PREVISION SAISONNIERE DES CARACTERISTIQUES AGROCLIMATIQUES EN AFRIQUE AGRHYMET

1. CENTRE REGIONAL AGRHYMET
Option: AGROMETOROLOGIE ET PROTECTION DES VEGETAUX
COURS D’AGROMETEOROLOGIE
PREVISION SAISONNIERE DES CARACTERISTIQUES
AGROCLIMATIQUES EN AFRIQUE DE l’OUEST
Groupe 3:
Mandela HOUNGNIBO
Michel ONIVOGUI
Daouda ZOUNGRANA
Adama SANOGO
Ramatou KANE-KAKA
Superviseur:
Dr. WANGO Moussa
October 31, 2016

2. Contents
1 INTRODUCTION 2
2 DEFINITION DE CONCEPTS 2
3 FONDEMENTS DE LA PREVISION SAISONNIERE AGROCLIMATIQUE 3
4 DONNEES, METHODOLOGIE ET OUTILS POUR LA PREVISION SAISON-
NIERE AGROCLIMATQIUE 3
4.1 DONNEES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4.2 METHODOLOGIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.2.1 Zonage Climatique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.2.2 Choix des stations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.2.3 D´etermination des caract´eristiques agrom´et´eorologiques . . . . . . . . . . . . . 5
4.2.4 Utilisation de l’approche statistique ou statistico-dynamique pour la construction
du mod`ele de pr´evision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4.2.5 G´en´eration de la pr´evision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.2.6 Pr´evision consensuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.3 OUTILS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
5 PRESENTATION ET INTERPRETATION DES RESULTATS 8
6 CONCLUSION 8
1

3. 1 INTRODUCTION
L’Afrique subsaharienne est consid´er´ee comme l’une des r´egions au monde les plus vuln´erables aux
effets de la variabilit´e et du changement climatique, du fait de la fragilit´e de son ´economie. Celle-ci,
essentiellement fond´ee sur l’exploitation des ressources naturelles locales, est fortement d´ependante de
l’´evolution des caract´eristiques de la saison des pluies (r´epartition et quantit´e de pluies, dates de d´ebut,
dates de fin et longueur de la saison) et de la disponibilit´e des ressources en eau. Ces caract´eristiques de
la saison ont notamment un impact tr`es important sur la production agricole et la s´ecurit´e alimentaire.
De mˆeme, la conjugaison des effets des changements environnementaux, de la pression d´emographique
et de la forte variabilit´e climatique, a augment´e consid´erablement les risques agricoles et hydrologiques.
En plus, les projections futures pour cette partie du monde, malgr´e leurs incertitudes, indiquent un
accroissement suppl´ementaire de la variabilit´e pluviom´etrique, une ´el´evation de la temp´erature et du
niveau de la mer et une recrudescence des ph´enom`enes hydrom´et´eorologiques extrˆemes tels que les
s´echeresses et les inondations (GIEC, 2007).
Pour mieux g´erer ces diff´erents risques, il est n´ecessaire de promouvoir la production des connaissances
scientifiques n´ecessaires `a la prise de d´ecisions et de renforcer les syst`emes op´erationnels de gestion de
ces risques.
La pr´evision saisonni`ere constitue l’une des meilleures strat´egies d’adaptation `a la variabilit´e et aux
changements climatiques en Afrique de l’Ouest. En effet, l’´elaboration et la diffusion d’informations
caract´erisant la saison des pluies avant mˆeme que celle-ci ne d´emarre permet aux agriculteurs, aux
gestionnaires des ressources en eau, aux d´ecideurs et autres acteurs de faire des choix optimaux pour
aborder la saison.
L’ACMAD a ´et´e l’un des pr´ecurseurs dans ce domaine en Afrique de l’Ouest avec sa premi`ere pr´evision
saisonni`ere ´elabor´ee en 1998 et qui ne concernait que les cumuls de pluie pour la p´eriode Juillet-Aot-
Septembre. Suite `a la forte demande du monde agricole pour ce qui concerne les caract´eristiques agrocli-
matiques l’AGRHYMET a aussi initi´e conjointement avec l’ACMAD en 2012 les pr´evisions saisonni`eres
sur les param`etres tels que : dates de d´ebut de saison des pluies, dates de fin de saison des pluies,
s´equences s`eches (apr`es la date de de dbut de saison et apr`es la p´eriode de floraison).
Le pr´esent document relate dans un premier temps la m´ethodologie, les donn´ees et les outils utilis´es par
l’AGRHYMET dans le cadre de l’´elaboration de cette pr´evision et dans un second temps l’interpr´etation
des r´esultats de cette pr´evision.
2 DEFINITION DE CONCEPTS
Pr´edicteurs : ils correspondent aux variables explicatives.
Pr´edictant: ils correspondent aux variables (donn´ees) `a expliquer. Dans le cas d’esp`ece ce sont les
donn´ees de Date de d´ebut, Date de fin, les s´equences s`eches apr`es le d´ebut de saison et les s´equences
s`eches en p´eriode floraison-´epiaison.
El Ni˜no: (litt´eralement l’Enfant (J´esus) , car il apparaˆıt peu apr`es Nol), d´esigne `a l’origine un courant
cˆotier saisonnier chaud au large du P´erou et de l’´equateur mettant fin `a la saison de pˆeche. Le terme
d´esigne maintenant par extension le ph´enom`ene climatique particulier, diff´erent du climat usuel, qui se
caract´erise par des temp´eratures anormalement ´elev´ees de l’eau dans la partie Est de l’oc´ean Pacifique
Sud.
La Ni˜na: La Ni˜na (la petite fille en espagnol) tire son nom de la comparaison avec El Ni˜no. Ses
cons´equences climatiques sont globalement l’inverse de celles d’El Ni˜no.
Pr´evision saisonni`ere: La pr´evision saisonni`ere n’est pas assimilable `a une pr´evision classique, dite
d´eterministe , qui consiste `a pr´evoir l’´evolution spatiale et temporelle d’une variable le plus finement pos-
sible. Elle cherche plutˆot `a donner une information probabiliste, c’est-`a-dire une pr´evision de l’´evolution
2

4. moyenne du climat `a venir associ´ee `a un pourcentage de chance que ce soit r´eellement observ´e.
3 FONDEMENTS DE LA PREVISION SAISONNIERE AGRO-
CLIMATIQUE
Les oc´eans repr´esentant 2/3 de la surface terrestre, ayant une forte capacit´e thermique et ´etant la
plus grande source de vapeur d’eau pr´ecipitable ont de multiples influences sur les ´el´ements du climat.
En effet Les travaux de recherches ant´erieurs men´es dans des centres m´et´eorologiques de la France, du
Royaume Uni et des USA, montrent qu’il existe des liens statistiques entre les temp´eratures de surface de
certaines parties des oc´eans (SST) et la pluviom´etrie. Ainsi, la partie de l’atlantique ´equatorial sud (AE)
influe sur les pluies des mois de juin-juillet-septembre en Afrique de l’ouest, les temp´eratures chaudes
(anomalie positive par rapport `a la normale) au niveau de cette partie de l’Oc´ean se traduisent par des
pr´ecipitations abondantes dans la r´egion du golfe de guin´ee et par des d´eficits pluviom´etriques dans les
r´egions sah´eliennes. Des temp´eratures froides (anomalies n´egatives) conduisent `a des situations inverses.
La partie du pacifique centre (EL Ni˜no/ La Ni˜na), a une grande influence sur la zone sah´elienne. Une
anomalie positive des temp´eratures (EL Ni˜no) conditionne un d´eficit pluviom´etrique au sahel alors qu’en
p´eriode d’anomalie n´egative des temp´eratures (La Ni˜na), des conditions pluviom´etriques exc´edentaires
pr´evalent. La partie atlantique nord-ouest (NWA) aurait une influence contraire `a celle de l’atlantique
´equatorial sud (EA) sur les r´egions sah´eliennes. Quant aux Oc´eans de fa¸con globale leur influence
marquerait fortement les tendances moyennes de la saison des pluies en Afrique de l’Ouest. (Figure 1)
Figure 1: Sch´ema synth´etique des zones
———————————————–
4 DONNEES, METHODOLOGIE ET OUTILS POUR LA
PREVISION SAISONNIERE AGROCLIMATQIUE
4.1 DONNEES
Les donn´ees utilis´ees pour la pr´evision saisonni`ere sont d’une gamme tr`es vari´ees.Nous avons essentielle-
ment :
• Les donn´ees pr´edictants:Les donn´ees journali`eres historiques de pluie des diff´erents pays CILSS-
CEDEAO sont utilis´ees pour d´eterminer les diff´erents param`etres agroclimatiques.
3

5. • Les donn´ees pr´edicteurs: les donn´ees historiques d’anomalies de temp´eratures de surface des
oc´eans (SST), les donn´ees de sorties des mod`eles globaux (Vents zonal ou m´eridien, vapeur d’eau
dans l’atmosph`ere, la radiation). Les donn´ees de pr´evisions de l’´evolution de ces diff´erents pr´edicteurs.
• Diff´erentes cartes d’´evolution ou d’´evolution pr´evue des diff´erents pr´edicteurs (Figure
2): ces cartes sont combin´ees aux pr´evisions statistico-dynamiques pour renforcer les analyses.
Elles proviennent pour la plupart des grands centres de pr´evisions de l’Organisation M´et´eorologique
Mondiale(OMM)
Figure 2: Exemple de cartes d’´evolution pr´evue de SST (`a gauche) et d’anomalies de Pr´ecipitation (`a
droite) pour Nov2016-Janv2017
• Etc...
4.2 METHODOLOGIE
La m´ethodologie utilis´ee par l’AGRHYMET se r´esume `a l’´elaboration de mod`eles statistiques ou
statistico-dynamiques pour la pr´evision des carct´eristiques agroclimatiques `a partir des donn´ees de
ses param`etres consid´er´ees comme pr´edictants et des donn´ees des pr´edicteurs cit´es plus haut. Une
certaine chronologique est adopt´ee dans la m´ethodologie.
4.2.1 Zonage Climatique
Deux (02) grandes zones sont d´efinies selon que les saisons soient unimodales ou bimodales Ainsi on a la
zone au dessus de la latitude 08 ◦
N constituant la zone unimodale regroupant la les r´egions sah´eliennes
et soudaniennes et la zone en dessous de 08 ◦
N constituant la zone bimodale regroupant les r´egions
cˆoti`eres (Figure 3). 10 ◦
C
4

6. Figure 3: Zone Climatique d´efinie (Source:CRA)
4.2.2 Choix des stations
Les stations retenues sont celles qui pr´esentent moins de donn´ees manquantes dans leurs s´eries chronologiques
journali`eres.
4.2.3 D´etermination des caract´eristiques agrom´et´eorologiques
Diff´erents crit`eres sont utilis´es selon que le pays soit sah´elien et que ses stations soient au Sud ou au
Nord de l’isohy`ete 400 mm ou que le pays soit cˆotier et que ses stations se retrouvent en dessous ou au
dessus de la latitude 08 ◦
Nord.
1. Dates de d´ebut de saison des pluies
• Pour les pays sah´eliens `a r´egime monomodal
Date apr`es le 15 MARS, `a partir de laquelle un cumul pluviom´etrique d’au moins 20 mm est
enregistr´e pendant 01 `a 03 jours cons´ecutifs et sans ´episode sec exc´edant 20 jours pendant les
30 jours qui suivent. Pour les stations situ´ees au nord de l’isohy`ete 400 mm, prendre 15 mm
enregistr´es `a partir du 1er
Mai pendant 01 `a 03 jours cons´ecutifs, sans ´episode sec exc´edant 20
jours pendant les 30 jours qui suivent.
• Pour les pays cˆotiers du Golfe de Guin´ee
R´egime monomodal (Nord, Latitude sup´erieure `a 8 ◦
N) : La saison des pluies d´emarre
`a partir du 15 MARS, lorsqu’on enregistre au moins 20 mm de pluie en 01 `a 03 jours cons´ecutifs
et ceci sans ´episodes secs de plus de 10 jours dans les 30 jours qui suivent.
R´egime bimodal (Sud, Latitude inf´erieure `a 8 ◦
N) : Dans les zones sud de ces pays, il
y a deux saisons de pluie: la grande et la petite. Pour le d´emarrage de la grande saison, le
mˆeme crit`ere que les zones nord est adopt´e : c’est-`a-dire au moins 20 mm de pluie enregistr´es
en 01 `a 03 jours cons´ecutifs `a partir du 1er
FEVRIER, sans ´episodes secs de plus de 10 jours
dans les 30 jours qui suivent.
Quant `a la petite saison des pluies, elle d´emarre lorsqu’`a partir du 15 AOUT, on enregistre
plus de 10 mm en 3 jours cons´ecutifs.
2. Dates de fin de saison des pluies
• Pour les pays sah´eliens `a r´egime monomodal
date apr`es le 1er
Septembre (15 Septembre pour l’Ouest Mali (Ouest de Bamako), le S´en´egal,
Mauritanie, Gambie ; Guin´ee Bissau), quand un sol capable de contenir 70 mm d’eau disponible
est compl`etement ´epuis´e par une perte quotidienne d’´evapotranspiration de 5 mm..
5

7. • Pour les pays cˆotiers du Golfe de Guin´ee
R´egime monomodal (Nord, Latitude sup´erieure `a 8 ◦
N) :Dans les zones nord de ces
pays, la fin de la saison a lieu quand `a partir du 1er
Octobre, un sol capable de contenir 70
mm d’eau disponible est compl`etement ´epuis´e par une perte quotidienne d’´evapotranspiration
de 4 mm.
R´egime bimodal (Sud, Latitude inf´erieure `a 8 ◦
N) :Dans les zones sud,les mˆemes crit`eres
que ceux dans les zones nord sont utilis´es, sauf que les calculs sont d´eclench´es `a partir du 1er
juillet pour la grande saison.
Quant `a la fin de la petite saison,les calculs sont d´eclench´es `a partir du 15 Octobre
3. S´equences s`eches apr`es la date de d´ebut de saison
C’est le nombre de jours secs cons´ecutifs le plus long pendant les 50 jours apr`es la date de d´ebut
de la saison
4. S´equences s`eches en p´eriode floraison-´epiaison
Les s´equences s`eches les plus longues vers la fin de la saison, c’est-`a-dire sur la p´eriode prenant en
compte les phases critiques d’´epiaison-floraison et de maturation des cultures, se fait `a partir du
50eme
jour apr`es la date calcul´ee de d´ebut de saison jusqu’`a la date de fin de la saison.
4.2.4 Utilisation de l’approche statistique ou statistico-dynamique pour la construction
du mod`ele de pr´evision
La mod´elisation statistico-dynamique est une technique mixte de pr´evision du climat qui consiste `a
combiner des m´ethodes statistiques avec les sorties directes des mod`eles num´eriques. Son principe
est de d´eterminer statistiquement une relation entre une variable observable `a pr´edire et un ensemble
de variables (pr´edicteurs) issues directement des Mod`eles de Circulation G´en´erales (les vents zonaux,
la vapeur d’eau pr´ecipitable sortis des mod`eles et r´eanalyser). La mod´elisation statistique cherche
`a d´eterminer une relation entre une variable (pr´edictant) et un ensemble de variables directement
observ´ees (s´eries historiques de SSTs observ´ees). Ainsi, le mod`ele de pr´evision est construit en utilisant
les n (nombre d’ann´ees) valeurs du couple pr´edictant/ pr´edicteur. De pr´ef´erence n doit ˆetre sup´erieure
ou ´egale `a 30. Ensuite diff´erents mesures permettent d’´evaluer et de valider le mod`ele ainsi con¸cu. Les
outils statistiques utilis´es pour la construction du mod`ele sont: la r´egression multiple lin´eaire, L’analyse
en composante principale, l’analyse en corr´elation canonique.
La r´egression lin´eaire multiple (RLM): La r´egression lin´eaire multiple permet d’expliquer une
variable de r´eponse (pr´edictant) y par une s´erie de variables explicatives xi (pr´edicteurs) en recher-
chant a priori une relation lin´eaire entre elles. Si on dispose de plusieurs observations (dans le
temps par exemple) du couple (y, xi), alors le mod`ele de la r´egression lin´eaire multiple sera donn´e
par : yj =b0+ k
i=1 bixij+ (x)j
O`u yj est la j`eme observation de la variable expliqu´ee, xij est la j`eme observation de la i`eme
variables explicative, k et (x)j sont respectivement le nombre de variables explicatives et le r´esidu
de l’observation j, bi les coefficients de la r´egression et b0 la coordonn´ee `a l’origine. Notons que la
construction d’un mod`ele de RLM exige d’avoir plus d’observations que de variables explicatives,
tandis que la distribution des (x)j est, quant `a elle, suppos´ee suivre une loi normale.
L’analyse en composante principale (ACP) : Son principe est de remplacer n variables x1,...,xn
corr´el´ees entre elles, par de nouvelles variables c1,...,cn appel´ees composantes principales (CP). Ces
composantes sont des combinaisons lin´eaires non corr´el´ees entre elles et de variance maximale des
variables initiales. Lorsque l’espace repr´esente les variables (les pr´edicteurs en points de grille par
6

8. exemple), et le temps les observations (1980 `a 2000), l’ACP permet de repr´esenter l’information `a
l’aide d’un nombre r´eduit de vecteurs propres repr´esentant l’espace et de composantes principales
(coefficients temporels) repr´esentant le temps.
L’analyse en corr´elation canonique (ACC) : l’ACC est une m´ethode fondamentale de l’analyse
statistique multivari´ee qui, par ailleurs englobe d’autres m´ethodes comme l’Analyse en Com-
posantes Principales, l’Analyse des Correspondances et les R´egressions Lin´eaires Simple et Multi-
ple. Elle permet de mettre en ´evidence des relations lin´eaires entre deux ensembles de variables
diff´erents X (x1,..., xp ) et Y (y1,..., yq ) comprenant n observations. Son principe est de constru-
ire deux nouveaux qui seront des combinaisons lin´eaires des variables initiales les plus corr´el´ees
possible.
Au regard de sa robustesse c’est l’analyse en corr´elation canonique qui est le plus utilis´e pour la con-
struction des mod`eles de pr´evision saisonni`eres.
4.2.5 G´en´eration de la pr´evision
Connaissant les valeurs des pr´edicteurs (qui sont soient observ´ees, soient pr´evues par les grands centres
mondiaux de l’OMM) de l’ann´ee de la r´ealisation de la pr´evision saisonni`ere on les met dans l’´equation
du mod`ele construit pour faire la pr´evision pour cette ann´ee. Le produit de la pr´evision saisonni`ere est
donn´e sous forme de probabilit´e cat´egorielle pour la simple raison qu’`a l’´etat actuel de la performance
des mod`eles, il est tr`es risqu´e de donner une pr´evision chiffr´ee (d´eterministe). Les trois cat´egories
correspondent `a des terciles. A chacun des trois 3 terciles (inf´erieurs, between, sup´erieurs), la probabilit´e
associ´ee traduit le niveau de confiance qu’on a `a la r´ealisation de ladite cat´egorie. Selon les pr´edictants
utilis´es dans la pr´evision agroclimatique, les terciles sont repr´esent´es comme suit :
• Date de d´ebut et de fin: (Pr´ecoces, Normales, Tardives)
• S´equences s`eches : (Courtes, Normales, Longues)
4.2.6 Pr´evision consensuelle
Il faut noter qu’apr`es la r´ealisation de toutes ces ´etapes et la sortie des premi`eres pr´evisions statistiques
ou statistico-dynamiques, l’´etape finale consiste `a confronter ces pr´evisions avec les pr´evisions des grands
centres mondiaux de l’OMM et les pr´evisions `a l’´echelle nationale des ´etats. En g´en´eral la confrontation
avec celles des ´etats se passent au cours des forums r´egionaux sur les pr´evisions saisonni`eres en Afrique
de l’ouest. Ainsi `a la fin des confrontations et apr`es diff´erentes analyses une pr´evision saisonni`ere
consensuelle est retenue.
4.3 OUTILS
Les outils qui sont utilis´es sont entre autres:
le logiciel Instat+: il sert `a impl´ementer les diff´erents crit`eres pour la d´etermination des caract´eristiques
agrom´et´eorologiques.
le logiciel Climate Predictability Tool(CPT): il int`egre tous les outils statistiques pour la g´en´eration
du mod`ele, et il revient `a l’expert de pouvoir l’´evaluer et le valider enfin d’effectuer sa pr´evision.
les Outils SIG (SURFER, QGIS...): pour la g´en´eration des diff´erentes cartes de pr´evisions et d’autres
analyses.
...
7

9. 5 PRESENTATION ET INTERPRETATION DES RESUL-
TATS
Les r´esultats sont pr´esent´es sous forme de cartes (Figure 4, Figure 5).
Figure 4: Pr´evision Saisonni`ere des dates de d´ebut et de fin de saison (Source:CRA)
Des dates de d´ebut de saison tardives `a normales sont pr´evues sur la faade Ouest de la bande sah´elienne
(moiti´e Sud de la Mauritanie, la quasi-totalit´e du S´en´egal, la moiti´e Est de la Gambie et le Nord-ouest
du Mali) et dans la zone qui s’´etend sur l’Est du Burkina Faso, l’Ouest du Niger, le Nord du B´enin
et l’extrˆeme Nord-Ouest du Nigeria (En rouge). Des dates de fin de saison normales `a tardives sont
pr´evues sur Sud-ouest de la Mauritanie, le Centre et l’Ouest du S´en´egal et sur la Gambie (en Jaune).
Figure 5: Pr´evision Saisonni`ere des S´equences S`eches (Source:CRA)
Il est attendu que des s´equences s`eches de dur´ees ´equivalentes `a plus longues que celles habituelles,
soient observ´ees sur le Sud de la Mauritanie, le Nord du S´en´egal et le Nord-Ouest de la zone agricole du
Mali apr`es le d´ebut de la saison(En jaune). Vers la p´eriode critique de floraison-´epiaison des c´er´eales,
il est attendu que les s´equences s`eches soient plus courtes que celles habituellement observ´ees dans la
zone Ouest de la Mauritanie et l’extrˆeme Nord du S´en´egal (En vert).
6 CONCLUSION
La pr´evision saisonni`ere reste un des outils phares pour la planification des activit´es dans divers secteurs.
Toutefois des efforts restent `a faire concernant: l’ad´equation entre l’information produite et les besoins
en information des usagers, la diss´emination de l’information et dans une moindre mesure l’am´elioration
un peu plus scientifique de la m´ethodolgie de r´ealisation de cette pr´evision en Afrique de l’ouest.
8

10. References
[ YAKA, 2005] LES PREVISIONS SAISONNIERES DES PL UIES AU BURKINA FASO ET EN
AFRIQUE DE L’OUEST : APPLICATIONS ET IMPACT S DANS LE DOMAINE SOCIO-
ECONOMIQUE ET STRATEGIQUE POUR UN DEVELOPPEMENT DURABLE.
[BOUALI L., 2009] PREVISIBILITE ET PREVISION STATISTICO-DYNAMIQUE DES SAISONS
DES PLUIES ASSOCIEES A LA MOUSSON OUEST AFRICAINE A PARTIR D’ENSEMBLES
MULTI-MODELES, THESE DE DOCTORAT, UNIVERSITE DE BOURGOGNE.
[PHILIPPON N., 2002] UNE NOUVELLE APPROCHE POUR LA PREVISION STATISTIQUE DES
PRECIPITATIONS SAISONNIERES EN AFRIQUE DE LOUEST ET DE LEST: METHODES,
DIAGNOSTICS (1968-1998) ET APPLICATIONS (2000-2001), THESE DE DOCTORAT, UNI-
VERSITE DE BOURGOGNE.
9