Volet pluviométrie

Le présent rapport a trait au volet pluviométrie du programme ICCARE. La variable que nous allons traiter est le nombre annuel de jours de pluie. La question à laquelle ce rapport essaye d’apporter une ou plusieurs réponses est

observe-t on une diminution du nombre de jours de pluie par an?

L’échelle de présentation des résultats est celle de la région étudiée.

DONNEES ET METHODES

Les données sont des nombres annuels de jours de pluie sur l’ensemble des pays. La majeure partie de l’information récoltée est contenue dans la base « PLUVIOM » gérée à Montpellier par l’ORSTOM. Le complètement de cette base s’est heurté à beaucoup de problèmes :

• Nous n’avons pas toujours pu disposer d’une information pluviométrique journalière nécessaire pour ce travail.
• Lorsque l’information pluviométrique journalière existe, elle s’accompagne parfois d’erreurs manifestes de saisie : rosée comptée comme pluie; cumul de pluie signalé incorrectement, ... Ces remarques s’appliquent d’ailleurs également à la banque « PLUVIOM » de l’ORSTOM.

Nous avons donc décidé de reprendre les résultats du travail confié à l’ASECNA et l’ORSTOM par le CIEH pour la publication de tous les relevés de précipitations journalières jusqu’en 1980 aux stations pluviométriques. Au cours de ce travail, de nombreuses critiques ont été faites sur les données. Cela nous a permis de constituer notre propre banque. Grâce à des contacts avec des services nationaux et d’autres équipes de recherche (qu’ils en soient tous remerciés!), nous avons complété celle-ci lorsque les données nous apparaissaient suffisamment fiables.

La sélection des postes analysés repose sur des critères de qualité des données et de longueur des séries. Nous tenons à signaler qu’au cours de ce travail, nous avons été confrontés sur certains postes à des résultats parfois très surprenants. Nous les avons soit rejetés, soit repris en tant que tel mais il convient de se montrer circonspect par rapport aux résultats obtenus.

L’information retenue ne couvre ni l’ensemble de la zone étudiée, ni toute la période d’étude (décennies 1950, 1960, 1970 et 1980). Le traitement complet sur les 4 décennies n’a pu être effectué que sur le Sénégal, la Guinée Bissau, le Mali, la Côte d’Ivoire, le Burkina Faso et le Bénin.

Le travail a été effectué sous deux angles différents mais complémentaires :

• à un niveau ponctuel, pour chaque station, nous avons utilisé des méthodes statistiques qui permettent de caractériser des fluctuations dans une série chronologique.
  • Les méthodes statistiques retenues dans le cadre de ce travail sont : test de corrélation sur le rang pour vérifier le caractère aléatoire d’une série, test de Pettitt, statistique de Buishand, ellipse de contrôle, procédure bayésienne de Lee et Heghinian et procédure de segmentation des séries hydrométéorologiques de Hubert pour détecter une rupture au sein d’une série (Lubès et al, 1994).
  • Lorsque les tests statistiques donnent des résultats contradictoires nous parlerons « d’anomalie »; lorsque les tests donnent les mêmes résultats nous parlerons de « rupture ».
• A un niveau régional, nous avons cartographié l’évolution du nombre annuel de jours de pluie sur les décennies 1950, 1960, 1970 et 1980.
  • Pour chacune des décennies, la variable brute a été cartographiée, à chaque fois à partir des mêmes postes, sur la zone étudiée. Nous avons produit deux types de carte : une carte de tracé des courbes isovaleurs du nombre annuel de jours de pluie et une carte ne regroupant que quelques courbes isovaleurs afin de donner une représentation plus accessible des fluctuations de la variable nombre annuel de jours de pluie.
  • Sur chacun des postes retenus, nous avons déterminé un indice calculé de manière similaire à « l’indice pluviométrique » (Nicholson et al, 1988; Servat, 1994). L’indice utilisé ici est une moyenne par décennie des indices annuels calculés selon l’expression :
    
    Pour chacune des décennies, cet indice a été cartographié, à chaque fois à partir des mêmes postes. La carte alors obtenue traduit des zones à déficit ou excédent annuel de jours de pluie plus ou moins marqué.

CARTOGRAPHIE DES VARIATIONS DU NOMBRE ANNUEL DE JOURS DE PLUIE

La figure 1 présente la localisation des postes utilisés.

Les tracés des courbes isovaleurs du nombre annuel de jours de pluie (figure 2) sont plus complexes que ceux des hauteurs annuelles de pluie, en particulier à l’Est de cette zone d’étude. Cependant, en certains endroits de la zone étudiée, ils se ressemblent beaucoup et on retrouve les mêmes caractéristiques :

• Effet pluviogène des massifs montagneux : sur la décennie 1950, on mesure l’influence de la chaîne de l’Atakora au Togo et au Bénin sur le tracé des courbes isovaleurs; sur les contreforts Est du massif du Fouta Djalon, la variable diminue.
• Effet pluviogène de la végétation : le « V Baoulé » (limite de la forêt et de la savane) en Côte d’Ivoire infléchit fortement le tracé des courbes isovaleurs.
• Les zones côtières sont les zones arrosées le plus fréquemment sur la zone étudiée.
• Les zones non soumises à l’influence maritime ont un tracé de courbes isovaleurs qui ont un gradient voisin d’un axe Nord-Sud.

Les tracés à l’Est de la zone d’étude montrent l’existence d’un grand nombre d’extrema, surtout en Centrafrique. Ceux-ci ne s’expliquent pas toujours même si le pays a été et demeure toujours recouvert dans sa partie méridionale par une forêt tropicale dense dont la limite a varié au cours des dernières décennies.

Les cartes de nombre de jours de pluie interannuel (figure 3) montrent que la variable étudiée a diminué au cours des décennies en Afrique de l’Ouest alors qu’elle semble être plus stable sur les pays de l’Afrique Centrale. Il est vrai que pour ceux-ci, nous ne disposons pas de données sur la dernière décennie écoulée.

Le nombre de jours de pluie semble avoir diminué à partir de la décennie 1970. Les pays au Nord de la zone d’étude (Sénégal, Mali, Burkina Faso et Tchad), ainsi que les massifs forestiers de Guinée et de Côte d’Ivoire sont les premiers concernés par ce phénomène. Au cours de la décennie 1980, celui-ci s’accentue et touche alors le Bénin.

Les cartes d’indices (figure 4) permettent de visualiser l’ampleur du phénomène de baisse du nombre annuel de jours de pluie tant en intensité qu’en extension. Ces cartes n’ont pu être dressées ni pour les pays d’Afrique Centrale, ni pour la Guinée Conakry et le Togo puisque la période de référence servant au calcul de la moyenne regroupe les 4 décennies.

Ces cartes confirment les observations faites ci-dessus : à partir de la décennie 1970, une diminution du nombre annuel de jours de pluie apparaît et s’accentue durant la décennie 1980.

Très rares sont les zones échappant à ce phénomène. Nous émettrons quelques doutes sur les résultats des stations de Pô et de Ouahigouya, au Burkina Faso, et de Katibougou au Mali.

TESTS DE DETECTION DE RUPTURES DANS LES SERIES CHRONOLOGIQUES DU NOMBRE ANNUEL DE JOURS DE PLUIE

Si l’on s’intéresse dans un premier temps à la vérification du caractère aléatoire de chacune des séries chronologiques (figure 5), on observe que les séries chronologiques ont un caractère plus généralement non aléatoire en Afrique de l’Ouest et aléatoire en Afrique Centrale. Dans le cas où l’hypothèse alternative d’une tendance est acceptée, celle-ci se traduit le plus souvent par une diminution du nombre annuel de jours de pluie. Toutefois sur certains postes, elle se traduit par une augmentation de la variable (on peut s’interroger sur la validité de ce résultat, comme il est mentionné en annexe).

Si l’on s’intéresse ensuite à la détection d’une rupture ou d’une anomalie au sein de chacune des séries chronologiques (figure 6), on observe que la majorité des ruptures est concentrée en Afrique de l’Ouest. En Afrique Centrale, on trouve en plus grande proportion des postes pour lesquels, soit aucune rupture n’a été détectée, soit le résultat obtenu est une anomalie.

On constate que généralement les méthodes de vérification du caractère aléatoire et celles de détection de ruptures donnent des résultats concordants. Toutefois, en Afrique Centrale, les différentes méthodes se contredisent parfois : pour une série donnée, l’hypothèse du caractère aléatoire est acceptée alors que certaines méthodes détectent une rupture. On peut peut-être traduire cela par un changement peu marqué au sein des séries chronologiques.

Une modification au sein des séries de nombre annuel de jours de pluie se fait surtout ressentir dans la partie Ouest de la zone d’étude. Ce changement se traduit le plus souvent par une diminution importante du nombre annuel de jours de pluie. Parfois il se traduit par une augmentation de celui-ci.

C’est généralement au cours de la première moitié de la période d’étude que l’on observe les quelques augmentations de la variable (figure 7). Quand à la diminution de celle-ci; elle se manifeste fréquemment autour de l’année 1970, mais moins nettement que pour la pluviométrie annuelle.

CONCLUSION

A la question posée en introduction, la réponse est qu’effectivement le nombre annuel de jours de pluie a changé au cours des dernières décennies en Afrique de l’Ouest et Centrale.

Le plus souvent, on enregistre une diminution importante en Afrique de l’Ouest et moindre en Afrique Centrale. Il est difficile d’être très précis car les données disponibles ne couvrent pas l’ensemble de la zone d’étude.

Les augmentations observées pour certains des postes pluviométriques doivent être considérées avec circonspection.

L’apparition du phénomène de diminution du nombre annuel de jours de pluie se manifeste sur une période assez longue (de 1955 à 1980 environ). Mais c’est autour de l’année 1970 qu’elle est la plus fréquente.

Nous avons essayé d’analyser de façon plus approfondie la baisse de la pluviométrie annuelle par le biais du nombre annuel de jours de pluie. Si, bien souvent, il y a une forte corrélation entre la baisse de la pluviométrie annuelle et la baisse du nombre annuel de jours de pluie, ce n’est pas systématique (nombreux extrema en Afrique Centrale, augmentation de la variable au cours des décennies sur quelques postes, ...). Il est difficile d’incriminer entièrement la mauvaise qualité des données pour expliquer un tel comportement occasionnel.

Résultats par pays

BENIN, BURKINA FASO, CAMEROUN, COTE D'IVOIRE, GUINEE CONAKRY, GUINEE BISSAU, MALI, REPUBLIQUE CENTRAFRICAINE, SENEGAL et GAMBIE, TCHAD et TOGO

DEBUT DE LA PAGE