NUM6 UNIVERSITE NANGUI 060318 151730 1
Transcript of NUM6 UNIVERSITE NANGUI 060318 151730 1
Ministère de l'Enseignement Supérieur et
de la recherche scientifique
N° de série:
ùfl{-Sqfo Mémoire présenté pour l'obtention
du
DIPLOME DE MASTER Il EN SCIENCES ET
GESTION DE L'ENVIRONNEMENT
OPTION: Géosciences et Environnement N° du candidat : 02 03 021460
Nom:TCHIMOU
Prénoms : Djobolo Romain Roland
Laboratoire : Géosciences et Environnement
THEME:
Mise à l'échelle statistique des
données pluviométriques via le modèle
LARS- WG pour la projection des
changements climatiques futurs en
Côte d'Ivoire
Date de soutenance: 11/07/2014
TABLES DES MATIERES
Dédicace iii
Remerciements iv
Liste des abréviations v
Liste des figures vi
Liste des tableaux viii
Résumé .ix
Introduction 1
CHAPITRE I : GENERALITES 3
Chapitre l : Eléments de contexte et cadre d'étude 4
1. 1. Eléments de contexte .4
1. 1. 1. Concepts sur les changements climatiques .4
1. 1.1.1. Définition 4
1.1.1.2. Effet de serre 4
l.1.1.3. Scénarios d'émissions anthropiques 5
1.1.1.4. Types de scenarios d'émissions des gaz à effet de serre 6
l.1.1.5. Système climatique et les modèles de simulation du climat.. 7
1.1.1.6. Modèles climatiques 8
1.1.1.6.1 Modèles Climatiques Globaux (MCG) 8
1.1.1.6.2 Modèles Climatiques Régionaux (MCR) 9
1.1.2. Méthodes de désagrégation 10
1.1.2.1. Méthodes de désagrégation dynamique 11
1.1.2.2. Méthodes de désagrégation statistique 11
1. 1 .3. Problématique du changement climatique 15
1.1.3.1. A l'échelle planétaire 15
l.1.3.2. A l'échelle de la Côte d'Ivoire 16
1. 1 .4. Projections des changements climatiques futurs 17
1.2. Cadre d'étude 19
1.2.1. Localisation géographique 19
1 .2.2. Relief 20
1.2.3. Végétation 21
1.2.4. Climat 22
1.2.4. 1. Régime pluviométrique 22
1.2.5. Température 24
CHAPITRE II : DONNEES ET METHODES 25
Chapitre 2 : Données d'étude et approche méthodologique 26
2.1. Données pluviométriques 26
2.2. Approche méthodologique 27
2.2.1. Evaluation de la performance du modèle de réduction d'échelle statistique 27
2.2.1.1. Présentation du modèle stochastique 27
2.2.1.2. Fonctionnement du modèle stochastique 27
2.2.2. Génération des scénarios de changement climatiques 28
2.2.2.1. Choix des modèles climatiques 28
2.2.2.2. Choix des périodes de projection 30
2.2. 3.Projection des changements climatiques futurs sur les paramètres pluviométriques 30
2.2.3.1. Approche graphique 30
2.2.3.2. Approche statistique 30
2.2.3.3. Approche spatiale 30
2.3. Outils de traitement des données 31
CHAPITRE ID: RESULTATS ET DISCUSSION 32
Chapitre 3 : Résultats et Discussion 3 3
3 .1. Analyse des résultats 3 3
3.1.1. Performance du modèle de réduction d'échelle LARS-WG 33
3 .1.1.1. Analyse graphique 33
3.1.1.2. Analyse statistique 35 3.1.2. Génération des scénarios climatiques futurs .41
3.1.3.Projection des changements climatiques futurs sur les paramètres pluviométriques .41
3. I.3. l. Tendances futures des hauteurs de pluies annueUes .41
3.1.3.2.Tendances futures des saisons humides et sèches .43
3.1.3.3.Tendances futures des hauteurs de pluies mensuelles .46
3.2. Discussion 49
3.2.1. Performance du modèle LARS-WG .49
3.2.2. Projection climatiques futures 50
CONCLUSION ET PERSPECTIVES 51
REFERENCES BIBLIOGRAPHIQUES 54
Il
..
DEDICACE
A toute mafamille
Particulièrement à mon père M'POUE TCHIMOU RAYMOND et à ma mère M'BOLO
N'GASSA JEANNE, en reconnaissance de tout l 'amour qu'ils me donnent et de taus les
sacrifices qu'ils consentent pour moi.
A la Chorale Miséricorde Divine de la paroisse Sainte Famille d'Aklomiabla Koumassi pour
son soutien spirituel et moral.
A ma bien aimée chérie N'DIAKA ROSE MARIE ANAISE, merci pour ton amour et ton
soutien constant que tu n'as eu cesse de me donner.
A la mémoire de mon frère BROU AL V ARES KEVIN dit " DALL Y DJEDJE" que le Dieu
de miséricorde qui est omnipotent et omniscient se souvienne de toi.
111
REMERCIEMENTS
Au terme de ce travail, je voudrais exprimer toute ma reconnaissance aux personnes qui ont contribuées de près ou de loin sa réalisation. Qu 'elles trouvent ici / 'expression de ma profonde gratitude.
A Monsieur le Professeur GO(JLA Bi Tié Albert, Doyen de l'Unité de Formation des Sciences et Gestion de 1 'Environnement (UFR-SGE) de 1 'Université Nangui Abrogoua, qui a assuré La direction du présent mémoire. Malgré son emploi du temps très chargé et ses nombreuses obligations, il a suivi constamment le déroulement de ce travail dans les moindres détails.
Merci professeur pour m 'avoir encadré, guidé et soutenu tout le long de ce mémoire Je vous suis également reconnaissant et vous exprime ma grande admiration, ma profonde gratitude et mon entière sympathie.
Je remercie le Professeur SAVANE Jssiaka, Directeur du Laboratoire Géoscience et Environnement (LGE) qui m'a accueilli dans le dit Laboratoire.
J'exprime mes sincères remerciements au Docteur SORO.G.E, qui a suivi quotidiennement mon travail. A son endroit, je voudrais exprimer ma reconnaissance pour avoir mis à ma disposition les données et les outils nécessaires à la modélisation climatique. Pour ses critiques, conseils, encouragements en vue d'améliorer ce travail.
Mes remerciements vont à 1 'endroit du professeur DIOMANDE Dramane pour avoir accepté de présider la soutenance de ce mémoire tout en lui témoignant toute ma gratitude.
Je remercie le Docteur DAO. Amidou pour son intervention, son aide, ses sugestions et critiques qui ont permis d'améliorer ce travail.
Ausssi je remercie Monsieur Kanga Brou Isidore, Monsieur N'ZUE Kouakou et Monsieur EDDY tous à la SODEXAM au Département de Météo-Climatologie pour leurs encouragements et sages conseils dans la réalisation de ce mémoire.
A mes amis et collaborateurs du laboratoire notamment Kohou Edithe, Koffi thierry, Dégui, Koffi Ehouman et Wayou Pacome pour l'ambiance fraternelle, la courtoisie et l'entraide qui ont prévalues entres nous. Je leur témoigne mon infinie sympathie.
J'adresse mes remerciements les plus fraternels à mon ami N'DA KABLAN GERARD, qui a installé tous les programmes informatiques nécessaires au fonctionnement du modèle climatique. Que le Seigneur te bénisse et te rende au centuple tout ce que tu as fait pour moi.
A ma famille, particulièrement mon père M'POUE TCHIMOU, ma mère M'BOLO
Jeanne, et mon grand frère TCHIMOU kouassi. J'exprime ma profonde gratitude pour
votre aide financière, votre assistance et vos soutiens. IV
LISTE DES ABREVIATIONS
ACC:
AOGCM:
CCNUCC:
CFC:
CST:
CMJ:
DJF:
F.I.T:
GES:
GIEC:
HadCMJ:
IPCC:
JJA:
KS:
LARS-WG:
MAS:
MCG:
MCR:
OMM:
PNUE:
RNA:
SRES:
SON:
Analyse de Corrélation Canonique
Modèles de Circulation Générale Couplés Atmosphère-Océan
Convention-cadre des Nations Unies sur les changements climatiques
ChJoro-Fluoro Carbone
Classification Synoptique du Temps
Centre National de Météorologie Canadienne, Version 3
Décembre - Janvier-Février
Front Inter Tropical de Transition
Gaz à effet de serre
Groupement d'Experts Intergouvernemental sur l'Evolution du Climat
Hadley Centre Coupled Model, Version 3
International Centre for Theorical Physic
Juin-Juillet-
Kolmogorov-Smirnov
Long Asthon Research Station Weather Generator
Mise à l'échelle statistique
Modèles Climatiques Globaux
Modèles Climatiques Régionaux
Organisation Mondiale de la Météorologie
Programme des Nations Unies pour l'Environnement
Réseau de Neurones Artificiel
Rapport Spécial sur les Scénarios d'Ernission
Septembre-Octobre-Novembre.
SODEXAM : Société d'Exploitation et de Développement Aéroportuaire, Aéronautique et
Métérologique
STARDEX: Statistical and Regional Dynamical Downscaling ofExtrème for European
WGEN: Weather Generator
V
LISTE DES FIGURES
Figure 1: Estimation de la moyenne annuelle et mondiale du bilan énergetique de la Terre 5
Figure 2: Les émissions mondiales de C02 liées à l'energie et à l'industrie 7
Figure 3 : Vue schématique des composantes du système climatique, leurs processus et leurs
interactions 8
Figure 4: Structure conceptuelle d'un modèle de circulation générale couplé Atmosphère-
océan 9
Figure 5 : Problématique de la désagrégation 10
Figure 6: Localisation géographique de la Côte d'Ivoire 19
Figure 7 : Relief de la Côte d'Ivoire 20
Figure 8: Couvert végétal de la Côte d'Ivoire 21
Figure9: Principales zones climatiques de la Côte d'Ivoire avec une illustration des quatre
' . 1 . ' . regimes p uviometnques 22
Figure 10: Températures minimales et maximales moyennes de la Côte d'Ivoire sur la
période 1955-1997 24
Figure 11 : Schéma du processus de fonctionnement du modèle LARS-WG 29
Figure 12 : Variation saisonnière des pluies observées et simulées par les modèles dans le
régime équatorial de transition 33
Figure 13 : Variation saisonnière des pluies observées et simulées par les modèles dans le
régime équatorial de transition atténué 34
Figure 14: Variation saisonnière des pluies observées et simulées par les modèles dans le
régime tropical de transition 35
Vl
Figure 15: Variation saisonnière des pluies observées et simulées par les modèles dans le
régime montagnard 35
Figure 16 : Carte des écarts moyens annuels de la pluviométrie aux horizons 2011-
2030; 2046-2065 et 2080-2099 en Côte d'Ivoire par les modèles BCM2 ;CNCMJ ;HADCM3 .42
Figure 17: Variabilité saisonnière future des précipitations à l'horizon 2011-2030 .43
Figure 18: Variabilité saisonnière future des précipitations à l'horizon 2046-2065 .44
Figure 19: Variabilité saisonnière future des précipitations à l'horizon 2080-2099 .45
Figure 20: Ecarts moyen des pluies mensuelles à l'horizon 2011-2030 par les trois modèles .. .46
Figure 21 : Ecarts moyen des pluies mensuelles à l'horizon 2046-2065 par les trois modèles . .47
Figure 22 : Ecarts moyen des pluies mensuelles à l'horizon 2080-2099 par les trois modèles .. .48
VII
LISTE DES TABLEAUX
Tableau I: Scénarios d'émission du SRES 6
Tableau Il : Synthèse des méthodes de désagrégation statistique 13
Tableau m: Caractéristiques des postes pluviométriques utilisées 26
Tableau IV : Modèles climatiques utilisés pour la génération des données futures 29
Tableau V : Résultats des tests statistiques des séries observées et générées à la station
d'Abidjan 36
Tableau VI: Synthèse de la comparaison des écarts- types et de la moyenne mensuelle des
séries observées et générées pour chaque station de l'étude 37
TableauVIl: Distribution de probabilité des pluies journalières : exemple de la station
d'Abidjan 38
Tableau VIIl: Résumé des résultats de comparaison de la distribution des pluies journalières
observées et générées pour chaque station .39
Tableau IX: Distribution de probabilité de la longueur des séries Humides et Sèches par le
test de Kolmogorov-Smirnov (KS) exemple de la station d'Abidjan .40
Tableau X: Résumé des résultats de la comparaison de la longueur des séries humides et
sèche pour chaque station par le test de Kolrnogorov-Smirnov .40
Vlll
RESUME
Les effets du changement climatique affectent très fortement les pays en développement qui
ont pour la plupart une économie basée sur l'agriculture pluviale. Les modèles climatiques
régionaux couramment utilisés pour appréhender ces perturbations climatiques sont
complexes, relativement couteux et demandent une grande capacité de calcul et de stockage
des données qui fait souvent défaut en Afrique. Dans un tel contexte, la présente étude a été
initiée afin de mettre en évidence d'éventuels impacts des changements climatiques sur
quelques paramètres temporels des précipitations de la Côte d'Ivoire via une réduction
d'échelle statistique. Dans cette optique, les hauteurs de pluie journalière de 13 stations de
mesures sur la période 1970-1991 ont servi au calibrage du modèle de réduction d'échelle
statistique LARS-WG. Il ressort des analyses statistiques que les performances du modèle à
simuler les conditions climatiques de la Côte d'Ivoire sont globalement bonnes. Les
projections climatiques à l'aide d'une mise à l'échelle statistique des données liées aux
modèles globaux BCM2, CNCM3 et HADCM3 sous le scénario AlB indiquent qu'aux
horizons 2011-2030 et 2080-2099, les pluies annuelles seront plus importantes que celles de
la période de référence 1970-1990 à l'exception des régions de Sud-Est et du Nord-Ouest et
du centre qui connaitront d'importants déficits. A l'échelle mensuelle, l'on assiste tantôt à une
augmentation, tantôt à une baisse suivant les mois, le régime pluviométrique et le modèle
climatique. Les modèles prédisent une hausse des hauteurs pluviométriques du mois de
janvier sur les trois horizons. Les saisons humides du régime équatorial de transition
connaîtront un décalage du pic pluviométrique passant du mois de juin au mois de mai. Dans
les autres régimes, ce décalage varie selon le modèle et l'horizon.
Motsclés: Changement climatique, LARS-WG, Réduction d'échelle statistique,
Pluviométrie, Côte d'Ivoire.
IX
INTRODUCTION
1
INTRODUCTION
La variabilité du climat et le changement climatique sont considérés comme les plus
grands défis auxquels l'humanité devrait faire face les décennies à venir sur toutes les échelles
géographiques et dans tous les secteurs économiques (Aerts et Droogers, 2004). Ces
modifications climatiques affectent très fortement les pays en développement car ces derniers
ne disposent pas de moyens techniques et financiers pour y faire face. En effet, les modèles
régionaux couramment utilisés pour analyser les changements climatiques sont complexes,
relativement couteux et demandent une grande capacité de calcul et de stockage des données.
Cette capacité de calcul et de stockage fait souvent défaut en Afrique.
La Côte d'Ivoire, qui sort progressivement d'une crise sociopolitique, est un pays
vulnérable surtout face aux changements climatiques dont les impacts consistent en une
érosion côtière manifeste, des inondations fréquentes, des glissements de terrains,
l'émergence de certaines maladies, une dégradation des terres, et une perte de la biodiversité
(PNUD, 2009). Il est cependant primordial que la Côte d'Ivoire, pays dont l'économie est
fortement tributaire de l'agriculture pluviale puisse mettre en place des stratégies
d'atténuation ou dans le cas échéant des mesures d'adaptation dans les domaines affectés par
le changement climatique. Cela ne peut se faire que si 1 'on dispose d'information sur les
modifications climatiques. Ces informations peuvent être fournies par des études sur l'analyse
des impacts des changements climatiques sur les paramètres pluviométriques. Il devient donc
essentiel de créer de nouveaux outils permettant de produire facilement et à moindre coût des
données climatiques à l'échelle locale tenant comptent d'un climat futur perturbé. Les
techniques de réduction d'échelle statistique communément appelées en anglais «downscaling
statistical » constituent l'outil idéal pour une analyse des perturbations climatiques.
Selon Salatbe et al.,(2003), les techniques de réduction d'échelle statistique ont comme
avantage, par rapport à la réduction d'échelle dynamique, d'exiger moins de ressources
informatiques et de permettre une plus large gamme de scénarios climatiques. A travers le
monde, plusieurs auteurs (Mearns et al,1996; Sennenov et Barrow, 1997; Katz et
Parlange, 1998; Wilks et Wilby, 1999; Tolika et al., 2007) ont utilisé divers outils de mise à
échelle statistique pour appréhender les changements climatiques.
Dans le cadre de la présente étude, la réduction d'échelle basée sur un générateur
stochastique de conditions météorologiques a été mise en œuvre.
Ce générateur a l'avantage d'avoir la capacité de générer de l'information climatique à
l'échelle locale via une fonction de transfert entre paramètres de distribution statistique du
1 .
prédictant considéré et les variables de la circulation atmosphérique à grande échelle. Et ceci
avec une très haute résolution temporelle qui peut être sub-quotidienne (Kilsby et al., 1998 ;
Fowler et al., 2000).
Ainsi, la présente étude porte sur la « mise à l'échelle statistique des données
pluviométriques via le modèle LARS-WG pour la projection des changements climatiques
futurs en Côte d'Ivoire». L'objectif général de cette étude est de mettre en évidence
d'éventuelles modifications temporelles des paramètres pluviométriques (pluie annuelle,
mensuelJe, saisons) dues aux changements climatiques futurs. De manière spécifique, il s'agit
de:
• évaluer la performance du modèle LARS-WG à reproduire les conditions climatiques
de la Côte d'Ivoire;
• analyser les tendances futures des saisons, des hauteurs de pluie à l'échelle annuelle et
mensuelle sur les horizons 2011-2030, 2045-2065 et 2080-2099.
Le présent mémoire s'articule autour de trois grandes parties. Des considérations
générales relatives aux changements climatiques, aux outils de réduction d'échelle utilisés
pour les appréhender et au cadre physique de la zone d'étude sont présentées dans la première
partie.
La deuxième partie, présente les données pluviométriques collectées, les outils de
traitement et le cadre méthodologique adopté.
La troisième partie, est consacrée à la présentation des résultats obtenus et des discussions.
A la suite de cette troisième partie, la conclusion générale dresse le bilan des
connaissances acquises au cours de cette étude ainsi que les perspectives de recherche qu'elle
suscite.
2
CHAPITRE I : GENERALITES
3
Chapitre 1 : Généralités
1.1. Eléments de contexte
1.1.1. Concepts sur les changements climatique
1.1.1.1. Définition
Le GIEC (Groupement d'Experts Intergouvernemental sur l'Evolution du Climat)
définit un changement climatique comme «tout changement du climat dû à sa variabilité
naturelle ou résultant de l'activité humaine». La Convention-cadre des Nations Unies sur les
changements climatiques (CCNUCC) restreint cette définition en parlant de « changements
qui sont attribués directement ou indirectement à une activité humaine altérant la composition
de l'atmosphère mondiale et qui viennent s'ajouter à la variabilité naturelle du climat
observée sur une échelle de temps comparables».
Pour le GIEC (2007), le changement climatique se réfère à un changement
statistiquement significatif dans l'état moyen du climat ou de la variabilité de ses propriétés et
qui persiste sur une longue période de temps (décennies ou plus). Le changement climatique
peut être dû aux processus naturels internes ou à des forçages exogènes ou à des activités
anthropiques persistantes dans l'atmosphère ou dans les usages du sol.
1.1.1.2. Effet de serre
La Terre et spécialement sa surface absorbent le rayonnement solaire qui est ensuite
restitué en direction de l'atmosphère à de plus grandes longueurs d'onde (Figure 1). Une
partie de ce rayonnement infrarouge est alors absorbée par les gaz suspendus dans
l'atmosphère, dits« gaz à effet de serre». C'est cette part du rayonnement qui est à l'origine
d'un apport supplémentaire de chaleur à la surface terrestre. Sans ces GES, la chaleur émise
par la terre serait intégralement renvoyée dans l'espace et par la suite la température de la
surface de la planète serait alors de -18 °Cau lieu de +15°C et à la fin la vie sur terre aurait
été alors impossible. L'augmentation des concentrations de gaz à effet de serre aura pour effet
d'augmenter la proportion du rayonnement terrestre absorbé par l'atmosphère. Le forçage
radiatif devient alors positif et le déséquilibre induit ne peut être compensé que par une
hausse de la température du système surface-troposphère causant ainsi des changements dans
le climat. Parmi les principaux gaz à effet de serre, on peut citer la vapeur d'eau, le dioxyde
de carbone (C02), le méthane (CI-Li), l'oxyde nitreux (ou protoxyde d'azote) et l'ozone
troposphériquerOj). Les gaz à effet de serre industriels incluent les halocarbones lourds
(comme les chlorofluorocarbones CFC) et l'hexafluorure de soufre (SF6).
4
Figure 1 : Estimation de la moyenne annuelle et mondiale du bilan énergétique de la Terre (Source: http://www.ipcc.ch/publications and data/ar4/wgl/fr/fag-l-1.html)
1.1.1.3. Scénarios d'émissions anthropiques
Selon le Groupe Intergouvernemental sur !'Evolution du Climat (GIEC), un scénario
climatique est une représentation plausible de l'évolution future des émissions de substances
susceptibles d'avoir des effets radiatifs (par exemple, gaz à effet de serre, aérosols), fondée sur
un ensemble cohérent et homogène d'hypothèses relatives aux éléments moteurs ( évolution
démographique et socio-économique, progrès technologique, etc.) et à leurs interactions.
Les premiers scénarii ont été construits en 1992 et nommés IS92a-f Comme ils ont couvert
une grande gamme d'émissions de GES, ces scénarii ont été largement utilisés dans les
modèles climatiques. Mais une évaluation de ces scénarii par l 'lPCC en 1995 en a montré
quelques faiblesses, surtout en raison de l'amélioration des connaissances sur l'atmosphère.
Un nouveau jeu de quarante scénarii a alors été défini à travers le rapport spécial sur les
scenarios d'émissions-SRES (Nakicenovic et Swart, 2000). Quatre canevas de scenarios sont
définis pour donner une description cohérente des rapports entre les forces qui déterminent
ces émissions et leur évolution et ajouter un contexte pour la quantification des scénarios. Les
scénarios sont des images diverses du déroulement possible du future et ils constituent un
outil approprié pour analyser comment des forces motrices peuvent influer sur les émissions
futures. Les scénarios sont nécessaires pour évaluer l'incidence des changements climatiques
et les mesures d'adaptation pour avoir des visions différentes des conditions susceptibles
d'influer sur un système ou une activité donnée. Actuellement, les scientifiques travaillent
5
avec des scénarios qui décrivent les évolutions d'émissions des gaz à effet de serre jusqu'en
2100.
1.1.1.4. Types de scenarios d'émissions des gaz à effet de serre
./ Scenarios du SRES
Les scénarios ont été regroupés en quatre grandes familles désignées (Monnier, 2007)
sous le sigle Al, A2, Bl et B2.Chaque famille représente une évolution différente au plan
démographique, social, économique et environnemental (Tableau I).
Tableau Il: Scénarios d'émission du SRES
Scénario Description
A2 • Un accroissement continu de la population mondiale;
• Le développement économique a une orientation principalement regionale;
• La croissance économique par habitant et l'évolution technologique sont
plus lentes que dans les autres scenarios.
Bl • La population mondiale culminant au milieu du siècle et déclinant ensuite;
• Un changement rapide dans les structures économiques vers une économie
de services et d'information, avec l'introduction de technologies propres et
l'utilisation des ressources de manière efficiente
B2 • La population mondiale s'accroit de manière continue mais à un rythme plus
faible que dans A2;
• TI y a des niveaux intermédiaires de developpement économique et
l'évolution technologique est moins rapide et plus diverse que dans les scenarios
BI et A1.
Al • • •
Intensite de combustibles fossiles (AlFI),
Sources d'énergie autres que fossiles (Al T),
Et équilibre entre les sources (AlB).
La Figure 2 montre l'évolution des émissions totales de C02 pour les six groupes de scenarios
qui constituent les quatre familles (les trois familles A2, BI et B2 plus trois groupes de la
famille Al: AlFI, Al Tet AlB).
6
.....•• - ... __ •• *'--
Figure 2: Evolution des émissions de C02 au cours du 21 ème siècle en fonction des
familles de scénarii (IPCC, 2000)
1.1.1.5. Système climatique et les modèles de simulation du climat
Les bases physiques du système climatique sont bien connues et largement comprises. Le
climat de la terre est déterminé par de nombreux facteurs, processus et interactions à l'échelle
de la planète (figure 3). Parmi les éléments importants, citons l'atmosphère, la biosphère,
l'océan, la glace marine, les nuages et les façons dont ils interagissent. Les propriétés du
système climatique de la terre peuvent être classées en :
• Propriétés thermiques (température de l'air, de l'eau, ... );
• Propriétés cinétiques (vents, courants océaniques, mouvements verticaux, ... );
• Propriétés aqueuses (humidité atmosphérique, contenu en eau liquide ou glace des
nuages, nébulosité, contenu en eau du sol, de la neige, ... );
Propriétés statiques (densité, pression de l'atmosphère et de l'océan, composition de l'air
7
eme-n:t dans rAtmœphère: Co~tiOJ\, Cïrcu~tion
~ , j Atmosphère j
-~Ai. ~--?-~Ot-t.. 'N;,O.~etc.
Atnwz,,:I" C
Figure 3 : Vue schématique des composantes du système climatique, leurs processus et
leurs interactions (OKER, 2010)
1.1.1.6. Modèles climatiques
1.1.1.6.1 Modèles Climatiques Globaux (MCG)
Les modèles climatiques globaux sont une représentation mathématique simplifiée du système
climatique fondée sur des lois physiques. Les différentes composantes du système climatique
doivent y être représentées (atmosphère, biosphère, hydrosphère et cryosphère) ainsi que leurs
processus d'échanges. Ces différents éléments ont été modélisés séparément depuis le début
de l'année 70 avant d'être couplés dans les modèles globaux. Aujourd'hui, on utilise des
Modèles de Circulation Générale Couplés Atmosphère-Océan (AOGCM). Les équations
mathématiques sont résolues au moyen de grilles tridimensionnelles couvrant la surface du
globe (Figure 4). L'espace est subdivisé en milliers de colonnes permettant de recouvrir la
totalité de la surface terrestre et des océans. Les colonnes sont elles-mêmes subdivisées en
plusieurs couches. Les MCG ont typiquement une résolution horizontale comprise entre 250
km et 600 km, de 10 à 20 couches verticales dans l'atmosphère, et parfois jusqu'à 30 couches
dans les océans. La fréquence à laquelle les processus sont calculés à l'intérieur du modèle,
constitue la résolution temporelle du modèle. Il existe actuellement 23 modèles climatiques
globaux dans le monde qui diffèrent les uns les autres par leur résolution spatiale et
8
temporelle, leur structure et le nombre de processus et de paramètres pris en compte
(Debroise, 2007). Les modèles recommandés selon les critères du GIEC: CGCM2, HadCM3,
ECHAM4, GFDL Rl5, CSIR0-Mk2, NCAR-DOE, CCSR.
llomonbl.exchmr;w, 11ori:imd:ù betweo. cobnns of excli.mg,,, momemtam, heù and :moistœe be_twH.a là}'US of :momentum. lleù.u.l~
oooyaphy, wgeta.tioJI. and~~ c~temtics incb.d ~ suâ.ce oauch çia>ox
-l'licù~ be~làyusof momentum, lleù and sali by diflùsioll. romomù eze1wige 'be_tween
cokmms bydiftùmona.nd ~
Figure 4: Structure conceptuelle d'un modèle de circulation générale couplé Atmosphère
océan (Viner et Hulme, 1997)
1.1.1.6.2 Modèles Climatiques Régionaux (MCR)
Les modèles climatiques régionaux sont des représentations mathématiques des
processus physiques à petite échelle par rapport aux modèles globaux. Ce sont des modèles
numériques semblables aux modèles globaux, mais ils ont une résolution supérieure qui
permet une meilleure représentation, par exemple, du relief présent dans le domaine du
modèle. Les modèles régionaux commencent la résolution des équations à partir des résultats
d'un modèle global qui lui servent de conditions initiales. La plupart des techniques de
réduction d'échelle ou "downscaling" sont à sens unique (la simulation avec les MCR
n'envoie pas de rétroaction vers le MCG directeur) (Kouakou, 2011).
9
1.1.2. Méthodes de désagrégation
L'évaJuation des impacts induits par le changement climatique fait appel à des
formalismes méthodologiques et des outils appropriés pour leur mise en œuvre. Ces méthodes
peuvent être régies par des approches croisées, sectorielles ou multisectorielles.
Les MCG génèrent des variables cJimatiques à grandes échelles conséquentes à des
forçages radiatifs. Ils ne permettent pas de capturer les effets régionaux occasionnés par
exemple par les montagnes ou les variations de l'utilisation du sol, s'ils sont en-deçà de la
résolution des modèJes. Les méthodes de réduction d'échelle des données établissent le lien
entre le climat global et les impacts locaux (Salathe et al, 2003). Une part de l'incertitude des
impacts hydrologiques des changements climatiques provient de la technique de réduction
d'échelle utilisée.
Une étape déterminante de la plupart des études d'impact du changement climatique
consiste donc à utiliser l'information climatique contenue dans les scenarios globaux à basse
résolution pour dériver les scenarios régionaux à haute résolution nécessaires pour forcer le
modèle d'impact. On parle aussi de désagrégation. La Figure 6 illustre cette problématique.
Figure 5 : Problématique de la désagrégation (BOE, 2007)
10
Deux approches existent en matière de méthodes de descente d'échelle:
./ l'approche dynamique qui consiste à résoudre explicitement la physique et la
dynamique du système climatique régional (Bokoye, 2007).
./ l'approche statistique qui repose sur la recherche d'une relation statistique
entre les variables locales et les variables modèles de grande échelle (Wilby et
a/.,2004).
Ces deux approches peuvent être utilisées de façon indépendante ou combinée (méthodes
statistico-dynamiques).
L'approche dynamique est souvent plus coûteuse en temps de calcul. L'approche
statistique quant à elle nécessite de trouver une méthode adaptée au type d'impact que l'on
souhaite étudier (paramètres, domaine, ... ) et de disposer de données historiques sur une
période aussi longue que possible (une vingtaine d'années étant un minimum sous lequel il est
difficile de descendre) pour la construction du modèle statistique.
1.1.2.1. Méthodes de désagrégation dynamique
La méthode de désagrégation dynamique ou réduction d'échelle dynamique consiste à
reproduire le climat par un modèle climatique régional à aire limitée ou a maille variable.
L'extraction de l'information à l'échelle locale à partir de la grande échelle peut être effectuée
par l'une des trois approches suivantes:
./ augmentation de la résolution du modèle atmosphérique, en l'utilisant seul,
sans couplage avec un modèle d'océan;
./ augmentation de la résolution du modèle atmosphérique uniquement sur la
zone d'intérêt et de la dégrader progressivement à mesure qu'on s'en éloigne;
./ utilisation d' un modèle atmosphérique à haute résolution sur une zone unique,
géographiquement limitée.
Un inconvénient de cette méthode est que les MRC transportent l'incertitude des modèles
globaux, car ils y sont emboîtés. Cette approche nécessite plus de ressources humaines et de
moyens informatiques.
1.1.2.2. Méthodes de désagrégation statistique
La méthode de désagrégation statistique ou de mise à l'échelle statistique (MAS) est un
ensemble de méthodes qui permet de générer de l'information climatique ou de changement
climatique de haute résolution spatiale à partir de données de modèles climatiques globaux
(MCG) de résolution spatiale relativement grossière.
11
Les MCGs ont typiquement des résolutions de l'ordre de 150--400 km x 150--400 km.
Les méthodes de MAS visent à répondre aux besoins des études et applications en impacts et
adaptation climatiques qui nécessitent de l'information à l'échelle de l'ordre de 50 km ou
moins. Le principe de MAS repose sur l'établissement de relations entre les variables
observées à l'échelle locale (souvent à l'échelle de la station climatique) [prédictants] et les
variables caractéristiques de la circulation générale à large échelle (prédicteurs). Selon
Salathe et al, (2007), les techniques de réduction d'échelle statistiques ont comme avantage,
par rapport à la réduction d'échelle dynamique, d'exiger moins de ressources informatiques et
de permettre une plus large gamme de scenarios climatiques. La désagrégation statistique
repose ainsi sur l'idée que le climat régional est conditionné par deux facteurs: l'état
climatique de grande échelle (prédicteurs) et des propriétés physiographiques locales
(prédicants) (Cherkaoui, 2012).
Les méthodes statistiques ont pour avantage d'être en générale peu coûteuses en temps
de calcul et d'être capables d'apporter une information localisée (ponctuelle) sur un ou
plusieurs sites. La principale faiblesse est liée au fait que l'hypothèse de stationnarité ne peut
être vérifiée ( on suppose que les relations calculées sur le climat présent restent valides pour
Je climat futur). Une autre contrainte de l'approche statistique est de disposer de données
homogènes sur la période observée pour permettre le calage du modèle statistique. Il existe
plusieurs grandes catégories de méthodes statistiques (tableau II).
12
Tableau JI : Synthèse des méthodes de désagrégation statistique
Catégories méthodes Description
Régression
Pour un prédicant donné, cette méthode permet de
déterminer une relation empirique entre celui-ci et un
linéaire multiple ensemble de prédicteurs connus couvrant une période
d'observation dite d'étalonnage. (Gachon et al., 2005).
Régression
linéaire
Régression
canoruque
L' Analyse de Corrélation Canonique (ACC) permet
d'étudier la relation entre un ensemble de variables
dépendantes et un ensemble de variables indépendantes. La
corrélation canonique est optimisée de façon à ce que la
corrélation entre les deux ensembles de variables soit
maximale (Bokoye, 2007).
Réseau de
neurones
artificiel
Ces modèles apparaissent comme une boîte noire
permettant l'estimation d'un nombre de paramètres à partir
des paramètres des prédicateurs, les deux ensembles sont
reliés par des relations non-linéaires entre prédictant et
prédicateurs (Coulibaly et al, 2001).
Générateur de
séries LARS-WG
Un générateur stochastique de conditions météorologiques
est un modèle qui reproduit les attributs statistiques
( moyenne et variance) d'une variable climatique
considérée à l'échelle locale (Semenov et al., 1998).
Classification
synoptique du
temps Analogie
temporelle
La classification est conduite de façon à choisir les
prédictants en fonction du degré de similitude des états
synoptiques passés avec l'état courant. Cette approche
s'avère efficace pour la construction de séries temporelle
de type multi-sites et multi-variables (Cheng et al., 2006).
Occurrence des
patrons
Elle utilise une approche stochastique de chaîne de Markov
où ce dernier est associé à un type de temps synoptique ou
état synoptique (Robertson et al., 2004).
Deltas
Méthode des
deltas
La méthode des deltas reste encore la procédure la plus
populaire pour générer des scénarios climatiques à
l'échelle locale ou pour une région d'intérêt (Rosh an et al.,
2012).
13
Diverses études récentes ont permis de comparer les méthodes de « downscaling »
statistique, comme celles réalisées en Europe dans le cadre du projet ST ARDEX (Goodess et
al, 2005; Haylock et al, 2006; Schmidli et al, 2007), en Asie ( Li et al, 2005), en
Amérique du Sud ( Christopher, 2001), au Canada ( Gachon et al, 2005; Gachon et Dibike,
2007; Dibike et al, 2008) et quelques unes plus rares en Afrique ( Landman et al, 2001).
Toutefois peu d'études utilisant des techniques de désagrégation statistique ont été
réalisées en Afrique de l'Ouest. L'étude de N'diaye (2001) en plein coeur de la région
Sahélienne a permis d'améliorer la simulation de la précipitation par rapport au MCG, et plus
précisément le MCG allemand ECHAM. Cherkaoui (2012), a utilisé la méthode de réduction
d'échelle statistique via l'outil SDSM et la régression linéaire multiple pour la projection des
changements climatiques futurs dans la haute Moulouya au Maroc. Les projections futures
issues de SDSM, à l'horizon 2099 selon les scenarios A2 et B2, pour les précipitations
montrent une évolution vers l'assèchement quasi-généralisée à toutes les saisons au niveau des
deux stations. Les precipitations baisseraient en moyenne de 84,56 % selon le scenario A2 et
de 26,68% selon le scenario B2 à l'horizon 2099. Chenet al., (2012) ont testé la capacité du
modèle Lars-Wg à réproduire les variables climatiques précipitations et températures au Sud
du Soudan. Les résultats ont montré une bonne performance du modèle à réproduire le climat
du Soudan. Landman et al., (2001) ont également utilisé les techniques de MAS à l'échelle
mensuelle, afin de simuler la précipitation à l'échelle régionale en Afrique du Sud. Ces auteurs
ont conclu que la simulation des évènements extrêmes est réalisable. Li et al., (2005) ont
quant à eux testé les mêmes méthodes mais dans le Sud de la Chine et dans la région de
Taiwan, où un régime de pluie contrasté été/hiver existe, similaire à celui du Sahel. Ils ont
conclu que la variabilité décennale est plus ou moins bien prise en compte dans le processus
de mise à l'échelle statistique. Lim et al (2006) ont montré que la réduction d'échelle
statistique améliore la simulation de la précipitation en Australie, par rapport aux sorties des
MCGs. Schmidli et al, (2007) ont comparé six modèles statistiques (méthodes de régression,
weather typing, générateurs stochastiques de climat et approches de désagrégation spatiale)
avec trois MR.Cs afin de reproduire les statistiques observées de la précipitation journalière
dans les Alpes Européennes. L'évaluation a montré que les modèles de MAS et les MR.Cs ont
tendance à avoir des biais comparables, mais les modèles de MAS sous-estiment fortement
l'amplitude des variations interannuelles. Hellstrom et Chen (2003) ont quant à eux utilisé les
variables prédicteurs issues de MR.Cs et celles issues des MCGs afin de piloter un modèle
statistique de régression linéaire multiple, afin de simuler la précipitation mensuelle en Suède.
14
Les résultats ont montré une légère amélioration des simulations du cycle saisonnier de la
précipitation quant à l'utilisation des prédicteurs du MRC comparé aux prédicteurs de MCG.
1.1.3. Problématique du changement climatique
1.1.3.1. A l'échelle planétaire
Les études portant sur la variabilité et les changements climatiques ont intéressé la
communauté mondiale suite à plusieurs manifestations climatiques de grande ampleur. Parmi
celles-ci, on note la sécheresse qui a touché les deux bandes tropicales de notre planète
(surtout les pays sahéliens d'Afrique de l'Ouest) depuis les années 1970 (Sircoulon, 1976). A
cette sécheresse, s'ajoutent les constatations de l'Organisation Mondiale de la Météorologie
(OMM) sur le réchauffement de la planète, supérieur à 0,7°C, depuis le début du siècle
dernier et les récents phénomènes d'El Nino (Cantat, 1995). Certains effets du changement
climatique sont déjà observables et bien d'autres sont à attendre si l'augmentation des
concentrations de gaz à effet de serre n'est pas maîtrisée. Ils touchent tous les secteurs de la
vie et la plupart des activités. Parmi les manifestations du changement climatique, il y a
l'augmentation de la température moyenne dans l'atmosphère et dans l'océan, des fontes de
neige et du niveau moyen global de la mer. En effet, la température moyenne à la surface de
la terre a augmenté de 0,74°C entre 1906 et 2005 et onze des douze dernières années figurent
parmi les plus chaudes jamais enregistrées depuis 1850 (GIEC, 2007). L'océan, quant à lui,
s'est réchauffé jusqu'à une profondeur d'au moins 3000 met le niveau de la mer a augmenté
de 1,8 mm/an en moyenne depuis 1961 puis, il est passé de 3,1 mm/an entre 1993 et 2003.
A l'échelle des continents et des bassins océaniques, de nombreux changements ont lieu
également. Dans l'Arctique, les températures moyennes observées ont augmenté à un rythme
deux fois supérieur au rythme mondial au cours des 100 dernières années et la banquise a subi
un retrait de 2, 7% par décennie (7,4% en été). Il est également observé que la fonte des
glaciers du Groenland et de la péninsule antarctique a contribué à l'augmentation du niveau
de la mer. De même, des précipitations accrues ont été observées dans de nombreuses régions
(façade Est des continents américains, Europe du Nord, Asie Centrale et du Nord). Des
épisodes de sécheresse plus intenses et plus longs sont observés dans les zones tropicales et
subtropicales ainsi que dans certaines autres régions (bassin méditerranéen). Le dérèglement
du climat pose également des problèmes de santé publique avec le développement
d'épidémie, de maladies émergentes et l'expansion du paludisme en Europe. Le coût
économique annuel mondial des catastrophes naturelJes est passé de 40 milliards de dollars
15
américains dans les années 1990, à US $60 milliards en 2003 selon le PNUE. De nombreuses
catastrophes liées aux conditions météorologiques et au climat ont marqué l'année 2003. En
effet, en Europe et en Amérique du Nord, les vagues de chaleur ont fait 30000 victimes
(PNUE, 2004) et les feux de forêts ont été particulièrement dévastateurs.
Selon Nduita (2004), les bandes côtières de la capitale Namibienne très riches en poissons
par le plancton ainsi que le courant marin chaud de Benguela sont menacées
d'engloutissement par l'océan à cause du changement climatique. De même, la ville de Saint
Louis à l'embouchure du Fleuve Sénégal connaît des inondations à répétition.C'est aussi le
cas de Ouagadougou qui a été sous les eaux le 1er septembre 2009. Les pays du Golfe de
Guinée sont également sous la menace de l'érosion côtière. En 1998, le Ghana a connu une
crise énergétique sévère due à la baisse du niveau de l'eau dans le principal barrage
d' Akosombo. Celui-ci assure jusqu'à 95% de la consommation d'électricité du Ghana. Cette
crise majeure mettait en exergue la forte corrélation entre la pluviométrie annuelle et les
débits moyens des cours d'eau et aussi le taux de croissance économique. La dépendance de
la consommation d'énergie vis-à-vis du climat témoigne du niveau de vulnérabilité du Ghana
et de l'extrême fragilité de l'ensemble de la sous-région face au changement climatique.
D'une façon générale, les pays en développement sont plus vulnérables que les pays
développés, car ils dépendent fortement des secteurs sensibles au climat comme l'agriculture
ou la foresterie. Les zones les plus touchées sont : les terres basses et les deltas, les grandes
villes côtières, les campements situés dans des plaines inondables.
1
1.1.3.2. A l'échelle de la Côte d'Ivoire
Comme la plupart des pays africains, la Côte d'Ivoire est en proie à une démographie
galopante (environ 20 millions d'habitants) provoquant une pression anthropique sur
l'environnement au sens large du terme entrainant la déforestation, l'urbanisation accrue, la
pollution avérée de l'air, du sol et des eaux. En Côte d'Ivoire, la variabilité climatique s'est
traduite aussi par une alternance de phases sèches et humides qui a engendré l'apparition de
ruptures dans les séries pluviométriques mesurées dans le pays. Ces ruptures ont entraîné à
leur tour des déficits pluviométriques qui varient entre 10% et 30% (Servat et al, 1998 ;
Goula et al, 2006; Kouakou et al., 2007 ;Goula et al., 2009). La longue période de déficits
pluviométriques (1970-2000) a eu un effet prononcé sur les écoulements et les réserves en
eaux souterraines, notamment pendant les périodes 1970-1974 et 1981-1993. La baisse dans
les écoulements atteint parfois les 50% (Goula et al, 2009). De plus, les saisons des pluies
sont réduites avec des débuts tardifs et de bins précoces, perturbant ainsi les calendriers
16
culturaux et les phénomènes météorologiques sont extrêmes et surviennent de façon
hasardeuse ces dernières années.
La Côte d'Ivoire, qui sort progressivement d'une crise sociopolitique est un pays
vulnérable surtout face aux changements climatiques dont les impacts consistent en une
érosion côtière manifeste, des inondations fréquentes, des glissements de terrains,
l'émergence de certaines maladies telles que la fièvre typhoïde, une dégradation des terres, et
une perte de la biodiversité. L'érosion côtière a déjà causé beaucoup de dégâts au niveau de la
commune de Port- Bouet (Abidjan) et des villes de Grand- Bassam, de Jacqueville et de
Grand- Lahou (Kouakou, 2011). En Côte d'Ivoire, l'année 1996 a été marquée par de fortes
pluies qui ont entraîné des inondations dans les quartiers d' Abobo et de Cocody faisant ainsi
31 morts. Aussi les trois dernières années surtout 2014 le mois de Juin a enrégistré des pertes
en vie humaines des ces mêmes quartiers dont 13 en une seule nuit.
1.1.4. Projections des changements climatiques futurs
Les nombreuses simulations réalisées depuis le 3ème rapport d'évaluation permettent de
mieux évaluer la probabilité des changements attendus, pour différents "futurs
possibles", en fonction des hypothèses relatives aux profils d'émissions. Selon les rapports de
l'IPCC (2001) et du GIEC (2007), les tendances globales au réchauffement de
l'atmosphère seraient de 0,2°C par décennie. De même, dans l'hypothèse d'une
stabilisation des concentrations des émissions au niveau de 2000, un réchauffement de
0, 1 °C par décennie serait inévitable. Les projections du réchauffement moyen mondial à
l'horizon 2100 sont fortement dépendantes des scénarii d'émissions envisagés. Par
rapport à la période 1980-1999, le réchauffement attendu en 2100 peut varier en moyenne
de 1,8°C à 4,0°C selon les scénarii (GIEC, 2007). L'augmentation du niveau de la mer à
l'horizon 2100 relativement à la période 1980-1999 pour 6 scénarii d'émission pourrait
varier de 0,19 m à 0,59 m (GIEC, 2007) .
./ Ressources en eau
j
1
, _
Il y aura une augmentation de la fréquence et de l'intensité des événements de
précipitations extrêmes. Les effets des changements climatiques pourraient provoquer la
diminution de la couverture neigeuse. Il apparaîtra une augmentation très importante du
niveau de la mer suite à la fonte massive des glaciers; ce qui provoquerait des modifications
importantes du profil des côtes et des perturbations très importantes dans les zones
17
estuariennes et les deltas. Concernant les eaux souterraines, peu d'études existent. Nous
notons toutefois que des inondations plus fréquentes pourraient contribuer à une recharge
plus importante des nappes alluviales. Par ailleurs, l'augmentation du niveau de la mer
entraînera une poussée vers les continents du biseau salé. En effet, la plupart des bassins
sédimentaires côtiers contenant d'importantes nappes d'eau douce seront sous la mer.
./ Ecosystèmes
Le GIEC (2007) prévoit trois impacts majeurs sur les écosystèmes :
- la capacité naturelle d'adaptation de nombreux écosystèmes sera dépassée au cours de ce
siècle par une combinaison, sans précédent, de perturbations diverses ( changements
climatiques et effets associés, pollutions, changement d'affectation des terres, ... );
- les puits terrestres de carbone diminueront vraisemblablement, amplifiant ainsi le
changement climatique. Les écosystèmes pourraient devenir des sources nettes de
carbone avant 2100. Des émissions potentiellement importantes proviendront des stocks
de carbone qui se décomposent plus rapidement qu'on ne le pensait précédemment (toundra,
pergélisol) ;
- en cas de réchauffement moyen mondial supérieur à 1,5 à 2,5°C, 20 à 30% des
espèces végétales et animales seront menacées d'extinction et des changements majeurs
affecteront la structure et le fonctionnement des écosystèmes ainsi que les interactions entre
espèces et leur distribution géographique .
./ Sociétés humaines
Les coûts et les bénéfices du changement climatique pour l'industrie, les habitations
et la population varieront considérablement en fonction des localités et de la zone
géographique. Les domaines les plus exposés sont ceux situés dans les zones côtières
inondables et dans les plaines alluviales. Les communautés pauvres sont particulièrement
vulnérables du fait, notamment de leur plus grande dépendance aux ressources locales
exposées aux risques climatiques comme l'eau et la production alimentaire.
./ Santé
Les changements climatiques affecteraient la santé de millions de personnes, en raison
de l'incidence plus élevée de la malnutrition, de la morbidité et de la mortalité accrue que
pourraient causer les vagues de chaleur, les inondations, les tempêtes, les sécheresses. Ils
affecteraient aussi la distribution spatiale des vecteurs de maladies infectieuses (GIEC, 2007).
18
1.2. Cadre d'étude
1.2.1. Localisation géographique
La Côte d'Ivoire est située en Afrique de l'Ouest entre les longitudes 2°30 et 8°40
Ouest et les latitudes 4°20 et 10°50 Nord (Figure 6). Le territoire est limité au Sud par
!'Océan Atlantique, à l'Est par le Ghana, au Nord par le Burkina Faso et le Mali, à l'Ouest par
la Guinée et le Liberia. Sa superficie est de l'ordre de 332462 km'.
-20"(---~--
••
r 0 1
Figure 6: Localisation géographique de la Côte d'Ivoire (Mines, 1998)
19
1.2.2. Relief
Dans son ensemble, le relief de la Côte d'Ivoire est peu contrasté; il est surtout
caractérisé par une sorte de monotonie. Dans la réalité, à travers cette uniformité apparente, on
peut distinguer trois grands types de reliefs (Figure 7) :
• les plaines, s'étendent du Sud du pays, où les altitudes varient de O à 200 m de la mer
vers l'intérieur;
• les plateaux, prolongent les plaines vers le Nord et s'en détachent progressivement. Les
altitudes varient de 200 à 500 m;
• les massifs montagneux, localisés dans l'Ouest, constituent l'avancée orientale d'un vaste
ensemble de hautes terres centrées sur la Guinée (chaîne du Fouta Djallon). Il s'y
rencontre des sommets culminant au-delà de 1000 m d'altitude (aux monts Tonkpi et
Nimba).
Utitudef~
Figure 7 : Relief de la Côte d'Ivoire (Arnaud, 1983)
20
1.2.3. Végétation
En Côte d'Ivoire, deux grands types de paysages végétaux se partagent le territoire
(Figure 8):
• Le domaine guinéen est situé dans la moitié sud en zone forestière. On y distingue quatre
secteurs caractérisés par des groupements végétaux particuliers répondant à des conditions
écologiques différentes. On trouve dans ce domaine guinéen, des prairies altimontaines
(sommet du mont Nimba) et des savanes de basse côte entre Grand-Lahou et la lagune
Aby;
• Le domaine soudanais, situé dans la partie septentrionale en zone de savane se subdivise
en deux secteurs : le secteur sub-soudanais et le secteur soudanais. Le secteur sub
soudanien plus important, s'étend de la limite nord de la zone guinéenne aux frontières du
Mali et du Burkina Faso. Le secteur soudanien est très limité et ne concerne que l'extrême
nord du pays, suivant une ligne Férédou (au Nord d'Odienné), Ferkessédougou, Nassian
(au Sud de la réserve de Bouna), Farko.
N
A
Dom4'in«t Guiné•
Fôret dense humide - Fônat d•frfchée ombrophil& -- Fôret humide semi-decidue
Fôret defrichée mésophile - S.r.a,m11 mésophih• ·-- Fôn,t et prairie
Domaine Soudanai5
Fô.-.t d•n•• sicha s-..na art>usr.-. sul>-soud:a,nals Sa...-ane boisée sub soud_an_ai:s - Sa\lane boisée soudanais .•...
SaYëlne arbusive soudanais
E,:h,,lle: .'l~S'O'.ù:Oùù
Figure 8: Couvert végétal de la Côte d'Ivoire (Brou, 2005)
21
1.2.4. Climat
1.2.4.1. Regime pluviometrique
En Côte d'Ivoire, la pluviométrie est tributaire des variations thermiques de !'Océan
Atlantique, du couvert végétal et des déplacements du Front Inter Tropical de transition
(F.I.T.). Les déplacements du Front Inter Tropical créent une zonation nord-sud des
différentes régions climatiques qui permet de distinguer quatre types de climat (Figure 9).
10°
BQ
-~ Ou
___________ ,,,,.,,...,,. •
IJU
• T1 t)
11glo • •
Snut, /
B
.,,. .j
,,,..-----~ ..• ,. Our •
1 ,G.;;gno.-. .. ,l •
l O'J"J.i> Ti • .. CD
lfiàlro----- •
en_g:::orou +
0
Légende
+ Poste pluvromêtrique
<D RiglrM iquatorial de transtion (c:tim. 111111ffn
Rigime~de~on @ -.ttànui (climat baou!Mn)
Limite dê zone climaitlque
Régime tropical de ·i tnmsition(climat soudanien) a
.:c L•••••·•••••• • Régime dê montagne
. "'
J FlîlAMJ JASOND
Figure 9 : Principales zones climatiques de la Côte d'Ivoire avec une illustration des
quatre régimes pluviométriques (Goula et al., 2007).
22
./ Régime équatorial de transition
Le climat équatorial de transition englobe le littoral et une grande partie de la zone
forestière, se rétrécissant dans le Sud-Ouest du pays ; à la limite sud de Taï et de Soubré
(Avena.rd et al., 1971).
Dans cette zone climatique, les pluies sont inégalement réparties. Les régions les plus
arrosées (hauteur moyenne annuelle supérieure à 1800 mm) sont : la bande littorale s'étendant
de Jacqueville à la frontière Est avec le Ghana (Brou, 2005) .
La partie du littoral de San-Pedro à Grand-Lahou reçoit des pluies entre 1400 mm et
1800 mm annuellement. La région de Tabou est particulière avec une hauteur moyenne de
2200 mm. Sur le reste de cette zone climatique les hauteurs vont en décroissant du Sud vers le
Nord (de 1600 mm à 1200 mm).
./ Régime équatorial de transition atténué
C'est un climat de type intermédiaire très variable selon les années. Il s'étend des
régions de Bouna et de Bondoukou au Centre de la Côte d'Ivoire (région de Bouaké) et aux
régions forestières et montagneuses de l'Ouest ( entre Taï et Touba); il jouit d'un climat de
transition entre le climat équatorial et le climat tropical prédésertique.
La répartition géographique des pluies se fait d'Est en Ouest; de la région faiblement
arrosée de Bouna (hauteur moyenne annuelle entre 1000 mm et 1100 mm) aux régions
fortement arrosées de l'Ouest; la hauteur moyenne annuelle étant supérieure à 1900 mm. La
croissance est régulière suivant la ligne Séguéla, Vavoua, Touba .
,/ Régime tropical de transition
Cette zone englobe la partie septentrionale du pays et s'étend de la région d'Ouangofitini
aux régions de Tengréla et d'Odienné. La température y est plus variable et l'humidité relative
demeure plus basse.
La répartition géographique des pluies dans le climat soudanais est semblable à celui du
climat baouléen. La répartition se fait d'Est en Ouest. En effet, on passe progressivement des
secteurs faiblement arrosés du Nord-Est (entre 1000 et 1200 mm à Bouna), aux ambiances
plus humides des milieux montagneux de l'Ouest avec 1600 mm par an en moyenne à
Odienné.
23
./ Régime sub-montagnard
C'est un type de climat azonal, très influencé par les facteurs orographiques locaux du
fait de la localisation de l'aire concernée à l'extrémité occidentale des reliefs de la dorsale
guinéenne. Il s'agit en réalité d'une zone charnière entre les climats tropicaux, tropicaux
humides et sub-équatoriaux. C'est le régime pluviométrique des massifs montagneux de
l'Ouest de la Côte d'Ivoire; dans les régions de Man, Danané et Toulepleu .
1.2.5. Temperature
En Côte d'Ivoire, le gradient thermique est orienté grossièrement du Sud vers le Nord
(Brou, 2005). Un échauffement de l'air est en effet observé à mesure que l'on progresse vers
le Nord. Les températures annuelles les plus basses sont toutefois observées dans la zone
montagneuse (Figure 10), à l'Ouest de la Côte d'Ivoire. Les températures les plus fortes sont
enregistrées dans 1' extrême nord à Korhogo, mais également dans le secteur sud-est de la
cuvette de Dimbokro (Figure 10).
Les mois les plus chauds de l'année sont ceux de février, mars et avril où, à l'exception du
quart sud-ouest du pays, toutes les localités connaissent des températures mensuelles
supérieures à 27 °C. La Côte d'Ivoire enregistre ses températures les plus basses en juillet et
en août. Sur l'ensemble du pays, ces températures descendent souvent à 20 °C.
10
Î8'np9rana"-.
rc, 1
23-6
231 g
22~
22.T
216
1)1
llllli
lll.l
19.6
1 u-:-; l'l J;li 1,JJ •• .,.
~ 1 1 7 ~ -4 ,)
Figure 10: Températures minimales (A) et maximales moyennes (B) de la Côte d'Ivoire sur
la période 1955-1997
24
CHAPITRE II : DONNEES ET METHODES
25
Chapitre 2: Données d'étude et approche méthodologique
2.1. Données pluviométriques
Les données utilisées pour cette étude proviennent de la Direction de la Météorologie
Nationale (SODEXAM). Ces données couvrent la période de 1970 à 1991. Elles sont
constituées des hauteurs de pluies journalières. Les postes pluviométriques sélectionnés,
obéissent à des critères de continuité, de durée de l'information disponible et de qualité des
données. Le choix des postes s'est également effectué de manière à permettre une couverture,
la plus homogène possible de la zone d'étude. Pour cette étude, 13 postes pluviométriques ont
été retenus. Ces postes présentent toutes des séries chronologiques de 22 ans de mesures. Les
caractéristiques des postes utilisés sont présentées dans le tableau III.
Tableau ID: caractéristiques des postes pluviométriques utilisées
Stations Type Période Altitude Longitude Latitude
d'observation (m) Ouest Nord
( degré décimale) (degré décimale)
Abidjan Synoptique 1936 7 -3,56 5,15
Adiake Synoptique 1944 35 -3,18 5,18
Bondoukou Synoptique 1919 371 -2,47 8,3
Bouake Synoptique 1955 376 -5,40 7,44
Daloa Synoptique 1966 276 -6,28 6,52
Dimbokro Synoptique 1921 92 -4,42 6,39
Gagnoa Synoptique 1919 205 -5,57 6,08
Korhogo Synoptique 1971 J81 -5,37 9,25
Man Synoptique 1922 340 -7,31 7,24
Odienne Synoptique 1921 434 -7,34 9,30
Sassandra Synoptique 1922 62 -6,50 4,57
Tabou Synoptique 1919 20 -7,22 4,25
Yamoussoukro Synoptique 1974 196 -5,21 6,54
26
2.2. Approche méthodologique
2.2.1. Evaluation de la performance du modèle de réduction d'échelle statistique
2.2.1.1. Présentation du modèle stochastique
Le modèle Lars-WG est un générateur stochastique de climat utilisant une approche
basée sur les séries pour la génération des variables climatiques. Il a été développé en Grande
Bretagne au «Long Ashton Research Station» pour reproduire diverses catégories de climats à
travers l'Europe. Lars-WG est fondé sur le générateur de climat décrit en détail par Racsko et
al. (1991) et Semenov et Barrow (1997). Le générateur de type Lars-WG utilise une
distribution semi-empirique pour la génération des séries de jours secs et pluvieux, des
quantités de précipitations pour les jours pluvieux et des radiations solaires. Il utilise des
données observées pour un site spécifique comme données d'entrée pour définir les
paramètres de distribution des différentes variables climatiques ainsi que les corrélations entre
ces variables.
Les variables climatiques analysées et produites par Lars-WG sont les précipitations, les
températures maximales et minimales, et les radiations solaires. Dans la présente étude, la
variable d'étude est constituée des pluies.
2.2.1.2. Fonctionnement du modèle stochastique
A cette phase de la méthodologie, le fonctionnement du modèle de réduction d'échelle
statistique peut-être divisé en 2 étapes distinctes :
./ Calibration du modèle stochastique
La première étape du processus consiste à analyser les données pluviométriques
observées aux stations afin de déterminer leurs caractéristiques statistiques. Ces paramètres
des données pluviométriques observés permettent de générer des données synthétiques à
1' aide à de distributions semi-empiriques. La distribution de fréquence des séries synthétiques
est calculée en tenant compte des séries de jours pluvieux et de jours secs et de la quantité de
précipitations observées (Semenov et Stratonovitch, 2010) .
Les données pluviométriques journalières des 13 stations de l'étude ont servi à la
calibration du modèle de réduction d'échelle sur la période 1970-1991.
27
../ Validation du modèle stochastique
Au cours de cette étape, les caractéristiques statistiques des données pluviométriques
observées et synthétiques sont analysées pour déterminer s'il y a des différences significatives
(Semenov et Barrow, 1997).
La validation des performances du générateur stochastique se fait en comparant les
distributions de probabilité, la moyenne et la variance des données observés et synthétisées à
l'échelle mensuelle à l'aide de tests statistiques notamment du test de Kolmogorov-Smirov,
du test t de Student et du test F de Fisher (Semenov et al, 1998). A chaque test statistique est
associée une valeur de p-value. Celle-ci indique la probabilité que les données générées et
observés proviennent de la même population. La valeur de signification de 0,05 est un niveau
commun de signification utilisé dans les tests statistiques .
De façon spécifique, Si p-value est inférieure à 0,05 cela veut dire que le climat simulé
ne sera probablement pas le même que le climat «vrai ».Dans le cas contraire les données
observées et générées proviennent de la même série de distribution.
Le test de Kolmogorov-Smirov compare les distributions de probabilité de la longueur
des séries sèches et humides des séries de données observées et générées. Le test de Student
ou test t est utilisé pour l'analyse des moyennes des données observées et des données
simulées. Ce test suppose que les échantillons analysés proviennent de populations normales
et possèdent des écarts-type inconnus mais égaux (Weiss et Basset, 1991). Le test de Fisher
ou test F est utilisé pour comparer les écart-types des données observées et les données
simulées. Ce test suppose que les échantillons analysés proviennent de populations normales
(BaiJJargeon, 1990).
2.2.2. Génération des scénarios de changement climatiques
Après validation des paramètres statistiques, le modèle offre la possibilité de générer des
scénarios futurs. Avant la génération des scénarios futurs, il est indispensable de procéder au
choix du scénario, du ou des modèles climatiques ainsi que des périodes de projection.
2.2.2.2. Choix des modèles climatiques
Le générateur LARS-WG regroupe en son sein près de 15 modèles de circulation
général. Pour les projections climatiques futures, 3 modèles de circulation générale ont été
utilisés (Tableau IV). Ces derniers ont des résolutions d'échelle plus faibles que les autres
modèles.
28
Tableau IV : Modèles climatiques utilisés pour la génération des données futures
'•odèJe climatique Institution Resolution
(kmxkm
BCM2 Bjerknes Centre for Climate Research BCCR Norway 1.9° x}.9°
CM3 Centre national de Recherche Météorologique l.9° xI.9°
HADCM3 UK Meteorological Office UK 2.5° x3.75°
La figurell résume le processus de fonctionnement du modèle de réduction d'échelle
statistique.
Caractéristiques statistiques des données observées
Correction des données
Génération de serie synthétiques et comparaison avec les données de pluies observées
Non Validation du Modèle
Oui
Génération des Scénarios de Changement climatique
Figure 11 : Schéma du processus de fonctionnement du modèle de réduction d'échelle
LARS-WG.
29
2.2.2.2. Choix des périodes de projection
Dans notre étude les périodes futures choisies pour la simulation sont les intervalles
2011-2030; 2046-2065; 2080-2099. Ce choix a été fait pour observer les effets du
changement climatique à moyen et long terme.
2.2. 3. Projection des changements climatiques futurs
2.2.3.1. Approche graphique
A l'aide de représentations graphiques, l'évolution des pluies historiques (1970-1991) est
comparée à celle des pluies générées sous le scénario AlB pour les modèles BCM2, CNCM3
et HADCM3 afin de détecter d'éventuelles modifications des paramètres pluviométriques sur
les trois périodes futures considérées.
2.2.3.2. Approche statistique
L'approche statistique consiste à calculer l'écart moyen entre les hauteurs de pluies
historiques (période de référence) et les hauteurs de pluie générées sous scénario AlB pour
les modèles BCM2, CNCM3 et HADCMJ afin d'évaluer les tendances futures des paramètres
pluviométriques. L'expression de l'écart moyen est donnée comme suit:
f;m:::: (Psim-Pobs) Pobs
Avec:
Em: écart moyen pluviométrique(%)
Psim: pluie moyenne mensuelle simulée par le modèle
P obs : pluie moyenne mensuelle observée
Si Em > 0 : tendance à la hausse des pluies
Si Em < 0 : tendance à la baisse des pluies
(1)
2.2.3.3. Approche spatiale
La méthode de krigeage est utilisée ici pour le tracé des isohyètes. Ce qui permet d'en
étudier l'évolution spatiale. Le krigeage tient compte de la variabilité spatiale et de la variable
régionalisée, ce qui lui permet de minimiser l'erreur d'estimation. Cette méthode a été choisie
pour la cartographie des écarts moyens annuels des précipitations pour les trois périodes
futures considérées par rapport à la période de référence 1970-1991.
30
2.3. Outils de traitement des données
La mise en œuvre de cette méthodologie a nécessité l'utilisation des programmes
suivants:
"' LARS-WG (Version 5): pour la mise à l'échelle statistique des données
pluviométriques
"' HYDROSPECT : pour la préparation des données de pluie journalière en données
moyennes mensuelles
"' Tableur Excel 2007 : par la réalisation des graphes et le traitement statistique des
données.
,/ P AINT : amélioration des cartes.
"' SURFER : pour la réalisation des isohyètes
31
CHAPITRE III : RESULTATS ET DISCUSSION
32
Chapitre 3 : Résultats et Discussion
3.1. Analyse des résultats
3.1.1. Performance du modèle de réduction d'échelle LARS-WG
3.1.1.1. Analyse graphique
La performance du modèle a été analysée du point de vue graphique en tenant compte
des régimes pluviométriques de la zone d'étude. Celui-ci traite donc du volet qualitatif en vue
de savoir si le modèle traduit fidèlement les régimes pluviométriques saisonniers de la Côte
d'Ivoire.
v"Régime équatorial de transition
L'analyse graphique montre que le modèle est capable de décrire les variations
saisonnières caractéristiques du régime équatorial de transition (Figure 12). Les variations
pluviométriques de ce régime, caractérisées par 2 pics pluviométriques sont bien représentées
tant dans la zone côtière (Abidjan, Tabou,) qu'à l'intérieur des terres (Gagnoa et Dimbokro).
T,
/ \ ·~
./ .I
,Y .y
so 1 ~· ., 0
,1-/ , ~ ~ ,, § ~ ~ ~ ~
. ~
...... .... •... •." \
.-~ . .. ····~ .
J ., #
•... t' I I
. pluie~ - plm ,lfflérér
Figure 12: Variation saisonnière des pluies observées et simulées par le modèle dans le régime équatorial de transition
33
./ Régime équatoriaJ de transition atténué
Dans ce régime climatique, outre le fait que les pluies soient surestimées ou sous-estimées par
endroit, notamment pour les mois d'avril à mai dans la zone de Bondoukou et Yamoussoukro .
De manière générale, les périodes de la saison sèche et de la saison humide sont similaires à
celles issues des observations.
\
/
600 1-:
1-60
Yamoussoukro
•..•. -- ... ---~ !- .
... · .. i
,f .. .•
. i t
·····•
~ ••••••.. .~.t!, ~~ ·~~ ~"' , ,.p~ ,4~ .Îf .,. .,... ~>F'
pluie~ -plu~~~
\ •••
···•··· pluie amttvr.e
;:,'- A ~ ~ ~ "0 ~...,. ••. ~ .F î .If~- Ji ~o~ t]t'
pluîe~értt
Figure 13 : Variation saisonnière des pluies observées et simulées par le modèle dans le
régime équatorial de transition atténué
./Régime tropical de transition
Le régime climatique dans cette zone est bien représenté dans les deux stations Korhogo
et Odienné (Figure 14). En effet, les précipitations générées suivent presque exactement la
distribution des précipitations observées .
34
-200 e ~150 .Il 3 ••. '.100
.•....... ~ .. ~ \..
Figure 14: Variation saisonnière des pluies observées et simulées par le modèle dans le
régime tropical de transition
v"'Régime montagnard
Dans ce régime climatique représenté par la station de Man le régime des précipitations
observées et générées sont similaires. Les régimes pluviométriques saisonniers sont bien
reproduits.
300 _,
'l 1.50 ., 100
. .::::- •. ~ ••.. > .•
\
Figure 15: Variation saisonnière des pluies observées et simulées par le modèle dans le
régime montagnard
3.1.1.2. Analyse statistique
L'analyse des performances du modèle a été évaluée du point de vue statistique. Il s'agit
1c1 d'une part de comparer les paramètres statistiques (moyenne et variance) des pluies
mensuelles observées et ceux des pluies générées par le modèle et d'autre part d'analyser la
35
capacité du modèle à décrire la distribution de probabilité des pluies mensuelles ainsi que les
séquences de périodes humides et sèches.
./ Analyse des paramètres statistiques des pluies générées et observées
Le tableau V présente les résultats des tests t etf sur les moyennes et les écart-type des pluies
observées et générées de la station d'Abidjan. Le test de Student ou test T indique que les
moyennes et écarts types des pluies observées et générées ne sont pas significativement
différents. Les pluies générées et observées proviennent selon ce test de la même population.
Quant au test de Fisher ou test/, il montre que les écart-types des pluies générées et observées
d'août et septembre sont significativement différents. En effet, les valeurs de la plus-value de
ces deux mois est inférieure à 0,05. La synthèse des résultats de l'ensemble des stations
analysées dans cette étude est présentée dans le tableau VI. Il ressort de l'analyse qu'à part
les stations de Gagnoa et de Man au mois de février le modèle simule mieux les hauteurs de
pluies mensuelles caractériser par la moyennes mensuelle que leur variabilité caractérisé par
la variance mensuelle.
Tableau V: Résultats des tests statistiques des séries observées et générées à la station d'Abidjan
Jan. Fév. Mars Avril Mai Juin Juil. Aout Sept. Oct. Nov. Déc.
Moy.Obs. 11,35 44,67 106,94 142,35 324,89 524,45 125,10 31,12 88,00 136,24 134,49 68,72
Moy. Gén. 15,02 37,35 101,55 137,11 327,13 544,25 144,19 32,00 73,74 156,13 118,52 77,55
Testt -0,95 0,71 0,40 0,30 -0,06 -0,32 -0,72 -0,15 0,77 -0,79 1,12 -0,65 p-value 0,34 0,48 0,69 0,76 0,95 0,75 0,47 0,88 0,44 0,43 0,27 0,52 Ec. Obs. 14,12 41,61 58,33 57,56 171,89 224,66 105,21 30,05 102,26 91,17 60,05 45,03 Ec. Gén. 15,4 39,4 50,5 71,1 143,5 250,5 102,6 18,4 54,5 100,6 54,0 56,7
Test/ 1,19 1,12 1,33 1,53 1,44 1,24 1,05 2,66 3,52 1,22 1,24 1,59 p-value 0,68 0,73 0,40 0,29 0,30 0,60 0,85 0,01 0,00 0,64 0,53 0,25
Pluie moyenne observée : Moy.Obs. ; Pluie moyenne Générée : Moy.Gén. ; Pluie observée (écart-type):
Ec.Obs. ; Pluie Générée (écart-type): Ec.Gén.) lest t: test de comparaison de !a moyenne ; test f: lest dJ
comparaison de la variance : p-value : probabilité que les données observées et générées proviennent de La même distribution.
36
Tableau VI: Synthèse de la comparaison des écarts- types et de la moyenne mensuelle des
séries observées et générées des stations d'étude
stations TESTS JAN FEV MAR AVR MAI JUI JULL AOT SEP OCT NOV DEC
Test, V V V V V V V V V V V w Abidjan
TestF V V V V V V V X X X V V
Test z V V V V V V V V V V V V Adiake
TestF V X V V V V V V V V V V
Test, V V V V V V V V V V V .Bondoukou
TestF V V V V V V V V V V V V
Testt V V V V V V V V V V V V Bouaké
TestF V V V V V V V V V V V V
Testt V V V V V V V V V V V Daloa
TestF V V V V V X V V X V V V
Testt V V V V V V V V V V V V Dimbokro
TestF X V V V V V V V V V V
Test; V X V V V V V V V V V Gagnoa
TestF X V V X V V V V V V V V
Testt V V V V V V V V V V V V Korhogo
TestF X X V V V V V V V X V
Test, V X V V V V V V V V V V Man
TestF X V V V V V V V X V V V
Testt V V V V V V V V V V V V Odiénné
TestF X V V V V V V V V V V X Test, V V V V V V V V V V V V
Sassandra TestF V X V V V V V V V X V X Testi V V V V V V V V V V V V
Tabou TestF X V X V X V X X V V V V
Testt V V V V V V V V V V V Yamoussoukro
TestF V V V V V V V V V V X V
V: valeurs de paramètres statistiques journaliers générés eJ observées ne sont pas
significativement differentes mi seuil de 0, 05 : X: Valeurs de paramètres statistiques journaliers
générés et observées sont significativement différentes au seuil de 0, 05
37
./ Analyse de la distribution de probabilité des pluies générées et observées
Le tableau VII présente les résultats de la comparaison de la pluie journalière générée
par le modèle et celle observée à 1 'aide du test Kolmogorov-Smirnov(KS) de la station
d'Abidjan. Selon ces résultats les valeurs de la p-value associées au test KS sont toutes
supérieures à 0,05. Cela montre que le modèle reproduit correctement les pluies journalières
de tous les mois à la station d'Abidjan. La synthèse des résultats de l'ensemble des stations
analysées dans cette étude est consignée dans le tableau VIII. Il réssort de l'analyse que 98%
des pluies générées et observées ne sont pas significativement different au seuil de 0,05.
Le modèle n'a pas pu reproduire de manière significative les pluies journalières du mois
de Janvier des stations d' Adiaké et de Bondoukou.
TableauVIl: Distribution de probabilité des pluies journalières à la station d'Abidjan
Mois Kolmogorov-Smirnov p-Value
Janvier 0,084 1,0000 --
Fevrier 0,066 1,0000
Mars 0,073 1,0000
Avril 0,076 1,0000
Mai 0,112 0,9975
Juin 0,168 0,8704
Juillet 0,056 1,0000
Aout 0,036 1,0000
Septembre 0,186 0,7778
Octobre 0,161 0,9007
Novembre 0,088 1,0000
Decembre 0,079 1,0000
38
Tableau Vlll: Synthèse des résultats de comparaison de la distribution des pluies journalières
observées et générées des stations d'étude
stations JAN FEV MAR A VR MAI JUl JU1 AOT SEP OCf NOV DEC
Abidjan V V V V V V V V V V
Adiake X V V V V V V V V V V
V
Bondoukou X V V V V V V V V V V V
Bouaké V V V V V V V V V V V V
Daioa V V V V V V V V V V V V
Dimbokro V V V V V V V V V V V V
Gagnoa V V V V V V V V V
Korhogo V V V V V V V V V V V V
Man V V V V V V V V V V V V
Odiénné V V V V V V V
Sassandra V V V V V V V V V V V V
Tabou V V V V V V V V V V V V
Yamoussoukro V V V V V V V V V V V
V : valeurs de paramètres statistiques journaliers generes et significativement diffèrentes au seuil de O. 05 ; X : Valeurs de paramètres eénérés et observées sont significativement âzfferentes a1, seuil de 0.05
./ Analyse de la longueur des périodes humides et sèches générées et observées
Le test de Kolmogorov-Smirnov (KS) est utilisé pour comparer la longueur des saisons sèches
et humides. L'année a été divisée en quatre trimestres de deux saisons chacune (Humide et
Sèche) à partir du mois de Décembre. Le tableau IX présente les résultats de la station
d'Abidjan ou le modèle ne reproduit pas bien la longueur de la saison humide du trimestre
Septembre -Octobre -Novembre (SON), La synthèse des résultats de l'ensemble des stations analysées dans cette étude est consignée dans le tableau X
39
A part la station d'Abidjan à la saison humide du trimestre SON, toutes les autres stations de
notre étude donne une p-Value de Kolmogorov-Smirnov supérieur à 0,05. Cela montre que
la distribution sémi-empirique utilisée par le modèle reproduit correctement le climat dans
ces différents régimes climatiques.
Tableau IX: Distribution de probabilité de la longueur des séries Humides et Sèches par le test de Kolrnogorov-Smirnov (KS) de la station d'Abidjan.
Trimestre Saisons KS p-Value
Décembre-Janvier-Février Humide 0,057 1,0000
Décembre-Janvier-Février Sèche 0,100 0,9996
Mars-Avril-Mai Humide 0,062 1,0000
Mars-Avril-Mai Sèche 0,113 0,9971
Juin-Juillet-Aout Humide 0,087 1,0000
Juin-Juillet-Aout Sèche 0,080 1,0000
Septembre-Octobre-Novembre Humide 0,399 0,0367
Septembre-Octobre-Novembre Sèche 0,109 0,9983
Tableau X: Synthèse des résultats de la comparaison de la longueur des séries humides et
sèches des stations d'étude
Trimestre Saison Abj Adk Bon Bou Dal Dim Gag Kor Man Odi Sas Tab Yam
Humide V V V V V V V V V V V V V DJF
Sèche V V V V V V V V V V V V
Humide V V V V V V V V V V V V V MAM
Sèche V V V V V V V V V V V V V
Humide V V V V V V V V V V V V V DA
Sèche V V V V V V V V V V V V V
Humide X V V V V V V V V V V V V so
Sèche V V V V V V V V V V V V V
DJF: Décembre <Janvier -Février M:L\I: Mars-Avril-Mai JJA. : Juin-Juiltet-Aoûi SON: Septembre-Octobre-Novembre
40
1 1
3.1.2. Génération des scénarios climatiques futurs
Après l'étude des performances du modèle à simuler les régimes pluviométriques des
zones climatiques de la Côte d'Ivoire, cette partie présente les tendances futures de la pluie
annuelle et mensuelle ainsi que des modifications susceptible d'affecter les saisons. Les
tendances sont analysées sous trois horizons 2011-2030, 2046-2065 et 2080-2099 par rapport
à la période de référence 1970-1991.
3.1.3. Projection des changements climatiques futurs selon le scénario AlB aux
horizons 2011-2030, 2046-2065 et 2080-2095
3.1.3.1. Tendances futures des hauteurs de pluies annuelles
La figure 16 présente les écarts pluviométriques annuels aux horizons 2011-2030, 2046-
2065 et 2080-2095. Il ressort des analyses qu'à l'horizon 2011-2030, la grande partie du
territoire de la Côte d'Ivoire pourrait connaitre une tendance à la hausse des pluies annuelles
d'environ 10% selon les trois modèles. Par contre, une spécificité s'observe au sud-est de la
Côte d'Ivoire, ou la pluviométrie annuelle aura une tendance à la baisse avec des déficits
pluviométriques pouvant atteindre 5% à 30%.
A l'horizon 2046-2065, la majeure partie de la Côte d'Ivoire pourrait être sur un déficit
pluviométrique à l'échelle annuelle d'environ 30%.Ce déficit pluviométrique est très marqué
dans les régions centres (Bouaké, Dimbokro ). Cependant, quelques zones vont connaitre un
accroissement de la pluviométrie de 20% à 50%. Ce sont notamment les régions nord et du
sud-ouest (Sassandra, Tabou, San-Pedro) de la Côte d'Ivoire. A l'horizon 2080-2099, les
régions du nord-est, du sud-ouest et la région des montagnes pourraient devenir plus arrosées
avec des excédents de 10% à 40%. Les faibles pluviométries annuelles s'observeront selon
une diagonale du sud-est (Adiaké), passant par le centre (Bouaké, Dimbokro), jusqu'au nord
ouest(Odienné) de la Côte d'Ivoire (figure 16 C et F). Mais une spécificité est observée pour
le modèle HADCM3 où la pluviométrie reprend dans le Nord-Ouest (figure 16 I).
41
1 1
BCM2 (2011-2030) IICIIZ (21N6-Z065)
--(%)
.. .1 .. .. .3· -8 -1 -8 .•
50 ,.5 40 35 lO 25 20 1, 10 5 0 ..
.J .. -1
C .J
A CHCll3 (2011-2030)
B CNCll3 (2046-2065) CNCIIJ (2080-2099)
.. D
HADCll3 (2011-2030)
-8 .1 .. .5 .3
..
-8
.,
-1
..
..
.. ..
..
N
50 .. 40 35 se 25 ',o
.. .7 .. .. .. .J
E F HADC113 (2046-2065) HADCM.1 \.C..UOV-Lu~9)
50 45 40 35 30 25 20 15 10 s
.. ., .. .. .J
G H I
Figure 16: Ecarts pluviométriques à l'échelle annuelle selon les modèles BCM2, CNCM3, HADCM3 aux horizons 2011-2030; 2046-2065 et 2080-2099
42
3.1.3.2. Tendances futures des saisons humides et sèches
../ Horizon 2011-2030
La figure 17 présente les évolutions futures des saisons sèches et humides à l'horizon
2011-2030. A la station d'Abidjan, les saisons sèches et humides ne vont pas être modifiées
selon les modèles climatiques utilisés. Les modèles prévoient une modification des saisons
sèches et humides à la station de Bondoukou. En effet, on observe une réduction des périodes
sèches et une augmentation des périodes humides. De même, les modèles prévoient un
décalage des pics pluviométriques de septembre à mai. Dans les régions montagneuses, il est
noté que les modèles prévoient une augmentation significative de la pluviométrie au mois
d' Avril et de Septembre respectivement de 52,44% et 23,83%. Par contre, les autres mois de
l'année deviendront déficitaires en pluie par rapport à la période de référence. A Korhogo, les
modèles prévoient 3 mois de fortes pluviométries avec une hausse au mois d' Août de 30, 23%
par rapport à la période de référence. Les mois de novembre à mars en saison sèche ont une
pluviométrie inférieure à 50mm. Les pluies des mois d'avril, mai et juin présentent des
tendances à la hausse. Les deux saisons des pluies sont biens reproduites par le modèle.
100
Pob -+- P-,ee
li î . ~ ~~-#> y
:lllll·-
Figure 17: Variabilité saisonnière des précipitations à l'horizon 2011-2030
43
./ horizon 2046-2065
A l'horizon 2046-2065, on assiste à une modification des régimes pluviométriques de
la station de Dimbokro, avec déplacement du maximum de juin à mai. Les deux saisons des
pluies sont biens représentées, à Daloa on assiste à une baisse régulière de la pluviométrie aux
mois d'Octobre à Décembre, Février, Mars, Mai et Juin. Contrairement aux mois d' Août et
Septembre ou l'on s'attend à une hausse des pluies. A la station de Man le régime uni modal
est conservé, on note une augmentation des précipitations moyennes mensuelles aux mois de
Janvier, Mars, Mai, Juillet, Septembre et Octobre par rapport à la période de référence 1970-
1991de 1,42% à 423,33%. A la station d'Odienné, le régime climatique est bien reproduit
dans cette période. Les variations concernent les mois de Juillet et d' Aout où les hauteurs de
pluie seront élevées par rapport à la période de référence.
lt _,/~·\ _./ \
~~
Figure 18: Variabilité saisonnière des précipitations à l'horizon 2046-2065
44
./ horizon 2080-2099
A la station de Tabou à l'horizon 2080, il est prévu une modification du régime
pluviométrique avec décalage du maximum de Juin à Mai. Les régimes pluviométriques sont
biens marquées à la station de Yamoussoukro, les variations portent sur une hausse des pluies
aux mois d' Avril, Mai, Juin et Juillet. Le régime climatique est bien reproduit dans cette
période les variations concernent les mois de Juillet et d' Aout où les pluies sont surestimées à
Korhogo. Dans le régime pluviométrique des massifs montagneux de l'Ouest de la Côte
d'Ivoire les deux saisons des pluies sont biens marquées, les modèles prévoient une
augmentation significative de la pluviométrie au mois d' Avril et de Septembre. Le régime
pluviométrique à un comportement identique à celle de la période 2011-2030.
T âoo:::.mall.;;mgg 800
TOO
Q10
êSOO I!! i4001 l , \ I'-... .!Il i .• ,.:: '"' l300 f li:
200
100
0 -~ _, ..•.. ;:,. i" ~ ~
·-•-Pob --~
400
350
300
~ ~ _.,.iillO i .•. ,so
100
; ~ ' -1' ~, / ; • ..,,. ~ ..,. ~· •.. ·I
Figure 19: Variabilité saisonnière des précipitations à l'horizon 2080-2099
45
3.1.3.3. Tendances futures des hauteurs de pluies mensuelles
./ Horizon 2011-2030
La figure 20 présente les écarts pluviométriques moyens mensuels des stations d'Abidjan,
Yamoussoukro, Korhogo et Man à l'horizon 2011-2030. Il ressort des analyses qu'à l'horizon
2011-2030, les hauteurs de pluie mensuelle des mois de janvier, mars, avril et décembre
connaitront une hausse. A la station d'Abidjan, les pluies mensuelles vont augmenter de 20 à
60% selon les modèles. Concernant, les pluies de Yamoussoukro, elles vont connaître une
hausse de plus de 90%. Des baisses notables seront observées au cours des mois de juillet à
novembre et de mars respectivement à Abidjan et Korhogo .
Korbogo 150 ;~ 100
-~12
"'0 - 50 C""
-sg 1 •••• aCNCM3
Cl C >..2 0 •• E~ -100 .•. a. -150
:'tJ 'S)' '.!O' ~... ~
•.. - .....• ~<fi:. ~~<(:, ~ :.!,' -:§!:--
.,. .... '.t..~
~V
~~l}-<;;,e~ e;
u ••
~ ~ ....,.:s g-v. a ~r:r ,;;,'té-
••• a.
c.,e •BCM2 ,lan
• 700 •• -- ~~ 200 ... - CC ••• 0
-300 >- o';;j E 'a -800
--~ ~- ~ ~~ ~
,._ u
~ ~<e, -= .••• ·~
'>" ' u - ::,,.~ ~ ~'ri; ~ ~ ••• ,Q.
Figure 20: Ecarts moyen des pluies mensuelles à l'horizon 2011-2030 par les trois modèles.
46
./ Horizon 2046-2065
A cet horizon d'étude il faut s'attendre à Abidjan à une hausse légère de la pluviométrie de
1,48%, le mois de Janvier sera plus arrosé avec 79, 73% par rapport à la pluie moyenne
observée en Janvier. L'analyse des écarts pluviométriques à Yamoussoukro nous montre que
les précipitions moyennes mensuelles seront à la hausse de 19%. Les mois de Janvier, Juin,
Juillet, aout et septembre justifient cette hausse. L'observation des écarts nous montre qu'à
l'horizon 2065 les pluies moyennes mensuelles à Korhogo auront une tendance à la hausse de
38,08%, les mois de Janvier, Août Octobre Novembre et Décembre le montre si bien. Dans le
climat de montagne la moyenne mensuelle des pluies va augmenter de 34, 15% par rapport à
la moyenne des précipitations observées. Le mois de Janvier aura une pluviométrie plus
élévée que les autres mois.
... ... - -.:, -;Ji!. ~-;;; ••• C >-.2 o- elê :: .!!- - u :t; ~ u - •.•• a.
150 00 50 0
-50 -100 -150
300 100 -100 -300
••• - 400 {:~ 200 ~ ~ 0 ~-;::; -200 E !! %!:§. - u ,: - V"' IU Q.
800 600 400 200 0
-200 400 -600
1:m
• aCNCM.3
HAOCM3
•
• aCNCM3
• aCNCM3
HADCM3
•CNCM3
H
Figure 21 : Ecarts moyen des pluies mensuelles à l'horizon 2046-2065
47
,/ Horizon 2080-2099
A la station d'Abidjan, les mois de Janvier et Décembre seront plus arrosés avec les écarts
respectifs de 73,06% et 41,53%. Le mois d'Août sera le plus sec avec une baisse
pluviométrique de -32,89% par rapport à celle observée. A Yamoussoukro, l'on observera une
augmentation de la pluie moyenne mensuelle de 40,56% qui se justifie du fait qu'à part le
mois de Septembre ou l'on observe une baisse de -9 ,04% tous les autres mois présentent une
tendance à la hausse. A Korhogo, le modèle climatique HADCM3 prévoit des hauteurs
pluviométriques très élevées surtout aux mois de Janvier et de Décembre. Dans la région de
Man, on notera une augmentation des pluies de Janvier et Novembre respectivement de 494
% et 221,09%. Les pluies les plus faibles seront observées aux mois de Décembre Février et
Juillet.
• Prl\11,
aCNCM3 .,._ QI"* -u s: ••• -c» C >.:2 o- E -~ tJ .~ - u .,. •QI u •.. w ~
2 100 0
-1 -200
00 2.00
0 -200 -400
K.orbogo 300
100 -100 -300
•&CM2
•CNCM3
1-u~omu
• B0.'12
aOKM3
l'A.DUI.I
.J~n 1000 800 600 400 200
0 -200
•BCM2
• • HAOCM3
Figure 22 : Ecarts moyen des pluies mensuels à l'horizon 2080-2099 -}8
3.2. Discussion
3.2.1. Performance du modèle LARS-WG
Il ressort des analyses que le modèle LARS-WG reproduit assez bien les quatre régimes
pluviométriques de la Côte d'Ivoire. En effet, les régimes à deux pics et à un pic
pluviométrique ont été bien simulés. En outre, le modèle simule mieux les hauteurs de pluies
mensuelles caractérisé par les moyennes mensuelles que leur variabilité caractérisé par les
variances mensuelles. La principale raison est que le modèle traite les pluies quotidiennes
comme des événements indépendants de la distribution mensuelle des données (Semenov et
al., 1998). En Iran, Fakbir et al. (2011) ont montré que le modèle simule les pluies dans une
fourchette acceptable. Chum et al. (2013) ont montré que les générateurs de conditions
météorologiques sont capables de simuler la plupart des propriétés statistiques des données
historiques de précipitation, mais il semble que le GLM-WG simule mieux les extrêmes de
précipitation et la variabilité temporelle des indices de sévérité de la sécheresse que le LARS
WG.
La principale lacune des générateurs stochastiques se situe au niveau de la variance
interannuelle des données de précipitations synthétiques. Les données simulées ont tendance
à sous-estimer cette variabilité. La raison probable de cette sous-estimation est le fait que,
dans les deux cas, les probabilités d'occurrence et les quantités de précipitations sont générées
séparément. Une série de jours consécutifs avec des précipitations importantes est
difficilement reproductible puisque chaque quantité de précipitations journalières est générée
à partir d'un nombre aléatoire indépendant. Une solution possible à ce problème serait
d'inclure dans l'analyse de ce paramètre une variable basée sur les patrons de circulation
atmosphérique et de conditionner la distribution des précipitations sur cette variable. Les différences entre les données observées et simulées dépendent aussi de la situation géographique et du climat de la région où la station climatologique est située. La distribution
semi-empirique utilisée par le modèle implique une meilleure représentation de ces séries car
il prend en compte, dans sa distribution semi-empirique, toutes les séries observées.
Dans l'ensemble, le modèle LARS-WG est un bon outil de réduction d'échelle
statistique et peut donc servir à la projection des changements climatiques futurs en Côte
d'Ivoire.
49
1
3.2.2. Projection climatiques futures en Côte d'Ivoire
L'analyse des éventuels effets du changement climatiques sur les paramètres
pluviométriques indiquent des modifications futures au niveau des hauteurs des pluies à
l'échelle annuelle et mensuelle ainsi que des perturbations des saisons. Ces modifications et
perturbations varient selon les horizons et les modèles. A l'échelle annuelle, les hauteurs de
pluies vont augmenter de 10% à l'horizon 2011-2030 et une diminution de 5% à 10% à
l'horizon 2046-2065 dans les régions sud-est et centre du pays. La période 2080-2099 sera
marquée par une reprise de la pluviométrie dans les régions nord-est, sud-ouest et la région
des montagnes avec des excédents de 10% à 20%. Les travaux de Kouakou et al. (2012) ont
montré avec le modèle régional RegCMJ une augmentation de l'ordre de 5% des pluies
annuelles sur l'ensemble du pays. Selon Bigot et al. (2002), les fluctuations de la
pluviométrie sont tributaires des variations thermiques de l'Océan Atlantique.
A l'échelle mensuelle, l'on assiste tantôt à une augmentation, tantôt à une baisse suivant
les mois, le régime pluviométrique et le modèle climatique. Ce même constat a été fait par
Kouakou (2011) lors de ces travaux sur le bassin versant de la Comoé avec une réduction
d'échelle dynamique. Les études effectuées par Goula et al. (2006) ont montré pour la zone
de savane arborée et pré forestière, une diminution de 1,33% des précipitations avec le
modèle GFD3 contre une hausse de 8,4% avec le modèle UK.89 à l'horizon 2075. Dans la
zone de savane, le modèle GFD3 prédit une diminution de 1,33% contre 0,56% pour le
modèle UK.89. L'augmentation ou la diminution des précipitations moyennes mensuelles
prévues par le modèle lors de la présente étude est en accord avec les travaux de la
CEDEAO-CSAO (2008). Selon l'IPCC (2008), le volume des précipitations augmentera aux
latitudes élevées alors qu'il diminuera d'environ 20 % en 2100 dans la Plupart des régions
continentales subtropicales. D'après les études de Kouadio et al. (2002) menées en Côte
d'Ivoire, un réchauffement anormal des températures de surface de l'océan de l'Atlantique
Sud-Ouest, entraîne des baisses pluviométriques. Un refroidissement des températures de
surface de l'Atlantique tropicale (au Nord de l'équateur) entraine l'augmentation des
précipitations dans certaines parties de l'Afrique de l'Ouest.
50
CONCLUSION ET PERSPECTIVES
51
En somme, cette étude s'est intéressée à la mise en évidence d'éventuelles
modifications temporelles de la pluviométrie (pluie annuelle, mensuelle, saisons) dues aux
changements climatiques futurs. Elle poursuivait deux objectifs majeurs : évaluer la
performance du modèle LARS-WG à reproduire les conditions climatiques de la Côte
d'Ivoire et analyser les tendances futures des saisons humides et sèches, des hauteurs de pluie
à l'échelle annuelle et mensuelle sur les horizons 2011-2030, 2045-2065 et 2080-2099.
Concernant le premier objectif, l'étude a montré que le modèle LARS-WG a permis de
réaliser une bonne réduction d'échelle statistique. En effet, selon les tests statistiques de
Fisher, de student et de Kolmogorov-Smirnov, ce modèle a su reproduire fidèlement les
saisons, les distributions statistiques des pluies ainsi que les hauteurs de pluies mensuelles
avec un niveau de signification 5%.
Au niveau du second objectif, l'analyse des projections climatiques s'est faite à
l'échelle annuelle et mensuelle. A l'échelle annuelle, l'analyse des écarts pluviométriques
présente une tendance à la baisse et une autre à la hausse. Les plus faibles pluviométries
seront observées au Sud-Est, dans les régions centres et du Nord-Ouest de la Côte d'Ivoire
selon les modèles climatiques considérés. Par rapport à la période de référence 1970-1991,
les pluies moyennes mensuelles aurons des tendances soient à la hausse soient à la baisse
selon les mois sur les trois horizons futurs considérés. L'effet des changements climatiques
pourrait se produire dans le futur ou les projections climatiques prévoient une modification du
régime pluviométrique dans certaines régions du sud et du centre de la Côte d'Ivoire. En effet
dans ces régions il est prévu un déplacement du mois le plus pluvieux (Juin) au mois de Mai.
Le mois de Janvier sur les trois périodes futures aura une tendance à la hausse. Les pluies
moyennes mensuelles seront plus élevées à la station d'Abidjan et dans le régime des
montagnes représentées par la station pluviométrique de Man.
Le modèle LARS-WG bien qu'aillant des limites est un excellent outil de réduction
d'échelle pour la simulation et la projection des changements climatiques futurs en Côte
d'Ivoire. Les changements annoncés dépendent largement du scénario d'émission de gaz à
effet de serre choisit, du comportement économique, social et environnemental des
communautés au cours des prochaines années ce qui constitue une inconnue de taille.
Il va falloir en ce sens élaborer des scénarios climatiques pour la Côte d'Ivoire. Il
s'agira d'évaluer l'adéquation pour la Côte d'Ivoire des divers Modèles Climatiques
Régionaux (RMC) produits par le projet européen ENSEMBLES pour le scénario AlB et
déterminer une combinaison de modèles qui sera validée pour la prévision de l'évolution du
52
climat futur. Cette évolution sera présentée sous forme de variations saisonnières et annuelles
des données de précipitation et de température.
Comparer si possible avec d'autres méthodes dynamiques de mise à l'échelle (modèles
climatiques régionaux) en parallèle, afin d'explorer les incertitudes associées au choix de la
méthode de mise à l'échelle statistique.
Analyser et comparer la méthode suggérée avec d'autres méthodes de mise à l'échelle
statistique.
53
REFERENCES BIBLIOGRAPHIQUES
54
Aerts J. Droogers P., 2004. Climate change in contrasting River Basins: Adaptation
Strategies for water, food and Environnement. CABL Books, Londen, 288p.
Arnaud J. C., 1983. Le relief de la Cote d'Ivoire. In Les Atlas jeune Afrique de la Côte
d'Ivoire. Editions jeune Afrique, Paris : 36pp 6 - 7.
Ardoin B. S., 2004. Variabilité hydroclirnatique et impacts sur les ressources en eau de
grands bassins hydrographiques en zone soudano-sahélienne. Thèse de Doctorat de
l'Université de Montpellier II, 440 p.
Avenard J. M., Girard G., Sircoulon J., Toucheboeuf P., Guillaume J. L., Adjonohoun
E. et Perraud A. (Eds.) ., 1971. Le milieu naturel de la Côte d'Ivoire. Mémoire
ORSTOM, Paris, 39lp.
Baillargeon, G., 1990. Méthodes statistiques de l'ingénieur (Vol. 1) ,28p.
Bigot S., Brou Y. T, Bonnardot V., Servat E., 2002. Interannual stability of rainfall patterns
in the Ivory Coast over the period 1950-1996. International Association of
Hydrological Sciences, 274, pp.507-514.
Boe J., 2007. Changement global et cycle hydrologique: Une etude de regionalisation sur la
France, Thèse de doctorat, Universite paul sabatier - toulouse m, 21 Op.
Bokoye 1., 2007. Description sommaire des méthodes de mise à échelle statistique (mas)
Environnement Montréal (Québec) Canada, 18p.
Brou Y. T., 2005. Climat, mutations socio-économiques et paysages en Côte d'Ivoire.
Mémoire de synthèse des activités scientifiques présenté en vue de l'obtention de
!'Habilitation à Diriger des Recherches, Université des Sciences et Techniques de
Lille (France), 212p.
Cantat O., 1995. Variabilité et variation climatiques en Normandie. L'évolution récente des
températures à Caen-Carpiquet. Sécheresse, vol. 6, n° 3, p. 273-279.
CEDEAO-CSAO., 2008. Climat et changements climatiques en Afrique de l'Ouest. Atlas de
l'intégration Régionale en Afrique de l'Ouest. CSAO/OCDE, ILSS, FAO. 13p.
Cheng, S.C., Campbell, M., Li, Q, Auld, H., Day, N., Pengelly, D., Gingrich, S., et Yap,
D., 2006 A Synoptic Climatological Approach to Assess Clirnatic Impact on Air
Quality in South-central Canada. Part I: Historical Analysis. Water Air Soi! Pollut.
doi 10.1007/sl 1270-006-9327-3.
Chen, H., Jiali G., Zengxin Z., Chong-Yu Xu., 2012. Prediction oftemperature am
précipitation in Sudan and South Sudan by using LARS-WG in future. Theor Appl
limatol doi 10.1007/s00704-012-0793-9.
55
Cherkaoui A., 2012. Désagrégation statistique des données via l'outil SDSM pour la
projection des changements climatiques futur dans la haute Moulaya au Maroc.
Mémoire présenté pour l'obtention du diplôme d'ingénieur d'état, Université Hassan
II Moharned-Casablanca (Maroc), 93p.
Coulibaly P., Anctil F. et Bobée. B., 2001. Multivariate reservoir in:flow forecasting using
temporal neural networks. Journal of Hydrologie Engineering, ASCE, 6(5), pp. 367-
376.
Christopher A., 2001. Regional Climate Modeling with RSMA Case study over Northem
Brazil, pp19-36.
Debroise A., 2007. Accusés : les gaz à effet de serre, Sciences et vie, S&V hors série,
Mondadori, France, pp.18-34.
Dibike, Y.B., Gachon, P., St-Hilaire, A., Ouarda, T.B.MJ., Nguyen, V.T.-V., 2008.
Uncertainty analysis of statistically downscaled temperature and précipitation
regimes in Northem Canada. Theoretical and Applied Climatology, 91(1-4):pp 149-
170.
Fakhir,M.,Farzaneh,M., Eslamian, S., et Hosseinipour, E., 2011. Uncertainty Analysis of
Downscaled Précipitation Using LARS-WG Statistical Mode) in Shahrekored
Station, Iran. World Environnement and Water Ressources Congres: pp. 4572-4578.
Fowler, H. J., C. G. Kilsby., 2000. A stochastic rainfall model for the assessment of regional
water resource systems under changed climatic conditions. Hydrology and Earth
System Sciences, 4(2): pp263-282.
Gacbon P. et Dibike Y. B., 2005. Temperature change signais in northem Canada:
Convergence of statistical downscaling results using two driving GCMs,
International Journal ofClimatology, 27(12): pp. 1623-1641.
Gachon P. et Dibike Y. B., 2007. Temperature change signais in northern Canada:
Convergence of statistical downscaling results using two driving GCMs,
International Journal of Climatology, 27(12): pp.1623-1641.
GIEC ., 2000.Rapport special du Groupe de travail m du GIEC, Scenariosd'emissions,
GIEC ., 2007. Bilan 2007 des changements climatiques. Contribution des Groupes de travai
I, II et Ill au quatrième Rapport d'évaluation du Groupe d'Experts
Intergouvernemental sur L 'Evolution du Climat, Genève, Suisse, 103p.
Goodess, C.M., Anagnostopoulou,C., Bardossy, A., Frei. c., Harpham, c., Haylock, M.R., Hundecha, Y., Tomozeiu, R. and Wilby, R.L., 2005. "An intercomparison
ofstatistical downscaling methods for Europe and European regions -assessing their
56
performance witb respect to extreme temperature and precipitation events", Climate
Change, submitted, 52p.
Goula B. T. A., Kouassi V. J., Savané L, 2006. Impacts du changement climatique sur les
ressources en eau en zone tropicale humide : cas du Bandama en Côte d'Ivoire.
Agronomie Africaine, 18 (1), pp.1-11.
Goula B. T. A., Konan B., Brou Y. T., Savané 1., Fadika V. et Srohourou B., 2007.
Estimation des pluies exceptionnelles journalières en zone tropicale: cas de la Côte
d'Ivoire par comparaison des lois Lognormale et de Gumbel. Journal des Sciences
Hydrologiques, 52 (2): pp49 - 67.
Goula B. T. A., Kouassi W. F., Fatika V., Kouakou K. E., Savané L, 2009. Impacts du
changement climatique et de la variabilité climatique sur les eaux souterraines en
zone tropicale humide : cas du bassin versant de la Comoé. International Association
of Hydrological Sciences, 3 3 4, pp 190-202.
Baylock, M. R., Peterson TC., AJves L.M, Ambrizi T, Anunciacao Y.M.T, Baez J.,
Barros V.R., Berlato M.A., Bidegain M., Coronel G., Corradi V., Garcia V.J.,
Vincent L.A.,2006. Trends in total and extreme South American rainfall in 1960-
2000 and links with sea surface temperature, Journal ofC!ima/ology, 19, pp 490-
1512.
Bellstrom C., et Chen D., 2003. Statistical downscaling based on dynamically downscaled
predictors: Application to monthly precipitation in Sweden. Advances in
Atmospheric Science, 20, pp 951-958.
IPCC, 2001. Climate Change 2001. Impacts, adaptation and Vulnerability. Contribution
of Working Group II to the Third Assessment Report of the IPCC. Cambridge
University Press, UK, 1032p.
IPCC, 2000. Emissions scenarios, A Special Report ofWorking Group ID of
Intergovernmental Panel on Climate Change. Cambridge University Press,
Cambridge, U. K. and New York, NY, USA, 599p.
IPCC, 2008. Climate Change and Water. !PCC Technical Rapport IV, 214 p.
Katz, R. W. et M. B. Parlange., 1998. Over dispersion phenomenon in stochastic modeling
of precipitation. J Climate, 11, pp59l--601.
Kouadio Y., Ochou D. A., Servain J., 2002. Atlantic influence on the rainfall variability
in Côte d'Ivoire. Geophysical Research Letters, 30, pp.8005-8012.
Kouakou K. E., Goula B. T. A., Savané 1., 2007. Impacts de la variabilité climatique sur
les ressources en eau de surface en zone tropicale humide : Cas du bassin versant
57
transfrontalier de la Comoé (Côte d'Ivoire - Burkina Faso). European Journal of
Scientific Research, 16 (1), pp.31-43.
Kouakou K. E.,2011. Impacts de la variabilité climatique et du changement climatique sur
les ressources en eau en Afrique de l'Ouest : Cas du bassin versant de la Comoé.
Thèse de Doctorat de l'Université Naangui Abrogoua (Côte d'Ivoire), 186p
Landman, W.A., Mason, P.D. Tyson, and W.J. Tennant.,2001. Retro-active skill of
multitiered forecasts of summer rainfall over southem Africa. International journal
ofClimatology2l, pp 1-19.
Li T., Tung Y.-C., and Hwu 1-W., 2005. Remote and Local SST Forcing in shaping
AsianAustralian Monsoon Anomalies. Journal ojthe Meteorological Society ofJapan,
83(2), pl53-167.
Lim E., Hendon H., Wang G., Alves O., 2006. Statistical-dynamical prediction of tropical
Indo-Pacific SST and Australian rainfall. Bureau of Meteorology Research Centre.
South Eastern Australian Climate Initiativel2.pp 24-34.
Mearns, L.O., Rosenzweig C., et Goldberg.R, 1996. The effect of changes in daily and
interannual climatic variability on CERES-Wheat: A sensitivity study. CUm. Change
32:pp257-292.
Mines., 1998. L'Archéen, l'aube des temps géologiques a plus de 2 milliards d'années : c'est
vieux la Terre?http://www.mines98.com/country/lr/3.htm.
Monnier E., 2007., les activités humaines. Sciences et vie, S&V hors série, Mondadori,
France, pp.57-64.
Nakicenovic N, Swart R (eds)., 2000. Special Report on Emissions Scenarios. A Special
Report of Working Group ID of the Intergovemmental Panel on Climate Change.
Cambridge University Press: Cambridge, UK and New York. 570 p.
Ndiaye O., 2001. "Current seasonal Forecasting methods and downscaling", CLIMAG in
West Africa, Proceedings of the ST AR/EU commissionlFMA International
Workshop held in Bamako, pp 23-45.
Nduita J., 2004. Changement et variabilité climatique. Bulletin d'information du Bureau
régional de l'UICN pour l'Afrique de l'Ouest, 10, 24 p
Oker T., 2010. Effects of climate change on the spatial and temporal transformations of
wetlands: Case study on abajuzzi wetlands, MSc Thesis.123p.
PNUE., 2004. Impacts de la canicule 2003 en Europe. Bulletin d' Alerte Environnementale,
4p.
58
Racsko, P., Szeidl L. et Semenov M., 1991. A serial approach to local stochastic weather
models. EcologicalModeling 57, pp 27-41.
PNUD., 2009. Rapport Mondial sur le developpement humain. Lever les barrières: Mobilité
et developpement humains, New york, Programme des Nations Unies pour le
Développement, pp45
Robertson. A.W., Kirshner,S. et Smyth,P., 2004. Downscaling of daily rainfall occurrence
over Northeast Brazil using a Hidden Markov Mode), J. Climate, 17, pp 4407-4424.
Salathe. E. P., 2003. Comparison of various precipitation downscaling methods for the
simulation of streamflow in a rainshadow river basin. International. Journal of
Climatology, 23(8).pp887-901.
Schmidli, 1., C. M. Goodess, C. Frei, M. R. Haylock, Y. Hundecha, 1. Ribalaygua, et T
Schmith.,2007. Statistical and dynamical downscaling of precipitation. An
evaluation and comparison of scenarios for European Alps. Journal of Geophysical
Research, l 12(d4), D04105.
Semenov, M. A. et Barrow E. M.,1997. Use of a stochastic weather generator in the
development of climate change scenarios. Climatic Change, 35(4. 397-414.
Semenov, M.A., Brooks, R.J., Barrow, E.M. et Richardson, C.W. 1998. Comparison of
the WGEN et LARS-WG stochastic weather generators for diverse climates. Climate
Research, 10, 95-107.
Semenov M.A, Stratonovitch P., 2010. Use of Multi-model ensembles from global climate
models for assessment of climate change impacts. Climate Research 41 : 1-14.
Servat E., Paturel J. E., Kouame B., Travaglio M., Ouedraogo M., Boyer J. F., Lubès
Niel H., Semenov, M.A., Brooks, R.J., Barrow, E.M. et Richardson, C.W,.1998.
Comparison of the WGEN et LARS-WG stochastic weather generators for diverse
climates. Climate Research, 10. pp 95-107.
Viner D., Hulme M., 1997. The Climate Impacts: applying results from the Hadley Centre's
Climate change impact assessment Climatic Research Unit, Norwich, UK, l 7p.
Weiss, N. A., et Basset, M. J.,1991. Introd:uctory Statistics (3rd ed.): Addition-Wesley
Publishing Company,32p.
Wilby, R.L., S.P. Charles, E. Zorita, B. Timbal, P. Whetton, and 1.0. Meams.,2004.
Guidelines for use of climate scenarios developed from statistical downscaling
methods, available from the DDC ofIPCC TGClA, 27 pp.
Wilks, D.S., et R.L. Wilby., 1999. The weather generation game: a review of stochastic
weather models. Progress in Physical Geography, 23, pp329-357
59