11

Intégration des limites du développement durable des ressources en eau vis à vis des impacts socio-économiques, de la pollution , de la qualité des eaux,

de la santé publique et des paramètres écologiques

Integration of ecological sustaining limits of natural water resources with iIntegration of ecological sustaining limits of natural water resources with impacts of socio-economic, pollution pressures, water quality, public health and ecological

parameters

Colloque International GIRE3d, 24 au 26 mars 2010, Agadir, Maroc

Par Jacky Mania (*) and Said Jalala (**)

(*)Polytech’Lille – UMR 8107 LML-Lille1- 59655 VILLENEUVE D’ASCQ Cedex (F) Email : Jackymania@aol.com tel. (33) 03 81 58 03 75 / (33) 06 13 99 53 32

(**)University of Palestine International- Research Institute of Sustainable Development and Environment – Gaza City Email : said_jalala@hotmail.com

22

Aperçu de la présentation

1 -Introduction 2- Développement et validation d ’un nouveau concept

intégré de l'eau : Conceptual Water Integrated Model for Semi-Arid Mediterranean (CWIMSAM) 3- Application de CWIMSAM à la bande de Gaza 4- L'analyse des données Plan d'analyse Outils d'analyse 5- Résultats et discussion 6- Conclusions et recommandations

33

ProblèmeProblème 1- IntroductionIntroduction

44

ObjectifsObjectifs

Mettre en place un nouveau modèle conceptuel de gestion intégrée de l'eau en pays semi-aride méditerranéen

« Conceptual Water Integrated Model for Semi-Arid

Mediterranean (CWIMSAM)» 

Caractériser les variables efficaces de gestion du secteur eau et définir les zones géographiques où l'eau pose un problème

Établir des relations de la prédiction pouvant être utilisées comme outils de soutien décisionnel

Classer les municipalités dans des groupes associés à leurs variables liées à l'eau

55

Le vrai problème dans les zones semi-arides n'est pas toujours le manque de ressources, mais l'absence d'une politique intégrée de gestion de l'eau

(Sharma, 1998)…

Jusqu'à présent, la science n'a pas débordé de son cadre général pour aborder les problèmes d'eau de façon intégrée (Kamp et al., 2003) ...

Plus de recherche doit être faite pour s'assurer que la gestion des ressources en eau est fondée sur une science concrète (Bouwer, 2000)…

Le temps est venu pour les scientifiques impliqués dans la gestion de l'eau rare  de se pencher sur des approches multidisciplinaires (Appelgren et Klohn, 1998)dont les aspects de l ’écologie et de la gestion durable

Etat de l’art en matière de gestion des ressources en eau dans la littérature

66

-tentative d’analyse du cycle de la gestion de l'eau basée sur la relation de cause à effet

- intégration des paramètres socio-économiques avec les pressions de la pollution, la qualité de l'eau, la santé publique et les impacts écologiques ainsi que l’ensemble des réponses institutionnelles

-déplacement de la gestion de l'offre des ressources en eau vers la gestion de la demande

- approches écosystémiques intégrées et préventives

Signification

77

-réalisation de la gestion durable des ressources en eau

-Guide-Pression-Etat-Impact-Réponse (GPEIR) pour développer les différents facteurs possibles basés sur la relation de cause à effet

-Opinion de l'expert et des méthodes de jugement pour le développement et la validation du modèle et des variables

-Comparaison avec des modèles bien établis de gestion des eaux

Cadre de référence

Cadre de référence

2-Développement et validation de CWIMSAMDéveloppement et validation de CWIMSAM

88

Fonctionnement de CWIMSAMFonctionnement de CWIMSAM

99

Diagramme de CWIMSAMDiagramme de CWIMSAM

1010

Socio-économiques Population Le revenu par habitant L'utilisation des terres (rural/urbain) Tourisme L'accès à l'eau potable Système de récupération des eaux usées Système de récupération eaux pluviales Consommation d'eau par habitant Prix de l'eau L'efficacité des recettes Consommation de l'eau Agricole Emploi des femmes (domaine de l ’eau)Eau utilisée mais non comptabilisée

Sources de pollution Déchets dangereux Eaux usées domestiques Pesticides Engrais chimiques Engrais organiques Stations d'essence Déchets domestiques solides Eaux usées industrielles Dioxyde de carbone Intrusion d'eau de mer

48Variables48Variables3-ApplicationApplication

1111

Qualité de l’Eau NitrateNitrate ChlorureChlorure SodiumSodium CalciumCalcium MagnesiumMagnesium PotassiumPotassium FluorureFluorure SulfateSulfate pHpH AlcalinitéAlcalinitéColiformes totauxColiformes totaux

La santé publique et les impacts écologiques

MorbiditéMorbidité

Perte de productivité Perte de productivité Perte de terres humidesPerte de terres humides

Réponses de la Gestion

Dessalement d'eau de mer Dessalement d'eau de mer Dessalement d'eau saumâtre Dessalement d'eau saumâtre Récupération des eaux pluviales Récupération des eaux pluviales Adduction d'eau régionale (interconnexion)Adduction d'eau régionale (interconnexion)Rapport Eau traitée /eau usée partiellement traitée Rapport Eau traitée /eau usée partiellement traitée Efficacité de l'eau d'irrigation (puits agricoles)Efficacité de l'eau d'irrigation (puits agricoles)Efficacité des réseaux d'approvisionnement en milieuEfficacité des réseaux d'approvisionnement en milieu

urbain (production d ’eau par puits municipaux)urbain (production d ’eau par puits municipaux)Efficacité du système d'information Efficacité du système d'information Sensibilisation et éducationSensibilisation et éducation

1212

Application à la bande Application à la bande de Gaza (GS)de Gaza (GS)

SuperficieSuperficie de 360 km²de 360 km²

2525

1313

Le ContexteLe Contexte

Considérant l ’accroissement rapide de la population de la bande de GAZA (1.16 millions en 2000 ,1.5 millions en 2009 et 2.6 millions en 2020), la demande prévue de l'eau va augmenter pour atteindre 260 hm3.y-1, qui dépassera de près de trois fois les limites écologiques et la capacité durable de l'aquifère côtier de la bande de Gaza (CAMP, 2000)

1414

Pourquoi la bande de GAZA ( Gaza Strip)Pourquoi la bande de GAZA ( Gaza Strip)??

1515

HydrogéologieHydrogéologie

L’ aquifère côtier de la bande de Gaza est composé de sables du Tertiaire- Quaternaire, de grès calcareux et d’interlits de galets avec des niveaux argileux imperméables et semi-perméables.

La totalité de l’aquifère s’étend des zones côtières du Sinai au sud et d’ Haifa au Nord sur 120 km le long de la côte Mediterranéenne .

La largeur de l’aquifère varie de 3 à 10 km dans le Nord à environ 20 km dans le Sud (WRAP, 1995).

1616

1717

1818

Deficit du bilan en eauDeficit du bilan en eau

Inflows (hm3.y-1)Outflows (hm3.y-1)

MINMAXMINMAX

Rainfall Recharge (1)42.045.0Municipal Abstraction54.5054.50

Lateral inflow from Israel18.030.0Agricult. Abstraction95. 0100.0

Lateral Inflow from Egypt2.05.0Discharge to the Sea10.015.0

Saltwater Intrusion-Shallow10.015.0

Water System Leaks10.915.0

Wastewater Return Flows10.510.5

Other Recharge 3.53.5

Irrigation Return Flows20.025.0

Loss of Aquifer Storage2.13.2

Total119.0152.2159.5169.5

Net Balance-40.5-17.3

Source: compiled from CAMP, 2000 and PWA, 2000Source: compiled from CAMP, 2000 and PWA, 2000

ENTREESENTREES SORTIESSORTIES

1919

Dégradation de la qualité des eaux

2020

2121

Plan d’Analyse & outilsPlan d’Analyse & outils4- Analyse des Analyse des donnéesdonnées

Principal Component and Classification Analysis

ou RNA

2222

RESEAUX DE NEURONES ARTIFICIELSRESEAUX DE NEURONES ARTIFICIELS ) ) RNA ou ANNRNA ou ANN((

Architecture Générale

InputOutput

Hidden layerEntréeSortie

Couche Cachée

X1

X i

Xn

Wi

Wn

W1 )Poids(

01

bWXS ij

n

iij

XiWi

Fonction de transfert

2323

Ce type de modèle respecte deux choses (Aleksander& Morton, 1990: (

1 -La connaissance est acquise par le modèle à partir d ’unprocessus d ’apprentissage

2-La solidité de la connexion inter-neuronale est basée surles poids des synapses (région de contact entre 2 neurones)utilisés pour stocker la connaissance.

Les ANNs deviennent depuis 1995 une extension des algorithmes des techniques conventionnelles. Ils permettentd ’élucider les relations qui n ’ont pas été mises en évidencepar les autres modèles.

2424

2525

y = -0.0251+0.9971*x

-5 0 5 10 15 20 25 30 35

Observed WAbstrac hm 3.y -1

-5

0

5

10

15

20

25

30

35

Pre

dict

ed W

Abs

trac

hm3 .y

-1

Equality liney=x

Predicted versus observedPredicted versus observed

output -Example: Model 1output -Example: Model 1

Erreur RMS par rapport aux nœuds Erreur RMS par rapport aux nœuds cachés- MODELE 1cachés- MODELE 1

Prélèvements d ’eauPrélèvements d ’eau

2626

Formes Compactes des modèles ANNFormes Compactes des modèles ANN

Model 1 V.Socio-Eco:Model 1 V.Socio-Eco: {WAbstrac} = ANN [Populat, Inccap, Lanuse, {WAbstrac} = ANN [Populat, Inccap, Lanuse, Tourismt, WSupply, WWCov, StoWCov, WCpCap, Wprice, Tourismt, WSupply, WWCov, StoWCov, WCpCap, Wprice, EfRevCo, AgWCon, GendEmp, WAwEd, UFW] EfRevCo, AgWCon, GendEmp, WAwEd, UFW]

Model 2 V.Pollution:Model 2 V.Pollution: {TDS} = ANN [HazWas, DomWW, Pesticid, {TDS} = ANN [HazWas, DomWW, Pesticid,

ChemFer, OrgFert, PetrolS, DomSW, IndWW, CO2, SWInt]ChemFer, OrgFert, PetrolS, DomSW, IndWW, CO2, SWInt]

Model 3 V.Etat:Model 3 V.Etat: {WAbstrac}= ANN [NO3, Cl, Na, Ca, Mg, K, F, SO4, {WAbstrac}= ANN [NO3, Cl, Na, Ca, Mg, K, F, SO4, pH, Alkalinity, T-Coli]pH, Alkalinity, T-Coli]

Model 4 V. Impact:Model 4 V. Impact: {WAbstrac} = ANN [LosProd, LosWet, Morbid] {WAbstrac} = ANN [LosProd, LosWet, Morbid]

Model 5 V.Gestion:Model 5 V.Gestion: {WAbstrac} = ANN [BrWDes, StoWHa, ImpW, {WAbstrac} = ANN [BrWDes, StoWHa, ImpW,

TreatWW, EfWIrrig, EfUWSN, EfInS, WAwar, SWD]TreatWW, EfWIrrig, EfUWSN, EfInS, WAwar, SWD]

2727

VARIABLES SOCIOVARIABLES SOCIO--ECONOMIQUESECONOMIQUES

ClassementClassement1er : 1er : la population2ème : la consommation de l'eau agricole,

3ème : le revenu par habitant4ème: le prix de l'eau

la population,le revenu par habitant,l'utilisation des terres, le tourisme ,l'accès à l'eau potable ,le taux de récupération des eaux usées, le taux de récupération des eaux de pluie ,la consommation d'eau par habitant ,le prix de l'eau ,l'efficacité des taxes ,

a consommation de l'eau agricole,l'autonomisation des femmes ,

l’eau non comptabilisée

2828

VARIABLES DE LAVARIABLES DE LAPOLLUTIONPOLLUTION

ClassementClassement1er : 1er : l’intrusion d'eau de mer

2ème : les eaux usées domestiques ,3ème : les engrais chimiques4ème: les déchets solides domestiques

les déchets dangereux ,les eaux usées domestiques ,

les pesticides,les engrais chimiques, les engrais organiques,

les stations service ,les déchets solides domestiques ,les eaux usées industrielles ,le dioxyde de carbone ,

l’intrusion d'eau de mer

2929

VARIABLESVARIABLESD ’ETATD ’ETAT

))CHIMIQUESCHIMIQUES((

ClassementClassement1er : 1er : nitrates

2ème : chlorures ,3ème : fluor4ème: coliformes totaux

nitrate, chlorure, sodium ,calcium, magnésium,potassium, fluor, sulfate ,

pH, alcalinité, coliformes totaux

3030

VARIABLES VARIABLES D ’IMPACTD ’IMPACT

ClassementClassement1er : 1er : morbidité2ème : baisse de productivité

3ème : perte de zones humides

3131

VARIABLESVARIABLESDE LA GESTIONDE LA GESTION

DE L ’EAUDE L ’EAU

ClassementClassement1er : 1er : l'efficacité dans l'eau d'irrigation2ème : traitement des eaux usées

3ème : efficacité de la distribution en eau4ème: désalinisation des eaux saumâtres

le dessalement d'eau saumâtre ,la récolte des eaux pluviales ,

adduction d'eau régionale, les eaux usées traitées / partiellement traitées ,

l'efficacité dans l'eau d'irrigation ,de l'efficacité des réseaux d'approvisionnement en milieu urbain ,de l'efficacité du système d'information ,

de sensibilisation et d'éducation,de dessalement d'eau de mer

3232

CorrelationTrainingVerificationTesting

Model 10.9989970.99973980.9990293

Model 20.9999930.9999970.999993

Model 30.96376250.99898660.9841797

Model 40.97356490.99668070.9996463

Model 50.99000860.99430140.9707078

NetworkRMS Error

Model 1 Model 2Model 3Model 4Model 5

RBF0.654313444.53.0858850.56851.682691

GRNN0.510853296.53.3125912.5220.547683

Linear0.48144130.22.1493791.130.968414

MLP (4 layers)0.20314112.631.1698720.22470.518656

MLP (3 layers)0.088092.4650.31255170.22190.2561

Résultats de l’analyse par ANNRésultats de l’analyse par ANN

Number of hidden nodes

Model 17

Model 23

Model 36

Model 46

Model 55

)Root Mean Square Error(5- RésultatsRésultats

3333

Classement des variables par ANN par rapport à l’opinion des experts - ExemplesClassement des variables par ANN par rapport à l’opinion des experts - Exemples

Socio-economic variables

02468

101214

Variable

Ran

k

Questionnaire Real data analysis

Pollution variables

02468

1012

Variable

Ran

k

Questionnaire Real data analysis

3434

Analyse de FacteursAnalyse de Facteurs

--Reduit les variables en un petit nombre de facteurs latents Reduit les variables en un petit nombre de facteurs latents avec possibilité de rotation d’une solution avec possibilité de rotation d’une solution

Evaluation des Risques sur la Santé Humaine & Niveaux Evaluation des Risques sur la Santé Humaine & Niveaux proprespropres

--Caractérise les effets potentiels nocifs sur la santé humaineCaractérise les effets potentiels nocifs sur la santé humaine

--Détermine les niveaux de produits chimiques qui peuvent Détermine les niveaux de produits chimiques qui peuvent rester sur place et une protection adéquate pour la santé rester sur place et une protection adéquate pour la santé publiquepublique

3535

Matrice de CorrelationMatrice de Correlation• Présente la direction et la force de relation entre tout couple Présente la direction et la force de relation entre tout couple

de variables dans le jeu de donnéesde variables dans le jeu de données

Analyse de groupe (Cluster analysis)Analyse de groupe (Cluster analysis)• Organise toutes les combinaisons fortes entre variables dans Organise toutes les combinaisons fortes entre variables dans

des groupes homogènes et distincts des autres groupesdes groupes homogènes et distincts des autres groupes

Composantes Principales & Analyse de Classification Composantes Principales & Analyse de Classification

(PCCA (PCCA Principal Component and Classification AnalysisPrincipal Component and Classification Analysis ))• Réduit le nombre de variables en un nombre plus faible, Réduit le nombre de variables en un nombre plus faible,

‘représentatif’ et ‘non-correlés’ de facteurs ‘représentatif’ et ‘non-correlés’ de facteurs • Classifie les variables et les casClassifie les variables et les cas

3636

Analyse par la matrice de correlation Analyse par la matrice de correlation Exemple: réponse des variables de gestionExemple: réponse des variables de gestion

ln(WAbstrac)

BrWDes

ln(StoWHa)

ImpWTreatWWln(EfWIrrig)

ln(EfUWSN)

EfInSln(WAwEd)

SWD

ln(WAbstrac)1.00

BrWDes0.511.00

ln(StoWHa)0.810.391.00

ImpW-0.03-0.130.281.00

TreatWW0.560.080.35-0.131.00

ln(EfWIrrig)0.070.18-0.11-0.13-0.161.00

ln(EfUWSN)-0.73-0.62-0.540.08-0.23-0.051.00

EfInS0.710.290.520.300.350.07-0.701.00

ln(WAwEd)-0.24-0.12-0.21-0.030.08-0.180.16-0.211.00

SWD0.030.020.330.69-0.13-0.35-0.200.32-0.091.00

Brackish water desalination ,Storm water harvesting , Regional water conveyance, Treated/partially treated , wastewater, Efficiency in water irrigation , Efficiency in urban supply networks , Efficiency of information system, Awareness and education , Seawater desalinationle dessalement d'eau saumâtre, la récolte des eaux pluviales, adduction d'eau régionale, les eaux usées traitées / partiellement traitées, l'efficacité dans l'eau d'irrigation, de l'efficacité des réseaux d'approvisionnement en milieu urbain, de l'efficacité du système d'information, de sensibilisation et d'éducation, de dessalement d'eau de mer

3737

Analyse de GroupeAnalyse de GroupeExemple: variables socio-Exemple: variables socio-économiqueséconomiques

Tree diagram for cases

Gaza

KYou Jab

aBS

uhAb

JaQa

raSh

okKh

uzBa

yuMu

saWa

Sa Fukh

WaGa Mo

gr Zah

UmNa Bu

reAb

KuZa

waMa

ga Rafa

DBal

Nuse

BLah

BHan

0

2

4

6

8

10

Eucli

dean

Link

age D

istan

ce

Tree diagram for variables

Wpr

ice

WSu

pply

Gend

Emp

WW

Cov

Lanu

se

WCp

Cap

AgW

Con

UFW

Tour

ism

Popu

lat

StoW

Cov

Incc

ap

WAb

stra

c

1

2

3

4

5

6

7

8

9

Eucli

dean

Lin

kage

Dist

ance

Diagramme des arborescencesDiagramme des arborescences

Diagramme des variablesDiagramme des variables

3838

Analyse PCCA Analyse PCCA Principal Component and Classification AnalysisPrincipal Component and Classification Analysis Exemple: variables de la pollutionExemple: variables de la pollution

Factor-variable correlations (factor loadings)

Factor 1Factor 2Factor 3

TDS-0.3657370.888060-0.271239

HazWas0.890280-0.017903-0.410531

DomWW0.897473-0.004479-0.407691

ChemFert0.6271990.4369510.624185

OrgFert0.6839420.3206860.645067

DomSW0.944302-0.009155-0.251978

IndWW0.9535420.096384-0.077572

CO2-0.3644370.887894-0.274959

SWIntr0.8557260.1071480.013095

*Pesticide0.7033690.2151600.574200

*PetrolSt-0.1890130.1232810.033134

Eigenvalues of correlation matrix

58.43%

21.02%

15.10%

3.59% .69% .60% .31% .22% .03%

-1 0 1 2 3 4 5 6 7 8 9 10 11

Eigenvalue number

-1

0

1

2

3

4

5

6

Eige

nval

ue

3939

4040

Comparaison entre analyse PCCA et Analyse des Comparaison entre analyse PCCA et Analyse des Facteurs Facteurs

Exemple : variables de la pollutionExemple : variables de la pollution

Factor Loadings-pollution variables) Varimax normalized (

Factor 1Factor 2Factor 3

TDS-0.133561-0.988687-0.025363

HazWas0.9714600.0992800.088680

DomWW0.9765760.0896880.099717

ChemFert0.219673-0.0435550.961123

OrgFert0.2523960.0832790.957126

DomSW0.9340060.1560310.242012

IndWW0.8538640.1186060.425909

CO2-0.130502-0.989430-0.027739

SWIntr0.7234300.1144890.455479

Proportion of the total variance

0.4632300.2260810.256277

Factor-variable correlations (factor loadings)

Factor 1Factor 2Factor 3

TDS-0.3657370.888060-0.271239

HazWas0.890280-0.017903-0.410531

DomWW0.897473-0.004479-0.407691

ChemFert0.6271990.4369510.624185

OrgFert0.6839420.3206860.645067

DomSW0.944302-0.009155-0.251978

IndWW0.9535420.096384-0.077572

CO2-0.3644370.887894-0.274959

SWIntr0.8557260.1071480.013095

*Pesticide0.7033690.2151600.574200

*PetrolSt-0.1890130.1232810.033134

PCCA analysisPCCA analysisPrincipal Component and Classification Analysis

Factor analysisFactor analysis

4141

Etapes de l’analyse des risques sur la santéEtapes de l’analyse des risques sur la santé

4242

Analyse des risques sur la santé des zones de rejet des Analyse des risques sur la santé des zones de rejet des eaux uséeseaux usées

4343

Indice de danger pour chaque voie (ingestion ou dermique)

Indice de danger pour chaque élément chimiquetoxique

Index deIndex derisquerisque

Index deIndex derisquerisque

Voie d ’expositionVoie d ’exposition

EnfantEnfantEnfantEnfant

AdulteAdulte

AdulteAdulte

4444

Risque cancérigène pour chaque voie de pénétration

Indice de danger par récepteur

adulte ou enfant

Index deIndex dedangerdanger

Voie d'exposition RécepteurRécepteur

risquerisque

4545

Les enseignements de la méthodologie CWIMSAM :Les enseignements de la méthodologie CWIMSAM : modèle conceptuel intègrant des variables effectivesmodèle conceptuel intègrant des variables effectives

modèle de prédiction des relations entre les modèle de prédiction des relations entre les systèmes de systèmes de captage de l ’eau et les forces socio-économiquescaptage de l ’eau et les forces socio-économiques

modèle de prédiction des relations entre les modèle de prédiction des relations entre les systèmes de systèmes de captage de l ’eau et les captage de l ’eau et les paramètresparamètres de la qualité des eauxde la qualité des eaux

6- - ConclusionsConclusions et Recommendationset Recommendations

4646

.….…SuiteSuite.... modèle de prédiction des relations entre les modèle de prédiction des relations entre les systèmes de systèmes de

captage de l ’eau et les politiques d ’captage de l ’eau et les politiques d ’ interventionintervention

modèle de prédiction des relations entre les paramètresmodèle de prédiction des relations entre les paramètres de la qualité des eaux et les sources de pollutionde la qualité des eaux et les sources de pollution

On évalue les risques pour la santé et la nécessité de la On évalue les risques pour la santé et la nécessité de la remise à niveau de l ’usine de traitement des eaux uséesremise à niveau de l ’usine de traitement des eaux usées

On classe les problèmes prioritaires d'eau et leurs On classe les problèmes prioritaires d'eau et leurs emplacementsemplacements

4747

ConclusionsConclusionsLe revenu par habitant est à la base des forces motrices Le revenu par habitant est à la base des forces motrices

socio-économiquessocio-économiques

Les eaux usées domestiques sont à l ’origine pressante Les eaux usées domestiques sont à l ’origine pressante de la pollutionde la pollution

Les Nitrates et Chlorures sont les paramètres de la Les Nitrates et Chlorures sont les paramètres de la qualité de l’eau les plus significatifsqualité de l’eau les plus significatifs

Les impacts de la gestion du secteur de l'eau sont la Les impacts de la gestion du secteur de l'eau sont la morbidité , la perte des zones humides et la productivité morbidité , la perte des zones humides et la productivité agricoleagricole

4848

..suite des conclusions..suite des conclusions La réutilisation des eaux usées traitées devrait avoir la La réutilisation des eaux usées traitées devrait avoir la

priorité absolue dans la politique de l'eau suivie par le priorité absolue dans la politique de l'eau suivie par le dessalement d'eau de merdessalement d'eau de mer

L'arsenic est le seul produit chimique qui présente un L'arsenic est le seul produit chimique qui présente un risque cancérogène. Les adultes ont une sensibilité plus risque cancérogène. Les adultes ont une sensibilité plus élevée aux produits chimiques que les enfantsélevée aux produits chimiques que les enfants

Les municipalités côtières ainsi que les municipalités Les municipalités côtières ainsi que les municipalités situées à proximité de la frontière orientale de Gaza sont situées à proximité de la frontière orientale de Gaza sont caractérisées par une forte teneur en chlorurecaractérisées par une forte teneur en chlorure

Khan Younis et Gaza sont caractérisées par une pollution Khan Younis et Gaza sont caractérisées par une pollution anthropique significative, un prélèvement d'eau élevé et un anthropique significative, un prélèvement d'eau élevé et un besoin d'eau supplémentairebesoin d'eau supplémentaire

4949

Impacts espérés sur la gestion de l’eau à GazaImpacts espérés sur la gestion de l’eau à GazaContribution à l'avancement de la gestion des ressources Contribution à l'avancement de la gestion des ressources

en eau à travers le développement du nouveau modèle en eau à travers le développement du nouveau modèle conceptuel intégré de l'eauconceptuel intégré de l'eau

Aider les décideurs à mieux connaître et comprendre les conditions de base réelle

Définir pour la première fois, les critères efficaces de Définir pour la première fois, les critères efficaces de plusieurs paramètres pour l'analyse du secteur de l ’eau et plusieurs paramètres pour l'analyse du secteur de l ’eau et surveiller des zones géographiques sous contraintessurveiller des zones géographiques sous contraintes

Conclure à des interventions potentielles nécessaires pour Conclure à des interventions potentielles nécessaires pour assurer la disponibilité en eau; l ’adéquation et l ’équilibre assurer la disponibilité en eau; l ’adéquation et l ’équilibre entre l ’offre et la demandeentre l ’offre et la demande

5050

Recommandations pour l'améliorationRecommandations pour l'améliorationLa gestion des ressources en eau devrait être fondée sur La gestion des ressources en eau devrait être fondée sur

des approches intégrées, préventives et écosystémiquesdes approches intégrées, préventives et écosystémiquesL'utilisation de l’eau de l ’écosystème et de la demande L'utilisation de l’eau de l ’écosystème et de la demande

en eau doivent être considérées lors du calcul de la en eau doivent être considérées lors du calcul de la demande globaledemande globale

Sélectionner et adapter la technologie de dénitrification la Sélectionner et adapter la technologie de dénitrification la mieux appropriée pour assainir les eaux souterrainesmieux appropriée pour assainir les eaux souterraines

Définition d ’une stratégie de gestion de la salinité des Définition d ’une stratégie de gestion de la salinité des eaux de l ’aquifère côtier grâce au transport accéléré des eaux de l ’aquifère côtier grâce au transport accéléré des sels; la méthode ASTRAN permettrait de gérer les eaux sels; la méthode ASTRAN permettrait de gérer les eaux souterraines salines dans l'est de la bande de Gazasouterraines salines dans l'est de la bande de Gaza

5151

ASTRANASTRAN

5252

Suite- Suite- Recommendations Recommendations pour l'améliorationpour l'améliorationPlanification et réglementation de la régulation devraient Planification et réglementation de la régulation devraient

permettre de récupérer de l'eau et sa conservationpermettre de récupérer de l'eau et sa conservation

Adaptation de la gestion de l’eau au changement Adaptation de la gestion de l’eau au changement climatiqueclimatique

Le plan national de l'eau devrait être reformulé pour tenir Le plan national de l'eau devrait être reformulé pour tenir compte des problèmes d'eau prioritaires et des zones compte des problèmes d'eau prioritaires et des zones géographiques sous contraintesgéographiques sous contraintes

Toutes les politiques de l'eau, les plans et les programmes Toutes les politiques de l'eau, les plans et les programmes devraient être soumis à l'évaluation stratégique devraient être soumis à l'évaluation stratégique environnementaleenvironnementale

5353

FinFin

Merci pour votre attentionMerci pour votre attention

5454New Integrated Water Management Model Existing Water Management Model

Nouveau Modèle versus Modèle Classique

5555

MethodologieMethodologie