-12)
cos  s   0.15  93.885   s 
1.253
On utilise une autre formule qui a été proposé par Badescu (1987) [13]:
 cos  s   cos 2  s   f 2  1
mst  (I-13)
f 1
ha
Avec f  1 
R
Dans laquelle, R représente le Rayon de la terre (R=6371.2 km), et ha : l’épaisseur de la
couche atmosphérique en fonction de la latitude (latitude 45°, ha=11km)
21 |
Les résultats de la variation de la masse d’air obtenus en fonction de l’angle zénithal

solaire appliquant les trois méthodes de calcul sont représentées dans la Figure. I.12.
La masse d’aire m varie de 1 à 8, les valeurs les plus importantes correspondent au lever
et au coucher du soleil car plus le soleil est bas sur l'horizon, plus la couche traversée par le
rayonnement est importante, et le minimum est atteint au midi solaire (lorsque le soleil est
au zénith du lieu).
Figure.1.12: Variation de la Masse optique en fonction de l’angle zénithal.
Ce paramètre ne tient pas compte des propriétés physiques de la couche traversée.

Comme cette couche est un mélange de gaz qui dépendent de la température et de la
pression. Elle doit être corrigée pour tenir compte de la diminution de la pression due à
l'augmentation de l'altitude du site.
Dans le cas où on dispose des informations sur la pression atmosphérique, la
température et la hauteur du site, une correction du model atmosphérique international peut
être appliqué utilisant l’expression suivante [13]:
pz
ma  mst (I-14)
pst  z 
Avec p et pst sont respectivement la pression atmosphérique du site considéré et celle

correspondante au niveau de la mer.
 T  z 
5.2561
pst  z   pst  z  0    (I-15)

 Tst  z  0  
22 |
La température ambiante standard au niveau de Mer Tst  z  0  qui est évaluée de la

valeur mesurée T  z  a une l’altitude z du site.
Tst  z  0  T  z   0.0065  z (I-16)
Figure.I.13: Variation journalière de la Masse optique à Adrar, 18 Juin 2013.
b) Trouble atmosphérique
Chaque composant atmosphérique agit sur le rayonnement solaire par les phénomènes
d’absorption et de diffusion. Link a regroupé ces diverses extinctions dans un seul
coefficient appelé trouble de Link ou trouble atmosphérique TL, par définition le trouble de
Link est le nombre d’atmosphères pures et sèches qu’il faudra accumuler pour provoquer
la même extinction intégrale du rayonnement direct que l’atmosphère réelle.
 reel
TL  (I-17)
 ideal
 reel : Épaisseur optique réelle
 reel : Épaisseur optique idéale (sans aérosols, ni vapeurs d’eau, ni nuages)
23 |
Pour des applications énergétiques, plusieurs formules pour de calcul ont été proposées;
Nous reprendrons celle établie par Dogniaux. Le facteur de trouble est calculé de la
manière suivante [15]:
5.6 m  5  3.7  I 0 
TL  ln   (I-18)
m I 
I0 et I sont les éclairements solaires directs extra-terrestre et au sol.
Les données du facteur de trouble de Linke utilisées dans la suite de notre étude sont
issues de la base de données SoDa Service [15].
Le produit du projet SoDa est sous forme de cartes globale de 2160 points en latitude
4320 points en longitude qui résultent de la fusion de données mesurées au sol et les
données en points de grille provenant de satellite (luminances en ciel clair, la vapeur d'eau,
épaisseur optique des aérosols) [15,16]. L’erreur quadratique moyenne de l’estimation de
ce facteur est de l’ordre 0.7, La méthode utilisée pour élaborer cette base de données est
détaillé sur le site Web HelioClim.
La Figure. I.14 présente les variations spatiale des moyennes mensuelles du facteur de
trouble de Linke du mois de janvier et de juillet.
La variation des moyenne mensuelle du facteur de trouble de Linke sur quelque sites
dans différentes régions de notre pays est données sur la figure I.15, qui montre des valeurs
relativement élevées au cours de la saison estivale surtout au mois d’août (Figure I.15). Ces
valeurs élevées peuvent être expliquées par la forte présence de la vapeur d’eau dans
l’atmosphère et une très faible diffusion par les aérosols (grains de sable et autres). Au
mois de juin, on a constaté sur le site que la diffusion par les aérosols (grains de sables) est
prépondérante et avec un faible taux d’humidité.
24 |
Figure. I.14: Facteur de trouble de Linke TL moyennes mensuelles (Janvier et Juillet).
Figure. I.15: Facteur de trouble de Linke moyennes mensuelles.
25 |
I.5. RAYONNEMENT AU SOL
La radiation solaire arrive au sommet de l’atmosphère sous forme d’ondes

électromagnétiques. Elle se subdivise premièrement en deux parties :
 La première est directement réfléchie vers l’espace avant de pénétrer dans
l’atmosphère.
 La deuxième partie s’enfonce dans l’atmosphère, subit des réfractions et des
diffractions pour être à son tour soit renvoyée vers l’espace soit vers le sol.
Ces phénomènes font que l’on peut regrouper les rayons solaires parvenant au sol en
trois composantes principales, qui sont le direct, le diffus et le réfléchi [17].
a) Rayonnement direct Normal I N
Le rayonnement solaire direct est le rayonnement reçu sur un plan normal parvenant
directement du disque solaire sans avoir subi de diffusion. Il se diffère de façon notable du
rayonnement atteignant la limite supérieure de l’atmosphère, en particulier du fait de
l’absorption par les constituants gazeux de l’atmosphère.
b) Rayonnement diffus D
Le diffus horizontal DH est le rayonnement reçu sur une surface horizontale parvenant
de toute la voute céleste a l’exception du disque solaire. Il s’agit du rayonnement diffusé
par les aérosols, les gouttelettes d’eau, la vapeur d’eau vers le sol.
c) Rayonnement réfléchi dre
Le rayonnement réfléchi dre est la composante de l’éclairement par la surface terrestre,

cette composante est prise en compte seulement dans le cas d’une surface inclinée, elle
dépend essentiellement du type de surface.
La fraction d’énergie réfléchie par rapport à l’énergie incidente est appelée Albédo. Ce
terme étant généralement réservé au sol ou aux nuages, c'est une valeur moyenne de leur
réflectance pour le rayonnement considéré et pour tous les angles d'incidences possibles. Il
dépend fortement de la nature du sol et l’état de la surface. L’albédo total du système
Terre/Atmosphère vaut environ 0.3 ce qui signifie que 30% du rayonnement solaire est
réfléchi et 70% est absorbé (voir Section I.4.3).
26 |
L’albédo des forêts est proche de 0.15, celui des surfaces désertiques vaut environ 0.35,
tandis que celui des surfaces englacées s’élève à 0.6. On peut citer quelques valeurs
moyennes typiques pour différentes sortes de sols ou d’états de surface (Tableau I.3) [18].
Tableau. I.3: Valeurs typiques de l’albédo du sol.
Nature du sol Valeur Valeur moyenne

Sable sec 0,1 à 0,4 0,25
Désert 0,2 à 0,4 0,3
Prairies, herbages 0,2 à 0,3 0,25
Forêt 0,1 à 0,2 0,15
Neige fraiche 0,7 à 0,8 0,8
Neige fondante 0,5 à 0,7 0,6
Habitat très dense 0,1 à 0,2 0,15
Habita 0,15 à 0,25 0,2
Par ailleurs, pour un même type de sol, la valeur de l’albédo varie avec la longueur d’onde
(Figure I.16). Elle peut être plus grande que la valeur moyenne de l’albédo.
Par exemple, l’albédo de la neige avoisine 1 pour les petites longueurs d’onde tandis qu’elle est
égale à 0 pour les grandes. Il est donc nńécessaire de prendre en compte la distribution spectrale de
l’albédo du sol.
Figure. I.16: Variation spectrale de l’albédo pour quelques types de surface [18].
27 |
d) Rayonnement global Gh
C’est le rayonnement reçu sur une surface provenant de toute la voute céleste et du
disque solaire.
 Rayonnement Global sur une surface horizontale
Le rayonnement global parvenant au sol sur une surface horizontale Gh est la somme
du rayonnement direct et du diffus (Figure I.17), selon la formule suivante :
Gh  Dh  I N cos s  (I-19)
Surface Terrestre
Figure. I.17: Composantes principales du rayonnement solaire.
 Le rayonnement Global sur une surface inclinée
Le rayonnement solaire global sur une surface arbitraire ayant une inclinaison  par
rapport à l’horizontale et un angle azimutal  est la somme des trois composantes directe,
diffuse et réfléchie par le sol du rayonnement solaire (Figure I.17) [1, 2].
G  D  I N  d re (I-20)
L’énergie solaire varie en fonction de :

 La latitude du lieu.
 L’orientation et l’inclinaison du plan de collecte.
 La saison (maxima en été, minima en hiver).
 La situation atmosphérique (ciel clair ou couvert).
 La hauteur du soleil sur l'horizon (maxima à midi solaire).
28 |
I.6. CONCLUSION
Le rayonnement solaire peut être utilisé pour produire soit directement de

l'électricité à l'aide de semi-conducteurs photovoltaïque, soit de la chaleur solaire
thermique pour le chauffage ou la production électrique. En exploitant le
rayonnement solaire, considéré comme la ressource principale, qui est très
considérable à l’échelle planétaire, ce type d’énergie offre une véritable alternative à la
consommation des ressources fossiles avec un faible impact environnemental et un
fort potentiel de réduction des coûts.
L’aspect aléatoire de cette source d’énergie montre l’importance et la nécessité de

connaitre le potentiel solaire avant de procéder à l’installation de n’importe quel
système solaire. Le meilleur moyen d’identifier ce potentiel sur un site donné est de
disposer d’une bonne série de mesures de différents paramètres de rayonnement au
sol.
Pour ces raisons, nous présenterons dans le prochain chapitre les divers
dispositifs et instruments nécessaires pour réaliser les différentes mesures, et nous
détaillerons toutes la chaine de mesure, avec des résultats et interprétations.
29 |
I.7. REFERENCES
[1] Pierre Bessemoulin and Jean Oliviéri,. (2000) ‘’Le rayonnement solaire et sa composante
ultraviolette’’, La Météorologie 8e série - n° 31 – septembre, 2000.
[2] Francis Codron,. (2012) ’’Transfert radiatif bilan énergétique’’, Note du cours, Université
Pierre et Marie Curie-Paris 6, France, 2012.
[3] Duffie, John A and William A. Beckman,. (2010) ‘’ Solar energy thermal processes’’,
University of Madison, USA, WI, 2010.
[4] Kumar, L., Skidmore, A.K. and Knowles, E,. (1997): ‘’Modelling topographic variation in
solar radiation in a GIS environment’’, International Journal of Geographical Information
Science, 11(5): 475-497, 1997.
[5] Bird, R. E and Riordan, C. J, (1986): ‘’Simple solar spectral model for direct and diffuse
irradiance on horizontal and tilted planes at the earth's surface for cloudless atmospheres’’,
Journal of Climate and Applied Meteorology, 25 (1):87-97, 1986.
[6] Ahrens D. C, (2000): ‘’ Essentials of meteorology, an invitation to the atmosphere’’, 3ième
Ed, 2000.
[7] Clef CEA, (2009) : ‘’ Terre et environnement, Memo A « Voyage au centre de la Terre et
aux confins de l’atmosphère’’, Hiver 2008-2009, N°57, PP21-24, 2009.
[8] DeMOOR G, (2007) : ‘’transfert radiatif en météorologie dynamique’’, Cours et manuels,
N°17, Météo-France, 2007.
[9] Wikipedia., Bilan radiatif de la Terre., lien (2015) :
https://fr.wikipedia.org/wiki/Bilan_radiatif_de_la_Terre. Accédé en Novembre 2015.
[10] Hansen, J., Nazarenko, L., Ruedy, R., Sato, M., Willis, J., Del Genio, A., Koch, D., Lacis,
A., Lo, K., Menon, S., Novakov, T., Perlwitz, J., Russell, G., Schmidt, G.A., and Tausnev,
N, (2005): ‘’Earth’s energy imbalance: confirmation and implications’’, Science, (308),
1431-1435, 2005.
[11] Kevin E., Trenberth, John T. Fasullo, and Jeffrey Kiehl, (2009): ‘’Earth’s global energy
budget’’, American Meteorological Society, 311-324, 2009.
[12] Kasten H, (1966): ‘’A new table and approximation formula for the relative optical air
mass’’, Archiv fur Meteorol Geophys und Bioklim B: 206–223, 1966.
[13] Badescu V, (1987): ‘’Can the model proposed by Barbaro et al be used to compute global
solar radiation on the Romanian territory?’’, Solar Energy, 38: 247–254, 1987.
[14] Dogniaux R., (1984): ‘’De l’influence de l’Estimation du Facteur Total de Trouble
Atmosphérique sur l’Evaluation du Rayonnement Solaire Direct par Ciel Clair. Application
aux Données Radiométriques de l’IRM à Uccle’’, Institut Royal Météorologique de
Belgique (IRM), Miscellanea, Serie C, N°20, 1984.
[15] Remund J., L. Wald, M. Lefevre, T. Ranchin and J. Page, (2003): Worldwide Linke
Turbidity Information, Proceedings of The ISES Solar World Congress 2003, Goeteborg,
Sweden, 16-19, June 2003.
[16] Lefèvre M., Remund J., Albuisson M., Ranchin T. and Wald L, (2004): ‘’Fusing ground
measurements and satellite-derived products for the construction of climatological maps in
atmosphere optics’’, In Proceedings - 23rd EARSeL Annual Symposium "Remote Sensing
in Transition", 2-4 June 2003, Belgique, 85-91, 2004.
[17] Tadili R. et M. N. Bargach, (2005) : ‘’Une méthode d’estimation du rayonnement solaire
global reçu par une surface inclinée’’, La Météorologie - n° 50, pp. 46-50, Septembre 2005.
[18] Armel OUMBE, (2009) ‘’ Exploitation des nouvelles capacités d’observation de la terre
pour évaluer le rayonnement solaire au sol ‘’, PhD thesis, MINES ParisTech, 2009.
30 |
SOURCES ET TRAITEMENT DES
DONNEES RELATIVES AU
RAYONNEMENT SOLAIRE
Chapitre II: Sources et traitement des données relatives au rayonnement solaire
II.1. INTRODUCTION
L’aspect aléatoire et discontinu de l’énergie solaire ainsi que le déphasage de sa

disponibilité, dans le temps, par rapport aux besoins d’une exploitation énergétique, montre
l’importance et la nécessité de connaitre le gisement solaire avant de procéder au
dimensionnement et à l’installation d’un quelconque système de captation solaire. La
meilleure approche pour connaître le gisement solaire sur un site donné est de disposer
d’une bonne série de mesures du rayonnement au sol. Donc il est nécessaire de connaitre
les méthodes de collecte, de traitement et d’analyser des données de ce rayonnement, afin
d’évaluer correctement le potentiel d'énergie solaire de la région. Une évaluation exacte et
fiable des ressources solaires constitue la partie intégrante de la planification énergétique.
Ce chapitre intervient dans notre présente contribution, afin d’élucider l’importance des
mesures radiométrique, bien que l’Algérie possède un réseau de station de mesure très
faible, donc une faible couverture en superficie territoriale, et ce pour pouvoir simuler le
fonctionnement des systèmes énergétiques solaires envisagés et optimiser le
dimensionnement de toute installation projetée.
II.2. MESURES DIRECTE DU RAYONNEMENT SOLAIRE AU SOL
La planification énergétique exige une précision et une fiabilité élevées dans la collecte
des mesures du rayonnement solaire. Ces mesures effectuées du rayonnement solaire au sol
sont essentiellement réalisées grâce aux pyranomètres pour le rayonnement global et le
diffus, couvrant la gamme de longueurs d’onde s’étend de 0,3 à 3μm. Elles sont réalisées
grâce aux pyrhéliomètres pour le rayonnement direct à incidence normale. Ces deux types
d’appareil sont des capteurs conçus pour mesurer l’intensité du rayonnement
électromagnétique émis directement par le soleil ou réfléchis par d’autres influences
environnementales (atmosphère, nuages), ces mesures sont appelées irradiances (W/m²).
Les différentes catégories de capteurs et leurs spécifications selon la norme ISO 9060 sont
présentées en Annexe A [1]. D’autres paramètres liés à l’intensité du rayonnement
également mesurés, tel que la durée d’insolation et la nébulosité.
32 |
II.2.1. Paramètres mesurés
a) Le rayonnement direct
Ce type de rayonnement est essentiellement mesuré par un appareil appelé

Pyrhéliomètre, dans le principe de fonctionnement est le suivant :
C’est un appareil dont la surface sensible est toujours disposé perpendiculairement aux
rayons solaires. Cet instrument est en permanence orienté vers le Soleil de façon à ce qu’il
ne mesure que le rayonnement provenant du seul disque solaire. Il comporte une ouverture
réduite et une surface réceptrice qui doit être maintenue normale aux rayons du soleil grâce
à un système automatique conçu à cette finalité.
La surface sensible du capteur est un disque d’argent noirci placé à la base d’un tube
muni d’un obturateur et d’un diaphragme limitant son angle d’ouverture à 7.5° (le diamètre
apparent du soleil est de 0.5°) [1,2].
Pour pouvoir mesurer le rayonnement direct de façon continue, le pyrhéliomètre est
muni d'un dispositif chargé de l'orienter en permanence vers le Soleil.
b) Le rayonnement global
Ce type de rayonnement est mesuré par un Pyranomètre, qui collecte le rayonnement

arrivant sur une surface horizontale ou inclinée, en provenance d’un angle solide de 2π
stéradians. Le domaine spectral couvert s’étend de 0,3 à 3μm, il doit être régulièrement
étalonné et entretenu (poussière, condensation). [3].
c) Le rayonnement diffus
Il est mesuré par un pyranomètre muni d’un dispositif occultant totalement le

rayonnement direct. Il doit être soit un disque dirigé en permanence vers le Soleil, soit une
bande pare-soleil parallèle au plan équatorial déplacée en fonction de la déclinaison
solaire. La mesure du diffus implique des corrections.
d) L’albédo de surface
L’albédo de surface est défini comme le rapport du rayonnement solaire diffusé ou

réfléchi par le sol au rayonnement global. Il est mesuré par un Albédomètre. C’est un
instrument composé de deux pyranomètres montés en opposition, l’un captant le
rayonnement solaire incident total et l’autre le rayonnement solaire réfléchi par la surface.
On supposant que la parcelle de surface vue par le second capteur est suffisamment
33 |
homogène et que le signal mesuré est équivalent à l’intégrale du flux réfléchi dans toutes
les directions. Cet instrument doit être placé à grande distance du sol.
e) La durée d’insolation
La durée d’insolation ou d'ensoleillement exprime la longueur cumulée des périodes

d'exposition directe au soleil entre le lever et le coucher du soleil pour un endroit donné du
globe terrestre. Elle est mesurée à l’aide de L'héliographe.
L'héliographe de Campbell-Stokes est l’instrument employé dans la plupart des stations
météorologiques. Il a été adopté par l’Organisation météorologique mondiale « OMM » en
1962 comme instrument de référence [4], il mesure la durée pendant laquelle le
rayonnement solaire direct a une puissance suffisante (en pratique plus de 120 W/m²) pour
brûler ou décolorer une bande de papier changée chaque jour. La mesure de la longueur
des parties brûlées permet de calculer la durée d'insolation.
L’évolution technologique de la fin du siècle dernier s’est répercutée par le
remplacement de ces instruments "statiques" par des instruments "dynamiques" équipées
de capteurs qui permettent d’émettre un signal régulier engendrant une impulsion dès que
l'éclairement reçu par le capteur dépasse 120 watts par mètre carré. Il s’agit d’un système
électronique capable de mesurer l'insolation solaire d'une façon autonome et automatique à
partir d’un procédé utilisant des photodiodes.
f) La nébulosité
La nébulosité (ou la couverture nuageuse) : C’est la fraction de la voute céleste du ciel

couverte par les nuages. Ce paramètre est inclus dans les études du rayonnement solaire
dans la mesure où il représente le principal facteur de son atténuation. Elle est fournie par
l’intermédiaire d’estimations visuelles du ciel relevée toutes les heures ou toutes les 03
heures dans la plupart des stations professionnelles de l’ONM. Cette mesure n’est
aujourd’hui pas encore automatisée. Elle s’exprime en Octa : 0 correspond à un ciel clair, 8
à un ciel totalement couvert [5].
II.2.2. Paramètres dérivés de mesures
a) La fraction d’insolation
La fraction d’insolation représente le rapport de la durée du jour mesurée à sa durée

maximale théorique. Ce paramètre a un impact direct sur les composantes du rayonnement
solaire. C’est généralement l’approche la plus utilisée pour l’estimation des moyennes
mensuelles du rayonnement solaire global et ce par application des modèles de régression,
34 |
laquelle application alimenté la pluparts des projets de conception et de simulation des

systèmes énergétiques solaire.
b) Indice de clarté
L’indice de clarté du ciel représente les variations liées à la couverture nuageuse sur
site. Il est déterminé à partir des mesures du rayonnement global horizontal, par
l’application de l’équation suivante [6] :
(II.1)
: représente l’irradiation hors atmosphère

Trois classes sont définies pour caractériser le type de ciel basant sur cet indice [7] :
– Classe A : ;
– Classe B : ;
– Classe C : ;
La Classe A représenté des journées entièrement ensoleillées. Tandis que la classe B
correspond à des journées partiellement ensoleillées, et enfin les journées complètement
nuageuses transformant plus de 90% du rayonnement solaire global incident en
rayonnement diffus sont représentées par la classe C.
II.2.3. Réseau de mesures au sol en Algérie
L’Office National de la Météorologie (O.N.M) gère sur l'ensemble du territoire national
un réseau météorologique composé de quatre-vingt et une (81) stations météorologiques
mesurant principalement la durée d’insolation. Parmi celles-ci, on dispose de seules sept
(07) stations équipées de pyranomètres et servant donc à mesurer les composantes diffuses
et globales reçues sur le plan horizontal, alors que deux stations seulement sont équipées
de pyrhéliomètres mesurant le rayonnement direct, auquel s’ajoutent quelques compagnes
de mesures du rayonnement global réalisée par des universités ou des centres de recherche.
Malheureusement, les séries de mesures réalisées comportent beaucoup des données
manquantes causées par des périodes plus ou moins longues de non fonctionnement des
appareils de mesure.
Dans cette partie d’étude, les données de la durée d’insolation ont été triées en fonction
de leur qualité et de la durée de l'enregistrement en continu couvrant une période de 30 ans
de mesures. Les années 1983 à 2012 ont été prises comme périodes communes de
référence. Le tableau B.1 reprend la liste des stations (Annexe B). La première carte
présente la distribution géographique des stations (Figure. II.1). On note une assez bonne
35 |
répartition spatiale ; cependant, certaines régions sont moins couverte géographiquement

de stations comme, par exemple les régions intérieures, le centre et autres régions du grand
sud.
Le deuxième intervenant dans le domaine, en Algérie est le Centre de développement
des énergies renouvelables (CDER), qui dispose de trois stations à savoir Bouzaréah,
Ghardaïa et Adrar assurent d’une manière régulière la mesure des différentes composantes
du rayonnement solaire. La prise de mesure effectuée implique un entretien et un contrôle
permanent des appareils de mesure et d’enregistrement. Les pyranomètres étaient
régulièrement nettoyés et contrôlés afin d’assurer d’excellente fiabilité dans la précision
des mesures de rayonnement. En ce qui concerne la calibration de nos instruments, ils sont
calibrés périodiquement au niveau du site de La station de surveillance de la composition
chimique de l'atmosphère de ASSEKREM (GAW : Global Atmospheric Watch) à
Tamanrasset
La répartition géographique de l’ensemble des stations équipées de pyranomètres est
donnée par la Figure. II.2.
Figure. II.1: Réseau d’Héliographe (1983-2012).
36 |
Figure. II.2: Réseau pyranométrique (ONM et CDER).
II.2.4. Le traitement des données radiométriques
Dans la chaine de mesures radiométrique, la collecte est effectuée avec un pas de temps
de la minute. Les valeurs instantanées, provenant des instruments sont directement corrigés
en utilisant les coefficients de calibration correspondantes.
Une fois transférées sur Ordinateur, les données de rayonnement peuvent être
visualisées avec un enregistrement toutes les 3 minutes. Les valeurs du rayonnement en
millivolts sont ensuite converties en quantité énergétique (irradiance) suivant leurs
coefficients de calibration.
Une autre correction est appliquée sur le rayonnement diffus dû au dispositif d’ombrage
on se basant sur l’hypothèse décrite dans la section suivante. Les données prétraité sont
soumises à un contrôle préliminaire; pour être situées dans des marges bien définies et ce
afin de déceler le plus rapidement possible les erreurs dues à d’éventuels déréglage ou
pannes de l’appareillage.
37 |
Il s’agit d’un contrôle qualité réalisé sur ces données dès leur acquisition pour les
soumettre aux corrections nécessaires avant leur utilisation. Les processus d’acquisition, de
traitement et le stockage des données sont exécuté sous un Micro-ordinateur DELL
VOSTRO 180 équipé d’un processeur Dual-Core 2.2 GHz [3].
a) Correction du rayonnement diffus (correction d’arceau)
Afin d’effectuer la mesure du rayonnement solaire diffus il suffit d’adapter un écran

destiné à recouvrir complètement le dôme du pyranomètre, dans le but d’occulter le
rayonnement solaire direct. A cette finalité deux méthodes sont utilisées [8]:
 Une bande pare-soleil réglable en fonction de la déclinaison du soleil.
 Un disque mobile suivant la trajectoire apparente du soleil et dont l’ombre se
projette en permanence sur la surface sensible du pyranomètre.
L’arceau d’ombrage CM121B/C offre cette solution, par conséquent, il intercepte
également une petite partie du rayonnement diffus venant du ciel.
Le système de mesure du diffus au niveau de l’URER-MS est équipé d’une bande pare-
soleil, nous détaillerons par la suite la méthode de correction d’anneaux qu’il faut
introduire dans la mesure.
Dans la méthode avec arceau ; l’axe de celui-ci est parallèle à l’axe terrestre. Une
translation de l’arceau le long de cet axe permet de suivre la variation de la déclinaison.
L’arceau masquant une partie de la voute céleste entraine une sous-évaluation du
rayonnement diffus, d’où la nécessite d’un facteur correctif variable au long de l’année.
Dans notre cas, ce facteur peut varier de -1.12 à 1.12 ; des ajustements périodiques de
l’arceau ayant lieu tous les trois jours, il est possible d’effectuer des corrections plus
minutieuses en appliquant des ajustements beaucoup plus fréquents.
L’arceau est constitué d’une bande de 7cm de largeur et de 17cm de rayon, peinte en
noir du coté pyranomètre et en blanc sur la face vue par le soleil afin d’éviter des
réflexions indésirables d’une part et un échauffement de l’arceau d’autre part. L’ajustement
de l’arceau est effectué en moyenne tous les 3 jours et jusqu'à 2 fois par semaine lorsque la
déclinaison du soleil varie rapidement [8].
Nous appelons « Diffus » ( ), la quantité mesurée directement par le pyranomètre
(données en appliquant le facteur de correction du pyranomètre), la valeur du diffus est
égale à la somme du diffus brute et de la part caché par l’arceau.
(II-2)
38 |
Avec (II-3)
Le calcul du facteur correctif pour la mesure du rayonnement diffus sur plan horizontal
S est en fonction de l’angle de vue de l’arceau, de la déclinaison et de la latitude du lieu. Il
est donné par l’équation suivante :
( )[ ( ) ( ) ( ) ( ) ( )] (II-4)
V: un coefficient qui varie de -2% à +2%. La valeur utilisée est V=0.185 Rad.
b) Le contrôle qualité des mesures

Le contrôle de la qualité des mesures a pour objectif la vérification de la présence et de
la cohérence physique des données. repose sur des tests de validation qualité des données
radiométriques. Elle est basée sur une analyse de cohérence entre les trois composantes
mesurées du rayonnement et qui est considérée comme un moyen très efficace pour
éliminer des mesures erronées, il est inspiré des recommandations de l’OMM pour la
mesure du rayonnement solaire [9-10]. Seules les mesures pyranométriques ayant passé
l’ensemble des tests de qualité sont utilisées, si ces les données satisfont aux conditions
suivantes elles sont automatiquement rejetées :
1. | |
2. | | & &
3.
4.
5.
6.
7.
8.
9.
Données mesurés :
 : Global horizontal
 : Diffus horizontal
 : Direct normal
Données Calculés :
 : Global horizontal Hors Atmosphere
 : Direct normal calculé
( )
( )
(II-5)
39 |
II.3. MESURES INDIRECTES PAR TELEDETECTION
La mesure par la télédétection étant la seconde alternative dans le domaine et se

présente comme l’unique moyen permettant une couverture continue et ce dans l’espace et
dans le temps de l’atmosphère. L’une des applications les plus importantes de la
télédétection est l’observation météorologique et climatologique. En effet, cette application
permet de suivre l’évolution spatio-temporelle de la couverture nuageuse et l’étude du
bilan énergétique terrestre.
Actuellement, les satellites géostationnaires collectent des données toutes les 15 minutes
avec une résolution spatiale de moyenne à faible tandis que les satellites à défilement
fournissent une résolution spatiale plus élevée mais avec au deux prises quotidiennes
d’images. Ainsi, nous essayons de cette étude d’évaluer le potentiel de l’imagerie satellite,
les images de MSG2 en particulier pour le suivi du bilan radiatif solaire.
II.3.1. Le satellite MSG2
La série de satellites METEOSAT fait partie des satellites géostationnaires

opérationnels, permettant l’observation de l’ensemble du globe terrestre, Le 21 décembre
2005 l’organisme européen EUMETSAT lance la dernière génération de leur satellite
baptisé MSG-2 (Météosat Second Generation), qui devient complètement opérationnel le 6
juillet 2006 [11].
L’instrument principal des satellites MSG est un radiomètre imageur SEVIRI qui balaie
la surface de la Terre de manière à produire une nouvelle image multi spectrale dans 12
canaux toutes les quinze minutes. On dispose de deux canaux visibles, de neuf canaux dans
le domaine infrarouge et d’un douzième canal visible HRV à large bande ne couvrant
qu’une partie du disque terrestre. La résolution spatiale passe aussi de 2,5 km à 1 km au
nadir pour le canal visible à large bande et de 5 à 3 km pour tous les autres canaux. Les
caractéristiques de canaux visibles de sont résumés comme suit (cf. Tableau II.1) [12].
Tableau II.1 : Caractéristiques de prise d’images de SEVIR pour les 3 canaux Visible.
Canal Autre Caractéristiques Spectrales (µm)
appellation λ centrale λ Min λ Max
C1 VIS 0.6 0,635 0.56 0.7 1
C2 VIS 0.8 0,81 0,47 0.88
C12 HRV Large bande environ 0,4-1,1
40 |
a) Images des trois canaux Visibles VIS 0.6, VIS 0.8 et HRV
MSG-2 possède deux canaux visibles : VIS 0.6 et VIS 0.8. Les images provenant de ces
canaux pour la journée du 30 mai 2009 à 12h00 sont représentées dans la figure II.3. Il
possède également un canal visible à large bande, avec un intervalle d’échantillonnage de
1km seulement, Ce dernier canal visible à haute résolution regroupe les informations des
deux premiers canaux visibles et donne ainsi plus de détails sur l’état de la surface terrestre
et les petits nuages.
L’exemple présenté par La figure II.4 représente l’image du HRV avec un domaine qui
couvre une partie de notre territoire. Cette image est acquise dans une bande spectrale
large, couvrant la totalité du spectre solaire. Les images visibles représentent la quantité de
lumière visible rétro diffusée par les nuages ou la surface de la terre. Les nuages et la neige
apparaissent en blanc et les zones sans nuage en noir. Les nuages épais sont plus brillants
que les nuages fins.
Figure. II.3: Cartes de luminances des canaux C1 et C2 du capteur SEVIRI/MSG2.
II.3.2. Traitement des images MSG :
SEVIRI produit environ 25GB de données brutes par jour. Ces données sont stockées
dans des fichiers compressés pour être ensuite retransmis aux utilisateurs par le centre de
traitement EUMETSAT, ces derniers fichiers représentent le produit primaire du système
MSG du niveau 1.5, dérivées des images brutes après une correction géométrique et
radiométrique, avec une taille d’environ 7 GB. Ces produits représentent les images pixel
par pixel alignés et ajustées en coordonnés de tel sorte qu’elles correspondent à
l'information du même point sur la surface terrestre.
41 |
Figure. II.4: Carte de luminance du canal HRV (C12) du capteur SEVIRI/MSG2.
a) Radiances spectrale des canaux visibles
Les images sont enregistrées sous forme de comptes numériques dans des fichiers
binaires; codées en 10 bits. La relation entre ce compte numérique et la radiance physique
pour chaque canal i est donnée par la relation [13] :
(II-6)
Où L est la luminance énergique ou la radiance (en Wm-2sr-1µm-1), mesurés par
MSG2/SEVIRI au sommet de l’atmosphère ; étant la constante de compensation
entre le compte numérique et la radiance physique et représente le coefficient de
calibration linéaire ; étant le compte numérique en pixel qui prend 1024 valeurs
allant de 0 à 1023. Ces coefficients peuvent être extraits des fichiers entête, le Tableau
suivant donne les coefficients de calibration des canaux visibles du capteur SEVIRI.
Tableau II.2 : Les coefficients de calibration des canaux Visible du capteur SEVIRI
Canal CAL_slope Cal_offset
VIS006 0.023128 -1.179533
VIS008 0.029727 -1.516057
HRV 0.031999 -1.631964
42 |
b) Réflectance spectrale des canaux Visible
La conversion des radiances dans les trois canaux visibles en réflectances spectrales se
fait à l’aide de la formule (II.7) ci-dessous. Cette relation ne tient pas compte des effets
d’absorption atmosphériques [13].
( )
( ) (II-7)
( ) ( )
Avec :
est la réflectance, Canal=C1, C2 et C12
1 = VIS0.6;
2 = VIS0.8;
12 = HRV
: La luminance en ( ( ) ) calculée à l’aide la formule (II.6)
est l’énergie solaire à la limite de l’atmosphère en ( ( ) ).
est l’angle zénithal solaire

Le calcul de la radiance à la limite supérieure de l’atmosphère dans les différentes
bandes spectrales de l’imageur SEVIRI se fait de la manière suivante :
( ) (II-8)
( ) (II-9)
( ) (II-10)
: est donnée par la relation I.2 (cf. Chap. I.3.1) :
II.4. RESULTATS ET INTERPRETATIONS
Les résultats qui seront présenté dans la partie qui suit représentent :
 La variation des éclairements des différentes composantes du rayonnement
mesurées au niveau de la station d’Adrar dans différentes conditions
climatiques.
 Les irradiations journalières et les moyennes mensuelles du rayonnement global
horizontal sous forme de tableaux et d’histogrammes.
 Une cartographie et une analyse de la variation spatiale de la durée d’insolation
moyenne annuelle.
43 |
II.4.1. La variation de l’éclairement
Afin de prendre en compte cet aspect dynamique de l’éclairement solaire, il était

nécessaire de qualifier la répartition temporelle de ce dernier au cours de la journée, Une
représentation graphique de l’évolution de l’éclairement dû au rayonnement direct, diffus
et global pour trois journées type de l’année ( le 8 Mai, le 8 Juin et le 15 juillet ) a été pris
en compte pour référencer et catégoriser le paramètre d’éclairement entre journée
« Eclairé », « Parcellement Eclairé » et « Nuageux ». (Figure. II.5).
Nous observons une variation remarquable du diffus et du direct qui s’explique par la
présence des nuages ou leur absence, on remarque que le diffus augmente avec la présence
des nuages par contre on enregistre l’inverse pour le direct qui diminue et jusqu'à devenir
nul sous un ciel couvert. Dans ce dernier cas « ciel couvert » l’augmentation du diffus va
jusqu’à atteindre l’égalité du global horizontal.
II.4.2. La variation des irradiations Horaires
Le calcul de l’irradiation horaire se fait par intégration numérique de l’éclairement sur

un pas de temps d’une heure, puisque l’irradiation journalière est obtenue en sommant les
valeurs horaires. L’intégration numérique est réalisée par la méthode des trapèzes.
La Figure II.6 présente une vue d’ensemble de la variation des irradiations globales
horaires pour chaque heure en temps solaire vrai durant toute l’année 2010. Ces
irradiations sont calculées à partir des mesures au sol réalisées dans différentes sites à
travers le territoire Algérien (Alger, Oran, Ghardaïa, Adrar et In-Amenas).
Dans les graphes de cette figure, les valeurs représentants des anomalies sont
représentées par des des traits blancs, qui correspondent aux tranches horaires ayant des
mesures manquantes ou bien erronées et rejetées d’après les tests de contrôle de la qualité
(cf. Chap. II.2.4.b). Le taux représente respectivement 15%, 18%, 15%, 14% et 29% pour
Alger, Oran, Ghardaïa, Adrar et In-Amenas.
La variation de l’irradiation horaire diffère d’une station à une autre, les couleurs du
bleue claire au verte représente les faibles valeurs, tandis que celles de jaune à rouge
représentes les forte valeurs des irradiations.
Nous pouvons remarquer qu’au cours de l’année, cette énergie atteint sa valeur
maximale vers midi solaire et avec des valeurs minimales au lever et au coucher du soleil.
Les valeurs en début de journée et pendant l’après-midi sont presque équivalentes,
exceptant les heures où on observe des fluctuations plus ou moins importantes, qui sont très
44 |
marqué dans les données des stations côtières (Alger et Oran), et qui sont probablement due
à la présence d’une couverture nuageuse au cours de cette période.
Figure. II.5: L’évolution de l’éclairement direct, diffus et global mesuré au site d’Adrar
(a) Ciel Clair, (b) Partiellement nuageux et (c)Totalement couvert.
L’analyse de graphe de la Figures II.6, montre nettement que les valeurs maximales sont
atteintes pendant les mois de mai et juin de 10h jusqu’à 14h TSV. Pendant les mois de
janvier et décembre, la quantité reçue est moindre à cause de la faible hauteur du soleil.
45 |
Figure. II.6: La variation des irradiations globales horaires au cours de l’année 2010, pour
les stations (a) Alger, (b) : Oran, (c) : Ghardaïa, (d) : Adrar et (e) : In-Amenas.
46 |
II.4.3. La variation des irradiations journalières
Une première constatation est la différence des irradiations journalières entre celles des
mois de décembre-janvier qui restent largement inférieures à celles du mois de juin, ce
constat qui s’explique par l’amplitude de l’ensoleillement de la journée qui reste
relativement plus longue en été qu’en hiver. (voir Figure. II.7).
Le maximum des irradiations journalières horizontales d’environ 9000 Wh/m2/Jour est
atteint au mois de juin, tandis que sa valeur ne dépasse pas les 5000 Wh/m2/Jour au mois
de décembre et de janvier.
Figure. II.7: Variation de GHI quotidienne au site d’Adrar (2010).
Après une analyse des deux graphes (Figure II.7 et Figure. II.8), nous pouvons constater
que l’énergie globale horizontale est toujours supérieure à l’énergie globale inclinée
pendant la période chaude, mais le contraire durant la période froide ce qui explique
l’importance de l’inclinaison des collecteurs dans le domaine de l’énergie solaire.
Figure. II.8: Même légende que Figure II.7 pour le global incliné ~28° (2010).
47 |
II.4.4. La variation spatio-temporelle de La durée d’insolation

La durée d’insolation moyenne dans le Sud Algérien est de l’ordre de 9 Heure/Jour, on
constater qu’elle est toujours supérieure à 8 Heure/Jour sur la majorité du territoire. La
région du grand Sud, en particulier le Sud-Est et le Sud-Ouest présente le plus grand
potentiel de tout le territoire Algérien (voir Figure. II.9).
Figure. II.9: Carte de la durée d’ensoleillent moyen annuel en Heure (1983-2012).
Une régionalisation des données quotidiennes de la fraction d’insolation a été réalisée

utilisant la méthode de classification ascendante hiérarchique (CAH), qui est présentée
dans l’annexe Annexe C [14]. Les résultats obtenus font ressortir six (6) régions
climatiques homogènes, regroupant chacune un ensemble de stations. La répartition des
stations dans les six classes (régions) est illustrée sur le tableau suivant. La variation de la
moyenne mensuelle des durées d’insolation journalière des six régions est représentée sur
La Figure. II.10.
Tableau II.3 : Répartition des stations dans les six classes

Classes Stations
Classe n°1 Adrar, Timimoune, In-Salah, Bechar, Beni-Abbes, Tindouf
Classe n°2 Tamanrasset, Djanet, In-Amenas
Classe n°3 Ghardaia, Biskra, El-Oued, Tougourt, El-Golea,
Classe n°4 Al-kheiter, Mechria, Ain-Safra, Djelfa, El-Bayad,
Alger (Dar El-Beida), Chlef, Msila, Annaba, Batna, Bordj Bou-
Classe n°5
Arreridj, Bejaia, Sétif, Skikda
Classe n°6 Oran, Beni-saf, Mostaganem, Tlemcen, Saida
48 |
Interprétation des classes :

Région 1 : Une zone qui représente le centre du Sahara, est caractérisée par une durée
d’insolation très élevée, répartie presque uniformément durant toute l’année.
Région 2 : La région du Hoggar et du Tassili, l’insolation totale est moins élevée, l’effet
des saisons est accentué, et les mois d’hiver possèdent une durée d’insolation plus élevée
que les mois d’été.
Région 3 : Constitue le nord du Sahara, elle est caractérisée par une fraction d’insolation
élevée et répartie différemment le long de l’année.
Région 4 : Regroupe l’ensemble des régions intérieur Ouest. Elle est caractérisée par
une fraction d’insolation faible. La répartition est très différente durant l’année. Les mois
d’été sont beaucoup plus ensoleillés que les mois d’hiver.
Région 5 : s’étend sur les régions côtières Centre et Est, plus l’ensemble des hauts
plateaux Est. Elle est caractérisée par une fraction d’insolation faible dont la répartition est
très différente durant l’année entre les mois d’hiver et les mois d’été.
Région 6 : contient les régions côtières de la région Ouest et l’ensemble des régions
intérieur (ouest). Elle est caractérisée par une fraction d’insolation faible mais un peu plus
élevée que celle de la classe 5. La répartition est très différente durant l’année.
Figure. II.10: La variation de la moyenne mensuelle des durées d’insolation quotidienne

(1983-2012).
49 |
II.5. CONCLUSION
Dans ce chapitre, nous avons présenté les dispositifs de mesure au sol des différente
composantes du rayonnement solaire, à savoir le direct, le diffus et le global, et d’autres
mesures réalisées pour des paramètres liés à l’intensité du rayonnement tel que la durée
d’insolation et la couverture nuageuse, et qui sont disponible dans la plupart des stations
météorologiques.
L’objectif de ce chapitre était aussi la présentation du dispositif satellitaire européen
MSG-2, d’où proviennent les images sur lesquelles nous avons travaillé, et les différentes
étapes de traitement réalisées. Les informations présentées ont montré clairement que ces
images sont capables d’apporter de nouvelles connaissances utiles dans beaucoup de
disciplines -y compris, bien sûr, sa contribution à l’évaluation des paramètres de
rayonnement solaire.
Les différentes étapes de traitements et les interprétations des résultats d’analyse de
données ont été présentées, et des représentations graphiques de la variabilité spatiale et
temporelle des différentes mesures du rayonnement ont été exposées à la fin de ce présent
chapitre.
On s’aperçoit que le réseau radiométrique de notre pays est très faible, les seules
mesures disponibles en quantité suffisante sont les relevés Héliographiques. Nous
remarquons aussi que la pluparts de ces stations sont situées au nord alors que le sud de
pays qui est la zone la plus vaste et la plus ensoleillée est presque dépourvue de station de
mesure. L’utilisation de modèles de simulation est pratiquement le seul moyen de pallier à
ce problème. Deux sortes d'approches d’estimation ont été rapportées dans la littérature, la
première est basée sur l'évaluation du rayonnement solaire en connaissant les mesures au
sol des paramètres météorologiques tels que : la durée d'insolation. La seconde approche
exploite les images satellites pour quantifier le rayonnement solaire reçu au sol.
50 |
II.6. REFERENCES :
[1] ISO-9060 Standard & Pyranometer Measurement Accuracy (2014). Consulté en Avril 2014
http://ases.conference-services.net/resources/252/2859/pres/SOLAR2012_0829_presentation.pdf
[2] Geuder, N., F. Trieb, C. Schillings, R. Meyer, V. Quaschning, (2003). Comparison of different
methods for measuring solar irradiation data. In proceedings of the 3rd International Conference
on Experiences with Automatic Weather Stations, 19th-21st of February 2003, Torremolinos,
Spain. 9 pp.
[3] Bouchouicha K. and Oulimar B., (2013): La chaine de mesure radiométrique à l’Unité de
Recherche en Energie Renouvelable en Milieu Saharien d’Adrar, International Conference on
Energy and Sustainable Developmenticesd’13, Adrar - Algeria 19-20 February 2013 (2013.).
[4] WMO., (2008): Guide to Meteorological Instruments and Methods of Observation, Draft First
Supplement to the Seventh Edition ,2008 of the CIMO Guide.
[5] McArthur L. (1998): Baseline Surface Radiation Network (BSRN) Operations Manual, (Version
1.0), WMO/TD No. 879. Geneva, Switzerland: World Climate Research Program, WMO, 1998.
[6] IQBAL M., (1983): an Introduction to Solar Radiation, Academic Press Canada, 1983.
[7] Ineichen P. (2011): Five satellite products deriving beam and global irradiance validation
on data from 23 ground stations. Février 2011.
[8] Kipp & Zonen, (?): “directions for use – Pyranomete-r with shadow ring “ CM 11/121. DELFT –
HOLLAND.
[9] Abbott P. F., (1986): Guidelines on the quality control of surface climatological data. WMO, TD
n° 111, OMM, Genève, 71 p.
[10] Journée, M., and Bertrand, C., (2011): Quality control of solar radiation data within the RMIB
solar measurements network. Solar Energy, 85: 72-86
[11] EUMETSAT., (2007) : La chronique de l’Organisation européenne de satellites météorologiques,
IMAGE, N°26, Mai 2007.
[12] EUMETSAT., (2006):. EUMETCast - EUMETSAT's broadcast system for environmental
data. Technical Description 15; 2006.
[13] EUMETSAT (2009), Wavelet Transform Software, disponible au site: Consulté en 2014
www.eumetsat.int/Home/Main/Access_to_Data/User_Support/SP_1117714787347#wavelet
[14] Jambu.M., (1999): Méthodes de base de l’analyse des données., Eyrolles, p 125-186
51 |
MODELISATION DU
RAYONNEMENT SOLAIRE AU
SOL
Chapitre III: Modélisation du Rayonnement Solaire au sol
III.1. INTRODUCTION
Notre région, en particulier le Sud Algérien est caractérisée par un potentiel énergétique
important, qui favorise le développement et l’utilisation de l’énergie solaire. Les besoins et
la possibilité d’exploitation de cette source d’énergie sont directement liés aux conditions
climatiques. D’une part, l’énergie solaire est très diluée d’où le recours à des équipements
importants, impliquant souvent des investissements lourds et injustifiés pour de modeste
puissances récoltées, et d’autre part, par sa disponibilité aléatoire et intermittente dans le
temps et dans l’espace, elle pose de vrais problèmes de dimensionnement et d’exploitation
des systèmes solaire. Ces aspects impose, pour des raisons de rentabilité, une parfaite
connaissance du gisement solaire avant d’entreprendre toute action ou programme de
valorisation.
En raison de l’étendu de notre pays, du coût très élevés de l’investissement et de la
maintenance de stations de mesures radiométrique au sol, le recours à des modèles
empiriques est nécessaire dans cette phase. De nombreuses études et travaux de recherches
se sont fixés comme objectif cette estimation du rayonnement solaire, et divers modèles
empiriques ont été développés dans diverse sortes de condition météorologique et
géographique [1-4].
Le travail que nous entreprenons dans ce chapitre consiste essentiellement à l’évaluation
du potentiel énergétique solaire sur site à travers une modélisation du rayonnement solaire
dans différentes conditions météorologiques. Commençant par une étude comparative de
quatre modèles d’estimation de l’éclairement solaire à ciel clair sur le site d’Adrar [5,6].
Dans un deuxième temps, nous nous intéresserons spécifiquement à l’estimation du
rayonnement global horizontale, cette deuxième partie nous permis établir des modèles de
régression donnant le global horizontal en fonction des données météorologiques mesuré
au sol (Durée d’insolation) et des données prévue par des modèle numérique du temps [7].
Dans le domaine de l’exploitation de l’énergie solaire, l’orientation des plans récepteurs
joue un rôle majeur dans l’optimisation du rendement du système. Il est donc nécessaire de
déterminer le rayonnement incident sur des surfaces inclinées à partir du rayonnement
global horizontal mesuré. Il existe de nombreux modèles de décomposition et de
transposition du rayonnement solaire pouvant être très simples ou bien relativement
compliqués. Une analyse critique à partir des confrontations des résultats seront présentées
dans la dernière section [8]. L’ensemble des résultats présentés dans ce chapitre a été
réalisé à l’aide du logiciel Matlab®.
53 |
III.2. MODELISATION DU RAYONNEMENT GLOBAL HORIZONTAL
Il existe de nombreux modèles pour la reconstitution des composantes du rayonnement

solaire. Ces modèles dépendent essentiellement du but prévu d’atteindre, des données
utilisées et la puissance des moyens de calcul disponibles.
Dans cette phase, nous avons réalisé une étude comparative de quatre modèles
d’estimation de l’éclairement solaire à ciel clair, Il nous a paru utile dans un deuxième
temps d’étudier l’estimation du rayonnement global a un ciel quelconque, à travers des
modelés de régression donnant le global horizontal en fonction des données
météorologiques mesuré au sol (la durée d’insolation) et des données prévue par des
modèle numérique de prévision du temps.
III.2.1. Rayonnement global horizontal à ciel clair

L’éclairement solaire par ciel clair est le rayonnement observé dans le cas d’absence des
couches nuageuses dans l’atmosphère. Il dépend donc de paramètres géométriques comme
la distance Terre-Soleil, mais aussi des propriétés optiques des aérosols ainsi que le
contenu en vapeur d’eau et en ozone de la colonne atmosphérique. Plusieurs modèles ont
été proposés dans la littérature pour caractériser le rayonnement par ciel clair [9-16]. Dans
cette partie de l’étude, nous essayons d’effectuer une étude comparative de quatre
approches d’estimation du rayonnement direct, diffus et le global horizontal pour des
journées parfaitement ensoleillées. Deux types de modèle seront utilisés :
Type 1 : Des modèle où l’absorption et la diffusion du rayonnement solaire à travers les
couches atmosphériques dues à ces constituants sont exprimées par le facteur de trouble de
Linke (Modèle 1 et 2). Pour ce type de modèle nous avons utilisé les données de facteur de
Linke issues de la base du projet Soda [17,18].
Type 2 : Des modèles basés sur des relations empiriques permettant d’estimer les
différents coefficients de transmission du rayonnement solaire (Transmittance d'ozone,
Vapeur d'eau, d’aérosol et de mélanges gazeux), pour déduire les différentes masses
atmosphériques et les composantes du rayonnement solaire (Modèle 3 et 4).
a) Modèle 1 : Perrin de Brichambaut (WMO)
Dans ce modèle, l’éclairement dû au rayonnement global sur un plan horizontal par ciel
clair est exprimé en fonction du facteur TL, selon la formule suivante [9]:
( )
( )( )( ) (III-1)
54 |
Le rayonnement direct et diffus sur un plan horizontal sont exprimés par:
( )( ) ( ) (III-2)
( )( ) ( ) (III-3)
b) Modèle 2 : R.sun
Les rayonnement direct et diffus sur un plan horizontal sont donnés sous la forme
suivante:
( ) (III-4)
( ) ( ) (III-5)
Le facteur de transmission (Tn est en fonction uniquement du facteur de trouble
atmosphérique de Linke corrigé TL) et une fonction du diffus de l’altitude solaire Fd qui ne
dépend que de la hauteur du solaire [10].
Fonction de transmission sont données par :
( )
{ (III-6)
( )
Ai : sont des coefficients dépendants uniquement du facteur de trouble TL corrigé, défini
par les expressions suivantes [11]:
(III-7)
( )
{ ( ) (III-8)
( )
– (III-9)
(III-10)
L’épaisseur optique de Rayleigh est donnée en fonction de la masse optique sous cette
forme [12]:
( ) ( ) ( ) ( )
{ (III-11)
c) Modèle 3 : Davies & Hay

Ce modèle propose des relations empiriques permettant d’estimer les différents
coefficients de transmission du rayonnement solaire (Transmittance d'ozone, Vapeur d'eau,
d’aérosol et de mélanges gazeux), pour déduire les différentes masses atmosphériques et
les composantes du rayonnement solaire.
55 |
L’éclairement dû au rayonnement direct sur un plan horizontal est donné par la relation
[13]:
( ) (III-12)
(III-13)
( )
Avec ( )
(III-15)
( )
[ ( )( ) a] ( ) (III-14)
Les fonctions de transmission sont données par:

( )
( ) (III-16)
( )
( ) (III-17)
( )
(III-18)
( )
Les termes: sont les fonctions de transmission de l'atmosphère à la

longueur d'onde relativement à la diffusion moléculaire, à l'atténuation par les aérosols,
à l'absorption par la vapeur d'eau, à l'absorption par l'ozone et l'absorption par les
mélanges gazeux uniformes [14]:
d) Modèle 4 : Bird & Hulstrom

D’après ce modèle, l’éclairement dû au rayonnement direct et au diffus sur un plan
horizontal sont donnés respectivement par [14,15]:
( ) (III-19)
(III-20)
( )
Avec ( )
(III-21)
Où: ( ) ( ) (III-22)
( ) (III-23)
( )
r ( ) (III-24)
( )
Les différents coefficients d’absorption sont donnés par :

0 = 1- 0.1611 U0 (1.0 + 139.48 U0)-0.3035.0.002715 U0 (1+0.044 U0 + 0.0003 )-1 (III-25)
( )( )( ) (III-26)
(III-27)
[ ( – )] (III-28)
( )
(III-29)
56 |
( ) (III-30)
( )
(III-31)
(III-32)
III.2.2. Rayonnement global horizontal en fonction de la durée d’insolation
Il est évident qu’un fort ensoleillement aboutit à une forte insolation et vice-versa.
Cependant il doit y avoir un rapport entre le nombre des heures d’ensoleillement pendant
une journée et l’intensité du rayonnement.
Le nombre des stations de mesure du rayonnement sont très limité dans plusieurs
régions de notre pays. Toutefois, la durée d’insolation et l’état du ciel sont largement
disponibles dans la plupart des stations météorologiques. Il est donc intéressant de faire
appel à des méthodes de calcul pour obtenir les différentes composantes du rayonnement à
partir des données disponibles.
Plusieurs méthodes paramétriques ont été proposées pour l’estimation des irradiations
journalières, pour un état de ciel quelconque et pour un pas de temps à l'échelle de la
moyenne mensuelle, des modèles empiriques basés essentiellement sur l'utilisation des
données météorologiques, en particulier, la durée d'insolation [19,20].
Dans notre étude, deux sites Algériens, Oran et Adrar ont été choisis. Ce choix s’est
porté sur la disponibilité des données radiométriques recherchées et sur la différence de
climat existant entre ces deux sites. Nous avons pris le site d’Oran comme ville côtière, et
celui d’Adrar comme ville saharienne. Les valeurs mesurées des irradiations journalières et
de la durée d'insolation de ces deux sites sont utilisées pour tester six modèles de calcul
basés sur la durée d’insolation. Les enregistrements des données des irradiations solaires
globales sont effectués dans des périodes de plus de 10 ans pour le site d’Adrar et de 5 ans
pour celui d’Oran. (Tableau III.1).
Tableau. III.1: Coordonnées géographiques des stations utilisées.
Station Latitude Longitude Altitude(m) Période
Adrar 27.88°N 0°17°E 269 1996-2008
Oran 35°38 N 00°36 W 90 2006-2010
Dans cette étude nous avons testé 6 types de modèle pour exprimer le rayonnement
global relatif (H/H0) en fonction de l’insolation relative (S/S0) [21-23].
57 |
H et H0 sont respectivement les moyennes mensuelles du rayonnement global horizontal

au sol et du rayonnement global horizontal hors atmosphère, ils sont exprimés en
kWh/m2/Jour (cf. Chap. I.3.2), S est la durée moyenne d’ensoleillement effective du jour
par mois (h) et S0 est la durée moyenne maximal dènsoleillement (durée astronomique) du
jour par mois (h).
S (III-33)
Tableau. III.2: Modèles statistiques utilisés.

Modèles Types Equations
1 Linaire ( ) ( III-34)
2 Polynomiale 2
( ) ( ) ( III-35)
3 Polynomiale 3
( ) ( ) ( ) ( III-36)
4 Logarithmique ( ) ( III-37)
5 Puissance
( ) ( III-38)
6 Exponentiel ( ) ( III-39)
III.2.3. Rayonnement global horizontal à partir des sorties de modèles

météorologiques
Notre objectif est de mettre un moyen pour prévoir le rayonnement global horizontal
reçu au niveau du sol, qui est un paramètre qui est très dépendant d’un ensemble de
variables qualifiant l’état de l’atmosphère (température, humidité, couverture nuageuse
pression, etc.) [24-26].
Les modèles numériques de prévisions météorologiques utilisent des algorithmes de
résolution numérique des équations physiques assimilant les données météorologiques
acquises par les satellites et les stations de mesures au sol réparties sur le globe. Ils
fournissent ainsi des prévisions de nombreuses variables atmosphériques (température,
pression, vent, etc.) pour chaque point de la grille spatiale d’une résolution de plus ou
moins fine (12 km pour le modèle ALADIN opérationnel à l’Office National de la
Météorologie) [27].
Grâce à aux sorties de modèles nous auront la possibilité d’estimer le rayonnement
utilisant les paramètres atmosphériques prévus. Dans ce contexte on s'appuyer sur les
études menées par Perez, Martín et autres [28-29]. Nous proposons un système de
prévisions du rayonnement solaire basés sur le post-traitement des résultats des modèles de
prévision numérique.
58 |
L'idée principale réside dans l’utilisation des données provenant des sorties de ces
modèles météorologiques ALADIN du centre de prévision météorologique nationale pour
la prédiction à l’avance de l'irradiation solaire à courte échéance, à travers une procédure
d’adaptation statistique.
L’adaptation statistique consiste à établir des liaisons statistiques entre les irradiations et
les champs prévus par le modèle puis, lors de la prévision opérationnelle, les équations
ainsi mises au point sont utilisées avec les champs prévus par ce modèle. Ce dernier fourni
une prévision sur un domaine qui couvre tout le territoire Algérien et qui contient 78400
points de grille. L’adaptation statistique est composée d’une phase dite d’apprentissage et
d’une phase test. Lors d’une phase d’apprentissage, un lien statistique synchrone entre les
produits du modèle ALADIN et les irradiations, ce qui permettra de transformer cette
prévision, en point de grille du modèle, en une prévision locale pour chaque station
donnée, lors de la phase test.
Les prédictands sont les irradiations journalières pour les stations sélectionnées. Nous
avons décidé d’utiliser les paramètres suivants : la couverture nuageuse moyenne
l’humidité relative, la température maximale et minimale à 2m comme prédicteurs.
Les données de rayonnement global quotidiennement mesurés aux niveaux de station de
mesure radiométriques d’Adrar sont utilisées. Les paramètres d’entrés sélectionnées pour
cette phase sont : les températures et l’humidité à 2m et le taux de couverture nuageuse
moyenne au cours de la journée du point de grille le plus proche de la station (Figure III.1).
12 km
Représente la moyenne
pour toute la maille
12 km
A
Point de la Station
Figure. III.1: Grille des prédicteurs sélectionnées.
Pour les premier testes de cette technique, nous disposons d’une année d’’archivage de
sorties de modèle, il s’agit des prévisions réalisées durant les mois du janvier à décembre
2010. Dans ce cas, la base de données est divisée en deux parties, une première de 6
premier mois (Janvier à Juin) pour la phase l’apprentissage, et la deuxième pour la
validation. Les premiers résultats sont présentés dans la section III.5.3.
59 |
III.3. MODELISATION DU RAYONNEMENT GLOBAL INCLINE
L’éclairement du au rayonnement global reçu sur un plan incliné d’un angle (β) est la
somme des trois composantes du rayonnement solaire incident sur le même plan à savoir,
le direct, le diffus et la composante réfléchie par le surface terrestre, il est généralement
calculé par la formule suivant [30]:
β β β d e (III-40)
β : l’éclairement direct sur un plan incliné est exprimé par la relation suivante :
β Rb (III-41)
Où, le facteur d’inclinaison R b du rayonnement direct est donné par la relation suivante:
(φ β) (δ) (ω) i (φ β) i (δ)
Rb (φ) (δ) (ω)
(III-42)
i (φ) i (δ)
δ: déclinaison du soleil, ω: angle horaire, φ: latitude, β: inclinaison du plan.

( β) ∶ Le rayonnement diffus: (d e ) le rayonnement réfléchi, ce dernier terme qui se
change d’un modèle à l’autre (selon l’isotropie et l’anisotropie) ;
III.3.1 Angles optimal mensuel et annuel :
L’angle optimal mensuel est une inclinaison moyenne propre pour chaque mois, qui fait
que la surface du capteur reçoit un maximum d’énergie durant la période considéré. Il peut
être tiré une fois localisé le maximum de rayonnement, en faisant varier l’angle
d’inclinaison (β) de 0° à 90°. Le même principe pour l’angle optimal annuel, avec une
inclinaison fixe où on peut récupérer le maximum d’énergie au cours de l’année. Pour
notre cas l’orientation est toujours plein sud (α=0) et β l’angle d’inclinaison de la surface
réceptrice.
Figure. III.2: Le dispositif de mesure à différents plans d’inclinaison.
Le rayonnement extraterrestre reçu à la limite supérieur de l’atmosphère en fonction de

l’angle d’inclinaison (β) est donné par la relation suivante [30]:
π
(β ) [ (φ β) (φ β) ] (III-43)
π
60 |
Tel que: I0= 1367 W/m²: δ: déclinaison solaire, φ: latitude du lieu (~28°), ω1: angle
horaire du lever réel sur un plan incliné.
( ( ) ( )) (III-44)
: l’angle horaire du lever pour un plan horizontal (cf. Chap. I.3.2).
Le principe étant le calcul de l’énergie reçue sur une surface réceptrice d’orientation
supposée fixe plaine sud et une inclinaison variable entre 0° (plan horizontal) à un angle de
90° (plan vertical) pour chaque jour de l’année, de déduire par la suite l’irradiation
moyenne mensuelle, ou simplement faire le calcul pour les journées types mensuelles (cf.
Tableau. I.1), l’angle optimum est déterminé en cherchant la valeur maximale de
l’irradiation journalière durant cette période.
Les figures III.3 et III.4 représente les courbes des irradiations globales journalières en
moyennes mensuelles en fonction de l’angle d’inclinaison pour les 12 mois de l’année.
Figure. III.3: Moyennes mensuelles des irradiations quotidiennes en fonction de l’angle du

plan d’inclinaison (Janvier à Juin).
Figure. III.4: Même légende que Figure III.3, mois de Juillet à Décembre.
61 |
De la même façon, on déduit l’angle optimum annuel qui représente l’angle

d’inclinaison fixe qui correspond au maximum d’irradiation pendant toute l’année. D'après
la courbe de la figure III.5, le rayonnement maximal est obtenu pour un angle β de 28°. La
figure III.5 représente la variation de la moyenne annuelle des irradiations quotidienne en
fonction de l’angle d’inclinaison.
Le tableau III.3, présente les angles optimaux mensuels et annuels déduits à partir des
graphes pour le site d’Adrar.
Figure. III.5: Moyenne annuelle des irradiations quotidiennes en fonction de l’angle du plan
d’inclinaison.
Tableau. III.3: les angles optimaux mensuels pour le site d’Adrar (en degré).
Mois 1 2 3 4 5 6 7 8 9 10 11 12 Annuel
Angle
57 47 33 14 0 0 0 7 24 43 55 59 28
Optimal
III.3.2. Modèles d’estimation
Plusieurs auteurs ont étudiés la performance des modèles d’estimation de l’éclairement

global reçu sur un plan incliné à partir des éclairements mesurés sur un plan horizontal à
partir des composantes direct et diffuses mesurées sur un plan horizontal et qui sont
différenciés par un facteur de forme correspondant à chaque contribution du rayonnement
diffus c'est-à-dire en tenant compte de l’isotropie et de l’anisotropie du ciel.
Notre travail consiste à calculer l’éclairement global incident sur une surface inclinée en
utilisant quatre (04) modèles : le modèle de Liu & Jordan, le modèle de Hay, le modèle de
Baltas et le modèle de Klucher [31-34].
62 |
a) Modèle de Liu-Jordan
Ce modèle suppose que le rayonnement diffus du ciel est isotrope, La relation de Liu &
Jordan généralisée pour le calcul de l’éclairement global sur un plan incliné d’un angle (β )
est donnée sous la forme suivante [31]:
(β) (β)
β dh ( ) ( h h) ( ) (III-45)
h h Sont respectivement les éclairements direct et diffus horizontal.
b) Modèle de Hay
La relation générale (III.40) pour le calcul du rayonnement global sur un plan incliné
d’un angle (β ) reste valable. Mais ce modèle suppose que le rayonnement diffus du ciel est
formé de deux composantes, à savoir l’une isotrope et l’autre circumsolaire. Ce qui conduit
à [32]:
(β) ( )
β h [( i) ( ) i i (h)
] (III-46)
h
i Est l’indice d’anisotropie, il est donné par : i (III-47)
Avec:
h : L’éclairement direct incident sur un plan horizontal.

: L’éclairement global extraterrestre incident sur un plan horizontal.
L’éclairement du au rayonnement solaire réfléchi par le sol dépend fortement de la

nature du sol et plus précisément de son albédo. Pour ce travail, le modèle de Temps et
Coulson [31], qui tient compte de l’incidence du rayonnement solaire sur le plan
horizontal, a été retenu. Il est donné par l’expression suivante:
d e h ( (β)) [ ( z )] | ( )| (III-48)
: Azimut du soleil
c) Modèle de Baltas
Dans ce modèle, nous supposons que la distribution de l’éclairement du au rayonnement

diffus est anisotrope. Pour ceci, nous avons choisi le modèle proposé par Baltas [33], qui
est donné par la relation suivante:
(β) β F ( ) i ( h)
β h ( ) [ ( )] [ ( z) i ( z)
] d e (III-49)
F
Dh, β, θ, θz et h sont respectivement l’éclairement du au rayonnement diffus,

l’inclinaison du capteur, l’angle d’incidence, la distance zénithale et la hauteur du soleil.
63 |
F est un paramètre qui tient compte de l’état du ciel, il est donné par :
( Gh ) (III-50)
h
Il faut remarquer aussi que pour un état de ciel couvert, le facteur F est égal à zéro, car
h h , et la composante diffuse sera réduite à l’expression proposée par Liu & Jordan
[31], qui supposent que la distribution de l’éclairement du au rayonnement diffus est
isotrope.
d) Modèle de Klucher
Klucher a modifié le modèle de Temps and Coulson [34], il est donné comme suit:
(β) β
β h [( ) ( f ( )) ( f ( ) ( z ))] (III-51)
f : est un paramètre qui tient compte de l’état du ciel, et il se calcule par la relation
suivante:
f ( Gh ) (III-52)
h
III.4. RESULTATS ET INTERPRETATIONS
L'ensemble de simulations réalisées ont d'abord été comparé graphiquement sous forme
des courbes représentatives des valeurs mesurées et celles estimées par chacun
des modèles, ensuite pour évaluer ces simulations d’un point de vue statistique, nous avons
calculé les scores les plus utilisés pour évaluation des modèle d’estimation [35], il sont
décrits dans l’Annexe D: le coefficient de corrélation, l’erreur moyenne (MBE : Mean Bias
Error) biais et l’Erreur quadratique moyenne (RMSE : Root Mean Square Error).
III.4.1 Estimation de l’éclairement global horizontal a ciel clair
Dans le but d’évaluer les estimations réalisées par les quatre modèles pour l’éclairement
global à ciel clair, un ensemble de simulations a été exécuté, couvrant des situations des
différentes périodes de l’année, dans le but d’avoir une grande représentativité des
résultats. Afin de sélectionner les journées claires, une procédure de vérification basée sur
l’indice de clarté a été mise en place (cf. Chap. II.2.2b), les données de l’éclairement avec
un supérieur à 0,7 ont été considérées comme claire, une inspection visuelle a été menée
par la suite aux fins de vérifications. Deux dates ont été retenues pour être présentées, une
période hivernale du 15 Janvier et une autre estivale correspondant au 03 Juin de l’année
2014. Les mesures réalisées à la station d’Unité de Recherche à Adrar ont servies pour cette
évaluation.
64 |
Les Figures III.6 et III.7, illustrent l’évaluation de l’éclairement global mesuré et estimé
par les quatre modèles sur le site d’Adrar, les courbes ont été dressées sur le même
graphique, les résultats de deux périodes différentes de l’année 2014 sont représentés.
Un obstacle est présent sur l’horizon de cette station, qui n’excède pas une hauteur de
10°, ce qui peut correspondre à une interception du rayonnement solaire d’une durée
maximum d’environ une heure en fin de la journée pendant la période hivernale. C'est ce
qu'on pourra remarquer surtout dans la courbe de la figure III.6.
Les tableaux III.4 et III.5 présentent les résultats d’évaluation statistique obtenus pour
les quatre modèles par rapport aux données expérimentales relatives au rayonnement
global horizontal.
Pour les deux situations, les résultats obtenus indiquent la présence d'un écart minimal
au lever et au coucher et qui devient important au milieu de journée, en particulier pour la
deuxième situation.
Pour une période hivernal (Figures III.6), nous remarquons qu’en milieu de journées, les
modèles 1 et 3 surestiment le rayonnement global, par contre le 2 et le 4 le sous-estime. Par
ailleurs, dans une période estivale et aux alentours de midi-solaire le modèle 3 est le seul
qui surestime l’éclairement avec un écart plus important qui peut atteindre les 150 W/m2
(Figures III.7). Pour les modèles 1 et 2, on remarque une sous-estimation plus intense par
rapport à la premier période. Les meilleurs résultats sont donnés par le modèle 4.
Figure. III.6: Eclairements global horizontale mesures et estimés, 15/01/2014.
65 |
Figure. III.7: Eclairements global horizontale mesures et estimés, 03/06/2014.
Mais d’un point de vue général, tous les modèles ont tendance à surestimer le
rayonnement. Ce qui est confirmé par les scores statistiques (Tableaux III.4 et III.5), avec
un MBE toujours positif. Pour la première simulation du 15 janvier, les valeurs du MBE
varient de 3% à environ 5.6% avec un maximum enregistré pour le modèle 2. Le RMSE est
de l’ordre de 6% pour tous les modèles. En ce qui concerne la deuxième simulation du 3
juin, le MBE atteint un maximum de 9% pour le modèle 2 et un minimum 1.7% enregistré
pour le modèle 4.
D’une manière générale, on peut dire que le modèle 1 qui appartient au premier type et
le modèle 4 du deuxième type donne une estimation assez bonne du rayonnement solaire
global. Mais le modèle 4 (Bird) reste plus performant.
Tableau. III.4: Résultats statistiques simulation du 15 Janvier 2014.
Modèle MBE(%) RMSE (%) R

Modèle 1 4,9810 6,8420 0,9955
Modèle 2 5,6525 6,9526 0,9944
Modèle 3 4,1941 6,6968 0,9951
Modèle 4 3,1482 6,3058 0,9951
Une évaluation statistique des résultats a été poursuite pour le meilleur modèle sur les
mesures du rayonnement global horizontal pour d’autres journées claires représentant les
12 mois de l’année (Tableau III.6).
66 |
Tableau. III.5: Résultats statistiques simulation du 03 Juin 2014.
Modèle MBE(%) RMSE(%) R

Modèle 1 3,3919 4,2110 0,9984
Modèle 2 9,4494 11,7544 0,9987
Modèle 3 6,5167 7,1606 0,9993
Modèle 4 1,7063 1,8990 0,9994
En termes de MBE et RMSE, le modèle atteint des valeurs maximales en Juillet

minimales en Décembre. La moyenne de MBE est de l’ordre de 3% et le RMSE et de
4.5%. Le coefficient de corrélation est toujours supérieur à 0.99.
Tableau. III.6: Résultats statistiques du modèle 4 (Modèle de Bird & Hulstrom).

Modèle 4 : Bird & Hulstrom
Jour MBE (%) RMSE(%) R
15 Janvier 3,148 6,306 0,9951
24 Février 4,377 5,278 0,9989
22 Mars 3,006 4,077 0,9986
25 Avril 2,138 2,897 0,9991
12 Mai 2,982 3,694 0,9993
03 Juin 1,706 1,899 0,9994
29 Juillet 9,416 9,948 0,9985
23 Aout 2,461 3,711 0,9991
13 Septembre 2,156 2,695 0,9994
17 Octobre 2,413 3,058 0,9995
13 Novembre 2,570 6,509 0,9949
16 Décembre 1,993 4,691 0,9968
Moyenne 3,197 4,564 0,9982
III.4.2. Estimation du globale horizontal à partir de la durée d’insolation
Les moyennes mensuelles de l’irradiation journalière globale horizontale sur les deux
sites Oran et Adrar ont été estimée en utilisant six (06) types de modèles de régression
basés sur la fraction d’ensoleillement.
En comparant mesures avec les résultats d’estimation obtenus à l’aide des modèles
décrit dans la section précédant, nous pouvons en déduire les précisions de chaque modèle,
afin de tirer le meilleur pour chaque site de mesure.
67 |
Six types de modèles (linéaire simple, quadratique et polynomiales d’ordre 3,

logarithmique, puissance et exponentiel) ont été ajustés pour représenter la corrélation
entre le rayonnement global et la durée d’insolation. D’après les résultats statistiques, le
3ième modèle est le plus performant pour le site d’Adrar et les modèles 3 et 4 pour le site
d’Oran.
Tableau. III.7: Coefficients et scores statistiques site d’Adrar.

Coefficients de Régression Scores statistiques
Modèle
a b c D MBE RMSE R
1 0.5015 0.2208 0,457 4,551 0.9685
2 -0.3205 2.3070 -1.3154 0,586 4,629 0.9681
3 69.5193 263.917 335.851 -141.874 0,243 3,460 0.9803
4 0.7179 0.1753 0,486 4,559 0.9685
5 0.7156 0.2461 0,271 4,536 0.9688
6 0.4574 0.0990 0,543 4,547 0.9686
Tableau. III.8: Coefficients et scores statistiques site d’Oran.

Coefficients de Régression Scores statistiques
Modèle
A b c D MBE RMSE R
1 0.2622 0.5138 -0,983 4.151 0.979
2 0.4721 0.1339 0.4878 -1,374 4.379 0.976
3 1.7186 10.204 15.482 8.0875 -1,019 4.229 0.982
4 0.7432 0.331 -0,952 4.129 0.987
5 0.7534 0.5431 -1,418 4.476 0.970
6 0.3432 0.8388 -1,2264 4,3452 0.978
D’une manière générale, les modèles optimaux trouvés pour la plupart des séries sont
du type polynomial d’ordre 3. Selon ces résultats, ces types de modèles sont le plus
performants pour l’estimation de la moyenne mensuelle du rayonnement solaire global, ils
peuvent être utilisés pour des sites dont le climat est similaire à celui des deux sites, en
l'absence de données mesurées.
III.4.3. Estimation du rayonnement à sortie de modèle météorologique
Nous avons utilisé la méthode de régression multiple pour trouver des relations entre le
prédictand (irradiation) et un ou plusieurs prédicteurs .Ce travail est réalisé au moyen de
d’une application Macro sous Excel.
L’équation choisie pour décrire les relations entre les irradiations quotidiennes et les
différents paramètres sélectionnés, indiquent que les deux meilleurs prédicteurs sont la
68 |
température maximale et la couverture nuageuse moyenne ( ). Ces deux

prédicteurs sont utilisée dans le modèle à travers l’équation suivante:
( ) ( ) (III-53)
La Figure III.8 représente les nuages de point des irradiations quotidiennes estimées par
adaptation statistique des sortie du modèle ALADIN, et celles mesurées au niveau du site
d’Adrar, pour la période de test. La qualité de l’ajustement est représentée par la valeur du
coefficient de corrélation.
Les résultats sont prometteurs, les scores statistiques obtenus entre les valeurs
expérimentales et celles estimées en termes de l’erreur quadratique moyenne et de l’ordre
de 12%. Le modèle donne un MBE positif qui signifie que sur l’ensemble des estimations
le modèle à tendance a surestimé les irradiations quotidiennes. On constate que le
coefficient de corrélation est légèrement faible.
Une autre manière d’évaluer les résultats de la simulation consiste à des représentations
graphiques des variations des irradiations globales journalières estimées et celles mesurées.
A titre illustratif, nous présentons la comparaison des résultats de la simulation pour la
station d’Adrar pour toute la période de l’année 2010 (Figure III.9).
Figure. III.8 : Graphique de dispersion des résultats des simulations pour la station
d’Adrar.
69 |
Figure. III.9 : Confrontation des résultats expérimentales et celles des simulations pour la
station d’Adrar (2010).
III.4.4. Estimation du rayonnement global incliné
Dans ce qui suit, il s’agit d’évaluer les estimations faites par les quatre modèles pour
différentes inclinaisons. Les mesures sont réalisées par un le pyranomètre et à travers un
support d’assemblage permettant de varier l’angle d'inclinaison avec une orientation plein
Sud, quatre positions correspond aux angles optimaux mensuels ont été désignées pour
cette évaluation, il s’agit des quatre premier mois de l’années 2010, un changement de
l’angle du plan d’inclinaison du ce support a été effectué chaque premier du moi selon les
angles suivantes:
-β ° : du 01 au 31 Janvier.
-β ° : du 01 au 28 Février.
-β ° : du 01 au 31 Mars.
-β ° : du 01 au 30 Avril.
Nous cherchons dans les paragraphes suivants dévaluer ces simulations, dans une
première partie, nous présentons les résultats reflétant deux situations à ciel clair, tandis
que dans la seconde partie, nous essayerons de réaliser des simulations dans des conditions
nuageuses. L'ensemble des simulations a été, d'abord évalué visuellement, ensuite en
utilisant les scores statistiques décrits dans l’Annexe D [35].
70 |
a) Simulations à Ciel clair
Les figures III.10 et III.11 représentent les résultats obtenus pour des estimations du
rayonnement global incliné pour les deux dates, celle du 30 Janvier et du 11 Avril 2010,
représentant des situations à ciel clair.
D’après ces résultats, nous constatons que tous les modèles arrivent à reproduire
l’éclairement global incliné, avec une légère différence qui commence à augmenter l’après-
midi pour la première situation (Figure III.10). Par contre, on note une assez forte
similitude des courbes pour la deuxième situation (Figure III.11). On remarque aussi que
les modèles de Liu & Jordan et de Baltas sont les plus fiables.
Les tableaux III.9 et III.10, illustrent les résultats statistiques obtenus. Nous constatons
que tous les modèles choisis surestiment les mesures. Nous remarquons pour la première
situation (cf. Tableau III.9) que les plus faibles valeurs des MBE et RMSE correspondent
aux modèles de Liu & Jordan et de Baltas. Les RMSE sont respectivement égales à 4.9% et
5.26%. Des écarts importants sont observés pour les autres modèles, et que le modèle de
Hay est le moins favorable avec un MBE de l’ordre 5% et un RMSE de 7%. Pour la
deuxième situation (cf. Tableau III.10), les plus faibles valeurs des erreurs correspondent
aux modèles de Hay et de Baltas, avec une faible surestimation des modèles par rapport
aux mesures. Le coefficient de corrélation est très élevé (R>0,99) pour toutes les modèles.
Figure. III.10: Eclairements global incliné mesures et estimés, 30/01/2010.
71 |

Tableau. III.9: résultats statistiques Situation du 30 Janvier 2010
Liu & Jordan 2,95 4,90 0,99637
Hay 5,08 7,00 0,99581
Baltas 3,44 5,26 0,99641
Klucher 4,27 6,04 0,99636
Tableau. III.10: résultats statistiques Situation du 28 Avril 2010

Liu & Jordan 1,03 1,31 0,99982
Hay 0,92 1,19 0,99984
Baltas 0,89 1,12 0,99984
Klucher 1,83 2,32 0,99960
b) Simulations à Ciel couvert
Deux journées ont été retenues, représentant des journées à ciel couvert, les résultats
obtenus sont présentés de la même manière que précédemment, les figures III.12 et III.13
représentent respectivement, les estimations du 30 Janvier et ceux du 11 Avril de l’année
2010.
72 |
Dans ces figures nous constatons que les courbes sont quasiment superposées, avec une
légère surestimation très marqué en milieu de journée pour les modèles de de Hay, de
Baltas et de Klucher pour la situation du 30 Janvier.
Le tableau III.11 et III.12, illustre les résultats statistiques obtenus pour les deux
situations, dans le cas d’un ciel couvert. Nous remarquons que pour la première situation
(cf. tableau III.11), les plus faibles valeurs des erreurs quadratiques correspondent au
modèle de Baltas, Le RMSE est de l’ordre de 6%. Les plus grandes valeurs correspondent
aux autres modèles, notamment pour le modèle de Hay avec un RMSE de l’ordre 10%.
En ce qui concerne la deuxième situation, on constate que les plus faibles valeurs des
MBE et RMSE, correspondent au modèle de Hay avec un MBE de 2.27% et un RMSE
inférieur à 4%.
D’une manière générale, On peut dire que les valeurs des irradiations obtenues par les
divers modèles sont très proches des mesures expérimentales, de même que les erreurs sont
très faibles pour tous les modèles (<6%).
73 |
Tableau. III.11 : résultats statistiques Situation du 11 Janvier 2010

Liu & Jordan 6,50 8,05 0,99497
Hay 6,63 10,10 0,99194
Baltas 4,80 6,19 0,99512
Klucher 6,85 9,25 0,99395
Tableau. III.12 : résultats statistiques Situation du 15 Avril 2010

Liu & Jordan 2,45 4,23 0,99936
Hay 2,27 3,81 0,99941
Baltas 2,49 4,27 0,99937
Klucher 2,86 4,61 0,99921
 les irradiations globales journalières

Le tableau III.13 représente, les irradiations globales journalières en Wh/m²/jour
obtenues par une intégration numérique des courbes des éclairements mesurés et ceux
estimés par les quatre modèles, dans le cas du ciel couvert. Les erreurs relatives entre ces
estimations et les mesures sont représenté dans le tableau III.14.
74 |
De la même façon le tableau III.15 représente, les irradiations globales pour des
situations à ciel couvert. Les erreurs relatives dans ce dernier cas sont représentées dans le
tableau III.16.
Tableau. III.13: Irradiations journalières sur les différents plans de collecte pour ciel clair.
Période Angle Liu&Jord Hay Baltas Klucher Mesuré
30-janv. 57 7830 8145 7945 8065 7813
06-févr. 47 7207 7536 7336 7491 7386
29-Mars 33 7378 7508 7374 7660 7652
28-Avr 14 8434 8416 8409 8513 8383
Tableau. III.14: Erreur moyenne relative des modèles théorique (ciel clair).
Période Angle Liu&jord Hay Baltas Klucher

30-janv. 57 -0,2% -4,2% -1,7% -3,2%
06-févr. 47 2,4% -2,0% 0,7% -1,4%
29-Mars 33 3,6% 1,9% 3,6% -0,1%
28-Avr 14 -0,6% -0,4% -0,3% -1,6%
Moyenne 1,3% -1,2% 0,6% -1,6%
Tableau III.15: Irradiations journalières sur les différents plans de collecte pour ciel couvert.
Période Angle Liu&jord Hay Baltas Klucher Mesuré
11-janvier 57 4909 5370 5126 5391 5127
01-février 47 2843 2971 2927 3102 2977
06-mars 33 3738 3812 3768 3941 3794
15-avril 14 2897 2899 2892 2985 2925
Tableau III.16: Erreur relative des modèles théorique (ciel couvert).

Période Angle Liu&Jord Hay Baltas Klucher
11-janvier 57 4,2% -4,7% 0,0% -5,2%
01-février 47 4,5% 0,2% 1,6% -4,2%
06-mars 33 1,5% -0,5% 0,7% -3,9%
15-avril 14 1,0% 0,9% 1,1% -2,1%
Moyenne 2,8% -1,0% 0,9% -3,8%
75 |
III.5. CONCLUSION
Dans le présent chapitre, une évaluation du potentiel énergétique solaire sur site à
travers une modélisation du rayonnement solaire à ciel clair puis dans différentes
conditions météorologiques a été réalisée. Commençant par une étude comparative de
quatre modèles d’estimation de l’éclairement solaire à ciel clair sur le site d’Adrar. Nous
avons constaté que le modèle Bird & Hulstrom est le plus favorable, il donne une bonne
estimation du rayonnement solaire. Les résultats obtenus pour le site d’Adrar se
rapprochent avec une grande précision des mesures au sol.
A travers cette étude, nous avons développé des modèles de régression donnant le
global horizontal en fonction de la durée d’insolation pour le site d’Oran et le site d’Adrar.
L'estimation du rayonnement solaire global par une relation polynomiale d'ordre 3 donne
de bons résultats pour les deux sites. Ainsi, pour les différentes régions engendrées par le
manque de sites de mesure au sol, l'emploi de telles méthodes d’approche s'avère justifié.
Ce chapitre nous a permis de tester une technique d’estimation du rayonnement global à
partir des sorties de modèles numériques, cette technique permettra de pallier certaines
lacunes en fournissant des données relatives à l’humidité, la température et la couverture
nuageuse. Toutefois, cette étude constitue une initiation dans la maitrise et l’exploitation
des techniques de prévision des ressources énergétiques solaire qui peut devenir dans un
futur proche un outil indisponible pour la planification énergétique. Les estimations à
travers l’adaptation statistique s’améliorent une fois la base de données de la phase
d’apprentissage sera assez conséquente, ce qui contribue à la performance de prévisions
sur la phase de validation.
Ce travail nous a permis aussi de tester l’efficacité de quatre modèles d’estimation du
rayonnement global incliné pour différents angles d’inclinaison. L’évaluation de ces
différentes méthodes a permis d’apprécier le modèle le plus adapté pour la caractérisation
radiométrique. Ces modèles ont été testés sur des situations différentes sur le site d’Adrar,
les estimations sont en bonne concordance avec les mesures expérimentales. Les erreurs en
termes de MBE relative sont inférieures à 6%. La précision des modèles sont en fonction
de l’état du ciel et de l’angle d’orientation du plan de collecte. Dans l’ensemble des
simulations, Nous pouvons conclure que le modèle de Baltas est le plus fiable, et que le
modèle de Klucher est le moins favorable.
76 |
III.6. REFERENCES
[1] Jamil Ahmad M., Tiwari. G.N., (2010): Solar radiation models – review., INTERNATIONAL
JOURNAL OF ENERGY AND ENVIRONMENT., Volume 1, Issue 3, 2010 pp.513-532
[2] Besharat F., Ali A. Dehghan and Ahmad R. Faghih., (2013) Empirical models for estimating global
solar radiation: A review and case study., Renewable and Sustainable Energy Reviews 21 798–821.
[3] Meza F., Varas. E., (2015): Estimation of mean monthly solar global radiation as a function of
temperature., Renewable and Sustainable Energy Reviews., 52 (2015) 1294–1299
[4] Bakirci. K., (2009): Models of solar radiation with hours of bright sunshine: A review., Renewable
and Sustainable Energy Reviews 13 (2009) 2580–2588.
[5] Benatiallah D., Bouchouicha K., Benatiallah A. and Harouz A., (2016), "Development and
Modeling of a Geographic Information System solar Flux in Adrar, Algeria", International Journal
of System Modeling and Simulation Vol 1(1) Apr-Jun 2016, pp 15-19.
[6] Benatiallah D., Benatiallah A., Bouchouicha K. and Harouz A., (2016), "Solar radiation estimate
calculated using two models ", 5th International Renewable and Sustainable Energy Conference
(IRSEC), November 14-17, 2016, Marrakech, Morocco.
[7] Bouchouicha K., Aoun N., Bellaoui M., Oulimar B., Babahadj A.., (2017): La prévision des
ressources énergétiques solaires., 3RD CONFERENCE ON ENERGY AND SUSTAINABLE
DEVELOPMENT., ADRAR, 07 - 08 FEBRUARY, 2017.
[8] Oulimar B., Bouchouicha. K., (2013): «Modelé radiométrique adéquate pour caractériser l’apport
énergétique optimal sur le site d’Adrar», INTERNATIONAL CONFERENCE ON ENERGY AND
SUSTAINABLE DEVELOPMENT ICESD’13, Adrar - Algeria 19-20 February 2013.
[9] Perrin, C. and Vauge, C. (1982). Le Gisement Solaire : Evaluation de la Ressource
Energétique. Technique et Documentation, Librairie Lavoisier, Paris, France, 222
pages.
[10] Koussa M., Malek A. and Haddadi M., (2006):« Validation de Quelques Modèles de Reconstitution
des Eclairements dus au Rayonnement Solaire Direct, Diffus et Global par Ciel Clair », Revue des
Energies Renouvelables Vol. 9 N°4 pp. 307 – 332, 2006.
[11] Hofierka J., Suri M., (2002): « The Solar Radiation Model for Open Source GIS: Implementation
and Applications », Proceedings of the Open Source GIS - GRASS Users Conference 2002 -
Trento, Italy, 11-13, September 2002.
[12] Dogniaux R., (1984): « L’influence de L’estimation du Facteur Total de Trouble Atmosphérique
sur L’évaluation du Rayonnement Solaire Direct par Ciel Clair », Application aux Données
Radiométriques de l’IRM à Uccle, Institut Royal Météorologique de Belgique (IRM), Miscellanea,
Serie C, N◦ 20, 1984.
77 |
[13] Hay, J.E., Davies, J.A., (1980): Calculations of the solar radiation incident on an inclined surface.
In: Hay, J.E., Won, T.K. (Eds.), Proc. of First Canadian Solar Radiation Data Workshop, 59.
Ministry of Supply and Services, Canada.
[14] Mesri-Merad M., Rougab I., Cheknane A. and Bachari N.I., (2012): ‘Estimation du rayonnement
solaire au sol par des modèles semi-empiriques’, Revue des Energies Renouvelables Vol. 15 N°3,
pp.451 – 463, 2012
[15] Bird E .R., Hulstrom R.L., (1981a): « A Simplified Clear Sky Model for Direct and Diffuse
Insulation on Horizontal Surfaces », Seri Tr -642-761, February 1981.
[16] Bird E .R., Hulstrom R.L., (1981b). Direct insolation models, Transactions of the ASME J. Sol.
Energy Engineering, 103, 182-192.
[17] Diabaté L., Remund J., Wald L., (2003): Linke Turbidity Factors for Several Sites in Africa, Solar
Energy, 75, pp. 111-119, 2003.
[18] Gschwind B., Ménard L., Albuisson M. and Wald L., (2006): « Converting a Successful Research
Project Into a Sustainable Service, The Case of the Soda Web Service », Environmental Modelling
a Software, Vol, 21, N◦ 11, pp. 1555 - 1561, 2006.
[19] Despotovic M, Nedic V, Despotovic D, Cvetanovic S. (2015): Review and statistical analysis of
different global solar radiation sunshine models. Renew Sustain Energy Rev 2015;52:1869–80.
[20] Bakirci, K., (2009): Models of solar radiation with hours of bright sunshine: a review. Renewable
and Sustainable Energy Reviews, 2009, vol. 13, no 9, p. 2580-2588
[21] Al-Mostafa ZA, Maghrabi AH, Al-Shehri SM., (2014): Sunshine-based global radiation models: a
review and case study. Energy Convers Manage 2014;84:209–16.
[22] Gairaa K, Bakelli Y., (2013): A comparative study of some regression models to estimate the
global solar radiation on horizontal surface from sunshine duration and meteorological parameters
for Ghardaia Site, Algeria. ISRN Renew Energy 2013; 2013:1-11.
[23] Akinoğlu, B. G. et ECEVIT, A., (1990): A further comparison and discussion of sunshine-based
models to estimate global solar radiation. Energy, 1990, vol. 15, no 10, p. 865-872.
[24] Perez R, Moore, K, Wilcox S, Renne D, Zelenka K., (2007): Forecasting solar radiation:
Preliminary evaluation of an approach based upon the national forecast database. Solar Energy
2007; 81(6):809-812.
[25] Khatib, T., Mohamed, A., Sopian, K., (2012): A review of solar energy modeling techniques.
Renew. Sustain. Energy Rev. 16, 2864–2869
[26] Inman, R.H., Pedro, H.T., Coimbra, C.F., (2013): Solar forecasting methods for renewable energy
integration. Prog. Energy Combust. Sci. 39 (6), 535–576.
[27] Bouchouicha K. and Bachari N. I., (2012) : « Simulation of a clear sky satellite image in water
vapor and infrared satellite M.S.G channel’s », Revue des Energies Renouvelables Vol. 15 N°4,
2012, 671 – 679
78 |
[28] Martín, L., et al., (2010): Prediction of global solar irradiance based on time series analysis:
Application to solar thermal power plants energy production planning. Solar Energy, 84, 1772-
1781, 2010.
[29] Schermeyer, H.; Bertsch, V.; Fichtner, W., (2014): Validation and utilization of numerical weather
model data in energy systems analysis of decentralized electricity production. In Proceedings of the
7th International Scientific Conference on Energy and Climate Change, Athens, Greece, 8–10
October 2014.
[30] Oulimar B., (2010): (2010): diagnostic sur les différents modes de collecte énergétique, rapport
d’activité, URER-MS, 2010.
[31] Liu B, Jordan R., (1962): Daily insolation on surfaces tilted towards the equator. Trans ASHRAE
1962;67.
[32] Hay J. (1979): Calculation of monthly mean solar radiation for horizontal and tilted surfaces. Solar
Energy 1979;23, 1979.
[33] Batlas P., Tortoreli M. and Russel P.E., (1986): ‘Evaluation of Power Output for Fixed and Step
Tracking Photovoltaic Arrays’, Solar Energy, Vol.32, N2, pp.147-163, 1986.
[34] Klucher M., (1979): Evaluation of models to predict insolation on tilted surfaces. Solar
Energy;23:111–4, 1979.
[35] Stone, R.J., (1993): Improved statistical procedure for the evaluation of solar radiation estimation
models. Sol. Energy, 51 (4): 289-291.
79 |
ESTIMATION DE L’ALBEDO ET DU
RAYONNEMENT GLOBAL A PARTIR
DES IMAGES SATELLITAIRES
Chapitre IV: Estimation de l’Albédo et du rayonnement global à partie des images satellitaires
IV.1. INTRODUCTION
L’albédo de la surface est un élément important dans le bilan radiatif de la Terre, car il
permet de connaître la quantité de lumière solaire incidente réfléchie par la surface
terrestre. Les méthodes utilisées pour l’estimation de l’albédo et du rayonnement solaire
incident à partir du traitement des images satellitaires semblent donc plus appropriées pour
répondre correctement à nos besoins; ces besoins portent en général sur des données
détaillées en tout point de notre pays. Par ailleurs, on note, qu’avec la forte résolution
spatiale des données satellitaires qui donne plus de précision, les estimations sont d’autant
meilleures.
Ce chapitre présente une méthode pour la détermination de l’albédo de surface à partir

d’images satellitaire visibles. Cette méthode est basée sur des solutions approximatives de
l’équation du transfert radiatif, intégrant des images satellitaires. L’application de ce
modèle sur des images prises a ciel clair permet de calculer l’albédo de surface, aussi ce
modèle est appliqué sur l’image à ciel couvert afin d’extraire l’albédo des nuages [1].
A partir des images MSG prises dans les deux canaux visibles VIS006 et VIS008, et en
se basant sur cette méthode, nous avons analysé les images a ciel clair pour chaque mois de
l’année 2010, ceci nous permet de réaliser une estimation de l’albédo de surface à une
meilleure résolution spatiale.
Le calcul du rayonnement global au sol est possible après avoir déterminé les
principaux facteurs responsables du transfert radiatif de la radiation à ciel clair et le calcul
de taux de couverture des nuages pour une surface élémentaire.
Deux approches ont été proposées pour l'estimation du rayonnement solaire global
horizontal, les résultats sont comparés avec les mesures radiométriques au cours de l'année
2010 de cinq sites caractérisées par des conditions climatiques très différentes de notre
pays. L’étude comparative entre les irradiations mesurées et celles calculées montrent qu’il
est possible d’évaluer le rayonnement global avec une précision de 10% à 20%. Les
résultats des estimations obtenus pour les irradiations solaires globales, en termes d’erreur
quadratique moyenne relative, varient entre 11 % et 33% sur une base horaire, et entre 7%
et 13% sur une base quotidienne [1,2].
81 |
IV.2. ETAT DE L’ART
IV.2.1. Albédo de surface
Plusieurs approches d’estimation de l’albédo de surface reposant sur l’utilisation des

images satellitaires ont été rapportées dans la littérature [3-5]. Les méthodes existantes se
répartissent en deux catégories: les méthodes statistiques et celles basées sur une
modélisation physique. Dans les deux cas, l’objectif principal est en général l’estimation
du rayonnement net et l’albédo de surface. Les méthodes physiques sont basées sur une
modélisation physique du transfert radiatif à travers l’atmosphère pour extraire l’équation
de radiation nette en haute atmosphère en utilisant l’image satellitaire [6-8]. Tandis que, les
méthodes statistiques sont des techniques qui utilisent des mesures au sol de la réflectance
par des radiomètres simulant celles embarquées par les satellites afin de calibrer les
paramètres d’un modèle empirique établi [9-10]. Le choix d’une technique, dépend de
plusieurs facteurs, dont les plus importants sont le type de données, la période couverte par
les mesures disponibles.
IV.2.2. Rayonnement global
La faisabilité d'estimation du rayonnement global au sol par le traitement des images

issues des satellitaires météorologiques géostationnaires a été démontrée à travers plusieurs
études. Différentes approches développées, et qui sont classées en deux catégories, a savoir
les modèles physiques et les modèles empiriques.
Les modèles physiques prennent en compte les échanges d’énergie qui se produisent
lors de la traversée du système atmosphère-terre par le rayonnement solaire [11-13]. Ces
échanges d’énergie sont alors décrits par une équation de transfert radiatif et nécessite une
meilleure connaissance de la composition de l'atmosphère. Tandis que les modèles
empiriques sont basées sur des équations de régression, qui utilisent un ou plusieurs
variables indépendantes déduites des données satellitaires [14-15]. Ces variables sont le
niveau de luminance (exprimé parfois comme un niveau de gris), l’angle zénithal solaire,
la quantité d’eau précipitant et la quantité des nuages existante sur les données satellitaire.
IV.3. DOMAINE D’ETUDE

L’Algérie est située au centre du continent Nord-Africain, avec une superficie de
2.381.741 km², il est le plus grand pays au niveau africain et du monde arabe. Son sol est
couvert de nombreuses forêts au centre et Est, vastes plaines à l'est et le Sahara qui
représente à lui seul 84 % du territoire. (Figure IV.1).
82 |
Le relief algérien se compose de deux principales chaînes montagneuses : l'Atlas tellien

et l’Atlas saharien : ce sont deux ensembles parallèles qui parcourent le pays d’Ouest en
Est, elles se rapprochent au centre du pays jusqu’à presque se confondre à l’extrême Est
vers la Tunisie. Ces deux chaînes constituent des frontières naturelles entre lesquelles
s'intercalent de vastes plaines et hauts plateaux [16].
Figure IV.1: Carte d’élévation et localisation des stations de mesure utilisées

(GTOPO USGS, Projection cylindrique équidistante, WGS84 ).
IV.4. DONNEES
IV.4.1. Mesures au sol

Les données du rayonnement global proviennent de cinq stations de mesure
radiométriques installées dans les différentes régions du territoire algérien. Deux stations
situées dans le Nord, avec un climat méditerranéen semi-aride (DAR-EL-BEIDA et
ORANSENIA), deux autres situés dans le sud avec un climat désertique (ADRAR et IN-
AMENAS) et la cinquième situé dans une zone intermédiaire considérée comme une
région aride et sèche. (GHARDAIA). Les coordonnées géographiques de ces stations sont
données sur le tableau IV.1
83 |
IV.4.2. Trouble de Linke

L’absorption et la diffusion du rayonnement solaire à travers les couche atmosphérique
dues à ces constituants sont exprimées par le facteur de trouble de Linke. Nous avons
choisi d’utiliser les données de facteur de Linke issues du projet Soda (cf. Chap. I.4.2b)
[17].
Tableau IV.1: coordonnées géographiques des stations.
N° Station Latitude Longitude Elévation (m)

1 DAR-EL-BEIDA 36.68 3.22 25
2 ORAN-SENIA 35.63 -0.6 90
3 ADRAR 27.88 -0.28 269
4 GHARDAIA 32.4 3.8 468
5 IN-AMENAS 28.05 9.63 561
Les valeurs des moyennes mensuelles de trouble de Linke sur les sites sélectionnés sont
données sur le tableau IV.2 :
Tableau. IV.2: moyennes mensuelles du facteur de trouble de Linke

Month Station
1 2 3 4 5
Jan 3.45 2.5 3.2 3.05 3.0
Feb 3.5 2.8 3.35 3.45 3.0
Mar 3.25 2.8 3.6 3.2 3.25
Apr 4.0 3.3 3.75 3.85 3.35
May 3.95 3.45 4.05 3.95 3.65
Jun 4.05 3.9 3.95 4.2 3.55
Jul 4.25 4.1 4.1 4.45 3.65
Aug 4.0 4.1 4.1 4.5 3.65
Sep 4.15 3.8 4.0 4.15 3.6
Oct 3.3 2.9 3.75 3.85 3.45
Nov 3.4 2.6 3.6 3.35 3.05
Dec 3.0 2.25 3.5 3.25 3.0
IV.4.3. Données satellite

Les mesures du satellite MSG2 (Meteosat Second Generation) sont particulièrement
adaptées à l'étude du bilan radiatif solaire, d'une part par leur résolution spatiale qui passe
de 1 km au nadir pour le canal HRV à 3 km pour les autres canaux visibles (VIS006 et
VIS008), d'autre part par la fréquence des prises d’images qui sont disponibles toute les 15
minutes. [18].
84 |
Pour des limitations de transmission entre le satellite et le sol, seules deux secteurs de
l’image HRV sont diffusés, par conséquent, la zone de notre étude n’est pas totalement
couverte. Dans le cadre de cette étude, pour l’estimation de l’albédo de surface sur tout le
territoire Algérien, nous utiliserons l’approche de Deneke & Roebeling [19], qui suppose
que la réflectance pour la longueur d’onde du canal HRV est données sous forme d’une
combinaison linéaire des réflectances des deux autres canaux visible :
(IV-1)
Les deux canaux à bande étroite ne couvrent pas la bande passante spectrale complète
du canal HRV. Néanmoins, cette approximation linéaire explique au moins> 95% de la
variance HRV sur le disque Meteosat complet [19].
IV.5. METHODES
IV.5.1. Estimation de l’Albédo de surface.

Ce travail a pour objectif, la résolution de l’équation du transfert radiatif en utilisant un
modèle physique et des images satellitaires. La première partie est consacrée, au
développement de trois solutions approximatives de la radiation nette en haute atmosphère.
La première solution est linéaire et s’applique aux surfaces couvertes par l’eau, la
deuxième a une forme parabolique et s’applique à tous les autres types de sol et la
troisième solution est aussi parabolique du point de vue forme et s’applique seulement aux
régions à basses altitudes équipées de pyranomètres pour la mesure du rayonnement en
quelques lieux.
IV.5.1.1. Equation de transfert radiatif

L’équation de transfert radiatif en haute atmosphère à ciel clair pour un sol homogène
d'albédo est donnée par la relation suivante:
( )
(IV-2)
Avec: E° désigne la radiation diffuse vers l’extérieur par les particules suspendues dans
l’atmosphère et qui peut être captée par le satellite et qu’on appelle aussi bruit;
représente la radiation globale qui atteint le sol par ciel clair; ( ) est la
transmittance totale de la radiation directe dans la direction pixel-satellite (sans
dimension); angle de vue du capteur, est l’albédo sphérique représentant la diffusion
de la radiation réfléchie par l’atmosphère vers le sol et le terme ( ) décrit la
réflexion multiple sol-atmosphère (Figure. IV.2).
85 |
Figure. IV.2: Modèle de transfert radiatif soleil-pixel-satellite [20]
De nombreuses études et travaux de recherches ont fait l’objet de la résolution de

l’équation du transfert radiatif, en se basant sur des méthodes numériques couplées avec
l’utilisation de l’imagerie satellitaire pour le calcul de la radiation en haute atmosphère et
le développement d’un modèle physique pour le calcul des différents éléments intervenant
dans les équations développées. Trois approximations sont proposées selon le type de
cible, l’état de l’atmosphère terrestre et la disponibilité des mesures de rayonnement global
au sol [21].
 Dans le cas des surfaces à très faible albédo, le terme de réflexion multiple peut être
négligé. L’équation du transfert radiatif dans ce cas peut être représentée par la relation
suivante:
( ) (IV-3)
 Dans le cas d’une surface d’albédo moyen, le terme de réflexion multiple est
développé en premier ordre ( ) ( ) et l’équation (IV-6) prend une forme
parabolique [21,22] :
( ) ( ) (IV-4)
 Pour les régions qui possèdent des mesures du rayonnement global au sol, et situées
dans une zone géographique de faibles angles zénithaux ( ), la transmittance
atmosphérique sol-satellite dans ces conditions, peut être approximée à la transmittance
soleil-sol ( ) ( ). Aussi pour un ciel bleu profond, la radiation globale est composée
en grande partie de la radiation directe.
86 |
Dans ce cas la transmittance de l’atmosphère peut être écrite ainsi:

( )
( ) (IV-5)
( )
L’équation (IV-6) s’écrit sous une forme parabolique en fonction de :
( ) ( ) (IV-6)
Avec ( ) et représente la constante solaire 1368 W.cm-2 et f est un

facteur de correction astronomique de distance soleil-sol qui est en fonction du jour julien
(1 jour  365)) [22].
IV.5.1.2. Calcul des différents types d’albédos

a) Albédo planétaire :
Supposons qu’un élément de surface du système sol-atmosphère reçoit l’éclairement
solaire : ( ). Une partie de la radiation sera transmise, par contre l’autre partie est
réfléchie d’une manière Lambertienne en dehors de l’atmosphère terrestre [23]. Le facteur
de réflexion dans ce cas est l’albédo planétaire , donné par la relation suivante :
( )
(IV-7)
( )
Le calcul et le suivi de l’albédo planétaire est d'une grande importance pour la

modélisation des changements climatiques à échelle globale, car l’albédo planétaire est
l’unique mesure continue pour le suivi de l’effet de serre.
b) Albédo des eaux

Les surfaces maritimes (mer, océan) sont transparentes à la radiation de courtes
longueurs d’ondes du rayonnement solaire. Le terme de réflexion multiple dans l’équation
(5.1) est négligeable. L’albédo des eaux est donné donc par la relation suivante:
(IV-8)
( )
c) Albédo du Sol couvert et semi-couvert

Dans le cas des sols ayant un albédo de l’ordre de 20% (couverts, semi-couverts), le
terme de réflexion multiple n’est pas négligeable et l’équation (5.1) prend la forme
parabolique dont la résolution donne deux solutions qui sont les suivantes :
( ) [( ( )) ( ) ( )]
(IV-9)
( )
( ) [( ( )) ( ) ( )]
(IV-10)
( )
87 |
La première solution est une solution mathématique qui donne un albédo négatif,
cette solution est exclue, car le pouvoir de réflexion du rayonnement par le sol est positif.
La deuxième solution est une solution mathématiquement et physiquement
acceptable. La formule donnée pour est générale, elle s’applique pour toutes les
surfaces de la terre.
d) Albédo des Surfaces désertiques :
Dans les régions désertiques, le ciel est souvent sec, et les mesures du rayonnement
peuvent être considérées représentatives des grandes zones. Dans ce cas la solution qui
donne l’expression de l’albédo de surface est :
(( ) ( ) )
(IV-11)
L’évolution de l’Albédo du Sahara est important dans le suivi des déplacements de

sable, car cette région représente la principale source mondiale d’aérosols terrigènes.
e) Albédo des nuages
L’analyse des nuages par satellite s’effectue par une analyse bis-spectrale des images
prises dans la bande visible et des images prises dans la bande infrarouge. Les nuages se
trouvent à une altitude de 300m jusqu'à 7000m selon leurs natures. Pour le calcul de
l’albédo des nuages nous élaborons une image à ciel couvert. L’image à ciel couvert est
obtenue en inversant l’algorithme de brillance minimale.
La radiation nette en haute atmosphère dans le cas du ciel totalement couvert est donnée
par la relation linéaire suivante [21] :
( ) (IV-11)
L’albédo des nuages est donné donc par la relation suivante:
( )
( )
(IV-12)
Avec : représente la radiation globale au sommet des nuages et T(v) est la

transmittance atmosphérique de la radiation directe dans la direction du capteur. Dans le
cas des nuages, on prend en moyenne l’altitude Z =2000 m  T1 - 0.7, la pression de
vapeur d’eau e= 4 mb  T2 - -0.4 et T3 est prise comme étant une erreur égale à -0.3.
Les nuages les plus faciles à identifier à partir des images d’albédo sont : le gros
Cumulus, qui est caractérisé par un fort albédo [50 % - 65 %] et une extension verticale
moyenne, ce qui correspond à un pixel complètement blanc.
88 |
Le Cumulonimbus, qui apparaît avec une teinte blanche très brillante, caractérisé par un
très fort albédo [80 % - 94 %], une extension verticale importante et une forme
géométrique bien spécifique. L’Altocumulus qui se présente avec un albédo [65 % - 75 %]
et une forme géométrique arrondie.
Les nuages moyennement identifiables à partir des images brutes et les images d’albédo
sont : le Stratus et le Brouillard qui sont caractérisés par un albédo compris entre [30 % -
60 %], leurs couleurs varient du blanc vers le gris, le stratocumulus qui possède un albédo
compris entre [65 % - 75 %] et une couleur grise qui tend vers le blanc. L’Altostratus et le
Nimbostratus qui possèdent un albédo oscillant autour de [35 % - 70 %] et leurs couleurs
varient du blanc au gris. On dit que ce sont des nuages de basse couche et de grande
étendue (Robinson, 1987 ;). Les nuages les plus difficiles à identifier à partir des images
d’albédo et l’analyse visuelle des images brutes sont: les Cirrus fibratus qui sont minces et
transparents aux rayons lumineux. Lors de la prise d’image dans le visible, le Cirrus peut
être confondu avec le sol, et il est caractérisé par un albédo moyen [25 % - 35 %] pour
cette raison, il peut être identifiable uniquement dans le cas des surfaces à faible albédo
(mer et forêts) et dans le cas des sols à fort albédo.
IV.5.1.3. Constitution de l'image de référence
Dans le but d’éliminer les pixels nuageux et de créer une image a ciel clair à partir des
données Météosat, pour l’intégrer dans le calcul de l’albédo de surface, un algorithme
établi par Legrand a été utilisé dans notre étude, son principe est la séparation entre la
structure à caractère permanent de la surface, et celle variable de l’atmosphère [Legrand
M., 1990]. C’est ainsi que deux images de références sont construite par la technique de la
brillance minimale (ciel clair) et maximale (ciel nuageux) à partir d’une série d’images
prises à la même heure pendant une période de référence. Généralement au bout de dix à
quinze jours, l’image à ciel clair peut être élaborée pour certaines régions (basses
latitudes), alors que pour d’autres régions, cet intervalle de temps n’est pas suffisant
(latitudes élevées). Sachant que les fortes valeurs numériques dans le visible correspondent
aux brillances réfléchies par les nuages. Une fois l’image à ciel clair est élaborée, cette
dernière est introduite dans le modèle pour l’extraction des valeurs d’albédo de surface.
Une brillance minimale enregistrée durant une période, pour la même heure et pour le
même pixel décrit l’état du ciel. Partant de ce principe, nous calculons les brillances
minimales de chaque pixel pour la même heure durant un mois. Le calcul complet doit être
répété pour chaque mois.
89 |
A titre indicatif, nous représentons le résultat obtenu d’une image à ciel clair du Vis06
couvrant le domaine d’étude, qui a été élaborées à partir d’une série d’images MSG pour le
mois de Juillet 2010. Le contour noir autour a été rajouté pour faire ressortir la frontière
(Figure. IV.3).
Figure. IV.3: Image ciel clair du MSG2/SEVIRI Canal Vis06 pour le mois de Juillet 2010.
IV.5.1.4. Radiation mesurée par satellite

La donnée radiométrique satellitale (Météosat) est une valeur numérique codée sur dix
bits et sans dimension appelée compte numérique. Pour que cette donnée soit dans le
même système d’unité, et puisse être utilisée dans l’équation de transfert radiatif, il faut
qu’elle passe à une grandeur physique. Les équations précédentes permettent de calculer le
coefficient de réflectance , si les différentes quantités intervenant dans les équations
précédentes sont connues.
Le radiomètre capte l’énergie E sous forme de compte numérique, qui est transformé en
radiance à l’aide de l’équation II.6 décrite dans le chapitre II (cf. Chap. II.3.2a).
Pour un problème d’homogénéité des unités physiques des radiations théoriques et
satellitaires utilisées dans le model radiatif, nous avons convertie la radiance satellitaire
( ( ) ) donnée par la formule suivante [20] :
( )
(IV-13)
90 |
Ou : est la longueur d’onde central du canal HRV et sa largeur de bande et égale à

0.88µm. La valeur de l’irradiation solaire dans la formule (IV-2) est remplacée par la
nouvelle valeur dans bande relative au canal HRV.
Les réflectance sont calculées par l’équation II.7 (cf. Chap. II.3.2b).
IV.5.1.5. Radiation atmosphérique E°
Le facteur E°, qu’on appelle bruit, représente la partie de la radiation diffusée vers
l’extérieur de l’atmosphère par les molécules d’air et les aérosols qui se trouvent au-dessus
des nuages, et qui peut être captée par le satellite. Le développement du modèle de
transfert radiatif à ciel clair donne la relation suivante [21] :
( ) ( )
( ( ) ( )) ( ) (IV-14)
Avec : Dr(v) est la radiation diffuse de Rayleigh. Le calcul de Dr(v) est possible si
nous considérons l’atmosphère terrestre comme étant une atmosphère composée
uniquement par les molécules d’air et en utilisant l’équation (2.10). Une telle atmosphère
dite atmosphère de Rayleigh est caractérisée par une couleur bleue profonde (ciel limpide)
ne se réalise qu’après une forte chute de pluie.
Du point de vue pratique, le facteur du trouble de l’atmosphère de Rayleigh est compris
dans l’intervalle [1-2], par conséquence: ( ) ( ). Les données
utilisées pour la réalisation de cette partie d’étude sont de natures différentes, des données
au sol, et les données spatiales sont des images METEOSAT.
IV.5.1.6. Transmittance atmosphérique
La transmittance atmosphérique de la radiation directe dans la direction du capteur est
représentée par le rapport de la radiation directe sur la radiation extraterrestre:
( )
( ) (IV-15)
( ) ( )
IV.5.2. L’information de l’indice d’ennuagement
L'indice d'ennuagement est le paramètre clé de la pluparts des méthodes

d’estimation, Il représente l'atténuation du rayonnement du a la présence des nuages
[24]. Cet indice résulte d'une comparaison entre ce qui est observé par le capteur à ce
qui devrait être observé au-dessus de ce pixel si le ciel est clair. Il peut être s'exprimer
comme:
( ) ( )
( ) ( ) ( )
(IV-16)
91 |
Avec: ( ) représente le compte numérique du pixel (i, j), au temps t (image HRV).
( ) et ( ) compte numérique correspondant respectivement à un ciel clair
et un autre complètement couvert dans une période fixée à un mois donné.
Concernant la technique d'extraction de l’indice d’ennuagement à partir des images
METEOSAT, plusieurs travaux de recherches ont été effectués dans ce sujet [25,26]. En se
basant sur la méthode décrite par A. Hammer [25], qui a été adaptée pour les données de
METEOSAT 8 par R. Kuhlemann and A. Hammer [26], le compte normalisé pour les
canaux Visible et le HRV est données par:
(IV-17)
( )
(HRV),
( ( )) (IV-18)
( ) ( )
( ) ( )
(IV-19)
IV.5.3. Estimation du Rayonnement global
Le rayonnement global au sol décroit sensiblement avec l’augmentation de la turbidité

ou en présence d’une couverture nuageuse. Cette décroissance varie d’un type de nuage à
un autre selon sa nature. En effet certains nuages tels que les cirrus sont plus transparent
que d’autre, les cumulonimbus sont beaucoup plus opaque au rayonnement solaire.
a) Approche 1
La présence de nuages modifie sensiblement l’importance respective des rayonnements

diffus et direct, les nuages jouant un rôle de milieu diffusant additionnel. Dans le cas d’un
ciel couvert par les nuages, on propose d’utilisée une relation empirique proposé à l’origine
par Imamura et al. [28], puis amélioré par Gueymard et Brinsfield et al., [29,30] et qui ont
utilisé un facteur de couverture nuageuse fonction de la nébulosité total du ciel. Ce dernier
paramètre a été remplacé par l’indice d’ennuagement calculé précédemment. Le
rayonnement global instantané par un ciel couvert est donné par l’équation :
[ ( )] [ ( )] (IV-20)
et représentent les rayonnements direct et diffus sur un plan horizontal par

un ciel clair (cf. Chap. III.2.1a).
92 |
N représente l’ennuagement qui a remplacé le taux de couverture nuageuse ou la

nébulosité dans l'équation originale (cf. Chap. II.2.1f). le paramètre K est exprimé par la
relation :
( ) ( )
( ) ( )
(IV-21)
Où C est le ratio de la radiation diffuse sur la radiation directe à ciel clair, P le

coefficient de clarté du ciel et Y un polynôme de deuxième ordre en fonction de la latitude
de lieu :
( ) ( ) (IV-22)
b) Approche 2
L’albédo des nuages varie, typiquement de 0,4 à 0,9 selon leur nature, leur épaisseur, la
hauteur du soleil, etc. Les nuages absorbent en outre une fraction du rayonnement solaire,
mais celle-ci reste assez faible et ne dépasse pas 10 % de l’énergie incidente pour les
nuages les plus épais [31].
Un modèle en décroissance exponentielle du rayonnement à ciel clair en fonction de

l’ennuagement et l’albédo du nuage est une bonne approximation pour l’estimation du
rayonnement global. Nous proposons donc le modèle suivant:
(IV-1)
Où: est l’albédo de nuage et est l’ennuagement.
représente le rayonnement global sur un plan horizontal par un ciel clair (cf.
Chap. III.2.1a). la valeur 2,5 est ajusté sur la base des estimations des irradiations horaire,
qui correspondent à des simulations réalisée à 12TU, couvrant une période d’environ
quatre mois.
93 |
IV.6. RESULTATS ET INTERPRETATIONS
IV.6.1. Albédo de surface :
Dans la figure V.4. nous présentons la moyenne annuelle de l’albédo de surface sous
forme de carte, représentant la variabilité spatiale de ce paramètre. En l’examinant, on
peut constater que la partie Tellienne est caractérisée par des valeurs faibles d'albédo, qui
est dû à la présente des sols avec un couvert végétal dense. Le désert est caractérisé par des
surfaces hautes qui correspondent à des forts albédos. De l’Ouest Algérien jusqu'à l’Est
Marocain, le haut plateau est large à l’Ouest est rétrécit en direction Nord-Est. Cette
représentation montre qu’il y a une analogie entre la carte d’albédo et la carte
topographique (cf. Figure V.1).
Le suivi temporel de l’albédo nous a permis de réaliser une cartographie mensuelle, en
utilisant ces résultats, nous avons sélectionné trois zones géographiques représentant
différentes sortes de sols et états de surface. Les trois zones sur lesquelles nous faisons
l'analyse sont la Zone forestière, c'est-à-dire la zone au niveau de El-Kala, la Zone
montagneuse, qui correspond à la partie ouest de l’Atlas marocain, et la zone désertique,
qui se trouve à la limite de la ville d’Adrar. Ces zones sont notées: Zone 1; Zone II et Zone
III. La variabilité spatiotemporelle de l’albédo de surface est présentée dans les figures
V.6, V.7 et V.8, et les courbes de la Figure V.5 représente la variation de l’albédo mensuel
des trois points représentant chaque zone.
L’analyse des différentes valeurs de l’albédo montre que la zone 1 présente des faibles
valeurs d’albédo durant l’hiver et augmente pour les mois d’été. La végétation absorbe
fortement le rayonnement solaire, le développement de cette végétation entraîne une très
nette diminution de l’albédo des surfaces naturelles, et l’augmentation est due à une
diminution de la surface occupée par la végétation.
L’albédo de la zone 2 est minimum du mois de mai jusqu’au mois d’octobre. Les
maximums sont enregistrés durant les mois hivernaux. Cette augmentation est engendrée
par la présence de neige dans toutes les hauteurs, elle varie d’un pixel à un autre suivant le
taux de recouvrement ainsi que le niveau de fraîcheur de ce dernier. L’albédo commence à
diminuer avec la disparition de cette couverture neigeuse.
Concernant la zone 3, où le désert est souvent occupé par le sable fin, est caractérisé par
un l’albédo stable durant l’année.
94 |
Figure. IV.4: Carte de la moyenne annuelle de l’albédo de surface (2010).
Figure. IV.5: Valeurs mensuelles de l’albédo de surface (2010).
95 |
Jan Fev Mar
Avr Mai Jun
Jul Aut Sep
Oct Nov Dec
Figure. IV.6: Variation spatiotemporelle de l’albédo de surface année 2010, Zone 1.
96 |
Jan Fev Mar
Avr Mai Jun
Jul Aut Sep
Oct Nov Dec
97 |
Jan Fev Mar
Avr Mai Jun
Jul Aut Sep
Oct Nov Dec
IV.6.2. Rayonnement global

Nous avons appliqué les différentes méthodes de calcul aux données du canal HRV
pour l’années 2010. Les valeurs de l’éclairement à chaque quart-heure ont été moyennées
sur 3x3 pixels représentant une surface au sol de l'ordre de 3 km x 3. Le calcul de
l’irradiation horaire se fait par intégration numérique de ces éclairements sur un pas de
temps d’une heure, puisque l’irradiation journalière est obtenue en sommant les valeurs
horaires. L’intégration numérique est réalisée par la méthode des trapèzes. Les irradiations
sont comparées aux mesures effectuées par les pyranomètres de cinq stations.
98 |
L’évaluation est réalisée par comparaison avec les mesures au sol Des simulations
réalisées par les deux approches d’estimation du rayonnement global à partir de l’indice
d’ennuagement d’un point de vue statistique, nous avons évalué les estimations réalisée
pour 12 mois de l’années 2010, a travers les scores les plus utilisés pour évaluation des
modèle d’estimation, [28], ils sont décrits dans l’Annexe D: le coefficient de corrélation,
l’erreur moyenne (MBE : Mean Bias Error) et l’Erreur quadratique moyenne (RMSE :
Root Mean Square Error).
IV.6.2.1. Irradiation horaire

Dans cette partie sont comparées les estimations des irradiations réalisées par les deux
modèles, sur une base horaire. Les figures IV.9 à IV.14 correspondent aux résultats
obtenus des estimations, elles décrivent respectivement les nuages de points formés des
couples des irradiations estimées et mesurées. Pour chaque figure, on donne l’équation de
la droite de régression, R, MBE et RMSE.
Les résultats sont combinés pour les deux sites du Nord (Sites 1 et 2), et ceux des deux
sites du Sud (Site 3 et 5).
Comme le montre les figure IV.9, IV.10 et IV.11, pour la 1ière approche les dispersions
des nuages de points sont assez fortes autours des droites de régression, avec un coefficient
qui dépasse 0,95. Le modèle surestime les irradiations de l’ensembles de régions. Les
valeurs de MBE varient de 0,07 à 1.13%, avec un minimum enregistré à la région sud
(~0,07%), du fait de la compensation de surestimations des irradiations du site d’Adrar par
des sous-estimations enregistrées à In-Amenas (Tableau IV.3).
Comme présenté dans le tableau IV.3, pour les sites de la région Sud, le RMSE relative
se situe entre 11 à 15% cependant en ce qui concerne les stations du Nord, le modèle
présente des valeurs du RMSE qui dépasse les 17%.
La Figures IV.12, IV.13 et IV.14 représentent les nuages de point des irradiations
horaire estimées par la deuxième approche, et celles mesurées, ceci pour les cinq sites.
On peut constater sur la figure que la deuxième approche donne une dispersion moins
importante des points en comparaison avec les résultats de la 1ière approche.
Les MBE relative varient entre 0,2 et 1,39%. Le RMSE relative varie de 12 à 15%
pour les régions Sud, tandis qu’il dépasse les 19% pour le Nord du pays (Tableau IV.3).
99 |
Figure. IV.9: Graphique de dispersion des résultats de la 1ière Approche pour les Stations
Figure. IV.10: Même légende que Figure IV.9, Station de GHARDAIA.
100 |
Tableau. IV.4: Scores statistiques annuels des irradiations horaires, modèle 1 et 2
Station Modèle MBE(%) RMSE(%) R

1 (1) 1,21 19,05 0,951
(2) 1.71 21.28 0.946
2 (1) 1,06 17,7 0,961
(2) 1.11 19.15 0.958
3 (1) 0,22 14,65 0,967
(2) 0.66 14.15 0.972
4 (1) 0,3 13,7 0,969
(2) 0.69 15.08 0.968
5 (1) -0,2 11,72 0,976
(2) -0.36 12.65 0.977
Tous (1) 0,5 15,34 0,966
(2) 0,76 16,46 0,964
Figure. IV.11: Même légende que Figure IV.9, Stations SUD (ADRAR et IN-AMENAS.).
Pendant cette même période, on a calculé la variation saisonnière et la distribution des

scores statistiques (MBE, RMSE et R) pour chaque station. Les résultats sont présentés
dans les figures IV.15 et IV.16. D’une manière générale, la variation saisonnières de
l'erreur MBE relative des deux approche diffèrent d’un site a une autre, avec un mélange
de valeurs positives et négatives, en indiquant respectivement, surestimation et sous-
estimation du model. La valeur absolue du MBE varie entre 0.1 et 6% pour 1ière approche,
tandis qu’elle se situe entre 0.1 et ~4.3% pour la 2ième approche.
101 |
Figure. IV.12: Graphique de dispersion des résultats de la 2ière Approche pour les Stations
Figure. IV.13: Même légende que Figure IV.12, Stations de GHARDAIA.
102 |
Figure. IV.14: Même légende que Figure IV.12, Stations SUD (sites 3 et 5).
Les résultats de la 1ière approche donnent un MBE positive durant toute l’année pour le
site de 1. Le même résultat est obtenu par la 2ième approche pour les deux sites 1 et le site 3,
de plus, les valeurs de MBE sont positives pour tous les sites durant la saison automne.
Au printemps et en été, les deux modèles reproduisent mieux les irradiations horaires
avec des RMSE plus petite pour presque toutes les stations, on observe un maximum entre
20 et 22% pour le site 1. Au cours de cette période, le climat est le plus stable de l’année;
le ciel est généralement clair et irradiations solaires dérivées des données satellitaires sont
similaires aux mesures au sol. Par contre,
Durant l’hiver et l’automne le RMSE est relative plus grande, avec un climat marqué
par des fréquents passages nuageux plus marquée dans les sites du Nord, sauf pour le site 5
où le RMSE reste inférieur à 14 %. Cela est confirmé par les coefficients de corrélation.
103 |
Figure. IV.15: Résultats d’évaluation saisonnière Approche 1.
104 |
Figure. IV.16: Résultats d’évaluation saisonnière Approche 2.
105 |
IV.6.2.2. Irradiation journalière
Nous cherchons dans les paragraphes suivants à évaluer les résultats d’estimation des
irradiations quotidiennes du rayonnement global horizontal. Nous reprenons les mêmes
calculs qui ont été faits précédemment.
Les résultats statistiques sont présentés dans le tableau IV.5.
Comme indiqué dans le tableau IV.5, le 1ier modèle surestime les valeurs quotidiennes
avec MBE entre 0,1 et ~1,4% pour la plupart des stations, sauf pour IN-AMENAS, le
modèle sous-estime les irradiations avec le MBE de 0.17%. Les valeurs RMSE varie entre
4 à 8%. Le coefficient de corrélation entre les valeurs mesurées et celle estimées est
important pour tous les sites, il est supérieur à 0.98.
Pour le 2ième modelé, les résultats sont similaire à ceux obtenus par la 1ière approche.
Avec un MBE relative variant entre 0,6 et 1,5% pour la plupart des stations, sauf pour IN-
AMENAS, le modèle sous-estime les irradiations avec le MBE de 0.63%. Les valeurs
RMSE varie entre 4 à 12%. Les corrélations entre les valeurs observées et celle estimées
sont élevées et supérieurs à 0.98.
Tableau 5: Scores statistiques annuels des résultats d’estimation des irradiations quotidiennes.
Station Modèle MBE(%) RMSE(%) R
1 (1) 1,37 7,88 0,984
(2) 1.50 11.89 0.989
2 (1) 1,2 7,6 0,987
(2) 0.67 10.28 0.993
3 (1) 0,1 4,95 0,989
(2) 0.67 4.70 0.989
4 (1) 0,31 4,26 0,991
(2) 0.64 4.98 0.994
5 (1) -0,17 4,57 0,986
(2) -0.63 4.64 0.987
Tous (1) 0,64 5,7 0,989
(2) 0.58 7.67 0.966
Cette étude de performance montre que :

L’application de la 1ière méthode offre une bonne performance par rapport à la seconde
qu’elle soit pour les irradiations horaires ou quotidiennes.
Les meilleurs résultats sont obtenus sur les sites 3 et 5 (Adrar et In-Amenas).
Les deux modèles reproduisent mieux les irradiations horaires au printemps et en été,
106 |
Dans le cadre de ce travail, nous comparons la performance de ces deux modèles à

celles présentés dans la littérature. Les résultats obtenus à partir des estimations des
irradiations solaires globales horaires et journalières sont très encourageants et prometteurs
par rapport à la littérature existante [32-39]. Par exemple, en termes de l’erreur quadratique
moyenne relative, elle varie entre 11 % et 33% sur une base horaire, et entre 4% et 12% sur
une base quotidienne (Tableau IV.3).
Tableau. IV.6: Tableau récapitulatif des résultats des différentes méthodes utilise les images
METEOSAT.
Méthode Res.Temp. RMSE(%) R Référence
Heliosat 1 HR 14%-30% - Rigollier et al. (2004)
JR 9%-16% - (Europe 1983-2003)
Rigollier et al. (2004)
Heliosat 2 HR 18%-45% 0.83-0.90
(Europe 1995)
HR 18%-45% 0.83-0.90 Moradi et al. , (2009)
JR 10%-20% 0.94-0.95 (Iran 2004)
Beyer et al. (2009)
17%-46% 0.86-0.98
Heliosat 3 HR (Europe 1995)
P. Ineichen, May 2009
- 0.90-0.98
(Europe 2006)
Solemi HR 0.91-0.98 Beyer et al. (2009)
-
(MESoR) JR 0.98-0.99 (Europe 1996-2000)
GISTEL HR 7%-23% 0,88-0,97 Mefti et al. (2008)
SICIC JR 9%-30% 0,81-0,94 Algeria (1994-1995)
Chaabane et al. (2002)
GISTEL JR - 0,96
(Tunisia, 1995)
HR - 0,77 Meziani et al. (2013)
GISTEL
JR - 0,96 (Algeria, 2011)
HR : Horaire ; JR : Journalière.
107 |
IV.7. CONCLUSION
Dans ce chapitre, nous avons présenté une méthode pour la détermination de l’albédo de
surface à partir d’images satellitaire dans le domaine visibles. Elle est basée sur des
solutions approximatives de l’équation du transfert radiatif des images satellitaires.
L’application de ce modèle a permis de réaliser une cartographie mensuelle de la
répartition spatiale de l’albédo de surface. Une analyse spatiotemporelle des cartes établies
montre que l’albédo est fortement lié à l’état du sol, et que le développement de la
végétation influe sur les variations saisonnières de l’albédo des surfaces naturelles. Aussi
la présence de neige entraîne une augmentation de l’albédo, et qui dépend du taux de
recouvrement ainsi que du niveau de fraîcheur de la neige. Cette représentation montre
aussi qu’il y a une analogie entre la carte d’albédo et la carte topographique.
Dans le présent chapitre nous avons exposé les résultats de l’évaluation de deux
méthodes d’estimation du rayonnement global horizontal à partir des images HRV du
satellite MSG2. Les études menées ont permis de déterminer l’erreur générées pour les
estimations horaires et quotidiennes.
La qualité des résultats d’estimation en générale, traduisant une bonne cohérence avec
les mesures. De même, les droites de régression ajustent bien les observations, exprimant
ainsi une corrélation élevée entre les irradiations mesurées et celles estimées à partir des
données HRV.
L’analyse des résultats statistique, nous à permet aussi de mettre en évidence l’erreur dû
aux modèle qui sont peut être due aux traitements des pixels nuageux dans le calcul des
indice d’ennuagement, et qui sont accentué par le fait d’intégrer l’albédo de nuage dans le
2ième modèle, aussi les valeurs estimée de l'albédo du sol peut donc être une cause d'erreur
pour les deux modèle.
Cette investigation scientifique et technique a passé en revue les principaux travaux de

recherches nationaux et internationaux se rapportant à l’évaluation du gisement
énergétique solaire à partir des images satellitaire. Elle a permis de tirer un certain nombre
de renseignements et recommandations susceptibles d’améliorer la banque de données
radiométriques, pour des fins de dimensionnement ou d’optimisation des systèmes solaires.
108 |
IV.8. REFERENCES :
[1]. Bouchouicha K., Razagui A., Bachari N.I. & Aoun N., (2016): " Estimation of Hourly
Global Solar Radiation Using MSG-HRV images", International Journal of Applied
Environmental Sciences, ISSN 0973-6077, Volume 11, Number 2 (2016), pp. 351-368.
[2]. Bouchouicha K., Razagui A., Bachari N.I. and Aoun N., (2016),"Hourly global solar
radiation estimation from MSG-SEVIRI images-case study: Algeria", World Journal of
Engineering, [ISSN 1708-5284], Vol. 13 Iss 3 pp. 266 – 274.
[3]. Francois Cabot, (1995). Estimation de l’Albédo de surface à l’échelle globale, à l’aide de
mesures satellitaires, Thèse de doctorat d’état.
[4]. C. Cano, J.M. Monget, M. Albuisson, H. Guillard, N. Regas, L. Wald (1986): A method
for the determination of the global solar radiation from meteorological satellite data.
Solar Energy 37, 31-39.
[5]. Müller, R. W., Dagestad, K. F., Ineichen, P., Schroedter, M., Cros, S., Dumortier, D.,
Kuhlemann, R., Olseth, J. A., Piernavieja, C., Reise, C., Wald, L. and Heinemann, D.
(2004): Rethinking satellite based solar irradiance modeling - The SOLIS clear sky
module. Remote Sensing of the Environment 91 160 – 174.
[6]. Chen, T., and Ohring, T., (1984). On the relationship between clear sky planetary and
surface albedos. J. Atmos, 41.
[7]. Mattews, and Rossow, (1986). Regional and seasonal variation of surface reflectance
from satellite observation at 0.6 μm. J.A. tmos.sci.26.
[8]. Stephane, P.E., and Mvestracte, M., and Meyer, D.J., (1993). Inverting a bidirectional
effects AVHRR data 6th AVHRR data user’s meeting Beligrate, 29th june-2nd July.
[9]. Mekler, Y., and Joseph, J., (1984). Direct determination of surface albedos from satellite
imagery, J.Climate, 22.
[10]. Stum, P., Pinty, B., and Ramon, D., (1985). A new technique for inferring surface albedo
from datellite observation. J. Atmos.Sci.24.
[11]. Raschke, R., Preuss, H.J., (1979). The determination of the solar radiation budget at the
earth surface from satellite measurements. Meteorol. Rundsch. 32, 18
[12]. Gautier C., G. Diak, and S. Masse., (1980) : A simple physical model to estimate
incident solar radiation at the surface from GOES satellite data. J. Appl. Meteor., 19,
1005–1012.
[13]. Schillings, C., Mannstein, H., Meyer, R., (2004a). Operational method for deriving high
resolution direct normal irradiance from satellite data. Sol. Energy 76, 475–484
[14]. Trapely, J.D., (1979). Estimating incident solar radiation at the surface from
geostationary satellite data. J. Appl. Meteorol. 18, 1172–1181.
[15]. Fontoynont, M., Dumortier, D., Heinemann, D., Hammer, A., Olseth, J.A., Skartveit, A.,
Ineichen, P., Reise, C., Page, J., Roche, J., Beyer, H., Wald, L., (1998). Satel-Light: a
www server which provides high quality daylight and solar radiation data for western
and central Europe. In: Proceedings of the 9th Conference on Satellite Meteorology and
Oceanography in Paris, 25–28 May 1998, pp. 434–437.
[16]. D.G.E : (2001): Direction Générale de l'Environnement : Elaboration de la stratégie et du
plan d’action national des changements climatiques, Projet national ALG/98/G31,
(2001)
109 |
[17]. Diabaté L., Remund J., Wald L., (2003): Linke Turbidity Factors for Several Sites in
Africa, Solar Energy, 75, pp. 111-119.
[18]. Schumann, W., Stark, H., McMullan, K., Aminou, D., and Luhmann, H-J., (2002). The
MSG System., European Space Agency (ESA) bulletin, ESA Publications Division,
Noordwijk, The Netherlands, bulletin 111, august 2002: 11-14 (Home Page at :
www.esa.int)
[19]. Deneke, H. M., and R. A. Roebeling (2010), Downscaling of meteosat seviri 0.6 and 0.8
channel radiances utilizing the high-resolution visible channel, Atmospheric Chemistry
and Physics, 10(20), 9761–9772, doi:10.5194/acp-10-9761-2010.
[20]. Razagui A., (2013). Développement d’une méthodologie pour l’exploitation des images
MSG pour le suivi des paramètres physiques du sol et la prévision météorologique.,
[Ph.D. Dissertation], Université des sciences et technologie d’Oran, Oran ; 1999.
[21]. Bachari, N. I., (1999). Méthodologie d’analyse des Données Satellitaires en utilisant des
Données Multi-Sources. [Ph.D. Dissertation], Université des sciences et technologie
d’Oran, Oran ; 1999.
[22]. Bachari N.I., Razagui A., (2003). Development of a methodology for determining and
mapping of thermal radiation from the ground. In: proceedings of the 11 th International
Thermal Conference (11th JITH), Algiers-Algeria, June 21-23, 2003
[23]. Briegleb, B. and Ramanathan, V., (1982)., Spectral and diurnal variation in clear sky
planetary albedo .J. App.Meteor, 21.
[24]. Cano, D., Monget, J.M., Albuisson, M., Guillard, H., Michaud-Regas, N., and Wald L.,
(1986). A method for the determination of the global solar radiation from meteorological
satellite data. Solar Energy, 37(1):31-39.
[25]. Hammer, A., (2000). Anwendungspezifische Solarstrahlungs informationen aus
Meteosat-Daten. PhD Thesis, University of Oldenburg- Germany.
[26]. Dagestad, K., (2005). Estimating global radiation at ground level from satellite images
DOCTOR SCIENTIARUM THESIS IN METEOROLOGY, UNIVERSITY OF
BERGEN, MAY 2005.
[27]. Kuhlemann, R., and Hammer, A., (2005). Sunsat : the new program for processing high
resolution data of Meteosat-8, Energy-Specific Solar Radiation Data from Meteosat
Second Generation (MSG). The Heliosat-3 Project; 2005.
[28]. Imamura M.S, Hulstrom R.L., Cookson C., Waldman B.H., Lane R.A., (1976).
Definition study for photovoltaic residential prototype system. Martin Marietta Corp
Report.
[29]. Brinsfield, R., Yaramanoglu, M., Wheaton, F., (1984) : Ground level Solar Radiation
prediction model including cloud cover effects., Solar Energy, Vol.33,No.6, pp.493
499.1984
[30]. Gueymard, C. (1986) POTSOL: Model to predict extraterrestrial and clear sky solar
radiation” and “Ground level solar radiation prediction model including cloud cover
effects•. 37 (4), 319-321.
[31]. Bessemoulin P. et Oliviéri J., (2000) .Le Rayonnement Solaire et sa Composante
Ultraviolette, Physique Atmosphérique , La Météorologie, 8 ème Série, N°31, Septembre
2000.
[32]. Rigollier, C., Lefèvre, M. and Wald, L., (2004). The method Heliosat-2 for deriving
shortwave solar radiation from satellite images. Solar Energy, 77(2): 159-169.
110 |
[33]. Moradi, I., Mueller, R., Alijani, B., and Kamali, G.A., (2009). Evaluation of the
Heliosat-II method using daily irradiation data for four stations in Iran. Solar Energy, 83:
150-156
[34]. Beyer H.G. , Polo Martinez J., Suri M., Torres J.L. , Lorenz E., Müller S.C.,
Hoyer‐Klick C. and Ineichen, P., (2009). D1.1.3 “Report on Benchmarking of Radiation
Products”. Report under contract no. 038665 of MESoR; 2009.
[35]. Chaabane, M., and Ben Djemaa, A., (2002). Use of HR Meteosat images for the
mapping of global solar irradiation in Tunisia: preliminary results and comparison with
Wefax images. Renewable Energy, 25: 139–151.
[36]. Mefti, A., Adane, A., and Bouroubi, M.Y., (2008). Satellite approach based on cloud
cover classification: Estimation of hourly global solar radiation from Meteosat images
Energy Conversion and Management, 49: 652-659.
[37]. Ineichen, P., (2011). Five satellite products deriving beam and global irradiance
validation on data from 23 ground stations. [Ph.D. Dissertation] ; University of Geneva
2011.
[38]. Haurant, P., Muselli, M., Pillot, B., and Oberti, P., (2012). Disaggregation of satellite
derived irradiance maps: Evaluation of the process and application to Corsica., Solar
Energy, 86:3168–3182
[39]. Meziani, F., Boulifa, M., and Ameur, Z., (2013). Determination of the global solar
irradiation by MSG- SEVIRI images processing in Algeria Energy Procedia,36 :525-534
111 |
CARTOGRAPHIE DU
RAYONNEMENT SOLAIRE
Chapitre V: Cartographie du rayonnement solaire
1. INTRODUCTION
A travers l’objectif recherché et le domaine choisit, l’approfondissement de la

connaissance de la variation spatiale et temporelle du rayonnement solaire atteignant
le sol, s’impose comme élément primordial dans toute étude stratégique concernant le
domaine. Ainsi, de nombreux travaux ont été réalisés dans ce sens ces dernières
décennies, et plusieurs bases de données radiométriques ont été développées pour
faciliter l’accès à ce genre d’information, ces bases diffèrent selon le type de données,
la zone géographique couverte, la période de mesure et la résolution spatiale et
temporelle. Deux catégories de bases de données sont développées, les données issues
d’un réseau de stations de mesure au sol, et celles basées sur le traitement des images
satellitaires. Les données issues des satellites sont les plus approprié à notre étude, ils
sont considérés comme source fiable pour caractériser la variabilité spatio-temporelle
du rayonnement solaire [1]. Ils ont été intégrées à travers des services web, tels que la
base de données de la NASA-SSE (National Agency Service of America) [2] crée par
Atmospheric Science Data Center, celle du programme SoDa [3] crée par Mines
ParisTech avec des données de quelques sites seulement, ainsi que d’autres comme
celle du projet Solar-Med-Atlas [4] et celle de SolarGIS [5]. On trouve parmi ces
bases de données celles qui sont commerciales, d’autres sont librement disponibles
pour la communauté scientifique [6], comme celles du service proposé par la NASA,
connues sous le nom de Surface meteorology and Solar Energy (SSE), qui fournit des
données d’irradiation sous forme de séries de données et de valeurs moyennes d’une
période de 22 ans allant de 1983 à 2005, ces données sont représentées sur une grille
géographique régulière (Latitudes, Longitude), possédant une résolution de 1° et
recouvrant tous le globe terrestre. [7,8]. Le programme NASA-SSE ne fournissant que
la moyenne des paramètres du rayonnement sur une maille de 100 km de côté et par
conséquent, leur précision n’est pas aussi fiable. C’est pour cette raison qu’il est
préférable de procéder à une interpolation spatiale afin de reproduire d’une manière
plus fine ces paramètres.
L’idée générale est l’application d’une technique d’interpolation spatiale aux

données provenant de la base de données NASA-SSE, La procédure de calcul inclue
également une désagrégation de la résolution (Downscaling) de ces données à la
résolution du modèle numérique de terrain (MNT), intégrant les effets dus aux
113 |
altitudes, l'approche utilisé est celle développé par Wahab et al., [9]. Au final, une
cartographie à haute résolution du le potentiel solaire est élaborée [10]. L’ensemble
des résultats présentés dans ce chapitre a été réalisé à l’aide du logiciel Matlab®.
2. DOMAINE D’ETUDE
L’Algérie est située au centre du continent Nord-Africain, avec une superficie de

2.381.741 km², près de 1200 Km de côte sur la mer Méditerranée, elle est bordée à
l'Est par la Tunisie, au Sud-Est par la Libye, au Sud par le Niger et le Mali, au Sud-
Ouest par la Mauritanie et à l'Ouest par le Sahara Occidental et le Maroc (Figure V.1).
Le relief algérien se compose de deux principales chaînes montagneuses : l'Atlas

tellien et l’Atlas saharien : ce sont deux ensembles parallèles qui parcourent le pays
d’Ouest en Est, elles se rapprochent au centre du pays jusqu’à presque se confondre
vers l’extrême Est à la frontière de la Tunisie. Ces deux chaînes constituent des
frontières naturelles entre lesquelles s'intercalent de vastes plaines et hauts plateaux
[11].
Figure V.1: Carte d’élévation et localisation des stations de mesure utilisées

(GTOPO USGS, Projection cylindrique équidistante, WGS84 ).
114 |
L’Algérie possède un gisement solaire non négligeable, elle est classée parmi les
zones privilégiées pour les applications des systèmes solaires. La durée d’insolation
sur la quasi-totalité du territoire national dépasse les 2500 heures annuellement et peut
atteindre les 3900 heures (hauts plateaux et Sahara). L’énergie reçue quotidiennement
sur une surface horizontale de 1 m2 est de l'ordre de 5 KWh sur la majeure partie du
territoire national. Le tableau suivant montre le potentiel solaire dans les différentes
zones de l’Algérie [12].
Tableau V.1: Potentiel solaires dans les différentes régions de l’Algérie

région côtière Hauts plateaux Sahara
Surface (%) 4 10 86
Surface (km2) 95,27 238,174 2,048, 297
Durée d’insolation moyenne (h/an) 2650 3000 3500
Energie moyenne (kW h/m2/an) 1700 1900 2650
3. DONNEES
Dans ce qui suit, nous présentons les différents types de données qui ont été utilisée
pour réaliser cette étude, comme les données NASA-SSE, celles du modèle MNT et
les mesures au sol :
a) Mesure du rayonnement au sol
Les moyennes mensuelles des irradiations journalière de six station représentant les
différentes régions de notre pays ont été utilisées (cf. Tableau V.2) [13-15]. La
variation des moyennes mensuelles de ces stations est représentée dans la figure V.2.
Tableau V.2: Coordonnées géographiques des stations.
N° Station Latitude Longitude Elévation

(°) (°) (m)
1 Alger 36.68 3.22 25
2 Oran 35.63 -0.6 90
3 Bechar 31.38 -2.15 806
4 Ghardaïa 32.4 3.81 450
5 Adrar 27.88 -0.28 269
6 Tamanrasset 22.78 5.52 1378
115 |
Figure V.2: Les moyennes mensuelles des irradiations journalières.
b) Les données NASA-SSE
La NASA à travers ses programmes de recherches en sciences de la terre a depuis

longtemps dominé les activités intégrant les systèmes satellitaires, fournissant des
données importantes pour les études liées aux phénomènes météorologiques et
climatiques. Ces programmes donnent accès aux archives de plus de 200 bases de
données et des paramètres dérivés des images satellitaires tels que les données
météorologiques et celles du rayonnement solaire.
Les produits du programme SSE développés par le centre de la NASA sont basés
sur l’intégration de sources de données différentes dont diverses observations
satellitaires et des mesures au sol de plusieurs paramètres. Elles possèdent une
résolution temporelle journalière et mensuelle. Sur le plan de la résolution spatiale, ces
images sont représentées sur une grille géographique régulière (Latitudes, Longitude),
possédant une résolution de 1° et recouvrant tous le globe terrestre. Elles couvrent
désormais, les données quotidiennes du rayonnement global incident sur une surface
horizontale pour la période 1983-2005. Or, dans cette étude, on ne considère en effet
que des données moyennes mensuelles. [16-17]
Les produits de la NASA-SSE peuvent déterminer les caractéristiques climatiques

et permettent une estimation du potentiel des ressources énergétiques renouvelables
avec une précision moins bonne que celle des mesures sur site. Mais, ils restent le seul
moyen là où les mesures de surface sont rares ou inexistantes [18,19].
116 |
Ces produits ont été testés et validés dans différentes régions du monde, par des
données provenant des stations faisant partie de plusieurs réseaux internationaux tels
que le réseau de référence global pour la mesure du rayonnement à la surface de la
terre (BSRN : Baseline Surface Radiation Network), celui du Laboratoire national sur
les énergies renouvelables (NREL : National Renewable Energy Laboratory) et du
Laboratoire Canadien de recherches de diversification d'énergie (CEDRL : Canada’s
Energy Diversification Research Laboratory). L’analyse des résultats pour les valeurs
moyennes mensuelles de l'irradiation produite par NASA-SSE sur l’ensemble de la
période considérée de 1985 à 2005, par rapport aux mesures de BSRN, donne une
erreur quadratique moyenne (RMSE) de 10,25 % et un biais moyen de - 0,01% [7,8].
c) Modèle numérique de terrain SRTM
Le modèle numérique de terrain a été exploité afin de modéliser les effets de

l’altitude sur moyenne mensuelles des irradiations journalière globales horizontale. Ce
modèle a été en partie créé par U.S.G.S (Geological Survey's) et les données relatives
sont dérivées de l’ensemble de données de la GTOPO30 (Global TOPOgraphic data
sets 30 arc-seconds) avec une résolution de 30 secondes d’arc (0.00833° environ 1
km). L’ensemble de ces données est accessible sur le site internet du programme
U.S.G.S pour l’information spatial [20]. Dans cette base de données, chaque point est
repéré par sa position géographique (latitude et longitude) et une valeur correspond à
l’altitude du lieu [21].
4. METHODOLOGIE
Nous présenterons dans ce chapitre les étapes de calcul pour la réalisation d’une
cartographie des moyennes mensuelles des irradiations globales (GHI) en se basant sur
des données issue de la base NASA-SSE [2], une analyse géographique a été menés
sur la base de ces résultats.
Cette section présente la méthodologie employée pour réaliser une désagrégation de

la résolution spatiale des données de l’irradiation moyenne mensuelle. Les données en
point de grille de la NASA avec une résolution 1° latitude x longitude recouvrant toute
la zone d’étude ont été préparées, nous avons d’abord augmenté la résolution de ces
données utilisant méthode d’interpolation spatiale, pour avoir une nouvelle résolution
de 0.00833°x0.00833° (environ 1 km2), puis un traitement des données pixel par pixel,
tenant compte la variabilité spatiale de la topographie, sur la base du modèle
117 |
numérique du terrain. Au final, une cartographie de la distribution spatiale

des moyennes mensuelles et annuelle des irradiations globales horizontales (GHI) ont
été établies. Les différentes étapes du processus de post-traitement des données, de
calculs et de la cartographie spatiale ont été réalisées via des programmes
informatiques appropriés en MATLAB® [22-23].
Les trois étapes suivantes sont réalisées :
1. Prétraitement des données

2. Interpolation spatiale
3. Correction d'altitude.
4.1. Prétraitement des données
Dans le présent travail, les données relatives au rayonnement solaire obtenues de la

base NASA-SSE ont été traitées et préparées dans la même zone, La figure V.3
correspond à la répartition spatiale de la moyenne annuelle de l’irradiation journalière
résultant de ce traitement de la base de données NASA-SSE avec une résolution
100x100 km sur une période de 22 ans (1983-2005).
Prenant comme les données d’une grille régulière d’une résolution spatiale de
0,00833°x0.00833° (approximativement 1 km) couvrant le domaine d’étude et qui ont
été extraites de la base de données du modèle numérique d'élévation de terrain du
GTOPO30, présentant les valeurs moyennes d'élévation. La projection sur cette même
grille et pour chaque point repéré par sa latitude/longitude, des données des moyennes
mensuelles du rayonnement global horizontal hors atmosphère ont été calculées et
utilisés dans la suite de cette étude (cf. Chap. I.3.2).
4.2. Interpolation spatiale
Les coordonnées de latitude et de longitude du MNT sont utilisées pour extrapoler

et cartographier les données d’irradiation. Nous faisons appel donc à ce stade à une
méthode d’interpolation très connu qui est le modèle des « Splines cubiques », cette
tâche a été réalisée en se servant de la fonction « interp2 » de MATLAB®. Au final,
les données de rayonnement couvrant une grille régulière de 1 km de résolution ont été
générées.
118 |
4.3. Correction d'altitude.
Du fait que les valeurs de l’irradiation sont fortement liées à l’épaisseur de

l’atmosphère traversée par le rayonnement solaire (cf. Chap. I.4.2.a), il sera donc
important de tenir compte de l’effet dû à l’altitude. Dans ce contexte, une
méthodologie de correction de rayonnement solaire dû à l’altitude du site a été
implémentée, utilisant les données de la grille MNT, en prenant en compte la
différence d’altitude entre les points de grille de résolution différente. Sachant que la
donnée d’un pixel MNT représente l'altitude moyenne sur une grille de 30 secondes
d'arc (1x1 km2), par contre celle de la base NASA-SSE a une altitude moyenne sur
une maille de 100x100 km. Nous donnons l’exemple de quelque site dans le Tableau
V.3.
Dans le présent document, l'approche utilisé est celle développé par Wahab et al.,
[9] pour la correction dû à des irradiations mensuelles appliqué pour quelques site en
Afrique du Nord. Elle a été améliorée pour la correction des irradiations horaires, en
tenant compte de l'ombrage topographique. Utilisation de cette approche a permis
d’identifier des zones favorables aux installations solaires dans de nombreuses régions
à travers le monde, qui n’ont pas été connue auparavant [24-27].
Selon Wahab et al., [9], l’irradiation horizontale globale d’un point localisée
géographiquement par sa latitude et sa longitude, qui a comme altitude la valeur z
données à partir du modèle numérique de terrain GTOPO30, est exprimée par :
( ( ))
( ) (V.1)
G0 représente la moyenne mensuelle du rayonnement global horizontal hors

atmosphère (cf. Chap. I.3.2).
( ) caractérise l’épaisseur optique de la couche atmosphérique
( ) ( ) ( )
(V.2)
est l’altitude moyenne de 1 degrés Latitude/longitude, sont exprimées en

kilomètre, et avec
( )
( ) ( ) (V.3)
119 |
Tableau V.3: Altitudes de différentes sources de données.
Altitude (Mètres)
Station
Mesuré Moyenné sur 1° Lat/Lon GEOtopo DEM sur 1 km
1 25 423 48
2 99 440 75
3 806 558 712
4 450 18 445
5 269 213 275
6 1378 968 1317
5. RESULTATS ET INTERPRETATIONS
Deux catégories de résultats sont discutées dans cette section :

 Evaluation statistique de cette méthode par rapport aux mesures au sol.
 Répartition spatial à travers une cartographie des moyennes mensuelles et
annuelle des irradiations globales journalières sur le plan horizontal.
a) Validation par des mesures au sol-
Afin de valider les résultats du modèle de désagrégation, il est nécessaire d’avoir accès
aux données de mesurées au sol. Une analyse comparative est effectuée sur
les moyennes mensuelles des irradiations globales (GHI) issues des produit d’origine de la
NASA-SSE, et celles corrigés par rapport aux mesures de cinq stations caractérisées par
des conditions climatiques très différentes de notre pays (Figure V.1).
Pour évaluer les simulations réalisées d’un point de vue statistique, nous avons calculé
les scores statistiques décrits dans l’Annexe D, à savoir le coefficient de corrélation (R), le
biais et l’erreur quadratique moyenne (MBE, RMSE) [28].
Le tableau V.4 présente les résultats statistiques des estimations mensuelles pour chaque
site. Comme l'on peut déduire de ce tableau, les résultats de la méthode de désagrégation
présente un MBE relative variant de 4 % à 15,5 %, avec une diminution considérable par
rapport à celles des données NASA-SSE original. Le RMSE varie entre 7,5 % et 16,5 %.
En ce qui concerne les coefficients de corrélation, il n'y a pas de différences significatives.
Cette précision est comparable à celle des bases de données à haute résolution [29-31].
Il a été considéré aussi, que cette méthode fournit des résultats plus précis que celles
obtenues en utilisant des meilleurs modèles empiriques proposées pour l'Algérie, et qui ont
été fondées sur des mesures météorologiques (durée d'ensoleillement, la couverture
nuageuse et la température de l'air) [32-34].
120 |
Tableau V.4: comparaison des résultats statistiques des données sans (a) et avec
correction (b).
Station Modèle MBE RMSE R

1 (a) 16.94 18.56 0.982
(b) 15.57 16.57 0.989
2 (a) -8.33 9.07 0.994
(b) -5.07 6.25 0.993
3 (a) -7.53 13.82 0.988
(b) -5.46 12.77 0.989
4 (a) -8.54 11.46 0.995
(b) -4.3 9.15 0.994
5 (a) -12.07 12.66 0.984
(b) -10.68 12.29 0.987
6 (a) -8.11 8.74 0.969
(b) -6.7 7.59 0.966
b) La distribution spatiale du rayonnement solaire
Après l'évaluation statistique des résultats, la méthode a été généralisée pour l’ensemble
des données, dans le but de générer des cartes mensuelles et annuelle des irradiations
journalières moyennes, ces données représentent des estimations satellitaires NASA-SSE
corrigées pour une période de 22 ans (entre 1983 et 2005).
Les différentes étapes de calcul ont été appliquées aux données représentant plus de 2
millions de point (pixels) couvrant tout le territoire national. Un ensemble de programmes
MATLAB® a été développé et basé sur la manipulation des données, le traitement
d’'image et la cartographie spatiale [22,23]. Les résultats de l’irradiation journalière
moyenne sur un plan horizontal obtenus sous forme de cartes mensuelles et annuelle sont
représentés dans Figures V.4 et V.6.
 Moyenne annuelle de l’irradiation journalière
La figure V.3 correspond à la répartition spatiale de de la moyenne annuelle de
l’irradiation journalière résultat du traitement de la base de données NASA-SSE avec une
résolution 100x100 km et couvrant une période de 22 ans (1983-2005).
Nous avons d’abord augmenté la résolution de ces cartes originales pour parvenir à une
résolution de 1 km2 en appliquant une méthode d’interpolation spatiale (Voir Figure V.4.a),
suivi d’une correction du rayonnement en altitude (Figure V.4.b). Comme l'on peut déduire
de cette figure, que la différence des deux cartes représente un maximum dans les régions
montagneuses. Les caractéristiques orographiques sont plus apparentes dans la deuxième
carte.
121 |
Figure V.3: moyennes annuelles des irradiations journalières

(NASA-SSE résolution 1.0°x1.0°).
Afin d’établir une classification spatiale de la moyenne mensuelle des irradiations

journalières, cinq classes ont été retenues (Figure V.5), commençant par la valeur la plus
petites enregistrés dans la zone côtière (~4.6 kWh/m2-Day), jusqu'à la valeur maximale
enregistrés dans la région Sud (~6.9 kWh/m2-Day).
A partir de ces cartes, chaque point (pixel) de l’image est repéré pas sa latitude et sa
longitude, il représente une superficie d'environ 1km x 1km. L’ensemble de ces points sont
classées suivant leurs valeurs de la moyenne annuelle de l’irradiation globale. La figure
V.5 représente le potentiel solaire en pourcentage des différentes classes.
122 |
Figure V.4: moyennes annuelles des irradiations journalières interpolées sans correction
(a) et avec correction (b) (résolution 1 x1 km).
Figure V.5: le pourcentage de différentes classes du potentiel solaire.
À partir des résultats, nous constatons que la classification nous donne plus de 54 % de
la surface totale du pays soit l’équivalent d’environ 1 118 183 km2 est réceptrice de 5,5 à
6,0 kWh/m2-jour de l'énergie solaire. Dans la deuxième tranche nous avons les 22.25% de
cette surface, l’équivalent de, 455 711 km2 qui reçoivent entre 6.0 à 6,5 kWh/m2-jour.
Concernant la troisième classe qui couvre les 394 792 km2 (19,27%) de la surface, les
irradiations varient entre 5,0 à 5,5 kWh/m2-jour. Dans les deux autres catégories du
potentiel solaire, 67 795 km2 (3,31 %) et 11 815 km2 (0,58 %) sont respectivement
caractérisées par les valeurs les plus faible ( <5 kWh/m2-jour) et les plus élevé ( >6,5
2
kWh/m -jour).
123 |
 Moyenne annuelle de l’irradiation journalière

La figure V.6 représente les cartes des moyennes mensuelles de l’irradiation journalière
de chaque mois. Chaque carte représente la distribution spatiale du paramètre d’une
résolution de 1x1 km2. Le tableau V.4 regroupe les différentes grandeurs statistiques
extraites de ces cartes (Moyennes et écart-type).
Tableau V.5: Grandeurs statistiques des moyennes mensuelles de l’irradiation journalière.
Période Global irradiation (kWh/m2 Day)

Rang Moyenne Std
Janvier 2,35-4,81 3,72 0,58
Février 3,25-4,94 4,79 0,58
Mars 4,39-7,18 5,90 0,53
Avril 5,48-8,01 6,92 0,42
Mai 6,25-8,60 7,38 0,33
Jun 6,82-8,71 7,66 0,28
Juillet 6,99-8,63 7,69 0,31
Aout 6,09-8,16 7,06 0,36
Septembre 4,90-7,39 6,05 0,40
Octobre 3,51-7,17 4,84 0,53
Novembre 2,51-5,14 3,85 0,58
Décembre 2,04-4,44 3,36 0,58
Annuelle 4,63-6,89 5,77 0,36
Figure V.6: Moyennes mensuelles des irradiations quotidiennes.
124 |
Figure V.6: Moyennes mensuelles des irradiations quotidiennes (Suite).
125 |
Figure V.6: Moyennes mensuelles des irradiations quotidiennes (Suite).
 Moyenne des sommes annuelle de l’irradiation

Une carte est produite ci-après et couvrant tout le territoire de l’Algérie, elle représente
la moyenne des cumuls annuels d'irradiation globale. Comme on peut en déduire de la
Figure V.7 l’irradiation annuelle varie entre 1400 et 2600 kWh/m2/an. Avec un potentiel
plus élevé au Sud par rapport au Nord du pays. Les caractéristiques orographiques sont
plus apparentes dans la carte reproduite.
Cette carte a été comparée à celle résultante du Project Atlas de SolarMed, qui a son
tour, représente la moyenne des cumuls annuels d'irradiation globale d’une résolution de 1
km2 couvrant une période de 20 ans (1991-2010) [4]. La figure V.7 On montre clairement
qu'il y a une bonne similitude entre les deux cartes. On constate aussi, que le modèle
reproduit convenablement les structures spatiales des irradiations, dont les valeurs
maximales et minimales sont bien localisées avec une légère surestimation.
126 |
Figure V.7: Moyenne des sommes annuelles d'irradiation globale. Résultat de cette
étude,(b) celle du projet Atlas de SolarMed Ref. [4]. [kWh/m2/an].
127 |
6. CONCLUSION
Afin d'avoir des informations détaillées sur la variabilité spatiotemporelle des

ressources solaires sur l’ensemble du territoire Algérien, une méthode de
désagrégation a été appliquée aux données historiques du rayonnement global
provenant de la base de données SSE, qui contiennent des moyennes
mensuelles des irradiations relevées quotidiennement à long terme, pour la
période 1983-2005. Les données sont basées sur l'intégration de sources de
données à partir des images satellite, regroupant plusieurs satellites.
L’évaluation par rapport aux mesures expérimentales réalisées sur les six
sites Algériens montre que la moyenne mensuelle de GHI quotidiennes sur ces
sites devienne plus précise en appliquant cette méthode. La divergence étant
très marquée lorsque la différence d’altitude est supérieure à 200 m. Les
résultats statistiques montre bien une bonne corrélation supérieure à 0,96.
L’utilisation de cette méthode permet une diminution de l’ordre de 1 à 4 % de
l’erreur moyenne, et de 1 % à 3 % du RMSE relative, par rapport aux données
originales sur des stations individuelles. On peut en conclure que l'application
de cette méthode donnerait des résultats plus précis que ceux obtenus en par
l’application des meilleurs modèles empiriques proposés pour l’Algérie [32-34].
Ce travail a permis de réaliser une cartographie annuelle et mensuelle du

rayonnement global à haute résolution spatiale couvrant l’ensemble du
territoire, suivi par une analyse géospatiale de ce potentiel.
128 |
V.1. REFERENCES
[1] Vernaya C., Pitavala S., Blanc P. (2014): Review of satellite-based surface solar
irradiation databases for the engineering, the financing and the operating of
photovoltaic systems, Energy Procedia. 57, 1383–1391.
[2] NASA-SSE. (2015): Atmospheric Science Datacenter. NASA Surface Meteorology
and Solar Energy (SSE) available at: https://eosweb.larc.nasa.gov/cgi-bin/sse/sse.cgi
(accessed May 2015).
[3] SoDa, Mines ParisTech: Solar radiation data. http://www.soda-is.com/eng/index.html.
[4] SolarMed. (2015): Mediterranean area 1km by SolarMed Atlas project, German
Aerospace Center (DLR), at http://www.solar-med-atlas.org/solarmed-
atlas/map.htm#t=ghi (2015) (accessed on November 2015).
[5] SolarGIS, Geomodel Solar.. http://solargis.info/.
[6] Pagola I, et al. (2010): New methodology of solar radiation evaluation using free
access databases in specific locations. Renew Energy 2010; 35(12): 2792-8..
[7] Whitlock C H., Brown D. E., Chandler W. S. and DiPasquale R. C. (2000): Release 3
NASA Surface meteorology and Solar Energy data set for renewable industry use,
Paper presented at the 26th Annual Conference of the Solar Energy Society of
Canada Inc. & Solar Nova Scotia, Canada, 21- 24 Oct, 2000.
[8] Chandler W. S., Whitlock C. H., Stackhousep W. Jr. (2004): NASA climatological
data for renewable energy assessment, Journal of Solar Energy Engeneering. 126,
945-949, 2004.
[9] Wahab M. A., El-Metwally M., Hassan R., Lefevre M., Oumbe A., Wald L. (2009):
Assessing surface solar irradiance and its long-term variations in the Northern Africa
desert climate using meteosat images, International Journal of Remote Sensing,
31(01),261-280.
[10] Bouchouicha K., Razagui A., Bachari N.I. and Aoun N., (2015): "Mapping and
Geospatial Analysis of Solar Resource in Algeria", International Journal of Energy,
Environment, and Economics, ISSN: 1054-853X, Volume 23, Number 6.
[11] D.G.E : (2001): Direction Générale de l'Environnement : Elaboration de la stratégie et
du plan d’action national des changements climatiques, Projet national ALG/98/G31.
[12] Boudghene Stambouli, A. (2011): Algerian renewable energy assessment: The
challenge of sustainability, Energy Policy. 39, 4507–4519.
[13] Chegaar M., Lamriand A., Chibani A. (1998): Estimating Global Solar Radiation
Using Sunshine Hours, Rev. Energ. Ren, Physique Energétique (1998), 7–11.
[14] Gairaa K. and Bakelli Y. (2013): Solar Energy Potential Assessment in the Algerian
South Area: Case of Ghardaia Region., Journal of Renewable Energy, Volume 2013,
Article ID 496348, 11 pages. http://dx.doi.org/10.1155/2013/496348.
129 |
[15] Bouchouicha K. and Oulimar B., (2013) : La chaine de mesure radiométrique à l’Unité
de Recherche en Energie Renouvelable en Milieu Saharien d’Adrar, International
Conference on Energy and Sustainable Developmenticesd’13, Adrar - Algeria 19-20
February 2013.
[16] Pinker RT., Laszlo I. (1992): Modeling Surface Solar Irradiance for Satellite
Application on a Global Scale. J. Appl. Meteorol., 31, 194–211 (1992).
[17] Erbs D.G., Klein S.A., Duffie J.A. (1982): Estimation of the diffuse radiation fraction
for hourly, daily and monthly average global radiation. Sol. Energy, 28(4), 293–
302(1982).
[18] Vernaya C., Pitavala S., Blanc P. (2014): Review of satellite-based surface solar irradiation
databases for the engineering, the financing and the operating of photovoltaic systems,
Energy Procedia. 57, 1383–1391, 2014.
[19] Renné D., George R., Wilcox S., Stoffel T., Myers D., and Heimiller D. (2008): Solar
Resource Assessment. Technical Report NREL/TP-581-42301, February 2008.
[20] USGS, (1996): GTOPO30: Global 30 arc second elevation data. Online at
http://edc.usgs.gov/products/elevation/gtopo30.html, EROS Data Center, Sioux Falls,
SD.
[21] GLOBE Task Team & others: (1999): The Global Land One-kilometer Base Elevation
(GLOBE) Digital Elevation Model, Version 1.0. Digital data base on the World Wide
Web (URL: http://www.ngdc.noaa.gov/mgg/topo/globe.html) and CD-ROMs. National
Oceanic and Atmospheric Administration, National Geophysical Data Center, 325
Broadway, Boulder, Colorado 80303, U.S.A. 1999.
[22] Pratap R. (2007): Getting Started with MATLAB7 A Quick Introduction for Scientists
and Engineers, 6th edition, Oxford university press, 144-157.
®
[23] Quarteroni A., Saleri F., Gervasio P. (2014): Scientific Computing with MATLAB
and Octave (Texts in Computational Science and Engineering) Forth (4th) Edition
Hardcover. Springer, New York, second edition. Springer-Verlag Berlin Heidelberg.
[24] Ruiz-Arias J.A., Cebecauer T., Tovar-Pescador J., Šúri M. (2010): Spatial
disaggregation of satellite-derived irradiance using a high-resolution digital elevation
model, Solar Energy, 84, 1644–1657.
[25] Bosch J. L., Batlles F. J., Zarzalejo L. F., and López G. (2010): Solar resources
estimation combining digital terrain models and satellite images techniques,
Renewable Energy, 35, 2853-2861.
[26] Pillot B., Muselli M., Poggi P., Haurant P., and Hared I. (2013a): The first
disaggregated solar atlas of Djibouti: A decision-making tool for solar systems
integration in the energy scheme. Renewable Energy, 57, 57-69.
[27] Pillot B., Muselli M., Poggi P., Haurant P., Hared P. (2013b): Solar energy potential
atlas for planning energy system off-grid electrification in the Republic of Djibouti.,
Energy Conversion and Management, 69, 131–147.
130 |
[28] Stone, R. J. (1993): Improved statistical procedure for the evaluation of solar radiation
estimation models. Sol. Energy, 51 (4), 289-291.
[29] Huld T., Muller R., and Gambardella A. (2012): A new solar radiation database for
estimating PV performance in Europe and Africa, Solar Energy, 86, 1803–1815,
2012.
[30] Alsamamra H., Ruiz-Arias J.A., Pozo-Vazquez D., Tovar-Pescador J. (2009): A
comparative study of ordinary and residual kriging techniques for mapping global
solar radiation over southern Spain., Agricultural and Forest Meteorology, 149,
1343–1357, 2009.
[31] Šúri M. and Cebecauer T. (2014): Satellite-based solar resource data: Model
validation statistics versus user’s uncertainty. ASES SOLAR 2014 Conference, San
Francisco, 7-9 July 2014.
[32] Chegaar M. and Chibani A. (2001): Global solar radiation estimation in Algeria.,
Energy conversion and management, 42(8), 967-973.
[33] Mellit A., Benghanem M., Hadj Arab A., Guessoum A. (2005): A simplified model
for generating sequences of global solar radiation data for isolated sites: Using
artificial neural network and a library of Markov transition matrices approach, Solar
Energy, 79, 469–482.
[34] Mecibah M.S, Boukelia T.E., Tahtah R., Gairaa K. (2014): Introducing the best model
for estimation the monthly mean daily global solar radiation on a horizontal surface
(Case study: Algeria). Renewable and Sustainable Energy Reviews, 36, 194–202.
131 |
CONCLUSIONS & PERSPECTIVES
CONCLUSIONS ET PESPECTIVES
Conclusions
L’objectif général de cette thèse est le suivi spatio-temporel des différentes
composantes du bilan énergétique solaire à savoir l’albédo de surface et le
rayonnement global. Plus particulièrement la réalisation d’une cartographie à
haute résolution de ces deux composantes.
Dans une première partie, une évaluation du potentiel énergétique solaire sur
site à travers une modélisation du rayonnement solaire dans différentes
conditions, partant d’une base de données météorologiques mesurées au sol et
celles prévues par un modèle de prévision numérique du temps. Cette étude
comparative a couvert quatre modèles d’estimation de l’éclairement solaire à ciel
clair sur le site d’Adrar. Complétant cette partie par l’estimation du rayonnement
global horizontale et inclinée. Un ensemble de simulations a été mené, pour
différentes situations ou conditions météorologiques, ensuite une évaluation
statistique de chaque modèle a été réalisée, cette évaluation a été effectuée par
rapport aux données mesurées au niveau de deux stations, la station d’Oran et la
station d’Adrar, et cela nous a permis d'établir des modèles de régression donnant
le global horizontal en fonction de la durée d’insolation pour les mesures au sol.
Dans une deuxième partie de notre travail, nous sommes passés à la réalisation
d’une cartographie de l'albédo de surface à partir de traitement et de la
combinaison des images satellitaires des deux canaux visibles. L’albédo a été,
ainsi, calculé en utilisant une forme approximative d’un modèle de transfert
radiatif atmosphérique (RT). Deux approches d’évaluation du rayonnement
solaire global sur une surface horizontale par le traitement des images HRV du
satellite MSG2 ont été testées. Ces deux approches ont été appliquées pour
l’estimation des irradiations en valeurs horaires et journalières sur cinq sites
représentatifs de différentes régions climatiques. Les cinq stations que nous
avons utilisées sont pour deux d'entre elles du climat tempéré une d’un climat
semi-aride et deux autres du climat désertique.
133 |
Les études menées ont permis de déterminer l’erreur générées pour les
estimations du rayonnement global. Par ailleurs, sur les deux approches
employées, la première approche a été identifiée comme étant la plus
performante qu’elle soit pour les irradiations horaires ou quotidiennes.
Les résultats obtenus sont très encourageants et prometteurs par rapport à la

littérature existante. Les résultats obtenus font apparaitre une erreur quadratique
moyenne relative, elle variant entre 11 % et 31% sur une base horaire, et entre
4% et 12% sur une base quotidienne. De plus, sur l’ensemble des estimations, le
modèle possède un comportement en meilleur accord avec les mesures sur les
régions Sud que sur celles du Nord du pays. Nous conclurons aussi que les
résultats dépendent de la situation géographique du site et de la période traitée.
L’analyse de ces résultats, nous a permis aussi de mettre en évidence l’erreur dû
aux modèles qui sont peut être due soit aux traitements des pixels nuageux dans
le calcul des indices d’ennuagement, soit aux calculs de de l'albédo du sol lui-
même.
Ce travail a permis aussi de réaliser une cartographie annuelle et mensuelle du
rayonnement global à haute résolution spatiale couvrant l’ensemble du territoire
national, suivi par une analyse géospatiale.
Cette étude est bénéfique et utile pour l’estimation des composantes du
rayonnement solaire, via la télédétection spatiale en raison de la disponibilité
d’une station de réception des images METEOSAT installée sur le site d’Adrar.
En effet, l’étude montre la faisabilité d’utilisation de l’imagerie satellitaire pour
l’évaluation de ces paramètres, tout en balayant les inconvénients du réseau
terrestre existant de mesure radiométrique existante. Elle joue alors le rôle d’une
station de mesure radiométrique terrestre à moindre coût.
134 |
Perspectives :
Cette étude, comme toute autre, comporte toutefois certaines limitations qui
pourraient faire l’objet d’amélioration lors de futurs travaux.
L’albédo de surface peut être évalué comme une source d'erreur non
négligeable pour l’évaluation du rayonnement global. Pour cela, une idée à
approfondir sera de faire augmenter la qualité des estimations de ce paramètre à
travers l’utilisation des images à plus haute résolution spatial tel que celles du
capteur MODIS embarqué sur les satellites Terra et Aqua.
Sur le plan national, un grand nombre de projets pilotes de centrales

thermiques à concentration solaire plus connu sous le nom de « concentrating
solar power » (CSP) sont prévus. Ce type de centrale produit de l'électricité en
convertissant l'irradiation solaire directe (Direct Normal Irradiance - DNI) en
énergie. Une meilleure connaissance de la distribution spatiale et temporelle du
ce paramètre permet de mieux identifier les futurs sites d’implantation, et
d’optimiser le dimensionnement de ces systèmes.
135 |
BIBLIOGRAPHIE
BIBLIOGRAPHIE
Bibliographie
Abbott P. F., (1986): Guidelines on the quality control of surface climatological data. WMO,
TD n° 111, OMM, Genève, 71 p.
Ahrens D. C, (2000): Essentials of meteorology, an invitation to the atmosphere, 3ième Ed.
Akinoğlu, B. G., ECEVIT, A., (1990): A further comparison and discussion of sunshine-based
models to estimate global solar radiation. Energy, vol. 15, no 10, p. 865-872.
Al-Mostafa ZA, Maghrabi AH, Al-Shehri SM., (2014): Sunshine-based global radiation
models: a review and case study. Energy Convers Manage;84:209–16.
Alsamamra H., Ruiz-Arias J.A., Pozo-Vazquez D., Tovar-Pescador J. (2009): A comparative
study of ordinary and residual kriging techniques for mapping global solar radiation over
southern Spain., Agricultural and Forest Meteorology, 149, 1343–1357.
Aoun N. and Bouchouicha K., (2017), Estimating daily global solar radiation by day of the
year in Algeria., The European Physical Journal Plus, Volume 132, Issue 5, pp. 216-228.
Armel O., (2009) Exploitation des nouvelles capacités d’observation de la terre pour évaluer le
rayonnement solaire au sol, PhD thesis, MINES ParisTech.
Bachari N.I., Razagui A., (2003). Development of a methodology for determining and
mapping of thermal radiation from the ground. In: proceedings of the 11 th International
Thermal Conference (11th JITH), Algiers-Algeria, June 21-23.
Bachari, N. I., (1999). Méthodologie d’analyse des Données Satellitaires en utilisant des
Données Multi-Sources. [Ph.D. Dissertation], Université des sciences et technologie
d’Oran, Oran.
Badescu V, (1987): Can the model proposed by Barbaro et al be used to compute global solar
radiation on the Romanian territory?, Solar Energy, 38: 247–254.
Bakirci, K., (2009): Models of solar radiation with hours of bright sunshine: a review.
Renewable and Sustainable Energy Reviews, 2009, vol. 13, no 9, p. 2580-2588
Batlas P., Tortoreli M. and Russel P.E., (1986): ‘Evaluation of Power Output for Fixed and
Step Tracking Photovoltaic Arrays’, Solar Energy, Vol.32, N2, pp.147-163.
Benatiallah D., Benatiallah A., Bouchouicha K. and Harouz A., (2016), Solar radiation
estimate calculated using two models, 5th International Renewable and Sustainable Energy
Conference (IRSEC), November 14-17, 2016, Marrakech, Morocco.
Benatiallah D., Bouchouicha K., Benatiallah A. and Harouz A., (2016), Development and
Modeling of a Geographic Information System solar Flux in Adrar, Algeria, International
Journal of System Modeling and Simulation Vol 1(1) Apr-Jun 2016, pp 15-19.
Besharat F., Ali A. Dehghan and Ahmad R. Faghih., (2013) Empirical models for estimating
global solar radiation: A review and case study., Renewable and Sustainable Energy
Reviews 21 798–821.
Bessemoulin P. and Oliviéri J., (2000) Le rayonnement solaire et sa composante ultraviolette,
La Météorologie 8e série - n° 31 – septembre.
137 |
BIBLIOGRAPHIE
Bessemoulin P. et Oliviéri J., (2000) .Le Rayonnement Solaire et sa Composante Ultraviolette,

Physique Atmosphérique, La Météorologie, 8ème Série, N°31, Septembre 2000.
Beyer H.G., Polo Martinez J., Suri M., Torres J.L., Lorenz E., Müller S.C., Hoyer‐Klick C. and
Ineichen, P., (2009). D1.1.3 Report on Benchmarking of Radiation Products”. Report under
contract no. 038665 of MESoR; 2009.
Bird E .R., Hulstrom R.L., (1981a): A Simplified Clear Sky Model for Direct and Diffuse
Insulation on Horizontal Surfaces, Seri Tr -642-761, February 1981.
Bird E .R., Hulstrom R.L., (1981b). Direct insolation models, Transactions of the ASME J.
Sol. Energy Engineering, 103, 182-192.
Bird, R. E and Riordan, C. J, (1986): Simple solar spectral model for direct and diffuse
irradiance on horizontal and tilted planes at the earth's surface for cloudless atmospheres,
Journal of Climate and Applied Meteorology, 25 (1):87-97.
Bosch J. L., Batlles F. J., Zarzalejo L. F., and López G. (2010): Solar resources estimation
combining digital terrain models and satellite images techniques, Renewable Energy, 35,
2853-2861.
Bouchouicha K. and Bachari N. I., (2012) : Simulation of a clear sky satellite image in water
vapor and infrared satellite M.S.G channel’s, Revue des Energies Renouvelables Vol. 15
N°4, 2012, 671 – 679.
Bouchouicha K. and Oulimar B., (2013): La chaine de mesure radiométrique à l’Unité de
Recherche en Energie Renouvelable en Milieu Saharien d’Adrar, International Conference
on Energy and Sustainable Developmenticesd’13, Adrar - Algeria 19-20 February 2013.
Bouchouicha K., Bellaoui M., Bachari N. I., (2014) : « Cartography of Global solar radiation over
Adrar »., INTERNATIONAL CONFERENCE ON GREEN ENERGY AND ENVIRONMENTAL
ENGINEERING GEEE'14, Soussa - Tunisia 22-23 May 2014.
Bouchouicha K., Razagui A., Bachari N.I. and Aoun N., (2015): Mapping and Geospatial
Analysis of Solar Resource in Algeria, International Journal of Energy, Environment, and
Economics, ISSN: 1054-853X, Volume 23, Number 6, pp 735-751.
Bouchouicha K., Razagui A., Bachari N.I. & Aoun N., (2016a): Estimation of Hourly Global
Solar Radiation Using MSG-HRV images, International Journal of Applied Environmental
Sciences, ISSN 0973-6077, Volume 11, Number 2, pp. 351-368.
Bouchouicha K., Razagui A., Bachari N.I. and Aoun N., (2016b), Hourly global solar
radiation estimation from MSG-SEVIRI images-case study: Algeria, World Journal of
Engineering, [ISSN 1708-5284], Vol. 13 Iss 3 pp. 266 – 274.
Bouchouicha K., Aoun N., Bellaoui M., Oulimar B., Babahadj A., (2017): La prévision des
ressources énergétiques solaires., 3RD CONFERENCE ON ENERGY AND
SUSTAINABLE DEVELOPMENT., ADRAR, 07 - 08 FEBRUARY, 2017.
Boudghene Stambouli, A. (2011): Algerian renewable energy assessment: The challenge of
sustainability, Energy Policy. 39, 4507–4519.
Briegleb, B. and Ramanathan, V., (1982)., Spectral and diurnal variation in clear sky
planetary albedo .J. App.Meteor, 21.
138 |
BIBLIOGRAPHIE
Brinsfield, R., Yaramanoglu, M., Wheaton, F., (1984) : Ground level Solar Radiation
prediction model including cloud cover effects., Solar Energy, Vol.33,No.6, pp.493
499.1984
Cano, D., Monget, J.M., Albuisson, M., Guillard, H., Michaud-Regas, N., and Wald L., (1986).
A method for the determination of the global solar radiation from meteorological satellite
data. Solar Energy, 37(1):31-39.
Chaabane, M., and Ben Djemaa, A., (2002). Use of HR Meteosat images for the mapping of
global solar irradiation in Tunisia: preliminary results and comparison with Wefax images.
Renewable Energy, 25: 139–151.
Chandler W. S., Whitlock C. H., Stackhousep W. Jr. (2004): NASA climatological data for
renewable energy assessment, Journal of Solar Energy Engeneering. 126, 945-949.
Chegaar M. and Chibani A. (2001): Global solar radiation estimation in Algeria., Energy
conversion and management, 42(8), 967-973.
Chegaar M., Lamriand A., Chibani A. (1998): Estimating Global Solar Radiation Using
Sunshine Hours, Rev. Energ. Ren, Physique Energétique, 7–11.
Chen, T., and Ohring, T., (1984). On the relationship between clear sky planetary and surface
albedos. J. Atmos, 41.
Clef CEA, (2009) : Terre et environnement, Memo A Voyage au centre de la Terre et aux
confins de l’atmosphère, Hiver 2008-2009, N°57, PP21-24.
D.G.E : (2001): Direction Générale de l'Environnement : Elaboration de la stratégie et du plan
d’action national des changements climatiques, Projet national ALG/98/G31.
Dagestad, K., (2005). Estimating global radiation at ground level from satellite images
DOCTOR SCIENTIARUM THESIS IN METEOROLOGY, UNIVERSITY OF BERGEN,
MAY 2005.
DeMOOR G, (2007) : transfert radiatif en météorologie dynamique, Cours et manuels, N°17,
Météo-France, 2007.
Deneke, H. M., and R. A. Roebeling (2010), Downscaling of meteosat seviri 0.6 and 0.8
channel radiances utilizing the high-resolution visible channel, Atmospheric Chemistry and
Physics, 10(20), 9761–9772, doi:10.5194/acp-10-9761.
Despotovic M, Nedic V, Despotovic D, Cvetanovic S. (2015): Review and statistical analysis
of different global solar radiation sunshine models. Renew Sustain Energy Rev;52:1869–80.
Diabaté L., Remund J., Wald L., (2003): Linke Turbidity Factors for Several Sites in Africa,
Solar Energy, 75, pp. 111-119.
Dogniaux R., (1984): De l’influence de l’Estimation du Facteur Total de Trouble
Atmosphérique sur l’Evaluation du Rayonnement Solaire Direct par Ciel Clair. Application
aux Données Radiométriques de l’IRM à Uccle, Institut Royal Météorologique de Belgique
(IRM), Miscellanea, Serie C, N°20.
Duffie, J.A and William A.B.,. (2010) Solar energy thermal processes, University of Madison,
USA, WI.
139 |
BIBLIOGRAPHIE
Erbs D.G., Klein S.A., Duffie J.A. (1982): Estimation of the diffuse radiation fraction for
hourly, daily and monthly average global radiation. Sol. Energy, 28(4), 293–302.
EUMETSAT (2009), Wavelet Transform Software, disponible au site: Consulté en 2014
www.eumetsat.int/Home/Main/Access_to_Data/User_Support/SP_1117714787347#wavelet
EUMETSAT., (2006):. EUMETCast - EUMETSAT's broadcast system for environmental data.
Technical Description 15.
EUMETSAT., (2007) : La chronique de l’Organisation européenne de satellites
météorologiques, IMAGE, N°26, Mai 2007.
Fontoynont, M., Dumortier, D., Heinemann, D., Hammer, A., Olseth, J.A., Skartveit, A.,
Ineichen, P., Reise, C., Page, J., Roche, J., Beyer, H., Wald, L., (1998). Satel-Light: a www
server which provides high quality daylight and solar radiation data for western and central
Europe. In: Proceedings of the 9th Conference on Satellite Meteorology and Oceanography
in Paris, 25–28 May 1998, pp. 434–437.
Francis C., (2012) Transfert radiatif bilan énergétique, Note du cours, Université Pierre et
Marie Curie-Paris 6, France.
Francois C., (1995). Estimation de l’Albédo de surface à l’échelle globale, à l’aide de mesures
satellitaires, Thèse de doctorat d’état.
Gairaa K. and Bakelli Y. (2013): Solar Energy Potential Assessment in the Algerian South
Area: Case of Ghardaia Region., Journal of Renewable Energy, Volume 2013, Article ID
496348, 11 pages.
Gautier C., Diak G., and Masse S., (1980) : A simple physical model to estimate incident solar
radiation at the surface from GOES satellite data. J. Appl. Meteor., 19, 1005–1012.
Geuder, N., Trieb F., Schillings C., Meyer R., Quaschning V., (2003). Comparison of different
methods for measuring solar irradiation data. In proceedings of the 3rd International
Conference on Experiences with Automatic Weather Stations, 19th-21st of February 2003,
Torremolinos, Spain. 9 pp.
GLOBE Task Team & others: (1999): The Global Land One-kilometer Base Elevation
(GLOBE) Digital Elevation Model, Version 1.0. Digital data base on the World Wide
Web (URL: http://www.ngdc.noaa.gov/mgg/topo/globe.html) and CD-ROMs. National
Oceanic and Atmospheric Administration, National Geophysical Data Center, 325
Broadway, Boulder, Colorado 80303, U.S.A. 1999.
Gschwind B., Ménard L., Albuisson M. and Wald L., (2006): Converting a Successful
Research Project Into a Sustainable Service, The Case of the Soda Web Service,
Environmental Modelling a Software, Vol, 21, N◦ 11, pp. 1555 - 1561.
Gueymard, C. (1986) POTSOL: Model to predict extraterrestrial and clear sky solar
radiation” and Ground level solar radiation prediction model including cloud cover effects.
37(4),319-321.
Hammer, A., (2000). Anwendungspezifische Solarstrahlungs informationen aus Meteosat-
Daten. PhD Thesis, University of Oldenburg- Germany.
140 |
BIBLIOGRAPHIE
Hansen, J., Nazarenko, L., Ruedy, R., Sato, M., Willis, J., Del Genio, A., Koch, D., Lacis, A.,
Lo, K., Menon, S., Novakov, T., Perlwitz, J., Russell, G., Schmidt, G.A., and Tausnev, N,
(2005): Earth’s energy imbalance: confirmation and implications, Science, (308), 1431-
1435.
Haurant, P., Muselli, M., Pillot, B., and Oberti, P., (2012). Disaggregation of satellite derived
irradiance maps: Evaluation of the process and application to Corsica., Solar Energy,
86:3168–3182
Hay J. (1979): Calculation of monthly mean solar radiation for horizontal and tilted surfaces.
Solar Energy 1979;23.
Hay, J.E., Davies, J.A., (1980): Calculations of the solar radiation incident on an inclined
surface. In: Hay, J.E., Won, T.K. (Eds.), Proc. of First Canadian Solar Radiation Data
Workshop, 59. Ministry of Supply and Services, Canada.
Hofierka J., Suri M., (2002): The Solar Radiation Model for Open Source GIS: Implementation
and Applications, Proceedings of the Open Source GIS - GRASS Users Conference 2002 -
Trento, Italy, 11-13, September 2002.
Huld T., Muller R., and Gambardella A. (2012): A new solar radiation database for estimating
PV performance in Europe and Africa, Solar Energy, 86, 1803–1815.
Imamura M.S, Hulstrom R.L., Cookson C., Waldman B.H., Lane R.A., (1976). Definition
study for photovoltaic residential prototype system. Martin Marietta Corp Report.
Ineichen, P., (2011). Five satellite products deriving beam and global irradiance validation on
data from 23 ground stations. [Ph.D. Dissertation] ; University of Geneva.
Inman, R.H., Pedro, H.T., Coimbra, C.F., (2013): Solar forecasting methods for renewable
energy integration. Prog. Energy Combust. Sci. 39 (6), 535–576.
IQBAL M., (1983): an Introduction to Solar Radiation, Academic Press Canada.
ISO-9060 Standard & Pyranometer Measurement Accuracy (2014). Consulté en Avril 2014
Jambu.M., (1999): Méthodes de base de l’analyse des données., Eyrolles, p 125-186
Jamil Ahmad M., Tiwari. G.N., (2010): Solar radiation models – review., INTERNATIONAL
JOURNAL OF ENERGY AND ENVIRONMENT., Volume 1, Issue 3, pp.513-532
Journée, M., and Bertrand, C., (2011): Quality control of solar radiation data within the RMIB
solar measurements network. Solar Energy, 85: 72-86
Kasten H, (1966): A new table and approximation formula for the relative optical air mass,
Archiv fur Meteorol Geophys und Bioklim B: 206–223.
Kevin E., Trenberth, John T. Fasullo, and Jeffrey Kiehl, (2009): Earth’s global energy budget,
American Meteorological Society, 311-324.
Khatib, T., Mohamed, A., Sopian, K., (2012): A review of solar energy modeling techniques.
Renew. Sustain. Energy Rev. 16, 2864–2869
Kipp & Zonen, (?): directions for use – Pyranomete-r with shadow ring CM 11/121. DELFT –
HOLLAND.
Klucher M., (1979): Evaluation of models to predict insolation on tilted surfaces. Solar
Energy;23:111–4.
141 |
BIBLIOGRAPHIE
Koussa M., Malek A. and Haddadi M., (2006): Validation de Quelques Modèles de
Reconstitution des Eclairements dus au Rayonnement Solaire Direct, Diffus et Global par
Ciel Clair, Revue des Energies Renouvelables Vol. 9 N°4 pp. 307 – 332.
Kuhlemann, R., and Hammer, A., (2005). Sunsat : the new program for processing high
resolution data of Meteosat-8, Energy-Specific Solar Radiation Data from Meteosat Second
Generation (MSG). The Heliosat-3 Project; 2005.
Kumar, L., Skidmore, A.K. and Knowles, E,. (1997): Modelling topographic variation in solar
radiation in a GIS environment, International Journal of Geographical Information Science,
11(5): 475-497.
Lefèvre M., Remund J., Albuisson M., Ranchin T. and Wald L, (2004): Fusing ground
measurements and satellite-derived products for the construction of climatological maps in
atmosphere optics, In Proceedings - 23rd EARSeL Annual Symposium Remote Sensing in
Transition, 2-4 June 2003, Belgique, 85-91.
Liu B, Jordan R., (1962): Daily insolation on surfaces tilted towards the equator. Trans
ASHRAE 1962;67.
Martín, L., et al., (2010): Prediction of global solar irradiance based on time series analysis:
Application to solar thermal power plants energy production planning. Solar Energy, 84,
1772-1781.
Mattews, and Rossow, (1986). Regional and seasonal variation of surface reflectance from
satellite observation at 0.6 μm. J.A. tmos.sci.26.
McArthur L. (1998): Baseline Surface Radiation Network (BSRN) Operations Manual,
(Version 1.0), WMO/TD No. 879. Geneva, Switzerland: World Climate Research Program,
WMO.
Mecibah M.S, Boukelia T.E., Tahtah R., Gairaa K. (2014): Introducing the best model for
estimation the monthly mean daily global solar radiation on a horizontal surface (Case
study: Algeria). Renewable and Sustainable Energy Reviews, 36, 194–202.
Mefti, A., Adane, A., and Bouroubi, M.Y., (2008). Satellite approach based on cloud cover
classification: Estimation of hourly global solar radiation from Meteosat images Energy
Conversion and Management, 49: 652-659.
Mekler, Y., and Joseph, J., (1984). Direct determination of surface albedos from satellite
imagery, J.Climate, 22.
Mellit A., Benghanem M., Hadj Arab A., Guessoum A. (2005): A simplified model for
generating sequences of global solar radiation data for isolated sites: Using artificial neural
network and a library of Markov transition matrices approach, Solar Energy, 79, 469–482.
Mesri-Merad M., Rougab I., Cheknane A. and Bachari N.I., (2012): ‘Estimation du
rayonnement solaire au sol par des modèles semi-empiriques’, Revue des Energies
Renouvelables Vol. 15 N°3, pp.451 – 463, 2012
Meza F., Varas. E., (2015): Estimation of mean monthly solar global radiation as a function of
temperature., Renewable and Sustainable Energy Reviews., 52, 1294–1299
142 |
BIBLIOGRAPHIE
Meziani, F., Boulifa, M., and Ameur, Z., (2013). Determination of the global solar irradiation
by MSG- SEVIRI images processing in Algeria Energy Procedia,36 :525-534
Moradi, I., Mueller, R., Alijani, B., and Kamali, G.A., (2009). Evaluation of the Heliosat-II
method using daily irradiation data for four stations in Iran. Solar Energy, 83: 150-156
Müller, R. W., Dagestad, K. F., Ineichen, P., Schroedter, M., Cros, S., Dumortier, D.,
Kuhlemann, R., Olseth, J. A., Piernavieja, C., Reise, C., Wald, L. and Heinemann, D.
(2004): Rethinking satellite based solar irradiance modeling - The SOLIS clear sky module.
Remote Sensing of the Environment 91 160 – 174.
NASA-SSE. (2015): Atmospheric Science Datacenter. NASA Surface Meteorology and Solar
Energy (SSE) available at: https://eosweb.larc.nasa.gov/cgi-bin/sse/sse.cgi (accessed May
2015).
Oulimar B., (2010): diagnostic sur les différents modes de collecte énergétique, rapport
d’activité, URER-MS.
Oulimar B., Bouchouicha. K., (2013): Modelé radiométrique adéquate pour caractériser
l’apport énergétique optimal sur le site d’Adrar, INTERNATIONAL CONFERENCE ON
ENERGY AND SUSTAINABLE DEVELOPMENT ICESD’13, Adrar - Algeria 19-20
February 2013.
Pagola I, et al. (2010): New methodology of solar radiation evaluation using free access
databases in specific locations. Renew Energy 2010; 35(12): 2792-8..
Pekarek, A. H., (2001) Solar forcing of earth’s climate, in L. C. Gerhard, W. E. Harrison, and
B. M. Hanson, eds., Geological perspectives of global climate change, p. 19–34.
Perez R, Moore, K, Wilcox S, Renne D, Zelenka K., (2007): Forecasting solar radiation:
Preliminary evaluation of an approach based upon the national forecast database. Solar
Energy; 81(6):809-812.
Perrin, C. and Vauge, C. (1982). Le Gisement Solaire : Evaluation de la Ressource
Energétique. Technique et Documentation, Librairie Lavoisier, Paris, France, 222
pages.
Pillot B., Muselli M., Poggi P., Haurant P., and Hared I. (2013a): The first disaggregated solar
atlas of Djibouti: A decision-making tool for solar systems integration in the energy
scheme. Renewable Energy, 57, 57-69.
Pillot B., Muselli M., Poggi P., Haurant P., Hared P. (2013b): Solar energy potential atlas for
planning energy system off-grid electrification in the Republic of Djibouti., Energy
Conversion and Management, 69, 131–147.
Pinker RT., Laszlo I. (1992): Modeling Surface Solar Irradiance for Satellite Application on a
Global Scale. J. Appl. Meteorol., 31, 194–211.
Pratap R. (2007): Getting Started with MATLAB7 A Quick Introduction for Scientists and
Engineers, 6th edition, Oxford university press, 144-157.
Quarteroni A., Saleri F., Gervasio P. (2014): Scientific Computing with MATLAB ® and
Octave (Texts in Computational Science and Engineering) Forth (4th) Edition Hardcover.
Springer, New York, second edition. Springer-Verlag Berlin Heidelberg.
143 |
BIBLIOGRAPHIE
Raschke, R., Preuss, H.J., (1979). The determination of the solar radiation budget at the earth
surface from satellite measurements. Meteorol. Rundsch. 32, 18
Razagui A., (2013). Développement d’une méthodologie pour l’exploitation des images MSG
pour le suivi des paramètres physiques du sol et la prévision météorologique., [Ph.D.
Dissertation], Université des sciences et technologie d’Oran, Oran .
Razagui A., Bachari N. I., Bouchouicha K. & Hadj Arab A., (2016) « Modeling the Global
Solar Radiation Under Cloudy Sky Using Meteosat Second Generation High Resolution
Visible Raw Data », Journal of the Indian Society of Remote Sensing, ISSN 0255-660X.
Remund J., L. Wald, M. Lefevre, T. Ranchin and J. Page, (2003): Worldwide Linke Turbidity
Information, Proceedings of The ISES Solar World Congress 2003, Goeteborg, Sweden, 16-
19, June 2003.
Renné D., George R., Wilcox S., Stoffel T., Myers D., and Heimiller D. (2008): Solar
Resource Assessment. Technical Report NREL/TP-581-42301, February 2008.
Rigollier, C., Lefèvre, M. and Wald, L., (2004). The method Heliosat-2 for deriving shortwave
solar radiation from satellite images. Solar Energy, 77(2): 159-169.
Ruiz-Arias J.A., Cebecauer T., Tovar-Pescador J., Šúri M. (2010): Spatial disaggregation of
satellite-derived irradiance using a high-resolution digital elevation model, Solar Energy,
84, 1644–1657.
Schermeyer, H.; Bertsch, V.; Fichtner, W., (2014): Validation and utilization of numerical
weather model data in energy systems analysis of decentralized electricity production. In
Proceedings of the 7th International Scientific Conference on Energy and Climate Change,
Athens, Greece, 8–10 October 2014.
Schillings, C., Mannstein, H., Meyer, R., (2004). Operational method for deriving high
resolution direct normal irradiance from satellite data. Sol. Energy 76, 475–484
Schumann, W., Stark, H., McMullan, K., Aminou, D., and Luhmann, H-J., (2002). The MSG
System., European Space Agency (ESA) bulletin, ESA Publications Division, Noordwijk,
The Netherlands, bulletin 111, august 2002: 11-14 (Home Page at : www.esa.int)
SoDa, Mines ParisTech: Solar radiation data. http://www.soda-is.com/eng/index.html.
SolarGIS, Geomodel Solar. http://solargis.info/.
SolarMed. (2015): Mediterranean area 1km by SolarMed Atlas project, German Aerospace
Center (DLR), at http://www.solar-med-atlas.org/solarmed-atlas/map.htm#t=ghi (2015)
(accessed on November 2015).
Stephane, P.E., and Mvestracte, M., and Meyer, D.J., (1993). Inverting a bidirectional effects
AVHRR data 6th AVHRR data user’s meeting Beligrate, 29th june-2nd July.
Stone, R.J., (1993): Improved statistical procedure for the evaluation of solar radiation
estimation models. Sol. Energy, 51 (4): 289-291.
Stum, P., Pinty, B., and Ramon, D., (1985). A new technique for inferring surface albedo from
datellite observation. J. Atmos.Sci.24.
144 |
BIBLIOGRAPHIE
Šúri M. and Cebecauer T. (2014): Satellite-based solar resource data: Model validation
statistics versus user’s uncertainty. ASES SOLAR 2014 Conference, San Francisco, 7-9
July 2014.
Tadili R. et M. N. Bargach, (2005) : Une méthode d’estimation du rayonnement solaire global
reçu par une surface inclinée, La Météorologie - n° 50, pp. 46-50, Septembre 2005.
Trapely, J.D., (1979). Estimating incident solar radiation at the surface from geostationary
satellite data. J. Appl. Meteorol. 18, 1172–1181.
USGS, (1996): GTOPO30: Global 30 arc second elevation data. Online at
http://edc.usgs.gov/products/elevation/gtopo30.html, EROS Data Center, Sioux Falls,
SD.
Vernaya C., Pitavala S., Blanc P. (2014): Review of satellite-based surface solar irradiation
databases for the engineering, the financing and the operating of photovoltaic systems,
Energy Procedia. 57, 1383–1391.
W.M.O., (2008): Guide to Meteorological Instruments and Methods of Observation, Draft First
Supplement to the Seventh Edition,2008 of the CIMO Guide.
Wahab M. A., El-Metwally M., Hassan R., Lefevre M., Oumbe A., Wald L. (2009): Assessing
surface solar irradiance and its long-term variations in the Northern Africa desert climate
using meteosat images, International Journal of Remote Sensing, 31(01),261-280.
Whitlock C H., Brown D. E., Chandler W. S. and DiPasquale R. C. (2000): Release 3 NASA
Surface meteorology and Solar Energy data set for renewable industry use, Paper presented
at the 26th Annual Conference of the Solar Energy Society of Canada Inc. & Solar Nova
Scotia, Canada, 21- 24 Oct, 2000.
Wikipedia., Bilan radiatif de la Terre., lien (2015) :
https://fr.wikipedia.org/wiki/Bilan_radiatif_de_la_Terre. Accédé en Novembre 2015.
Zelenka, A., Perez, R., Seals, R., and Renne D., (1999): Effective accuracy of the satellite-derived
hourly irradiance. Theor. Appl. Climatol., 62:199–207.
145 |
ANNEXES
A : Mesure du rayonnement - Norme ISO 9060
B : Reseau de stations météorologiques
C : Classification Ascendante Hiérarchique (CAH)
D : Méthodes d’évaluation
E : PUBLICATIONS DE L’AUTEUR
Annexe A : Mesure du rayonnement - Norme ISO 9060 A
Mesure de rayonnement - Norme ISO 9060

Les pyranomètres (capteur de radiation globale) mesurent la radiation globale. Ils sont
également utilisés comme instruments de référence du fait de leur grande précision de mesure
[1]. L’utilisation de ces capteurs est cruciale pour les mesures aux applications solaires. Il est
recommandé de n'utiliser que des pyromètres certifiés et calibrés pour assurer une bonne
précision de mesure. Un socle ajustable permet un bon ajustement horizontal.
Selon la norme ISO 9060 les pyranomètres sont classés: "Énergie solaire - Spécification et
classification des instruments de mesure du rayonnement solaire". Cette norme est
officiellement approuvée par l'Organisation Météorologique Mondiale (WMO). Elle distingue
trois catégories [1, 2]:
 Catégorie I (Secondary Standard): instruments étalons secondaires ISO
9060:1990: C’est une catégorie de performance ISO la plus élevée, ils sont destinée
à la recherche scientifique exigeant le plus haut niveau de précision et de fiabilité,
comme dans le cas des stations Baseline Surface Radiation Network (BSRN) [2].
 Catégorie II (First Class): Des radiomètres conforme à la norme ISO 9060:1990
dédiée aux pyranomètres de première classe, avec des mesures de bonne qualité,
utilisés dans des réseaux météorologiques et pour des mesures en environnement
(Mesure de l'effet de serre).
 Catégorie III (Second Class): Des radiomètres conforme à la norme ISO
9060:1990 dédiée aux mesures de deuxième classe, d’une Qualité de mesure
moyenne, conçu pour des mesures de routine dans des stations météorologique et
pour des essais sur le terrain.
Toutes ces catégories de radiomètres sont des instruments robustes, fiables, prévus pour
supporter des conditions climatiques adverses et adaptés pour l’installation sur terrain.
Les pyranomètres ne nécessitent d’aucune alimentation extérieure. Ils génèrent une tension
qui, typiquement, équivaut à 10 mV kW • m2. Chaque pyranomètre est calibré
individuellement conformément à WRR (World Radiometric Reference) et livré avec le
Rapport d'étalonnage correspondant.
147 |
Annexe A : Mesure du rayonnement - Norme ISO 9060 A
Tableau. A.1: Spécifications iso 9060 pyranomètre [3].
Spécificatons ISO 9060 Pyranomètre Secondary Standard First Class Second Class
Temps de réponse : < 15s < 30s < 60s
Zero-offset :
Offset-A : + 7 W/m² + 7 W/m² + 7 W/m²
Offset-B : ± 2 W/m² ± 2 W/m² ± 2 W/m²
Non-stabilité : ± 0.8% ± 1.5% ± 3%
Non-linéarité : ± 0.5% ± 1% ± 3%
Réponse directionnelle (pour le direct) :
± 10 W/m² ± 20 W/m² ± 20 W/m²
directe ≈ 1000 W/m²
Sélectivité spectrale : ± 3% ± 5% ± 10%
Réponse en température : (de -10 à +40°C) 2% 4% 8%
Réponse en inclinaison :
± 0.5% ± 2% ± 5%
directe ≈ 1000 W/m²
REFERENCES :
[1] WMO Guide to Meteorological Instruments and Methods of Observation, Draft First
Supplement to the Seventh Edition (2008) of the CIMO Guide.
[2] McArthur L. Baseline Surface Radiation Network (BSRN) Operations Manual, (Version 1.0),
WMO/TD No. 879. Geneva, Switzerland: World Climate Research Program, WMO, 1998.
[3] ISO-9060 Standard &Pyranometer Measurement Accuracy (2014). Consulté en Avr 2014
148 |
Annexe B : Reseau de stations météorologiques B
Tableau B.1: Coordonnées géographiques des stations météorologique.
Code
Station Latitude Longitude Altitude
OMM
60620 Adrar 27,88 -0,28 263
60560 Ain_Sefra 32,77 -0,60 1058
60360 Annaba 36,83 7,82 4
60468 Batna 35,55 6,18 1052
60571 Bechar 31,62 -2,23 773
60402 Bejaia 36,72 5,07 2
60602 Beni_Abbes 30,00 -2,17 499
60518 Beni_Saf 35,30 -1,35 68
60525 Biskra 34,80 5,73 87
60444 Bordj_Bou_Arreridj 36,07 4,77 928
60425 Chlef 36,22 1,33 143
60390 Dar_El_Beida 36,72 3,25 25
60670 Djanet 24,55 9,47 1054
60535 Djelfa 34,68 3,25 1144
60590 El_Golea 30,57 2,87 397
60540 El_Kheiter 34,15 0,07 1000
60559 El_Oued 33,50 6,12 63
60550 Elbayadh 33,67 1,00 1341
60566 Ghardaia 32,38 3,82 450
60611 In_Amenas 30,00 9,41 562
60630 In_Salah 28,00 2,47 293
60549 Mecheria 34,93 -0,43 1149
60457 Mostaganem_Ville 35,88 0,12 137
60467 M'Sila 35,67 4,50 441
60490 Oran_Es_Senia 35,63 -0,60 90
60533 Saida 34,87 0,15 770
60445 Setif 36,18 5,42 1081
60355 Skikda 36,93 6,95 7
60680 Tamanrasset 22,78 5,52 1378
60656 Tindouf 27,67 -8,13 431
60607 Timimoun 29,25 0,28 312
60531 Tlemcen_Zenata 35,02 -1,47 247
60555 Touggourt 33,12 6,13 85
149 |
Annexe C : Classification Ascendante Hiérarchique (CAH) C
CLASSIFICATION ASCENDANTE HIERARCHIQUE (CAH)
Classification Ascendante Hiérarchique (CAH) est l’une des méthodes statistiques de

réduction de l’information, elle repose sur le principe de simplification du nombre de
dimensions explicatives des variables en regroupant celles qui se «ressemblent le plus». Deux
types de critères sont principalement utilisés : la corrélation qui définit l’intensité de la
relation entre les variables et la covariance qui est un indicateur du sens de variation
simultanée des deux variables.
Principe
Cette technique consiste à créer des groupements de variables (colonnes) à partir d’un
tableau de données en utilisant des méthodes d’agrégation basées sur la distance des éléments
à joindre entre eux. Les classifications font appel à des méthodes algorithmiques récursives,
qui peuvent être répétées de façon indéfinie. Il existe plusieurs familles de classifications dont
les plus connues sont les classifications descendantes ou ascendantes.
La classification fournit soit une partition en x classes, soit une hiérarchie des partitions
(dendrogrammes) contenant n-1 partitions. C’est à partir de ces dendrogrammes que l’on
pourra définir le nombre de classes. Les méthodes de classifications ascendantes procèdent
par agglomérations successives des éléments deux à deux et fournissent une hiérarchie de par-
titions des éléments agrégés.
Le critère de Ward
Ce critère d’agrégation utilise la variance. Les différentes techniques de la méthode du saut

minimal (bien que nécessitant uniquement le calcul des distances une fois pour toutes),
présentent l’inconvénient d’induire des effets de chaîne. Un effet de chaîne se traduit par
l’agrégation d’individus ayant des distances faibles mais pouvant se situer dans des classes
différentes. La forme des classes résultant d’un effet de chaînage est en général allongée. Les
techniques d’agrégation selon la variance ont pour but d’optimiser les partitions par des
critères non plus de distance mais de calcul d’inertie (variance).
150 |
Annexe C : Classification Ascendante Hiérarchique (CAH) C
Dendrogramme (Arbre Hiérarchique) :
Le dendrogramme représente de manière claire la façon dont l'algorithme procède pour

regrouper les variables puis les sous-groupes. Au final, l'algorithme a progressivement
regroupé toutes les observations (Figure. C.1).
La ligne en pointillé représente la troncature effectuée par le logiciel qui permet de se
d’identifier les 06 classes homogènes. des résultats présentés ont été réalisé à l’aide du
logiciel Statistica®.
Figure. C.1: Le dendrogramme de la Classification Ascendante Hiérarchique
151 |
Annexe D : Méthodes d’évaluation D
Méthodes d’évaluation
Une évaluation objective a été menée en calculant les scores statistiques, utilisant aussi
d’autres moyens graphiques, permettent de comparer la valeur des irradiations mesurées et
celles estimées.
a) Les scores statistiques :
Pour évaluer les estimations réalisées d’un point de vue statistique, nous avons calculé le
coefficient de corrélation, le biais et l’erreur quadratique moyenne.
1. L’erreur moyenne (Mean Bias Error) qui quantifie l’écart moyen entre les valeurs
mesurées et les valeurs simulées. Le MBE reflète la tendance d'ensemble de la grandeur
simulée à sa surestimation (MBE> 0) ou à sa sous-estimation (MBE< 0).
∑( )
( ∑( ))
Où est l'indice considéré (Irradiation globale), «Mes» représente les valeurs mesurées
et «Est» à celles estimées. N est le nombre de données.
2. L’Erreur Quadratique Moyenne (RMSE : Root Mean Square Error) : C’est un score qui
mesure l’amplitude de l’erreur. elle s'exprime comme suit:
√∑ ( )
√ ∑( )
3. Le coefficient de corrélation R : La corrélation quantifié la correspondance temporelle

des variations des champs simulés et celles mesurés.
∑ ( ̅ )( ̅ )
√∑ ( ̅ ) √∑ ( ̅ )
152 |
Annexe D : Méthodes d’évaluation D
Il nous donne le comportement de des simulations par rapport aux mesures, Plus la
corrélation est élevée, plus les variations des simulations sont bien placées. Des meilleures
simulations ont comme coefficient de corrélation proche de 1.
b) Evaluation graphique :
Une représentation graphique est utilisée dans notre étude, «Le graphe de dispersion»
connue sous le nom de Scatterplot :
Une manière d’évaluer les résultats, utilisant un moyen graphique qui représente les nuages
de points formés du couple des valeurs estimées et celles mesurées dans un seule graphe, ainsi
que la droite de régression qui s’ajuste à ce nuage de points. Donnant l’exemple de nuages de
points des irradiations globales estimées en fonction des celles mesurées, pour 39168 points.
Figure. D.1: Exemple du Graphe de dispersion
Pour chaque Figure, on donne l’équation de la droite de régression, le coefficient de

corrélation (R) Ainsi que le MBE et le RMSE.
153 |
Annexe E : PUBLICATIONS DE L’AUTEUR E
PUBLICATIONS DE L’AUTEUR
E.1 Publication en rapport avec la thèse
E.1.1 Publication en revue internationale
- Aoun N. and Bouchouicha K., (2017), Estimating daily global solar radiation by day of the year in
Algeria., The European Physical Journal Plus, Volume 132, Issue 5, pp. 216-228. (THOMSON)
- Bouchouicha K., Razagui A., Bachari N.I. and Aoun N., (2016), « Hourly global solar radiation
estimation from MSG-SEVIRI images-case study: Algeria », World Journal of Engineering,
[ISSN 1708-5284], Vol. 13 Iss 3 pp. 266 – 274. (THOMSON)
- Bouchouicha K., Razagui A., Bachari N.I. & Aoun N., (2016), « Estimation of Hourly Global Solar
Radiation Using MSG-HRV images », International Journal of Applied Environmental Sciences,
ISSN 0973-6077, Volume 11, Number 2 (2016), pp. 351-368. (SCOPUS)
- Razagui A., Bachari N. I., Bouchouicha K. & Hadj Arab A., (2016) « Modeling the Global Solar
Radiation Under Cloudy Sky Using Meteosat Second Generation High Resolution Visible Raw
Data », Journal of the Indian Society of Remote Sensing, ISSN 0255-660X, (in
press)(THOMSON).
- Benatiallah D., Bouchouicha K., Benatiallah A. and Harouz A., (2016), « Development and
Modeling of a Geographic Information System solar Flux in Adrar, Algeria », International
Journal of System Modeling and Simulation Vol 1(1) Apr-Jun 2016, pp 15-19.
- Bouchouicha K., Razagui A., Bachari N.I. and Aoun N., (2015), « Mapping and Geospatial
Analysis of Solar Resource in Algeria », International Journal of Energy, Environment, and
Economics, ISSN: 1054-853X, Volume 23, Number 6. (SCOPUS)
E.1.2 Publication en conférence internationale
- Bouchouicha K., Aoun N., Bellaoui M., Oulimar B., Babahadj A.., (2017). « La prévision des
ressources énergétiques solaires », 3RD CONFERENCE ON ENERGY AND SUSTAINABLE
DEVELOPMENT., , Adrar – Algeria 07 - 08 February 2017.
- Benatiallah D., Benatiallah A., Bouchouicha K. and Harouz A., (2016), « Solar radiation estimate
calculated using two models », 5th International Renewable and Sustainable Energy Conference
(IRSEC), November 14-17, 2016, Marrakech, Morocco.
- Bouchouicha K., Bellaoui M., Bachari N. I., (2014) : « Cartography of Global solar radiation over
Adrar »., INTERNATIONAL CONFERENCE ON GREEN ENERGY AND ENVIRONMENTAL
ENGINEERING GEEE'14, Soussa - Tunisia 22-23 May 2014.
- Bouchouicha K., Oulimar. B., (2013) : « La chaine de mesure radiométrique à l’Unité de Recherche
en Energie Renouvelable en Milieu Saharien d’Adrar », INTERNATIONAL CONFERENCE ON
ENERGY AND SUSTAINABLE DEVELOPMENT ICESD’13, Adrar - Algeria 19-20 February
2013.
- Oulimar B., Bouchouicha K., (2013) : «Modèle radiométrique adéquate pour caractériser l’apport
énergétique optimal sur le site d’Adrar», INTERNATIONAL CONFERENCE ON ENERGY
AND SUSTAINABLE DEVELOPMENT ICESD’13, Adrar - Algeria 19-20 February 2013.
154 |
Annexe E : PUBLICATIONS DE L’AUTEUR E
E.2 Autre publication hors du contexte de la thèse
E.2.1 Publication en revue internationale
- Bellaoui M., Hassini A., Bouchouicha K., (2017) « Pre-seismic anomalies in remotely sensed land
surface temperature measurements: The case study of 2003 Boumerdes earthquake », Advances in
Space Research, Vol. 59, Iss 10, pp. 2645-2657. (THOMSON)
- Aoun N., Nahman B., Chenni R. & Bouchouicha K., (2015) « Effect of weather conditions on the
energy and exergy efficiencies of mono-crystalline photovoltaic module »,. International Journal
of Mechanical and Mechatronics Engineering 15, 61–67, 2015. (SCOPUS)
- Aoun N., Chenni R. and Bouchouicha K., (2014) « Experimental and Validation of Photovoltaic
Solar Cell Performance Models in Desert Climate », Applied Mechanics and Materials, Vol. 492,
pp 135-142, 2014, (ISSN: 1662-7482). (SCOPUS)
- Aoun N., Nahman B., Chenni R. and Bouchouicha K., (2014) « A Detailed Modeling of a Five
Parameters Model for Photovoltaic Modules », International Journal of Modern Engineering
Research, Vol. 4, pp. 54-59, 2014, (ISSN: 2249-6645). (SCOPUS)
- Razagui A., Bouchouicha K. and Bachari N.E.I., (2013): « Cloudy simulation algorithm in RTTOV
using Aladin forecasting output», Advances in Modelling B Signal Processing and Pattern
Recognition Vol. 56 N°1-2, 2013.
- Bouchouicha K. and Bachari N. I., (2012) : « Simulation of a clear sky satellite image in water
vapor and infrared satellite M.S.G channel’s », Revue des Energies Renouvelables Vol. 15 N°4,
2012, 671 – 679
- Razagui A., Bouchouicha K. and Bachari N.E.I., (2011): « Cloud type identification algorithm to
simulate MSG infrared radiance using the Radiative Transfer Model RTTOV and ALADIN
forecasting output», Revue des Energies Renouvelables Vol. 14 N°4, 601–612.
- Bandou F., Hadj Arab A., Bouchouicha K. et Zerhouni N., (2011) : « Diagnostic de pannes d’un
système de pompage photovoltaïque », Revue des Energies Renouvelable, Vol.14, N°3.
E.2.2 Communication internationale
- Nouar Aoun, Ismail Tabet, Kada Bouchouicha et Nahman Boukheit., (2016) : « Comparaison
entre différentes méthodes pour la détermination des paramètres électriques d’un module
photovoltaïque»., The 4th International Seminar on New and Renewable Energies., Ghardaïa
Algeria 24-25 October 2016.
- Benmoussat A., Ouaridhene A., Zamaki M. and Bouchouicha K., (2015) : « Study on the effect of
illumination and the temperature of silicon single-crystal and polycrystal in solar conversion».,
THIRD EURO-MEDITERRANEAN MEETING ON FUNCTIONALIZED MATERIALS, EMM-FM 2015,
Hammamet, Tunisia, September 9-13, 2015
- Nouar A., Chenni R., Bouchouicha K., (2013): «Experimental and validation of photovoltaic solar
cell performance models in desert climate», The 3rd INTERNATIONAL CONFERENCE ON
ELECTRICAL ENGENIRING AND APPLICATION, Turkey 24-25 October 2013.
- Bouchouicha K., Bachari N. I., (2012) : « Simulation of a clear sky satellite image ».,
INTERNATIONAL CONGRESS ON TELECOMMUNICATION AND APPLICATION’12, Université de Bejaia,
Bejaïa - Algeria 11-12 April 2012.
- Maouedj. R, Bouchouicha. K, Benyoucef. B, (2011): « Evaluation of the wind energy potential in the
Saharan sites of Algeria », 10TH INTERNATIONAL CONFERENCE ON ENVIRONMENT AND
ELECTRICAL ENGINEERING (EEEIC 2011), Rome, Italy 8-11 May 2011.
155 |
‫منذجة متعددة الطيف لصور ا ألمقار الإصطناعية‬
‫ تمكمي مزيانية طاقة الأرض مع الغالف اجلوي‬: ‫تطبيق‬
‫ملخص‬
‫ ول س امي تقدير نس بة وضاءة سطح‬،‫موضوع هذه ا ألطروحة دراسة التغري الزماكين خملتلف مكوانت مزيانية طاقة الإشعاع الشميس عىل سطح ا ألرض‬
‫) و الإشعاع الشمسﻲ الساقﻂ علﻰ سطح ا ألرض ابس تخدام البياانت متعددة الطيف انجتة عن صور ألمقار اإصطناعية اثبتة املدار اجلغرايف‬Albedo( ‫ا ألرض‬
‫ بعدها‬.)Radiative Transfer Model( ‫ يف املرحةل ا ألوىل مقنا مبحااكة نس بة الوضاءة لسطح ا ألرض ابس تخدام منوذج اإشعاعﻲ مبسﻂ‬.MSG2
‫ و بتطبيق طريقتني خمتلفتني مقنا بتقدير الاشعاع اللكﻲ و مقارنة النتاجئ مع قياسات عىل سطح‬,‫ابس تعامل صور الطيف املريئ عايل ادلقة للقمر الاصطناعﻲ‬
‫ الساعية وكذا اليومية جد هامة و‬,‫ النتاجئ املقدرة ل ألشعة الشمس ية اللكية‬.‫ مخلس حمطات واقعة يف أأماكن خمتلفة من اجلزائر‬0202 ‫الارض خالل س نة‬
‫ يف ا ألخري مت اجناز و حتليل خرائﻂ شهرية و س نوية للوضاءة الارضية املقدرة و كذا الإشعاع اللكﻲ ا ألفقﻲ‬.‫مشجعة ابملقارنة مع نتاجئ دراسات و أأحباث سابقة‬
.‫مشلت لك الرتاب الوطين‬
‫ الاشعاع‬،‫ نس بة الوضاءة ا ألرضية‬،‫ مزيانية طاقة الإشعاع الشميس‬،‫ صور أأمقار اإصطناعية متعددة الطيف‬: ‫اللكامت املفتاحية‬

Application : Quantification du bilan d’énergie Sol-Atmosphère
Résumé :
Cette thèse porte sur l’étude de la variabilité spatio-temporelle des différentes composantes du bilan énergétique
solaire au niveau de la surface terrestre, plus particulièrement sur l’estimation de l’albédo de surface et du
rayonnement global incident au sol, utilisant des données multi-spectrales issues du satellite géostationnaire MSG2
(Meteosat Second Generation). Dans ce contexte, une estimation de l’albédo de surface a été réalisée utilisant une
solution approximative d’un modèle de transfert radiatif. Ensuite, la performance des deux approches d’estimation du
rayonnement global à partir des images du canal HRV (High-Resolution Visible) a été évaluée par rapport aux
mesures radiométriques au sol réalisées dans cinq stations situées dans différentes régions du territoire Algérien, au
cours de l'année 2010. Les résultats des estimations des valeurs horaires et journalières des irradiations solaires
globales sont très encourageants et prometteurs par rapport à la littérature existante. Une cartographie annuelle et
mensuelle de l’albédo de surface et du rayonnement global horizontal couvrant l’ensemble du territoire national a été
produite, et une analyse géospatiale de ces deux paramètres est réalisée sur cette base.
Mots clés : images multispectrale MSG, Bilan énergétique Solaire, Albédo, Irradiation.
MULTISPECTRAL MODELLING OF SATELLITE IMAGES

Application : Quantification of the ground-atmosphere energy budget
Abstract :
This thesis focuses on study of spatio-temporal variability of the various components of solar energy budget at the
earth's surface, especially the estimation of ground albedo and solar radiation incident on the surface using MSG2
multispectral satellite data. In this context, an estimate of the surface albedo has been achieved using form of the
atmospheric radiative transfer Model (RT). Then, an approximate the evaluation of two approaches for estimating
global solar radiation has been carried out by comparing the estimated values with experimental data performed in
five radiometric stations located in different regions of Algerian territory, during the Year 2010. The estimation of the
hourly and daily global solar radiation shows promising results compared with the current literature. Finally, the
annual and monthly maps covering entirely the territory have been generated showing the spatial distribution and
temporal variation of surface albedo and global solar irradiation on horizontal surfaces, and preliminary geospatial
analysis was performed.
Keywords : Multispectral MSG images, Solar energy budget, Albedo, Irradiation

These Bouchouicha

Transféré par

Droits d'auteur :

Formats disponibles

These Bouchouicha

Transféré par

Informations du document

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

These Bouchouicha

Transféré par

Droits d'auteur :

Formats disponibles

‫امجلهورية اجلزائرية ادلميقراطية الشعبية‬

‫وزارة التعلمي العايل و البحث العلمي‬

Présentée par : BOUCHOUICHA Kada

Département : Génie Physique

Spécialité :Génie Physique

Option :Rayonnement et Matière

Soutenue le 29/06/2017 à 10:00 Devant le Jury Composé de :

Membres de Jury Grade Qualité Domiciliation

BELBACHIR Ahmed-Hafid Professeur Président U.S.T.O-MB

BACHARI Nour el islam Professeur Encadrant U.S.T.H.B

Laboratoire d'Analyse et d'Application des Rayonnements

Année Universitaire : 2016/2017

En premier lieu, j’aimerais remercier vivement, mon directeur de thèse, Mr BACHARI

Monsieur HASSINI Abdellatif, Professeur à l’Univ. d’ORAN 2, d’avoir consenti à être

Je tiens à présenter mes reconnaissances et mes remerciements à ma femme qui m’a

Je tiens également à remercier mes beaux-parents pour leur gentillesse.

Sans oublier de remercier mes chers collègues de l’URER-MS, et du laboratoire LAAR,

Une Dédicacs spéciale

Cette thèse porte sur l’étude de la variabilité spatio-temporel des différentes

Une cartographie annuelle et mensuelle de l’albédo de surface et du rayonnement

This thesis focuses on study of spatio-temporal variability of the various components

Keywords : Multispectral MSG images, Solar energy budget, Albedo, Irradiation

CHAPITRE I: LE RAYONNEMENT SOLAIRE 7

CHAPITRE II: SOURCES ET TRAITEMENT DES DONNEES RELATIVES AU RAYONNEMENT SOLAIRE 31

CHAPITRE III: MODELISATION DU RAYONNEMENT SOLAIRE AU SOL 52

CHAPITRE IV: ESTIMATION DE L’ALBEDO ET DU RAYONNEMENT GLOABL A PARTIE DES IMAGES

IV.6.2.1 Irradiation horaire . 99

CHAPITRE V: CARTOGRAPHIE DU RAYONNEMENT SOALIRE 112

CONCLUSIONS ET PESPECTIVES 132

LISTES DES FIGURES

Chapitre II: SOURCES ET TRAITEMENT DES DONNEES RELATIVES AU RAYONNEMENT SOLAIRE

Figure II.1 : Réseau d’Héliographe (1983-2012). 36

Chapitre III: MODELISATION DU RAYONNEMENT SOLAIRE AU SOL

Figure III.10: Eclairements global incliné mesures et estimés, 30/01/2010. 71

Chapitre IV: ESTIMATION DE L’ALBEDO ET DU RAYONNEMENT GLOBAL A PARTIE DES

Chapitre V: CARTOGRAPHIE DU RAYONNEMENT SOALIRE

LISTE DES TABLEAUX

Chapitre II: SOURCES ET TRAITEMENT DES DONNEES RELATIVES AU RAYONNEMENT SOLAIRE

Tableau II.1. Caractéristiques et objectifs principaux des 12 canaux de prise d’images de 40

Chapitre III: MODELISATION DU RAYONNEMENT SOLAIRE AU SOL

Tableau III.1. Coordonnées géographiques des stations utilisées. 57

Chapitre IV: ESTIMATION DE L’ALBEDO ET DU RAYONNEMENT GLOBAL A PARTIE DES

Tableau IV.1. Coordonnées géographiques des stations 84

Chapitre V: CARTOGRAPHIE DU RAYONNEMENT SOALIRE

IN : Rayonnement direct sur un plan Normal

LISTE DES ABREVIATIONS

ALADIN - Aire Limitée Adaptation dynamique Développement InterNational

L'énergie solaire est la ressource énergétique inépuisable la plus abondante sur

Notre région en particulier le Sud Algérien est caractérisée par un énorme

Bien qu’il existe un réseau de stations de mesure radiométrique, leur nombre

Des techniques de mesure nouvelles doivent être mises en œuvre afin de

En raison de l’étendu de notre pays, du coût très élevés de l’investissement et de

(i) Une modélisation du rayonnement solaire dans différentes conditions

(iii) Afin d’évaluer le potentiel solaire et de caractériser sa variabilité spatio-

Le présent manuscrit est organisé de la façon suivante:

Il serait tout d’abord intéressant de connaître quelques notions sur le rayonnement

I.2. SOURCE DU RAYONNEMENT SOLAIRE

La figure I.1 illustre la distribution spectrale du rayonnement solaire au sommet de

Figure. I.1: Spectre du rayonnement solaire reçu hors atmosphère.

I.3. RAYONNEMENT SOLAIRE HORS ATMOSPHERE