Reconstitution de la variabilité naturelle climatique et ...
Analyse de la variabilité climatique dans la région de ... · Le climat est un facteur important...
Transcript of Analyse de la variabilité climatique dans la région de ... · Le climat est un facteur important...
http://lib.uliege.be https://matheo.uliege.be
Analyse de la variabilité climatique dans la région de Bongolava à Madagascar
Auteur : Rajaonarimalala, Rindrasoa
Promoteur(s) : 5332
Faculté : Faculté des Sciences
Diplôme : Master de spécialisation en sciences et gestion de l'environnement dans les pays en développement
Année académique : 2017-2018
URI/URL : http://hdl.handle.net/2268.2/5563
Avertissement à l'attention des usagers :
Tous les documents placés en accès ouvert sur le site le site MatheO sont protégés par le droit d'auteur. Conformément
aux principes énoncés par la "Budapest Open Access Initiative"(BOAI, 2002), l'utilisateur du site peut lire, télécharger,
copier, transmettre, imprimer, chercher ou faire un lien vers le texte intégral de ces documents, les disséquer pour les
indexer, s'en servir de données pour un logiciel, ou s'en servir à toute autre fin légale (ou prévue par la réglementation
relative au droit d'auteur). Toute utilisation du document à des fins commerciales est strictement interdite.
Par ailleurs, l'utilisateur s'engage à respecter les droits moraux de l'auteur, principalement le droit à l'intégrité de l'oeuvre
et le droit de paternité et ce dans toute utilisation que l'utilisateur entreprend. Ainsi, à titre d'exemple, lorsqu'il reproduira
un document par extrait ou dans son intégralité, l'utilisateur citera de manière complète les sources telles que
mentionnées ci-dessus. Toute utilisation non explicitement autorisée ci-avant (telle que par exemple, la modification du
document ou son résumé) nécessite l'autorisation préalable et expresse des auteurs ou de leurs ayants droit.
ULg- Faculté des Sciences - Département des Sciences et Gestion de l’Environnement
UCL - Faculté des bioingénieurs
ANALYSE DE LA VARIABILITÉ CLIMATIQUE DANS
LA RÉGION DE BONGOLAVA A MADAGASCAR
RINDRASOA RAJAONARIMALALA
MEMOIRE PRÉSENTÉ EN VUE DE L’OBTENTION DU DIPLÔME DE
MASTER DE SPECIALISATION EN SCIENCES ET GESTION DE L’ENVIRONNEMENT DANS
LES PAYS EN DEVELOPPEMENT
Filière : NATURE ET TERRITOIRES
ANNÉE ACADÉMIQUE : 2017-2018
PROMOTEUR : Pr. FRANÇOIS JONARD
« Toute reproduction du présent document, par quelque procédé que ce soit, ne peut être
réalisée qu'avec l'autorisation de l'auteur et de l'autorité académique* de l’Université de
Liège et de l’Université catholique de Louvain. * L'autorité académique est représentée par le(s)
promoteur(s) membre(s) du personnel enseignant de l’ULg et/ou de l’UCL ».
"Le présent document n'engage que son auteur".
« Auteur du présent document : RAJAONARIMALALA Rindrasoa,
ULg- Faculté des Sciences - Département des Sciences et Gestion de l’Environnement
UCL - Faculté des bioingénieurs
ANALYSE DE LA VARIABILITÉ CLIMATIQUE DANS
LA RÉGION DE BONGOLAVA A MADAGASCAR
RINDRASOA RAJAONARIMALALA
MEMOIRE PRÉSENTÉ EN VUE DE L’OBTENTION DU DIPLÔME DE
MASTER DE SPECIALISATION EN SCIENCES ET GESTION DE L’ENVIRONNEMENT DANS
LES PAYS EN DEVELOPPEMENT
Filière : NATURE ET TERRITOIRES
ANNÉE ACADÉMIQUE : 2017-2018
PROMOTEUR : Pr. FRANÇOIS JONARD
i
Remerciements
Je rends grâce à Dieu, celui qui m'a fortifié.
Je tiens à adresser ma profonde gratitude à mon promoteur François JONARD, qui a usé de
son temps et de ses conseils depuis le début de l’année académique.
Je remercie infiniment les trois professeurs Bernard TYCHON, Charles BIELDERS et
Philippe MARBAIX, qui ont accepté d’être lecteurs de ce présent document.
Je remercie également l’ARES-CDD et la Fondation Roi Baudouin avec le Fonds Elisabeth et
Amélie, qui m’ont soutenu financièrement, afin que je puisse poursuivre mes études en
Belgique et effectuer un stage sur le terrain dans le cadre du mémoire.
J’adresse mes remerciements à toute l’équipe de la Direction Régionale de l’Environnement,
de l’Ecologie et des Forêts de Bongolava, en particulier au Directeur BOTOVAVY Dieu
Donné, pour tous les services qu’il m’a rendus.
Et enfin, et non des moindres, je remercie ma famille et mes amis (Dada, Mama, Andry,
Tatie, Mely, Miary et Rova).
Rindra
ii
Résumé
Le climat est un facteur important qui conditionne la vie de tous les êtres vivants sur Terre, y
compris les activités de l’Homme. L’objectif de cette étude est d’aboutir à une meilleure
connaissance de la variabilité climatique dans la région de Bongolava à Madagascar sur base
de données TRMM, GLDAS et FLDAS. La variabilité à la fois temporelle et spatiale des
précipitations et de la température de l’air est analysée à l’aide d’outils statistiques. Les
résultats de cette étude montrent une tendance à l’augmentation de la température de l’air
moyenne annuelle durant la période de 2000 à 2017 de GLDAS et de 1982 à 2017 de FLDAS,
ainsi qu’une rupture en moyennes, l’un en 2010 et l’autre en 2001, respectivement.
L’évolution de la température de l’air mensuelle la plus significative est observée au début de
la saison des pluies (octobre, novembre et décembre). En revanche, aucune évolution
significative ni rupture en moyennes n’est observée pour les précipitations annuelles sur base
de données TRMM de 1998 à 2017, et FLDAS de 1982 à 2017. Concernant les précipitations
mensuelles, une tendance à la baisse des précipitations est observée pour le mois d’août.
Selon un gradient longitudinal au niveau de la région de Bongolava, la température de l’air
moyenne diminue d’ouest en est, ce qui est également constaté du sud-ouest vers nord-est.
Pour les précipitations, aucune différence significative des moyennes des précipitations
annuelles n’a été observée selon ces gradients. Des recherches plus approfondies sont encore
nécessaires pour mieux comprendre la variabilité du climat dans la région d’étude.
L’installation de stations climatologiques dans plusieurs zones de la région, l’amélioration de
la politique de gestion des données climatologiques, et l’accès à l’information concernant le
climat sont recommandés.
Mots clés : variabilité climatique, modèle climatique, données de télédétection, précipitations,
température de l’air, région de Bongolava, Madagascar.
iii
Abstract
Climate is a crucial factor that conditions the life of all living beings on Earth, including
human activities. The objective of this study is to obtain a better knowledge of climate
variability of the Bongolava region in Madagascar based on TRMM, GLDAS and FLDAS
data. The temporal and spatial variability of precipitation and air temperature is statistically
analyzed. The results show a trend towards an increasing mean of the annual air temperature
over the 2000-2017 period for GLDAS and from 1982 to 2017 for FLDAS, as well as a break
in averages, one in 2010 and the other in 2001, respectively. The most significant change in
monthly air temperature is observed at the beginning of the rainy season (october, november
and december). However, no significant tendency or break in averages is observed for annual
precipitation based on TRMM data from 1998 to 2017, and FLDAS from 1982 to 2017. For
monthly precipitation, a decreasing trend in precipitation is observed for the month of august.
According to a geographical longitudinal gradient in the Bongolava region, the average air
temperature decreases from west to east, which is also found from south-west to north-east.
For the precipitation, no significant difference in the annual mean was observed according to
these gradients. Further research is still needed to enhance the understanding of climate
variability in the study area. Installation of climatological stations in several areas of the
region, improvement of the climatological data management policy, and access to information
on climate are recommended.
Keywords : climate variability, climate model, remote sensing data, precipitation, air
temperature, Bongolava region, Madagascar.
iv
Table des matières
Remerciements ............................................................................................................................ i
Résumé ....................................................................................................................................... ii
Abstract ..................................................................................................................................... iii
Table des matières ..................................................................................................................... iv
Liste des cartes ........................................................................................................................... v
Liste des figures ........................................................................................................................ vi
Liste des tableaux ..................................................................................................................... vii
Liste des photos ........................................................................................................................ vii
Sigles et abréviations ............................................................................................................... viii
INTRODUCTION ...................................................................................................................... 1
Chapitre 1. : REVUE DE LA LITTÉRATURE ...................................................................... 3
1.1. Variabilité du climat .................................................................................................... 3
1.1.1. Au niveau mondial ............................................................................................... 3
1.1.2. Au niveau national ............................................................................................... 4
1.1.3. Au niveau régional ............................................................................................... 5
1.2. Présentation de la région de Bongolava ...................................................................... 5
1.2.1. Situation géographique et administrative ............................................................. 5
1.2.2. Climat ................................................................................................................... 6
1.2.3. Relief .................................................................................................................... 6
1.2.4. Pédologie .............................................................................................................. 7
1.2.5. Formations végétales ............................................................................................ 7
1.2.6. Population et activités .......................................................................................... 8
Chapitre 2. METHODOLOGIE .............................................................................................. 9
2.1. Revue bibliographique ................................................................................................. 9
2.2. Collecte et analyse des données climatologiques de la région de Bongolava ............. 9
2.2.1. Critères de choix des éléments et paramètres climatiques ................................... 9
2.2.2. Collecte des données climatologiques issues des modèles climatiques et de la
télédétection ..................................................................................................................... 10
2.2.3. Collecte des données climatologiques issues des stations d’observations
terrestres ........................................................................................................................... 12
2.2.4. Traitement et analyse des données climatologiques .......................................... 13
2.3. Collecte et analyse des données d’enquêtes sur la perception de la variabilité
climatique ............................................................................................................................. 19
v
2.3.1. Critères de choix ................................................................................................. 19
2.3.2. Collecte des données .......................................................................................... 20
2.3.3. Traitement et analyse des données d’enquêtes ................................................... 22
Chapitre 3. RESULTATS ..................................................................................................... 23
3.1. Analyse des précipitations ......................................................................................... 23
3.1.1. Variation temporelle des précipitations .............................................................. 23
3.1.2. Variation spatiale des précipitations .................................................................. 31
3.2. Analyse de la température de l’air ............................................................................. 33
3.2.1. Variation temporelle de la température de l’air ................................................. 33
3.2.2. Variation spatiale de la température de l’air ...................................................... 42
3.3. Perception de la variabilité climatique dans la région de Bongolava ........................ 45
3.3.1. Evolution de la quantité de précipitations .......................................................... 45
3.3.2. Evolution de la température de l’air ................................................................... 46
Chapitre 4. DISCUSSION ET RECOMMANDATIONS .................................................... 47
4.1. Discussion sur l’approche méthodologique ............................................................... 47
4.1.1. Données utilisées ................................................................................................ 47
4.1.2. Analyse et traitement des données ..................................................................... 48
4.2. Discussion sur les résultats ........................................................................................ 49
4.2.1. Discussion sur la variabilité des précipitations .................................................. 49
4.2.2. Discussion sur la variabilité de la température de l’air ...................................... 50
4.3. Recommandations ..................................................................................................... 51
4.3.1. Mesures à adopter ............................................................................................... 51
4.3.2. Perspectives d’études futures ............................................................................. 52
CONCLUSION ........................................................................................................................ 53
Bibliographie ............................................................................................................................. ix
Annexes .................................................................................................................................... xv
Résumé ................................................................................................................................... xxii
Liste des cartes
Carte 1 : Situation géographique de la région de Bongolava et ses limites administratives ...... 5
Carte 2 : Courbes de niveau de la région de Bongolava ............................................................ 7
Carte 3 : Localisation des stations climatologiques de la région de Bongolava ...................... 14
Carte 4 : Gradient d’ouest en est à étudier ............................................................................... 18
Carte 5 : Gradient nord-est vers sud-ouest à étudier ................................................................ 18
vi
Liste des figures
Figure 1 : Courbe ombrothermique – station climatologique de Tsiroanomandidy .................. 6
Figure 2 : Caractéristiques des personnes enquêtées ............................................................... 22
Figure 3 : Série chronologique des précipitations annuelles - TRMM .................................... 23
Figure 4 : Série chronologique des précipitations annuelles - FLDAS .................................... 24
Figure 5 : Indices de précipitations - TRMM ........................................................................... 24
Figure 6 : Indices de précipitations - FLDAS .......................................................................... 25
Figure 7 : Courbe de tendance des précipitations annuelles – TRMM .................................... 26
Figure 8 : Courbe de tendance des précipitations annuelles – FLDAS .................................... 26
Figure 9 : Précipitations mensuelles - TRMM ......................................................................... 27
Figure 10 : Précipitations mensuelles – FLDAS ...................................................................... 28
Figure 11 : Courbe de tendance des précipitations au mois d’août .......................................... 29
Figure 12 : Ecart-types des précipitations mensuelles – TRMM ............................................. 30
Figure 13 : Ecart-types des précipitations mensuelles – FLDAS ............................................. 30
Figure 14 : Précipitations annuelles moyennes suivant un axe d’ouest/est .............................. 31
Figure 15 : Précipitations annuelles moyennes suivant un axe nord-est/sud-ouest ................. 32
Figure 16 : Série chronologique des températures annuelles - GLDAS .................................. 33
Figure 17 : Série chronologique des températures annuelles - FLDAS ................................... 34
Figure 18 : Indices de température de l’air - GLDAS .............................................................. 34
Figure 19 : Indices de température de l’air - FLDAS .............................................................. 35
Figure 20 : Rupture en moyenne dans la série chronologique des températures annuelles -
GLDAS ..................................................................................................................................... 36
Figure 21 : Rupture en moyenne dans la série chronologique des températures annuelles -
FLDAS ..................................................................................................................................... 36
Figure 22 : Courbe de tendance des températures annuelles – GLDAS .................................. 37
Figure 23 : Courbe de tendance des températures annuelles – FLDAS ................................... 37
Figure 24 : Températures mensuelles - GLDAS ...................................................................... 38
Figure 25 : Températures mensuelles - FLDAS ....................................................................... 39
Figure 26 : Températures de l’air aux mois d’octobre, novembre et décembre - GLDAS ...... 40
Figure 27 : Températures de l’air aux mois d’octobre, novembre et décembre – FLDAS ...... 40
Figure 28 : Ecart-types des températures mensuelles– GLDAS .............................................. 41
Figure 29 : Ecart-types des températures mensuelles – FLDAS .............................................. 41
Figure 30 : Températures annuelles suivant un axe ouest/est .................................................. 42
vii
Figure 31 : Températures annuelles suivant un axe nord-est/sud-ouest ................................... 44
Figure 32 : Constatation de l’évolution temporelle de la quantité de précipitations annuelles
par les personnes enquêtées ...................................................................................................... 45
Figure 33 : Constatation de l’évolution temporelle de la température de l’air annuelle par les
personnes enquêtées ................................................................................................................. 46
Liste des tableaux
Tableau 1 : Caractéristiques des données FLDAS ................................................................... 11
Tableau 2 : Caractéristiques des données GLDAS .................................................................. 12
Tableau 3 : Caractéristiques des données TRMM 3B42 v7 ..................................................... 12
Tableau 4 : Stations climatologiques et pluviométriques de la région de Bongolava .............. 13
Tableau 5 : Résultat du test de Pettitt sur les précipitations annuelles ..................................... 25
Tableau 6 : Résultat du test de tendance de Mann-Kendall sur les précipitations annuelles ... 27
Tableau 7 : Résultat du test de tendance de Mann-Kendall sur les précipitations mensuelles 29
Tableau 8 : Résultat du test statistique sur la comparaison de moyennes des précipitations
selon un axe ouest/est ............................................................................................................... 31
Tableau 9 : Résultat du test statistique sur la comparaison de moyennes des précipitations
selon un axe nord-est/sud-ouest ............................................................................................... 32
Tableau 10 : Résultat du test de Pettitt sur les températures annuelles .................................... 35
Tableau 11 : Résultat du test de tendance de Mann-Kendall sur les températures annuelles .. 37
Tableau 12 : Résultat du test de tendance de Mann-Kendall sur les températures mensuelles 39
Tableau 13 : Résultat du test statistique sur la comparaison de moyennes de la température de
l’air selon un axe ouest/est ....................................................................................................... 42
Tableau 14 : Température de l’air selon un axe ouest/est en juin et en juillet ......................... 43
Tableau 15 : Température de l’air selon un axe ouest/est en novembre et en décembre ......... 43
Tableau 16 : Résultat du test statistique sur la comparaison de moyennes de la température de
l’air selon un axe nord-est/sud-ouest ........................................................................................ 44
Tableau 17 : Température de l’air selon un axe nord-est/sud-ouest ........................................ 45
Liste des photos
Photo 1 : Formations savanicoles de la région de Bongolava .................................................... 7
viii
Sigles et abréviations
AMSR-E : Advanced Microwave Scanning Radiometer for Earth observing system
AMSU : Advanced Microwave Sounding Unit
ANAE : Association Nationale d'Actions Environnementales
BNCCC : Bureau National de Coordination des Changements Climatiques
CHIRPS : Climate Hazards group InfraRed Precipitation with Station data
CREAM : Centre de Recherches d'Etudes et d'Appui à l'analyse économique à Madagascar
CTCN : Climate Technology Centre and Network
DDR : Direction du Développement Rural
DGM : Direction Générale de la Météorologie
DRAE : Direction Régionale de l’Agriculture et de l’Élevage
DREEF : Direction Régionale de l’Environnement, de l’Ecologie et des Forêts
DREAH : Direction Régionale de l'Eau, de l'Assainissement et de l'Hygiène
FEWS NET : Famine Early Warning Systems Network
FLDAS : FEWS NET Land Data Assimilation System
GIEC : Groupe d’Experts Intergouvernemental sur l’Evolution du Climat
GIOVANNI : Geospatial Interactive Online Visualization and Analysis Interface
GLDAS : Global Land Data Assimilation System
INSTAT : Institut National de la Statistique
JIRAMA : Jiro sy Rano Malagasy (Société malgache de distribution d’eau et d’électricité)
MAEP : Ministère de l'Agriculture, de l'Elevage et de la Pêche
MEAH : Ministère de l'Eau, de l'Assainissement et de l'Hygiène
MEEF : Ministère de l'Environnement, de l'Ecologie et des Forêts
MEF : Ministère de l'Environnement et des Forêts
MERRA : Modern Era Retrospective-analysis for Research and Applications
MHS : Microwave Humidity Sounder
NASA : National Aeronautics and Space Administration
OMM : Organisation Météorologique Mondiale
ONE : Office National pour l'Environnement
PNLCC : Politique Nationale de Lutte contre le Changement Climatique
SIG : Système d'Information Géographique
SRTM : Shuttle Radar Topography Mission
SSMIS : Special Sensor Microwave Imager-Sounder
TMI : TRMM Microwave Imager
TMPA : Multi-satellite Precipitation Analysis
TRMM : Tropical Rainfall Measuring Mission
Introduction
1
INTRODUCTION
Contexte :
Le climat conditionne la vie des êtres vivants sur Terre (OMM, 2002). Ainsi, il offre au milieu
des conditions plus ou moins propices pour l’installation de l’Homme et de ses activités. Son
évolution, à la fois spatiale et temporelle, a toujours attiré l’attention des scientifiques et des
chercheurs (OMM, 2011). Les études effectuées sont devenues de plus en plus fines durant
ces dernières décennies, même si des points demeurent encore incertains (Arvai et al., 2006).
Le Groupe d’experts Intergouvernemental sur l’Evolution du Climat (GIEC) est la principale
institution de référence, regroupant de nombreux chercheurs du monde entier, ayant pour but
de fournir des informations fiables sur la connaissance des changements climatiques, leurs
causes et leurs impacts1. Il vise ainsi une meilleure information du public, de la communauté
scientifique et des décideurs politiques des États du monde1. Cependant, les débats autour du
climat continuent, étant donné que le système naturel est souvent imprévisible et difficile à
maîtriser. Le sujet est très médiatisé et reste au cœur des problématiques mondiales actuelles.
Madagascar est une île localisée au sud-ouest de l’océan Indien, dont le climat est de type
tropical (Garot, 2013). Les principaux impacts des changements climatiques sur le pays sont
essentiellement : la propagation acridienne, la montée du niveau de la mer, l’intensité des
cyclones tropicaux, les inondations, et la sècheresse (Ramaroson, 2017). Ainsi, la Politique
Nationale de Lutte contre le Changement Climatique (PNLCC) a été agréée en 2011, et le
Bureau National de Coordination des Changements Climatiques (BNCCC), raccordé au
Ministère chargé de l’environnement, est responsable de coordonner et de synchroniser les
actions menées en liens avec les changements climatiques (CTCN, 2017). La grande île
bénéficie aussi de financements extérieurs pour l’adaptation aux changements climatiques2.
La région de Bongolava fait partie des vingt-deux (22) régions que comptent Madagascar
selon la loi n°2004-001 du 01 juin 2004 relative aux régions, et située dans la province
d’Antananarivo, du côté de son versant occidental. La lutte contre les changements
climatiques fait partie des engagements des institutions publiques de la zone, énoncée dans le
plan régional de développement de 2017-2021 (Région Bongolava, 2018).
1 [URL: http://www.ipcc.ch/home_languages_main_french.shtml]
2 [URL : http://www.dggfpe.mg/index.php/2016/09/21/changement-climatique-madagascar-troisieme-pays-
monde-plus-expose-aux-risques-climatiques/]
Introduction
2
Problématique :
Dans la région de Bongolava, aucune étude récente n’est disponible à propos du climat. Faire
l’analyse de la variabilité climatique constitue ainsi une source d’information pour une
meilleure prise de décision concernant les secteurs dont le pays est le plus vulnérable comme
l’Agriculture, la production en eau potable, l’environnement et la santé publique (ASCONIT-
COI, 2011). L’économie de la région de Bongolava est basée principalement sur l’Agriculture
(MAEP, 2009). D’ailleurs, cette région figure parmi les premiers producteurs de riz de la
capitale, Antananarivo (Région Bongolava, 2018). Les cultures pluviales y sont pratiquées sur
les grandes étendues de plateaux (CREAM, 2013). Pour la fourniture en eau potable de la
ville de Tsiroanomandidy, le bassin source de captage Ambohiby est également alimenté par
les pluies. En outre, les attaques de criquets constituent une menace pour les cultures car une
longue sécheresse au début de la saison des pluies leur offre un environnement propice
(ASCONIT- COI, 2011). Elles sont ainsi plus récurrentes à cause de la variabilité du climat
(Ramaroson, 2017). La prolifération des vecteurs du paludisme est aussi favorisée par
l’élévation de la température de l’air (Randriamanantena, 2013), qui auparavant était
essentiellement au niveau des côtes (MEEF, 2006). Par conséquent, une analyse de la
variabilité du climat dans la zone permettrait une avancée dans la connaissance du sujet pour
cette région. La question suivante se pose alors : comment varient les précipitations et la
température de l’air dans le temps et dans l’espace au sein de la région de Bongolava ?
Objectif de l’étude :
L’objectif est d’aboutir à une meilleure connaissance du climat et de sa variabilité à la fois
dans le temps et dans l’espace. L’utilisation des données issues de télédétection et de modèles
climatiques offre une opportunité d’approfondir la question, en absence de données
climatologiques de terrain. Cette étude se focalise essentiellement sur les précipitations et de
la température de l’air afin de : premièrement, (i) déterminer l’existence d’une rupture et
d’une tendance au sein de la série chronologique de leurs moyennes, deuxièmement, (ii) de
définir la variation des paramètres climatiques selon les gradients dans l’espace, et enfin (iii)
d’évaluer la perception de l’évolution du climat par la population.
Hypothèses de recherche : Deux (2) hypothèses sont avancées pour bien mener ce travail.
Hypothèse 1 : Il existe une variabilité des précipitations dans la région de Bongolava.
Hypothèse 2 : Il existe une variabilité de la température de l’air dans la région de Bongolava.
Le présent travail traite quatre (4) chapitres : en premier lieu, une revue de la littérature, en
second lieu la méthodologie, puis les résultats et enfin une discussion et les recommandations.
Chapitre 1. Revue de la littérature
3
Chapitre 1. : REVUE DE LA LITTÉRATURE
1.1. Variabilité du climat
Le climat est défini comme étant « l’état physique de l’atmosphère à longue
échéance » (Foucault, 2009). Les paramètres climatiques qui permettent de mesurer cet état
sont soumis à des évolutions au cours du temps et des variations selon les zones
géographiques (Foucault, 2009, GIEC, 2013). Depuis le siècle dernier, l’étude de la variabilité
du climat est de plus en plus récurrente afin de comprendre l’évolution du système climatique
actuel et futur (OMM, 2011). Ainsi, les changements climatiques ont comme causes les
facteurs naturels et les activités anthropiques (OMM, 1992, OMM, 2013). Les changements
d’origine naturelle du climat de la Terre sont attribués particulièrement au cycle de l’orbite
terrestre, aux rayonnements incidents, à la composition de l’atmosphère, à la circulation
océanique, à la biosphère selon des différentes échelles de temps (OMM, 2013). Cependant,
l’Homme est devenu un élément perturbateur du système naturel du fait de ses émissions de
gaz à effet de serre (GIEC, 2013). Par conséquent, il est auteur des changements perceptibles
à l’échelle humaine, qui datent depuis le milieu du XXème siècle (OMM, 2013).
1.1.1. Au niveau mondial
Le réchauffement de la Terre à partir des années 1950 a été démontré par les experts
scientifiques (GIEC, 2013). L’accroissement de la température de l’air moyenne des terres
émergées et des océans est évaluée à 0,85°C [0,65 à 1,06]°C entre 1850-1900 à 2003-2012
(GIEC, 2013). Elle atteigne même les 1,1°C [± 0,1]°C en 2017, par rapport à l’époque
préindustrielle (OMM, 2018). À partir de 2004, le monde a vécu neuf (9) années les plus
chaudes, qui sont dénombrées jusqu’à maintenant (OMM, 2018). La situation est devenue
inquiétante pour l’avenir du monde, et les impacts que pourrait avoir le réchauffement dans
les décennies et les siècles à venir.
Au sujet des précipitations, leurs études sont plus délicates et leurs modifications sont plus
complexes à distinguer, dans un contexte mondial. Cependant, les tendances de la
modification de leur quantité et de leur occurrence peuvent être constatées à des échelles plus
régionales (GIEC, 2013). En outre, l’étude des valeurs extrêmes ou anormales est aussi
utilisée pour mieux appréhender les variations de précipitations (OMM, 2018).
Chapitre 1. Revue de la littérature
4
1.1.2. Au niveau national
La position géographique, le relief et le régime des vents offrent à Madagascar divers types
de climats (Jury et al., 1995, DGM, 2008). La partie orientale de l’île profite d’énormes
quantités de pluies presque tout au long de l’année grâce en majeure partie aux Alizés
(Cornet, 1974). Cependant, sa partie occidentale est plus sèche à cause des états des masses
d’air plus secs qui ont franchi les hautes terres centrales (Tadross et al., 2008). A Madagascar,
les conséquences des changements climatiques sont devenues de plus en plus évidentes, et
elle est classée au troisième rang des pays qui sont les plus vulnérables en 20113.
En général, l’élévation de la température moyenne de l’air est significative au niveau national
(DGM, 2008). En outre, elle a été évaluée entre 0,5° C jusqu’à 1°C durant la période de 1950
à 2010 pour le cas de plusieurs pays de l’hémisphère sud dont fait partie Madagascar (OMM,
2013). La température de l’air varie suivant la localisation géographique et l’altitude. Les
régions situées sur les hautes altitudes au centre de l’île ont des températures de l’air les plus
faibles, pouvant descendre jusqu’à moins de 5°C au milieu de la saison sèche et fraîche,
notamment aux mois de juin et juillet. Cependant, les zones côtières occidentales ont des
températures de l’air les plus chaudes, franchissant les 30°C au début de la saison humide et
chaude, aux mois d’octobre et de novembre (Tadross et al., 2008).
Pour les précipitations, les variations sont plus difficiles à caractériser (Tadross et al., 2008).
Sur l’île, la partie nord-est a des précipitations annuelles pouvant atteindre les 3500 mm
(Tadross et al., 2008), tandis que la partie sud-ouest est très peu arrosée, seulement 350 mm
de pluies annuelles (DGM, 2008). La partie méridionale est caractérisée par l’aridité du milieu
(Randriamahefasoa et Reason, 2017). Les précipitations varient suivant des gradients
longitudinaux et latitudinaux durant l’été (Jury, 2016). Le cœur de la saison pluvieuse est en
janvier, où la quantité de pluies est la plus élevée (Jury, 2016). La tendance à la diminution de
la quantité de précipitations est constatée entre les mois de juin à novembre, particulièrement
au centre et à l’est de l’île durant la période de 1961 à 2005 (DGM, 2008). Le passage des
cyclones ont aussi des effets sur la variabilité interannuelle du climat de la grande île (Nassor
et Jury, 1997).
3 [URL: https://www.maplecroft.com/about/news/ccvi.html]
Chapitre 1. Revue de la littérature
5
1.1.3. Au niveau régional
Les études récentes sur la variabilité du climat, spécifiquement à l’échelle de la région de
Bongolava, sont quasi-inexistantes. Cette situation est surtout liée à l’insuffisance de données
de longues séries due à l’inexistence de station climatologique sur plus de vingt (20) ans.
Récemment, une étude a été réalisée dans le cadre d’un mémoire de fin d’études en 2015 pour
modéliser le bilan hydrique de la zone. L’auteur a conclu que la durée de la saison pluvieuse
s’est écourtée, par conséquent, l’utilisation des variétés à cycle court est suggérée pour la
culture du riz pluvial (Rakotoarimalala, 2015). En effet, les données officielles utilisées pour
les monographies régionales exploitent les données de la station de Tsiroanomandidy avant
1990. Les interprétations des données concluent une répartition inégale des précipitations au
cours de l’année (CREAM, 2013). En outre, le début de la saison pluvieuse est caractérisé par
des sécheresses plus longues qui ont des impacts sur les productions agricoles (CREAM,
2013).
1.2. Présentation de la région de Bongolava
1.2.1. Situation géographique et administrative
Carte 1 : Situation géographique de la région de Bongolava et ses limites administratives
Chapitre 1. Revue de la littérature
6
La région de Bongolava est située sur le versant occidental des hautes terres centrales, désigné
souvent comme le moyen ouest de Madagascar. La ville de Tsiroanomandidy est son chef-lieu
de région, qui se trouve à 219 km de la capitale. Elle couvre une superficie de 17 209 km2
(CREAM, 2013). Sur le plan administratif, deux (2) districts composent cette région, dont les
chefs-lieux sont : Tsiroanomandidy et Fenoarivobe. Trente (30) communes y sont
inventoriées, regroupées en 315 Fokontany qui sont les plus petites unités administratives de
la République de Madagascar (Région Bongolava, 2018).
1.2.2. Climat
La description du climat de la région de Bongolava dans la littérature est issue des données
recueillies avant 1990. Le climat de la zone est de type tropical d’altitude dénombrant deux
(2) saisons: une saison pluvieuse et chaude et une saison sèche et fraîche (CREAM, 2013).
1496 mm de pluies tombent chaque année en moyenne. La température de l’air moyenne
annuelle est évaluée à 20°C (CREAM, 2013). La saison pluvieuse débute ainsi au mois
d’octobre et se termine au mois d’avril.
(Source : Données de la Direction Générale de la Météorologie)
Figure 1 : Courbe ombrothermique – station climatologique de Tsiroanomandidy
1.2.3. Relief
Le relief de la région de Bongolava est caractérisé particulièrement par de grandes étendues
de plateaux, qui sont des surfaces d’aplanissement rajeunies, appelées en malgache des tanety
(Bourgeat, 1972). Entre les aires de surfaces planes se trouvent des thawegs couvrant des
superficies réduites et étroites appelés aussi : bas-fonds (CREAM, 2013).
0
50
100
150
200
0
100
200
300
400
T e
mp
éra
ture
s (°
C)
Pré
cip
itat
ion
s (m
m)
Mois
Station de TsiroanomandidyPériode: 1961-1990
Précipitations moyennes (mm) Températures moyennes (°C)
Chapitre 1. Revue de la littérature
7
Carte 2 : Courbes de niveau de la région de Bongolava
L’altitude de la région de Bongolava varie de 600 m jusqu’à 1600 mètres.
1.2.4. Pédologie
Les sols ferrallitiques prédominent sur les larges étendues de plateaux de la région de
Bongolava (Bourgeat, 1972). Les sols hydromorphes caractérisent les bas-fonds et les
cuvettes (Bourgeat, 1972), qui sont généralement destinés aux cultures du riz et aux cultures
maraichères (ONE, 2008).
1.2.5. Formations végétales
(Source : Auteur, 2018)
Photo 1 : Formations savanicoles de
la région de Bongolava
Les formations savanicoles composées en grande
majorité, 90% d’espèces graminéennes, notamment
de : Hyparrhenia rufa et Heteropogon contortus
prédominent au sein de la région de Bongolava
(Bourgeat, 1972, ONE, 2008). Cependant, des
formations forestières sont de très faible proportion,
sont constituées par les forêts ripicoles dans les
vallées, les forêts sèches dans l’extrême ouest, et les
plantations d’arbres composées essentiellement
d’espèces exotiques (ONE, 2008).
Chapitre 1. Revue de la littérature
8
1.2.6. Population et activités
1.2.6.1. Démographie
Le nombre d’habitants au sein de la région de Bongolava est d’environ 632 731 en 2015, dont
88% sont installés en milieu rural selon Direction régionale chargée de la population. La
moyenne d’âge de la population est de 31 ans, dont le taux de fécondité est de 3,8
(INSTAT/DSM, 2011). En outre, Tsiroanomandidy accueille et attire énormément de
migrants provenant des autres régions, surtout du sud depuis 1950, qui se sont installés pour y
faire fortune (Ratsimandratra, 1982). Les déplacements de la population sont surtout motivés
par l’attrait envers les grandes étendues d’espaces, mais également pour les activités
commerciales, par exemple des zébus malgaches (Rakotonarivo et al., 2010). En espace de
quelques décennies, la population a augmenté fortement. Les dix-huit (18) éthnies de
Madagascar y sont représentées, formant une population cosmopolite composée des Merina
(34%), des Betsileo (28%) et des Antandroy (22%) (Raharimamonjy, 2012).
1.2.6.2. Activités socio-économiques
Comme presque toutes les régions de Madagascar, l’Agriculture est primordiale puisque la
majorité de la population en dépend pour vivre. La zone étudiée fait partie des zones les plus
productrices du riz dans le moyen ouest de l’île (MAEP, 2009). En moyenne, la superficie de
terre exploitée par habitant est d’environ de l’ordre de deux (2) hectares, dont 60% par des
petits exploitants (INSTAT/DSM, 2011). L’agriculture est de subsistance et/ou à vocation
commerciale. Les principales cultures pratiquées par la population sont en premier lieu le riz,
et ensuite le maïs, le manioc et l’arachide. Les produits agricoles commercialisés sont destinés
pour la ville de Tsiroanomandidy et pour la capitale, Antananarivo, située à 219 km de
Tsiroanomandidy. La culture de baie rose ou poivre rouge, trouvée particulièrement au sud-
est dans la commune d’Ankadinondry Sakay et qui est essentiellement destinée à
l’exportation, fait aussi l’éloge de cette région (Région Bongolava, 2018). Les orangers, sont
beaucoup cultivés au sud-ouest de la région, dans la commune de Beambiaty (ONE, 2008).
De plus, les énormes superficies de graminées offrent un pâturage pour l’élevage de zébus,
qui y est pratiqué de manière extensive (Razafindrakoto, 2010). En outre, l’exploitation
minière, qui est à la fois artisanale et informelle, y est pratiquée par une minorité. Les
principaux produits qui y sont exploités sont l’or, le cristal et la tourmaline (CREAM, 2013).
Malgré un certain dynamisme économique au sein de la région de Bongolava, la population
souffre d’une extrême pauvreté dont le taux est de l’ordre de 76,8% et qui est plus marquée en
milieu rural, atteignant les 80% (INSTAT/DSM, 2011).
Chapitre 2. Méthodologie
9
Chapitre 2. METHODOLOGIE
2.1. Revue bibliographique
Elle est primordiale durant les étapes de la réalisation de ce présent travail. Tout d’abord, elle
permet de mieux s’approprier du sujet et de son contexte. Ensuite, elle guide dans le choix de
l’approche à adopter, surtout concernant les méthodes d’analyse et de traitement des données.
Et enfin, elle est utile afin de pouvoir discuter des résultats, par rapport aux études antérieures.
Malgré les investigations effectuées, peu de références récentes sont disponibles sur la région
de Bongolava.
2.2. Collecte et analyse des données climatologiques de la région de Bongolava
2.2.1. Critères de choix des éléments et paramètres climatiques
a) Choix des éléments climatiques
L’étude du climat peut être réalisée à partir des principaux éléments climatiques, qui sont la
température, les précipitations, la pression atmosphérique, l’humidité et le vent sur une zone
géographique et une période bien définies (OMM, 2011). Dans le cadre de ce travail, les
précipitations et la température de l’air sont choisies comme les principaux éléments
climatiques à étudier étant donné la possibilité de valider les données par les observations in
situ. Ils sont également intéressant du fait de leur pertinence, essentiellement pour la gestion
de l’environnement, particulièrement à la gestion des ressources en eau à Madagascar
(Rabefitia et al., 1975).
b) Choix des paramètres climatiques
Les paramètres climatiques à étudier sont la hauteur des précipitations et la température de
l’air moyenne, qui en sont les principaux (OMM, 2017). Concernant la hauteur des
précipitations, c’est-à-dire la quantité de précipitations qui tombent sur une zone
géographique donnée, à la fois sous forme liquide ou solide (OMM, 1992), exprimée en
millimètres (mm), calculée mensuellement et annuellement dans cette étude. Étant donné que
Madagascar se situe dans une zone tropicale dans l’hémisphère sud, les précipitations
considérées ici s’agissent surtout des pluies. Concernant la température de l’air moyenne, elle
est exprimée en degré Celsius (°C), et est calculée pour des pas de temps mensuels et annuels.
Chapitre 2. Méthodologie
10
2.2.2. Collecte des données climatologiques issues des modèles climatiques et de la
télédétection
2.2.2.1. Critères de choix des sources de données
Les données utilisées sont issues de la combinaison de modèles climatiques et d’observations
réalisés grâce à des capteurs de télédétection, car elles permettent d’obtenir une meilleure
couverture temporelle, spécialement dans le cadre de ce travail où les données des stations
climatologiques sont inexistantes sur une longue période (OMM, 2010). De plus, elle offre
aussi une excellente couverture spatiale de la région d’étude, selon la taille des pixels utilisés.
Des critères sont pris en compte dans le choix des innombrables données sur internet.
Premièrement, le site internet doit présenter des données bien référencées. Elles doivent être
vérifiées scientifiquement et peuvent être exploitées dans un travail de recherche. C’est ainsi
que le site https://giovanni.gsfc.nasa.gov/giovanni a été choisi. Le téléchargement des
données est gratuit, mais l’inscription est nécessaire à force de côtoyer le site. Ensuite, les
données existantes pour la zone d’étude sont assez limitées par rapport à celles qui sont
disponibles pour les zones dans l’hémisphère nord. Par rapport à sa superficie qui est de 17
209 km2, une résolution spatiale de 0,25° est jugée satisfaisante pour apprécier les variations
spatiales à l’intérieur de la région de Bongolava. Pour la résolution temporelle, les paramètres
sont calculés à partir des mesures de télédétection sur des pas de temps de trois (3) heures. En
outre, la durée des séries de données à exploiter dans le cadre d’étude du climat doit être
idéalement la plus longue possible : supérieure à trente (30) ans pour la hauteur des
précipitations et supérieure à dix (10) pour la température de l’air moyenne (OMM, 2011).
Cependant, les données climatologiques disponibles sur une durée de moins de trente (30) ans
ont été gardés pour pouvoir comparer les différents produits disponibles sur un passé récent,
et pour avoir un aperçu de leur différence.
2.2.2.2. Présentation des différentes données
Les données sont téléchargées sur le site GIOVANNI, qui est une plateforme permettant de
télécharger gratuitement des données climatologiques de la NASA, correspondant à l’aide du
lien suivant : https://giovanni.gsfc.nasa.gov/giovanni. GIOVANNI a été créé par le centre de
service d’information GES DISC pour améliorer l’accès aux différents types de données
climatologiques4. La plateforme offre un large choix de présentation des données aux
4 [URL : https://giovanni.sci.gsfc.nasa.gov/giovanni/doc/UsersManualworkingdocument.docx.html]
Chapitre 2. Méthodologie
11
chercheurs, à la fois selon des filtres temporels ou spatiaux (Acker et Leptoukh, 2007). Pour
la région de Bongolava, une requête sur le site de GIOVANNI d’un carré de sélection est
effectuée, selon les coordonnées géographiques suivantes : 45,25 E; 19,5 S;47,25°E et 17,5°S.
En outre, les données climatologiques téléchargées sont des moyennes des filtres temporels
ajoutés, sur une période marquée par deux (2) dates précises, par exemple du 01 au 31 janvier.
Dans le cadre de ce travail, elles sont téléchargées pour chaque mois calendaire, et elles sont
disponibles sous le format NetCDF (.nc). Ensuite, elles sont traitées sous ArcGIS,
transformées en polygones correspondant à la limite administrative de la région., et disposant
des tables de données qui sont transposées ensuite sur Excel.
a) FLDAS
Les données FLDAS (Famine Early Warning Systems Network (FEWS NET) Land Data
Assimilation System) proviennent de la combinaison de modèles de surfaces terrestres et de
données météorologiques. Une longue série de données est disponible à partir de 1982, qui
provient des capteurs Modern Era Retrospective-analysis for Research and Applications
(MERRA-2) et Climate Hazards Group InfraRed Precipitation with Station data
(CHIRPS) (McNally et Rui, 2017) . L’avantage de ce type de modèle est qu’il offre une
longue série de données plus de trente (30) ans.
Tableau 1 : Caractéristiques des données FLDAS
Nom du
produit Période
Couverture
spatiale
Résolution
temporelle
Résolution
spatiale
Variables
(Unités)
FLDAS_VI
C025_C_S
A_M.001
1982 -
2017
Latitude :
34,75S ~ 6,75N
Longitude :
5,75E ~ 51,25E
Mensuelle 0,25°
Température
de l’air (K)
Précipitation
(kg.m-2.s-1)
(Source: McNally et Rui, 2017)
b) GLDAS
Les données GLDAS (Global Land Data Assimilation System) sont des données issues du
système global d’assimilation des données de la Terre dont l’objectif est d’intégrer des
observations satellitaires et terrestres en utilisant des techniques avancées de modélisation et
d'assimilation des données de surface terrestre (Rodell et al., 2004).
Chapitre 2. Méthodologie
12
Tableau 2 : Caractéristiques des données GLDAS
Nom du produit Période Couverture
spatiale
Résolution
temporelle
Résolution
spatiale
Variable
(Unités)
GLDAS_NOAH
025_3H_2.1
2000-
2017
Latitude:
60°S ~ 90°N
Longitude:
180°W ~ 180°E
3 heures 0,25° Température
de l’air (K)
(Source: Rui et Beaudoing, 2018)
c) TRMM 3B42 :
Les données de précipitations TRMM 3B42 sont obtenues à partir du modèle TMPA (TRMM
(Tropical Rainfall Measuring Mission) Multi-Satellite Precipitation Analysis) dont l’objectif
est de combiner des observations micro-ondes et infrarouges de divers capteurs
satellitaires tels que les instruments TRMM Microwave Imager (TMI), NOAA Microwave
Humidity Sounder (MHS), Special Sensor Microwave Imager-Sounder (SSMIS), Advanced
Microwave Sounding Unit (AMSU) et Advanced Microwave Scanning Radiometer for Earth
Observing System (AMSR-E) (Huffman et al., 2010). L’utilisation de ce produit est
recommandée dans le cadre de recherche, du fait que la qualité des données est
optimisée (Huffman et Bolvin, 2015).
Tableau 3 : Caractéristiques des données TRMM 3B42 v7
Nom du produit Période Couverture
spatiale
Résolution
temporelle
Résolution
spatiale
Variable
(Unités)
TRMM/TMPA
3-Hourly 0.25
deg. TRMM and
Others Rainfall
Estimate Data
Décembre
1997 -
2017
Latitude:
50°S ~ 50°N
Longitude:
180°W ~ 180°E
3 heures 0,25° Précipitation
(mm.h-1)
(Source: Macritchie, Huffman et Bolvin, 2017)
2.2.3. Collecte des données climatologiques issues des stations d’observations
terrestres
Un inventaire des stations climatologiques existantes dans la région de Bongolava a été
effectué selon les archives et les échanges avec les personnes ressources. Les données de
Chapitre 2. Méthodologie
13
stations climatologiques et pluviométriques disponibles ont une couverture spatiale et
temporelle hétérogène. Les éléments climatiques mesurés quotidiennement sont la
température de l’air minimale, la température de l’air maximale et les précipitations.
Tableau 4 : Stations climatologiques et pluviométriques de la région de Bongolava
Lieux
Eléments
climatiques
mesurés
Périodes Coordonnées
géographiques
Altitudes
(En mètres)
Tsiroanomandidy –
Direction régionale
de la santé publique
Précipitations
Température
de l’air
1968-1978
2000-2002
2011-2017
18°46,465 S
046°02,982 E 876
Kianjasoa Précipitations 1951-1974
2016-2018
19°03,122 S
046°22,755 E 942
Ankadinondry Précipitations 1953-1982 Non
déterminées 960
Tsiroanomandidy –
Direction régionale
d’Agriculture et de
l’élevage
Précipitations
Température
de l’air
Non déterminées
(Environ entre la
période 2000 à 2013)
18°46,465 S
046°02,982 E 831
(Source : Données recueillies par l’Auteur, 2018)
2.2.4. Traitement et analyse des données climatologiques
Les données climatologiques collectées sont classées sur Excel.
2.2.4.1. Validation des données
La validation des données s’est procédée comme suit : tout d’abord, la valeur du pixel des
données climatologiques GLDAS, FLDAS et TRMM sur la position des stations
d’observation en surface a été isolée. Ensuite, sa valeur à la même période est comparée avec
celle de la station d’observation en surface. La relation entre les deux (2) sources de données
est évaluée à l’aide du coefficient de corrélation R².
Chapitre 2. Méthodologie
14
Carte 3 : Localisation des stations climatologiques de la région de Bongolava
a) Précipitations
TRMM_3B42_v7 FLDAS
Station
climatologique de
Tsiroanomandidy
Nombre de mois utilisés 61 61
Coefficient de corrélation R² 0,70 0,64
Ecart moyen (mm) 95,95 109,90
Station
pluviométrique de
Kianjasoa
Nombre de mois utilisés 13 13
Coefficient de corrélation R² 0,81 0,78
Ecart moyen (°C) 109,80 106,00
a) Température
GLDAS FLDAS
Station
climatologique de
Tsiroanomandidy
Nombre de mois utilisés 32 32
Coefficient de corrélation R² 0,77 0,96
Ecart moyen (°C) 2,40 2,25
Les coefficients de corrélation des données sont jugés acceptables. Leurs valeurs sont toutes
supérieures ou égales à 0,7 sauf pour les précipitations du modèle FLDAS dont R2 est égale
0,64. L’écart moyen entre les deux (2) sources de données est d’environ 100 mm pour les
précipitations et plus de 2°C pour la température de l’air.
Chapitre 2. Méthodologie
15
2.2.4.2. Description des données
La variabilité climatique peut être étudiée à l’aide des moyennes et des écart-types des
précipitations et de la température de l’air, ainsi que leurs variations temporelles et spatiales
(GIEC, 2013). L’analyse de ces paramètres de statistique descriptive permet de déterminer la
distribution de ces données pour mieux les interpréter (OMM, 2011).
a) Moyenne arithmétique
La valeur de la moyenne arithmétique (�̅�) est obtenue, en divisant la somme de toutes les
valeurs des précipitations ou de la température de l’air (𝒙𝒊) par le nombre total d’années ou de
mois durant la période d’étude (𝒏) (Thom, 1972, OMM, 2011).
�̅� = ∑ 𝒙𝒊
𝒏𝒊
𝒏
i : représente une année ou un mois dans la série de données de température de l’air ou de
précipitations.
Elle est utilisée pour calculer les paramètres de tendance centrale les plus usuelles pour
l’étude du climat, qui sont : la température de l’air moyenne et les précipitations moyennes
selon les pas de temps voulus et selon la zone géographique étudiée (OMM, 2011).
b) Ecart type
L’écart-type (𝝈) résulte de la racine carrée de la somme des écarts à la moyenne de la
température de l’air ou des précipitations (𝒙𝒊 − �̅�), pour la période d’étude (𝒏). Ces écarts-
types permettent de mieux caractériser la distribution des valeurs de la température de l’air et
des précipitations autour de la moyenne (OMM, 2011, Doukpolo, 2013).
𝝈 = √𝟏
𝒏 − 𝟏∑(𝒙𝒊 − �̅� )𝟐
𝒏
𝒊
i : représente une année ou un mois dans la série de données de température de l’air ou de
précipitations.
c) Série chronologique
La série chronologique est un moyen jugé le plus simple pour une meilleure appréciation
graphique des évolutions des paramètres climatiques au cours du temps. Le graphe représente
en axe des ordonnées ces paramètres et en axe des abscisses les années (1 à n) (OMM, 2011).
Chapitre 2. Méthodologie
16
d) Variable centrée réduite
La variable centrée réduite (𝑰𝒊), appelée dans cette étude indice de précipitations et indice de
température de l’air, permet de distinguer les anomalies annuelles des paramètres selon une
période donnée (Paturel et al., 1998, Doukpolo, 2013). Par exemple, pour les précipitations,
elle permet de dire qu’une année est humide si sa valeur est positive ou sèche si sa valeur est
négative par rapport à la période étudiée (OMM, 2012).
𝑰𝒊 = 𝒙𝒊 − �̅�
𝝈
𝒙𝒊 : Précipitations ou température de l’air de l’année i
𝒙 ̅: Précipitation moyenne ou température de l’air moyenne sur la période d’étude
𝝈 : Ecart-type des paramètres climatiques sur la période d’étude
i : représente une année déterminée dans la série de données de précipitations ou de
température de l’air.
(Nicholson et al., 1988)
2.2.4.3. Analyse statistique des données au cours du temps
Les outils statistiques sont utilisés pour analyser les données de précipitations et de
température de l’air et de vérifier de façon significative leur variabilité.
a) Analyse de rupture des séries chronologiques
La rupture dans une série chronologique des paramètres climatiques (X) au cours de la
période N est définie à l’aide du test de Pettitt. Elle est significative quand l’hypothèse nulle
n’est pas maintenue, c’est-à-dire que p-value est inférieure au seuil de signification (Lubes-
Niel et al., 1998).
𝑼𝒕,𝑻 = ∑ ∑ 𝒔𝒊𝒈𝒏𝒆 (𝑿𝒊 − 𝑿𝒋)
𝑵
𝒋=𝒕+𝟏
𝒕
𝒊=𝟏
La variable 𝐾𝑁 = max|𝑈𝑡,𝑁| où t est compris entre 1 et N permet de déterminer la rupture à
un niveau de signification alpha de 5%.
(Pettitt, 1979)
Chapitre 2. Méthodologie
17
b) Analyse de la tendance des séries chronologiques
La tendance des paramètres climatiques est analysée dans cette étude. Elle permet d’identifier
ainsi au sein de la période des séries de données étudiées, « un changement, généralement
monotone » de ces paramètres (GIEC, 2013, Perreault, 2000). Une droite de régression
linéaire permet d’apprécier la tendance. Elle tend vers une augmentation quand la pente de la
droite est positive, et vers une diminution si elle est négative (Doukpolo, 2012). La
significativité de la tendance est ensuite vérifiée à l’aide de test statistique.
Le test de Mann-Kendall est le plus employé dans les analyses des données
environnementales (Chandler et Concannon, 2011). La tendance est significative quand
l’hypothèse nulle ne peut pas être admise où p-value est inférieure au seuil utilisé (Helsel et
Hirsch, 2002). Ce test peut être utilisé quand la durée de la période d’analyse dépasse dix (10)
ans.
𝑺 = ∑ ∑ 𝒔𝒊𝒈𝒏𝒆 (𝒀𝒋 − 𝒀𝒊)
𝑵
𝒋=𝒊+𝟏
𝑵−𝟏
𝒊=𝟏
Y : paramètres climatiques étudiés
Seuil de signification alpha = 5%
(Mann, 1945, Kendall, 1975)
2.2.4.4. Analyse spatiale des données
Deux (2) mois sont optés pour l’analyse des paramètres climatiques, les plus chauds :
novembre et décembre et les plus froids : juin et juillet pour la température de l’air. Les mois
les plus humides : janvier et février sont choisis pour les précipitations. Le choix de deux
(2) mois permet une plus de représentativité au lieu d’un (1) seul mois. Pour la température de
l’air, les extrêmes chauds et froids sont pris pour voir la différence de résultats selon deux (2)
saisons différentes. Les données FLDAS seules sont utilisées du fait de leur longue série.
Un gradient longitudinal d’ouest vers l’est est pris en compte du fait de la variation de
l’altitude de la zone étudiée (Jury et al., 1995, Tadross et al., 2008). L’altitude a été modélisée
à l’aide des données Shuttle Radar Topography Mission (SRTM) de la NASA, téléchargeable
sur le site https://earthexplorer.usgs.gov/ sur la zone d’étude, qui sont ensuite traitées sur un
logiciel de SIG.
Chapitre 2. Méthodologie
18
Carte 4 : Gradient d’ouest en est à étudier
Un autre gradient du nord-est vers le sud-ouest a été tracé sachant que cet axe correspond à
des variations d’altitude et à des zones qui sont les plus peuplées de la région de Bongolava,
passant par deux (2) chef-lieux de districts Tsiroanomandidy et Fenoarivobe où se concentrent
les activités de la population. En plus, à l’échelle nationale, ce gradient a été conclue pour des
variations de précipitations selon les études antérieures (Macron et al., 2016).
Carte 5 : Gradient nord-est vers sud-ouest à étudier
Chapitre 2. Méthodologie
19
La normalité des résidus et l’homogénéité des variances sont vérifiées, donc le test
paramétrique de Tukey est utilisé pour comparer les moyennes des paramètres climatiques,
respectivement entre deux (2) pixels dans l’espace. Quand la valeur de la probabilité de la
statistique (p-value) est inférieure à un seuil α = 5%, alors l’hypothèse nulle est rejetée qui
veut dire que la différence entre les moyennes est significative (Helsel et Hirsch, 2002).
En revanche, le test non paramétrique de Wilcoxon est appliqué, quand les hypothèses sous-
jacentes ne sont pas vérifiées. Ce test à basé sur le classement en rang des différences entre les
valeurs des groupes à comparer (Helsel et Hirsch, 2002). Les moyennes de température de
l’air ou de précipitations sont différentes pour chaque pixel, quand l’hypothèse nulle n’est pas
acceptée au seuil de signification.
2.2.4.5. Logiciels utilisés
Les données brutes de précipitations et de température de l’air sont téléchargées sous format
NetCDF (.nc) et sont traitées sur le logiciel ArcGIS 10.1. Les traitements statistiques sont
effectués sur les logiciels JMP 13.1.0 pour la comparaison multiple des moyennes et sur
XLSTAT version 2018.5 pour l’analyse de la tendance 5 et de la rupture6 dans les séries de
données.
2.3. Collecte et analyse des données d’enquêtes sur la perception de la variabilité
climatique
Des entretiens et des enquêtes sont effectués auprès de quelques institutions pour collecter des
informations et pour échanger avec leurs responsables surtout techniques au niveau à la fois
central et régional.
2.3.1. Critères de choix
Les critères de choix des institutions enquêtées sont basés sur les secteurs clés qui dépendent
directement du climat, notamment l’Agriculture, l’approvisionnement en eau potable, et
l’environnement pour la région de Bongolava.
5 [URL : https://www.xlstat.com/fr/solutions/fonctionnalites/tests-de-tendance-de-mann-kendall]
6 [URL : https://www.xlstat.com/fr/solutions/fonctionnalites/tests-d-homogeneite]
Chapitre 2. Méthodologie
20
2.3.2. Collecte des données
2.3.2.1. Entretiens
a) Objectif
L’objectif des entretiens est de disposer des informations nécessaires sur le contexte du climat
et de sa variabilité à Madagascar et dans la région de Bongolava auprès des responsables
techniques. Les entretiens réalisés permettront ainsi de mieux interpréter et de discuter les
résultats, de bien cibler les recommandations à la fin de ce travail.
b) Méthodes d’entretiens
Des rencontres individuelles avec les responsables techniques sont organisées et les échanges
tournent autour de la thématique centrale de la variabilité climatique à Madagascar et dans la
région de Bongolava.
Les entretiens sont réalisés auprès des autorités centrales basées à Antananarivo qui sont :
- la Direction Générale de la Météorologie (DGM) : une institution publique nationale qui est
le mandataire du pays au sein de l’Organisation Mondiale de la Météorologie. Elle effectue
des recherches en termes de météorologie et de climatologie (CTCN, 2017).
- le Bureau National de Coordination des Changements climatiques (BNCCC), où réside le
point focal sur les questions sur les changements climatiques à Madagascar. Ce bureau est au
centre de toutes les actions concernant ce sujet qu’elle coordonne et gère (CTCN, 2017).
- le Ministère de l'Eau, de l'Assainissement et de l'Hygiène (MEAH), au sein de la Direction
de la gestion de la ressource en eau.
2.3.2.2. Enquêtes
a) Objectif
Les enquêtes effectuées permettent d’évaluer leur perception de la variabilité climatique dans
la région de Bongolava par les responsables locaux.
b) Méthodes d’enquêtes
L’approche plus sociale du sujet n’est pas approfondie dans cette étude. Cependant, les
enquêtes effectuées permettent déjà d’avoir une idée générale de cette perception. Ainsi, les
responsables techniques auprès de chaque institution et les maires des communes étaient jugés
assez être représentatifs de la situation locale.
Chapitre 2. Méthodologie
21
Une fiche de questionnaire a été utilisée pour collecter les informations sur l’évolution des
précipitations et de la température de l’air auprès de 36 personnes travaillant dans la région de
Bongolava au sein de :
- La Direction Régionale de l’Environnement, de l’Ecologie et des Forêts (DREEF), ayant la
responsabilité d’assurer la mise en œuvre des politiques nationales adoptées par le pays en
termes d’environnement selon le Décret N°2016-298 fixant les attributions du MEEF. Les
activités de la DREFF sont influencées par la variabilité du climat, pour la production de
jeunes plants et pour le choix des espèces de reboisement, ainsi que la vulnérabilité de la zone
en termes de feux de végétation sur de longue période sèche.
- La Direction Régionale de l’Agriculture et de l’Élevage (DRAE) : la lutte contre l’insécurité
alimentaire figure parmi ses missions principales7. La variabilité climatique est vraiment au
cœur des problématiques des paysans où la production agricole est conditionnée par le climat.
Ainsi, la DRAE accompagne les producteurs pour réduire leur vulnérabilité.
- La Direction Régionale de l'Eau, de l'Assainissement et de l'Hygiène (DREAH), dont le rôle
est évidemment d’assurer la bonne gestion des ressources en eau de la région8.
- La Direction du Développement Rural (DDR) qui est rattachée à la collectivité territoriale
décentralisée : la Région Bongolava. Comme son nom l’indique, elle œuvre pour le
développement rural. Son rôle est parfois ambigu puisqu’il y a d’autres institutions publiques
ayant plus-ou-moins les mêmes fonctions dans la zone (Bidou et al., 2008).
- La société de distribution d’eau et d’électricité JIRAMA de Tsiroanomandidy en charge de
gérer l’eau potable au niveau de la région de Bongolava. La ressource en eau provient de la
source d’Ambohiby pour la ville de Tsiroanomandidy, de la rivière Masiaka pour la ville de
Fenoarivobe et de la rivière Manjanoa pour le village de Mahasolo, selon la JIRAMA.
- Les communes de la région de Bongolava sont plus proches de la population et œuvrent
pour le développement (Bidou et al., 2008).
- L’Association Nationale d'Actions Environnementales (ANAE) de Bongolava, dont la lutte
contre l’érosion hydrique des sols figure parmi ses principaux objectifs. Par conséquent, elle
mène des activités de reboisement et construit des infrastructures pour remédier aux fortes
intensités de pluies qui comptent parmi les causes de la dégradation des sols.
7 [URL: http://www.mpae.gov.mg/page-d-exemple/missions-et-objectifs-du-ministere/]
8 [URL: http://www.mineau.gov.mg/archives/zoombox/index.php?p=historique.html ]
Chapitre 2. Méthodologie
22
Nombre de personnes
enquêtées pour quelques
secteurs
Nombre d'années passées
dans la zone
Tranche d'âge des personnes
enquêtées
(Source : Auteur, 2018)
Figure 2 : Caractéristiques des personnes enquêtées
Les personnes enquêtées en représentent environ le tiers de la totalité des personnels
techniques. La proportion des personnes travaillant dans le secteur eau est faible étant donné
les moindres effectifs du personnel. Les institutions enquêtées disposent d’agents qui ont
résidé longtemps dans la zone et qui sont plus âgés, donc qui auraient acquis des expériences
et des connaissances de la zone d’étude.
2.3.3. Traitement et analyse des données d’enquêtes
Les données sont saisies et traitées sur Excel. Les diagrammes en secteurs de fréquences
calculés sont utilisés pour représenter les données afin de mieux les interpréter. Les
fréquences sont calculées à chaque question.
𝒇𝒊 = 𝒏𝒊
𝑵
𝑓𝑖 : Fréquence calculée pour chaque choix de réponse donnée
𝒏𝒊 : Effectif de la personne pour chaque choix de réponse donnée
𝑵 : Effectif total des personnes enquêtées
i : Choix de réponses au questionnaire
(Tillé, 2010)
28%
11%
28%
33%
Agriculture
Eau
Environnement
Développement rural
28%
28%8%
3%
33%
0-5 ans 6-10 ans
11-15 ans 16-20 ans
> 20ans
17%
41%
25%
17%
20-30ans 30-40ans
40-50ans >50ans
Chapitre 3. Résultats
23
Chapitre 3. RESULTATS
3.1. Analyse des précipitations
Les résultats sont illustrés selon les deux (2) bases de données issues de modèles climatiques
et de télédétection : TRMM, une série de données de vingt (20) ans et FLDAS, de trente-six
(36) ans. L’analyse des précipitations est réalisée à la fois dans le temps et dans l’espace, qui
est développée dans les sous-parties ci-après.
3.1.1. Variation temporelle des précipitations
3.1.1.1. Précipitations annuelles
Elles représentent la moyenne du total de précipitations annuelles de chaque pixel à l’intérieur
de la limite géographique de la région de Bongolava.
a) Série chronologique
(Données TRMM_3B42_v7, source : TRMM, 2011)
Figure 3 : Série chronologique des précipitations annuelles - TRMM
Selon les données TRMM de 1998 à 2017 dans la région de Bongolava, la moyenne des
précipitations annuelles est de 1611 mm. La valeur maximale est de 2128 mm en 2004 et la
valeur minimale de 1263 mm en 2010. L’observation de la courbe permet de conclure que les
précipitations sont en dessous de la moyenne de la série à partir de l’année 2009. Une analyse
statistique permet de confirmer la présence ou non d’une rupture en moyenne pour les
précipitations annuelles.
0
500
1000
1500
2000
2500
1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Pré
cip
itat
ion
s (m
m)
Mois
Précipitations annuelles (mm) Précipitations annuelles moyennes (mm)
Chapitre 3. Résultats
24
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 4 : Série chronologique des précipitations annuelles - FLDAS
Selon les données FLDAS de 1982 à 2017, la moyenne des précipitations annuelles est de
1607 mm. L’étendue des données varie entre un maximum : 2092 mm observé en 1982 et un
minimum : 1308 mm en 1990. D’une manière générale, il est difficile de se prononcer sur
l’allure de la courbe des précipitations annuelles qui fluctuent de part et d’autre de leur
moyenne durant la période étudiée.
La moyenne des précipitations annuelles moyennes des données FLDAS et TRMM ne diffère
que de quelques millimètres près.
b) Indice de précipitations
(Données TRMM_3B42_v7, source : TRMM, 2011)
Figure 5 : Indices de précipitations - TRMM
Selon les données TRMM de 1998 à 2017, les années sèches par rapport à la série sont plus
concentrées après l’année 2010, dont l’année 2015 fait exception. Les valeurs de l’indice ne
0
500
1000
1500
2000
2500
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Pré
cip
itat
ion
s (m
m)
Années
Précipitations annuelles (mm) Précipitations annuelles moyennes (mm)
-3
-2
-1
0
1
2
3
1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Ind
ice
s
Années
Chapitre 3. Résultats
25
dépassent pas deux (2) ou moins deux (-2), sauf en 2004. Sur treize (13) ans, leurs valeurs
sont comprises entre -1 et 1. Ainsi, la variabilité interannuelle des précipitations est faible.
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 6 : Indices de précipitations - FLDAS
Selon les données FLDAS de 1982 à 2017, aucune affirmation sur une modification de
l’occurrence des années humides ou des années sèches ne peut être énoncée compte tenu de
l’allure du graphe. Sur vingt-sept (27) ans, les valeurs de l’indice sont en évidence proches de
la moyenne c’est-à-dire entre -1 et 1.
c) Analyse de la rupture en moyenne des précipitations annuelles
Le test de Pettitt est le traitement statistique exécuté pour analyser l’évolution des
précipitations annuelles dans cette étude.
Tableau 5 : Résultat du test de Pettitt sur les précipitations annuelles
TRMM_3B42_v7 FLDAS
p-value 0,116 0,645
alpha 0,05 0,05
La valeur de alpha est inférieure à la valeur de p, donc l’hypothèse nulle ne peut pas être
rejetée. Par conséquent, le résultat du test met en exergue l’absence d’une date de rupture en
moyenne dans les précipitations annuelles, soit TRMM de 1998 à 2017, soit FLDAS de 1982
à 2017 dans la région de Bongolava.
-3
-2
-1
0
1
2
3
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Ind
ice
s
Années
Chapitre 3. Résultats
26
d) Analyse de la tendance des précipitations annuelles
(Données TRMM_3B42_v7, source : TRMM, 2011)
Figure 7 : Courbe de tendance des précipitations annuelles – TRMM
La droite de régression linéaire démontre une tendance à une diminution de la quantité de
précipitations de 1998 à 2017, étant donné que sa pente est négative.
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 8 : Courbe de tendance des précipitations annuelles – FLDAS
Pour la série chronologique des précipitations annuelles des données FLDAS, une légère
diminution de leur quantité est observée entre la période 1982 à 2017.
Le test de Mann-Kendall est exécuté sur les précipitations annuelles, dont le but de tester la
présence ou non d’une tendance significative dans la série de données.
y = -14,195x + 1760,6
0
500
1000
1500
2000
2500
1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Pré
cip
itat
ion
s (m
m)
Mois
Précipitations annuelles (mm) Linéaire (Précipitations annuelles (mm))
y = -4,7205x + 1694,4
0
500
1000
1500
2000
2500
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Pré
cip
itat
ion
s (m
m)
Années
Précipitations annuelles (mm) Linéaire (Précipitations annuelles (mm))
Chapitre 3. Résultats
27
Tableau 6 : Résultat du test de tendance de Mann-Kendall sur les précipitations
annuelles
TRMM_3B42_v7 FLDAS
p-value 0,086 0,112
alpha 0,05 0,05
Compte tenu des résultats du test ci-dessus, l’hypothèse nulle ne peut pas être rejetée. Il est
donc conclu qu’aucune tendance n’est déterminée sur les précipitations annuelles entre les
périodes 1998 à 2017, et de 1982 à 2017 respectivement, pour les données TRMM et FLDAS
dans la région de Bongolava, en utilisant le test de tendance de Mann-Kendall.
3.1.1.2. Précipitations mensuelles
Les précipitations mensuelles sont des moyennes de la quantité de précipitations de chaque
mois de l’année pour la période étudiée.
a) Moyennes et écart-types de chaque mois de l’année
(Données TRMM_3B42_v7, source : TRMM, 2011)
Figure 9 : Précipitations mensuelles - TRMM
Il est illustré que les précipitations mensuelles sont réparties différemment au cours de
l’année. 82 % des précipitations tombent durant les cinq (5) mois : de novembre à mars, avec
un maximum en janvier, d’une moyenne de 380 mm. Le mois le plus sec est le mois de juin
ayant une moyenne de 13 mm. Les écart-types varient de 13 mm au mois d’août à 93 mm au
mois de décembre.
0
100
200
300
400
500
600
Pré
cip
itat
ion
s (m
m)
Mois
0
20
40
60
80
100
Pré
cip
itat
ion
s (m
m)
Mois
Chapitre 3. Résultats
28
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 10 : Précipitations mensuelles – FLDAS
Au cours des douze (12) mois de l’année, les précipitations mensuelles sont inégalement
distribuées. Les mois de mai à septembre sont quasi-secs, dont la quantité de précipitations est
inférieure à 11 mm. En revanche, 89 % des pluies tombent entre les mois de novembre à
mars. Les mois de janvier et février à eux seuls totalisent presque la moitié des précipitations
annuelles. Les écart-types sont inférieurs à 2 mm aux mois de juin, juillet et août, tandis que
l’écart type dépasse les 100 mm au mois de janvier.
b) Analyse de la tendance des précipitations annuelles
Le test statistique de Mann-Kendal est utilisé pour étudier l’évolution des précipitations
mensuelles au cours du temps.
0
100
200
300
400
500
600P
réci
pit
atio
ns
(mm
)
Mois
0
2
4
6
8
10
12
14
16
18
20
Pré
cip
itat
ion
s (m
m)
Mois
Chapitre 3. Résultats
29
Tableau 7 : Résultat du test de tendance de Mann-Kendall sur les précipitations
mensuelles
p-value
Mois TRMM_3B42_v7 FLDAS
janvier 0,288 0,946
février 0,631 0,473
mars 0,461 0,946
avril 0,677 0,118
mai 0,146 0,946
juin 0,542 0,264
juillet 0,047 0,152
août 0,001 0,019
septembre 0,000 0,188
octobre 0,677 0,598
novembre 0,631 0,903
décembre 0,064 0,207
Selon les données TRMM sur vingt (20) ans, une tendance significative des moyennes des
précipitations est identifiée durant la saison sèche, en particulier aux mois de juillet, août et
septembre. Cependant, la tendance n’est significative qu’au mois d’août pour les données
FLDAS sur trente-six (36) ans.
(Données TRMM_3B42_v7,
source : TRMM, 2011)
(Données FLDAS,
source : McNally NASA/GSFC/HSL, 2016)
Figure 11 : Courbe de tendance des précipitations au mois d’août
Par conséquent, les précipitations au mois d’août ont diminué sur les périodes étudiées,
notamment pour ces données TRMM et FLDAS.
y = -1,6923x + 3413
05
101520253035404550
1998 2003 2008 2013
Pré
cip
itat
ion
s (m
m)
Années (mois d'août)
y = -0,0495x + 103,03
0
5
10
15
20
25
1982 1987 1992 1997 2002 2007 2012 2017
Pré
cip
itat
ion
s (m
m)
Années (mois d'août)
droite de régressiondroite de régression
Chapitre 3. Résultats
30
c) Ecart-types des précipitations mensuelles
(Données TRMM_3B42_v7, source : TRMM, 2011)
Figure 12 : Ecart-types des précipitations mensuelles – TRMM
Pour les données TRMM, les écart-types varient de 106 mm en 2010 jusqu’à 190 mm en
2007.
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 13 : Ecart-types des précipitations mensuelles – FLDAS
Pour les données FLDAS, les écart-types ont un maximum de 238 mm en 1982 et un
minimum de 129 mm en 2017.
Les écart-types des précipitations des douze (12) mois de l’année calculés pour les périodes
étudiées montrent que la répartition des précipitations mensuelles varie d’une année à une
autre, sans aucun changement dans les fluctuations des écart-types.
0
50
100
150
200
250
1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Ecar
t-ty
pe
s (m
m)
Années
0
50
100
150
200
250
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Ecar
t-ty
pe
s (m
m)
Années
Chapitre 3. Résultats
31
3.1.2. Variation spatiale des précipitations
3.1.2.1. Gradient ouest/est
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 14 : Précipitations annuelles moyennes suivant un axe d’ouest/est
Une légère augmentation des précipitations est remarquée qui débute à partir du 45,25E° pour
janvier et du 45,5E° pour février jusqu’au 46,25°E de longitude. Ensuite, l’allure de la courbe
prend une légère décroissance vers l’est de l’ordre d’environ 50 mm.
Tableau 8 : Résultat du test statistique sur la comparaison de moyennes des
précipitations selon un axe ouest/est
Mois Test de comparaison de moyennes
janvier
Analyse de la variance : Prob.>F=0,57
Test non paramétrique Wilcoxon chaque paire
Il n’y a pas de différence significative entre les moyennes
février
Analyse de la variance : Prob.>F=0,34
Test HSD de Tukey-Kramer
Il n’y a pas de différence significative entre les moyennes
Les tests statistiques réalisés concluent qu’aucune différence significative n’est observée entre
les précipitations annuelles moyennes de chaque pixel selon un gradient ouest en est en même
temps pour les deux (2) mois étudiés selon les données FLDAS de 1982 à 2017.
0
100
200
300
400
500
[45,25-45,5E] [45,5-45,75E] [45,75-46E] [46-46,25E] [46,25-46,5E] [46,5-46,75E] [46,75-47E] [47-47,25E]
Pré
cip
itat
ion
s (m
m)
LongitudesLatitude: [18,5S-18,75S]
(degrés décimaux)
Janvier Février
Chapitre 3. Résultats
32
3.1.2.2. Gradient nord-est/sud-ouest
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 15 : Précipitations annuelles moyennes suivant un axe nord-est/sud-ouest
Les précipitations moyennes sur le troisième pixel sont légèrement plus élevées par rapport
aux autres pour les deux (2) mois, janvier et février. Mais en général, aucune différence
vraiment prépondérante n’est remarquée entre les moyennes des précipitations de chaque
pixel.
Tableau 9 : Résultat du test statistique sur la comparaison de moyennes des
précipitations selon un axe nord-est/sud-ouest
Mois Test de comparaison de moyennes
janvier
Analyse de la variance : Prob.>F=0,61
Test non paramétrique Wilcoxon chaque paire
Il n’y a pas de différence significative entre les moyennes
février
Analyse de la variance : Prob.>F=0,15
Test HSD de Tukey-Kramer
Il n’y a pas de différence significative entre les moyennes
L’analyse statistique des moyennes confirme qu’aucune différence significative des moyennes
des précipitations n’est observée selon l’axe nord-est vers sud-ouest. Donc, les précipitations
moyennes au niveau de la ville de Tsiroanomandidy et celles de Fenoarivobe, qui passent par
l’axe tracé, ne sont pas significativement différentes.
0
100
200
300
400
500
[46,75E-18,25S]-[46,5E-18,5S] [46,5E-18,5S]-[46,25E-18,75S] [46,25E-18,75S]-[46E-19S] [46E-19S]-[45,75E-19,25S]
Pré
cip
itat
ion
s (m
m)
Coordonnées géographiques (degrés décimaux)
Janvier Février
Chapitre 3. Résultats
33
3.2. Analyse de la température de l’air
Les résultats de l’analyse de la température de l’air sont représentés suivant les deux (2) bases
de données FLDAS de 1982 à 2017 et GLDAS de 2000 à 2017 pour la région de Bongolava.
3.2.1. Variation temporelle de la température de l’air
La température moyenne de l’air pour l’ensemble de la zone à l’intérieur de la limite
administrative de la région de Bongolava est déduite suivant les pas de temps étudiés : par
mois ou par an.
3.2.1.1. Températures annuelles
a) Série chronologique
(Données GLDAS, source : Rodell & Beaudoing NASA/GSFC/HSL, 2016)
Figure 16 : Série chronologique des températures annuelles - GLDAS
Selon les données GLDAS, la moyenne des températures annuelles est de 20,27°C sur dix-
huit (18) ans de 2000 à 2017. Le pic de température moyenne de 2017 dont la valeur atteint
presque 22°C, est flagrant dans la série chronologique. La température annuelle la plus basse
est de 19,62°C en 2004. Il est observé qu’avant l’année 2010, les températures annuelles sont
inférieures à leur moyenne. En outre, une légère croissance de la courbe des températures
annuelles est remarquée dans la série chronologique.
18
19
20
21
22
2000 2002 2004 2006 2008 2010 2012 2014 2016
Tem
pé
ratu
res
(°C
)
Années
Températures annuelles (°C)
Températures annuelles moyennes (°C)
Chapitre 3. Résultats
34
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 17 : Série chronologique des températures annuelles - FLDAS
Selon les données FLDAS entre 1982 et 2017, la moyenne des températures annuelles est de
20,5°C, présentant un minimum : 19,68°C en 1984 et un maximum : 21,52 °C en 2017. De
façon globale, les températures annuelles excèdent leur moyenne aux environs de l’an 2000.
Le pic de l’année 2017 est donc souligné en même temps pour les données FLDAS et
GLDAS, pour les deux (2) périodes étudiées.
b) Indice de température de l’air
(Données GLDAS, source : Rodell & Beaudoing NASA/GSFC/HSL, 2016)
Figure 18 : Indices de température de l’air - GLDAS
Selon les données GLDAS, il est illustré distinctement que les indices de température sont
tous positifs à partir de l’année 2011. Cela signifie que la température de l’air est plus chaude
à partir de cette date par rapport à la période de 2000 à 2017. Quatorze (14) années de la série
18
19
20
21
22
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Tem
pé
ratu
res
(°C
)
Années
Températures annuelles (°C) Températures annuelles moyennes (°C)
-3
-2
-1
0
1
2
3
2000 2002 2004 2006 2008 2010 2012 2014 2016Ind
ice
s
Années
Chapitre 3. Résultats
35
ont des températures annuelles proches de la moyenne, dont les indices sont compris entre -1
et 1.
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 19 : Indices de température de l’air - FLDAS
Selon les données FLDAS, il est distingué clairement qu’à partir de l’an 2000, les
températures de l’air sont les plus chaudes par rapport à la période étudiée. Les températures
annuelles sur vingt-quatre (24) ans par rapport à la série se trouvent proches de la moyenne,
c’est-à-dire des valeurs de l’indice comprises entre -1 et 1. En outre, les indices de
température dépassent la valeur de 1 en 2009, 2010, 2011, 2015 et 2016, et même 2 en 2017.
Cela signifie que ces années font partie des plus chaudes de la période.
c) Analyse de la rupture en moyenne des températures annuelles
Du test de Pettitt résulte l’identification de la date de rupture en moyenne des températures de
l’air sur une période étudiée.
Tableau 10 : Résultat du test de Pettitt sur les températures annuelles
GLDAS FLDAS
p-value < 0,0001 < 0,0001
alpha 0,05 0,05
Dans les deux (2) sources de données, p-value est inférieure au niveau de signification
alpha=0,05, l'hypothèse nulle est ainsi rejetée. Par conséquent, une rupture en moyenne des
températures annuelles est détectée au sein de la série de données, à la fois pour les données
GLDAS, que pour FLDAS.
-3
-2
-1
0
1
2
3
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016Ind
ice
s
Années
Chapitre 3. Résultats
36
(Données GLDAS, source : Rodell & Beaudoing NASA/GSFC/HSL, 2016)
Figure 20 : Rupture en moyenne dans la série chronologique des températures annuelles
- GLDAS
La date de rupture en 2010 subdivise la série en deux (2) périodes : ayant les moyennes de
températures annuelles respectives de 19,92°C (mu1) entre 2000 et 2009 et de 20,71°C (mu2)
entre 2010 et 2017.
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 21 : Rupture en moyenne dans la série chronologique des températures annuelles
- FLDAS
Pour une série de données plus longue, FLDAS de 1982 à 2017, la date de rupture se situe en
2001. La température de l’air moyenne annuelle est passée de 20,24°C (mu1) de 1982 à 2000
à 20, 79°C (mu2) de 2001 à 2017, dont la différence est d’environ 0,55°C.
18
19
20
21
22
2000 2002 2004 2006 2008 2010 2012 2014 2016
Tem
pé
ratu
res
(°C
)
Années
Températures moyennes annuelles (°C)
mu1 = 19,917
mu2 = 20,711
18
19
20
21
22
1982 1985 1988 1991 1994 1997 2000 2003 2006 2009 2012 2015
Tem
pé
ratu
res
(°C
)
Années
Températures moyennes annuelles (°C) mu1 = 20,238 mu2 = 20,790 (°C)
(°C)
(°C)
(°C)
Chapitre 3. Résultats
37
d) Analyse de la tendance des températures annuelles
(Données GLDAS, source : Rodell & Beaudoing NASA/GSFC/HSL, 2016)
Figure 22 : Courbe de tendance des températures annuelles – GLDAS
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 23 : Courbe de tendance des températures annuelles – FLDAS
Il est montré clairement que les températures annuelles ont tendance à augmenter, étant donné
que le coefficient directeur de l’équation de la droite de régression linéaire est positif. La
significativité de cette tendance est évaluée à l’aide du test de Mann-Kendall, au cours de la
période de 2000 à 2017 et de 1982 à 2017.
Tableau 11 : Résultat du test de tendance de Mann-Kendall sur les températures
annuelles
GLDAS FLDAS
p-value < 0,0001 < 0,0001
alpha 0,05 0,05
y = 0,0868x + 19,446
18
19
20
21
22
2000 2002 2004 2006 2008 2010 2012 2014 2016
Tem
pé
ratu
res
(°C
)
Années
Températures annuelles (°C) Linéaire (Températures annuelles (°C))
y = 0,0291x + 19,96
18
19
20
21
22
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Tem
pé
ratu
re (
°C)
Années
Températures annuelles (°C) Linéaire (Températures annuelles (°C))
Chapitre 3. Résultats
38
Les valeurs calculées de p-value du test sont toutes les deux (2) inférieures au niveau de
signification alpha=0,05, l'hypothèse nulle est donc rejetée, c’est-à-dire que la série présente
une tendance significative à l’augmentation des températures moyennes annuelles.
3.2.1.2. Températures mensuelles
La valeur de la température moyenne d’un mois au cours de l’année résulte du calcul de la
moyenne de la température de l’air de toutes les trois (3) heures issues de modèles climatiques
et de télédétection pour un (1) mois donné pour la totalité des pixels à l’intérieur de la région
de Bongolava. À partir de ces valeurs sont calculées les températures mensuelles qui sont les
moyennes mensuelles des périodes étudiées, notamment de 2000 à 2017 pour GLDAS et de
1982 à 2017 pour FLDAS.
a) Moyennes et écart-types de chaque mois de l’année
(Données GLDAS, source : Rodell & Beaudoing NASA/GSFC/HSL, 2016)
Figure 24 : Températures mensuelles - GLDAS
Selon les données GLDAS de 2000 à 2017, novembre est le mois le plus chaud avec une
température de l’air moyenne de 22,30°C, et juin est le mois le plus froid avec une valeur de
17,09°C. Les écart-types sont les plus élevés à la fin de la période sèche et au début de la
saison humide, de 1,39°C en octobre. En revanche, l’écart-type le bas est noté en février :
0,37°C.
15
17
19
21
23
25
Tem
pé
ratu
res
(°C
)
Mois
Chapitre 3. Résultats
39
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 25 : Températures mensuelles - FLDAS
Selon les données FLDAS, les températures mensuelles varient considérablement au cours de
l’année. Leur valeur la plus élevée est en novembre de 22,74°C, et la plus faible en juillet de
16,90°C. Les écart-types les plus élevés sont distingués en août de 0,83°C et en octobre de
0,79°C, qui illustrent une variabilité de la température mensuelle d’une année à une autre.
L’écart-type le plus faible est en février, de 0,39°C, de 1982 à 2017.
b) Analyse de la tendance des températures mensuelles
La tendance des moyennes mensuelles de température de l’air pour les douze (12) mois de
l’année est analysée sur XLSTAT, dont les résultats sont détaillés ci-après.
Tableau 12 : Résultat du test de tendance de Mann-Kendall sur les températures
mensuelles
p-value
Mois GLDAS FLDAS
janvier 0,002 0,006
février 0,369 0,070
mars 0,654 0,002
avril 0,823 0,002
mai 0,057 0,005
juin 0,941 0,042
juillet 0,201 0,013
août 0,021 0,000
septembre 0,001 0,004
octobre < 0,0001 < 0,0001
novembre < 0,0001 < 0,0001
décembre < 0,0001 < 0,0001
15
17
19
21
23
25Te
mp
éra
ture
s (°
C)
Mois
Chapitre 3. Résultats
40
Il est démontré que les résultats sont les plus prépondérants aux mois d’octobre, novembre et
décembre durant lesquels la tendance de la température moyenne est la plus significative à la
fois pour les données GLDAS et FLDAS. Pour GLDAS, la tendance à l’augmentation de la
moyenne de la température de l’air de chaque mois est significative pour la majorité des mois,
sauf en février, mars, avril et juin. En revanche, elle est significative pour tous les mois pour
FLDAS.
(Données GLDAS, source : Rodell & Beaudoing NASA/GSFC/HSL, 2016)
Figure 26 : Températures de l’air aux mois d’octobre, novembre et décembre - GLDAS
Selon les données GLDAS, il est illustré sur ces graphes le résultat du test statistique sur la
présence d’une tendance significative au début de la saison de pluies. L’année 2015 est la plus
chaude pour les mois de novembre et de décembre, dont les températures moyennes sont
respectivement de l’ordre de 23°C. Les années les moins chaudes sont en 2001 pour le mois
d’octobre de 19,85°C, en 2000 pour les mois de novembre et de décembre, notamment de
19,92°C et de 21,06°C, respectivement.
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 27 : Températures de l’air aux mois d’octobre, novembre et décembre – FLDAS
y = 0,2375x - 454,71
18
19
20
21
22
23
24
25
2000 2005 2010 2015
Tem
pé
ratu
res (
°C)
Années
octobre
y = 0,2062x - 391,8
18
19
20
21
22
23
24
25
2000 2005 2010 2015
Tem
pé
ratu
res (
°C)
Années
novembre
y = 0,1531x - 285,45
18
19
20
21
22
23
24
25
2000 2005 2010 2015
Tem
pé
ratu
res (
°C)
Années
décembre
y = 0,0566x - 91,238
18
19
20
21
22
23
24
25
1982 1992 2002 2012
Tem
pé
ratu
res (
°C)
Années
octobre
droite de régression
y = 0,0345x - 46,323
18
19
20
21
22
23
24
25
1982 1992 2002 2012
Tem
pé
ratu
res (
°C)
Années
novembre
y = 0,0318x - 40,943
18
19
20
21
22
23
24
25
1982 1992 2002 2012
Tem
pé
ratu
res (
°C)
Années
décembre
droite de régression
droite de régression droite de régression
droite de régression droite de régression
Chapitre 3. Résultats
41
Selon les données FLDAS, il est observé une tendance à l’augmentation des températures
mensuelles pour les mois d’octobre, de novembre et de décembre. Les températures
moyennes les plus basses sont remarquées avant l’an 2000, et celles les plus élevées en 2015
et en 2016. Étant donné ces résultats, le début de la saison pluvieuse devient de plus en plus
chaud globalement favorisant ainsi l’évaporation des plans d’eau et du sol et
l’évapotranspiration des plantes.
c) Ecart-types des températures mensuelles
(Données GLDAS, source : Rodell & Beaudoing NASA/GSFC/HSL, 2016)
Figure 28 : Ecart-types des températures mensuelles– GLDAS
Selon les données GLDAS, il est remarqué que les fluctuations des écart-types ne changent
pas. Cependant, leurs valeurs ont légèrement augmenté. Avant 2009, les écart-types sont
inférieures ou égales à deux (2), ensuite ils ont progressé vers des valeurs supérieures à
deux (2).
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 29 : Ecart-types des températures mensuelles – FLDAS
Aucun changement n’est perceptible sur l’allure de la courbe des écart-types des températures
mensuelles des données FLDAS de 1982 à 2017.
0
1
2
3
2000 2002 2004 2006 2008 2010 2012 2014 2016
Ecar
t-ty
pe
s (°
C)
Années
0
1
2
3
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Ecar
t-ty
pe
s (°
C)
Années
Chapitre 3. Résultats
42
3.2.2. Variation spatiale de la température de l’air
Les moyennes des températures de l’air au cours de l’intervalle de temps de 1982 à 2017 sont
comparées selon un gradient longitudinal d’ouest en est, et un gradient nord-est vers sud-
ouest.
3.2.2.1. Gradient ouest/est
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 30 : Températures annuelles suivant un axe ouest/est
La température annuelle moyenne diminue d’ouest en est, à la fois pour les mois les moins
chauds : juin et juillet, et pour les mois les plus chauds : novembre et décembre. La valeur de
la température moyenne décroît de 19,5°C à 14,11°C en juin, de 19,15°C à 13,22°C en juillet,
de 24,5°C à 19,13°C en novembre, et de 24,17°C à 19,65°C en décembre. Il est remarqué que
le mois de juillet est légèrement plus froid que le mois de juin à l’extrême est de la région. La
significativité des différences entre les moyennes de températures de l’air est déterminée à
l’aide du test statistique ci-après.
Tableau 13 : Résultat du test statistique sur la comparaison de moyennes de la
température de l’air selon un axe ouest/est
Mois Test de comparaison de moyennes
juin, juillet, novembre, décembre
Analyse de la variance : Prob.>F<0,0001*
Test HSD de Tukey-Kramer
Il y a une différence significative entre les moyennes
10
13
16
19
22
25
28
[45,25-45,5E] [45,5-45,75E] [45,75-46E] [46-46,25E] [46,25-46,5E] [46,5-46,75E] [46,75-47E] [47-47,25E]
Tem
pé
ratu
res
(°C
)
LongitudesLatitude: [18,5S-18,75S]
(degrés décimaux)
juin juillet novembre décembre
Chapitre 3. Résultats
43
Selon le résultat du test, les moyennes des températures de l’air de chaque pixel du gradient
ouest/est sont significativement différentes entre elles.
Tableau 14 : Température de l’air selon un axe ouest/est en juin et en juillet
Latitude : [18,5-18,75S]
Longitudes :
Connectivité en
lettres
Températures moyennes (°C)
juin juillet
[45,25-45,5E] A 19,50 19,15
[45,5-45,75E] B 18,46 18,03
[45,75-46E] C 17,78 17,26
[46-46,25E] D 17,11 16,50
[46,25-46,5E] E 16,31 15,62
[46,5-46,75E] F 15,30 14,62
[46,75-47E] G 14,48 13,63
[47-47,25E] G 14,11 13,22
Ce tableau permet de comparer deux (2) à deux (2) les moyennes de la température de l’air
selon leurs coordonnées géographiques. Le résultat du test statistique conclut que les
moyennes de chaque pixel sont significativement différentes, selon un gradient ouest vers
l’est aux mois de juin et juillet, sauf pour les deux (2) derniers pixels. Ces derniers ont de
températures de l’air non différentes, car la même lettre G leur est attribuée.
Tableau 15 : Température de l’air selon un axe ouest/est en novembre et en décembre
Latitude : [18,5-18,75S]
Longitudes :
Connectivité en
lettres
Température moyennes (°C)
novembre décembre
A 24,50 24,17
[45,25-45,5E] B 23,63 23,30
[45,5-45,75E] C 23,04 22,81
[45,75-46E] D 22,46 22,33
[46-46,25E] E 21,67 21,68
[46,25-46,5E] F 20,69 20,86
[46,5-46,75E] G 19,70 20,040
[46,75-47E] H 19,13 19,65
Les coordonnées des moyennes de la température de l’air de chaque pixel sur le tableau ci-
dessus sont toutes connectées par des lettres différentes. Cela signifie qu’une différence
significative est constatée entre elles. Les pixels non connectés par la même lettre sont
significativement différents pour les mois les plus chauds : novembre et décembre.
En bref, la température moyenne de l’air à l’ouest de la région de Bongolava est plus chaude
que celle de l’est.
Chapitre 3. Résultats
44
3.2.2.2. Gradient nord-est/sud-ouest
(Données FLDAS, source : McNally NASA/GSFC/HSL, 2016)
Figure 31 : Températures annuelles suivant un axe nord-est/sud-ouest
Un accroissement de la moyenne de la température de l’air de 1982 à 2017 du nord-est vers le
sud-ouest est observé aux mois de juin, juillet, novembre et décembre. En outre, les courbes
des mois de novembre et de décembre sont presque entièrement superposées. Pour les mois
les moins chauds, les deux (2) courbes décalent de 0,5 à 1°C dont la température de l’air de
juillet est plus basse.
Tableau 16 : Résultat du test statistique sur la comparaison de moyennes de la
température de l’air selon un axe nord-est/sud-ouest
Mois Test de comparaison de moyennes
juin, juillet, novembre, décembre
Analyse de la variance : Prob.>F<,0001*
Test HSD de Tukey-Kramer
Il y a une différence significative entre les moyennes
Selon le résultat du test, il y a une différence significative des moyennes de la température de
l’air, qui est observée selon l’axe nord-est vers le sud-ouest pour les mois étudiés.
10
13
16
19
22
25
28
[46,75E-18,25S]-[46,5E-18,5S] [46,5E-18,5S]-[46,25E-18,75S] [46,25E-18,75S]-[46E-19S] [46E-19S]-[45,75E-19,25S]
Tem
pé
ratu
res
(°C
)
Coordonnées géographiques (degrés décimaux)
juin juillet novembre décembre
Chapitre 3. Résultats
45
Tableau 17 : Température de l’air selon un axe nord-est/sud-ouest
Coordonnées géographiques des
pixels
Connectivité en
lettres
Températures moyennes (°C)
juin juillet novembre décembre
[46,75E-18,25S] - [46,5E-18,5S] A 18,66 18,18 23,92 23,66
[46,5E-18,5S] - [46,25E-18,75S] B 17,61 17,02 22,96 22,80
[46,25E-18,75S] - [46E-19S] C 16,31 15,62 21,67 21,67
[46E-19S] - [45,75E-19,25S] D 15,71 14,94 20,98 21,12
Selon l’axe nord-est vers le sud-ouest, les températures moyennes des quatre (4) pixels sont
significativement différentes puisque quatre (4) lettres différentes leur sont assignées. Par
conséquent, il est conclu que la température de l’air moyenne de 1982 à 2017 de
Tsiroanomandidy est différente de celle de Fenoarivobe qui sont les deux (2) principales villes
de la région.
3.3. Perception de la variabilité climatique dans la région de Bongolava
Les enquêtes réalisées auprès des trente-six (36) personnes ont permis d’évaluer leur
perception de l’évolution temporelle de la variabilité climatique.
3.3.1. Evolution de la quantité de précipitations
Figure 32 : Constatation de l’évolution temporelle de la quantité de précipitations
annuelles par les personnes enquêtées
Les avis sont partagés concernant l’évolution des précipitations. La plus grande partie se
positionne pour une diminution de leur quantité au cours du temps. En revanche, seulement
6% des personnes enquêtées constate leur augmentation et 19% sont incapables de se
44%
31%
6%
19%
Diminuée
Aucun changement
Augmentée
Aucune idée
v
b
v
b
Chapitre 3. Résultats
46
prononcer sur la question. Et enfin, 31% ne remarque pas de modifications quelconques à
propos des pluies qui tombent chaque année au sein de la région de Bongolava. Sa diminution
est constatée surtout au début de la saison pluvieuse, c’est-à-dire en octobre et en novembre.
3.3.2. Evolution de la température de l’air
Figure 33 : Constatation de l’évolution temporelle de la température de l’air annuelle
par les personnes enquêtées
La majorité des personnes enquêtées, c’est-à-dire 61% des enquêtés sont convaincues d’une
augmentation de la température de l’air moyenne annuelle au cours du temps. Ensuite, une
proportion de 17% ne remarque rien concernant la température de l’air, et encore la même
proportion est incapable d’évaluer la réponse à la question. Une faible proportion, seulement
de 5%, distingue une baisse de la température de l’air. Il est également mentionné que la
température de l’air augmente presque pour tous les mois de l’année, mais les avis sont
partagés là-dessus. L’augmentation de la température de l’air au mois d’octobre est évoquée
par le quart des personnes enquêtées.
5%
17%
61%
17% Baissée
Aucun changement
Augmentée
Aucune idée
Chapitre 4. Discussion et recommandations
47
Chapitre 4. DISCUSSION ET RECOMMANDATIONS
4.1. Discussion sur l’approche méthodologique
4.1.1. Données utilisées
a) Données climatologiques
Les données climatologiques utilisées sont des produits GLDAS, FLDAS et TRMM issus de
la modélisation, dont les entrées proviennent des observations des satellites. Ainsi, la
précision des données peut faire défaut, par exemple dans l’évaluation des petites quantités de
précipitations pour TRMM (Huffman et al., 2010). Toutefois, ces produits ont été testés et
validés pour différents types d’utilisation pour les recherches (McNally et al., 2017, Huffman
et Bolvin, 2015). En outre, ces bases de données fournissent à la fois de larges échelles
temporelles et spatiales intéressantes pour cette étude. La qualité des données est jugée
satisfaisante malgré l’absence de données de stations stationnelles sur une longue période. La
station de Tsiroanomandidy ne dispose de données complètes que sur soixante-et-un (61)
mois pour les précipitations, et sur trente-deux (32) mois pour la température de l’air entre la
période de 2011 à 2017 pour faire la validation. De ce fait, cette dernière néglige les
variations saisonnières. L’idéal est d’avoir une longue série de données pour chaque mois de
l’année. De plus, seules deux (2) stations d’observation en surface sont utilisées pour la
validation, c’est-à-dire deux (2) pixels de données à l’intérieur de la région de Bongolava. La
résolution des données spatiales est de 0,25°, qui généralise le calcul pour l’ensemble de la
taille d’un pixel, ne permettant pas de faire une analyse plus fine, car la valeur d’une station
ne correspond seulement qu’à un point dans l’espace. Sachant que le domaine de
l’environnement présente une échelle temporelle large, il est impossible de savoir exactement
la valeur d’un élément climatique, qui évolue dans le temps. De ce fait, les moyennes de trois
(3) heures des précipitations et de la température de l’air à disposition sont acceptables.
b) Données d’enquêtes
L’évaluation de l’évolution des précipitations et de la température de l’air par les personnes
enquêtées peut être subjective. Ainsi, cela peut induire des erreurs dans les résultats obtenus,
particulièrement dans le cas où la personne questionnée a résidé dans la zone que récemment
sur une période inférieure à cinq (5) ans. Les données collectées ne reflètent pas les variations
spatiales des paramètres climatiques, mais uniquement les variations temporelles. En plus,
leur perception et leur constat sont encore restreints par rapport aux paysans.
Chapitre 4. Discussion et recommandations
48
4.1.2. Analyse et traitement des données
a) Analyse des données climatologiques
Le présent travail se porte essentiellement sur l’étude du climat récent de la zone sur l’échelle
de temps étudiée qui est située entre 1982 à 2017, ce qui peut ne pas être représentative des
caractéristiques du climat de la zone. Cependant, il permet déjà d’en avoir un aperçu, avec les
évolutions de ces dernières décennies. Ensuite, la méthode optée utilise les échelles de temps :
les années et les mois. Cela néglige les variations qui peuvent exister au cours d’un mois, par
exemple dans la répartition des pluies au cours d’un mois, qui peuvent être identifiables en
utilisant des pas de temps plus petits : les pentades ou des décades. De plus, cette étude s’est
centralisée uniquement sur la quantité de précipitations. L’analyse de la variabilité des
précipitations en utilisant le nombre de jours de pluies est toute aussi intéressante. Par ailleurs,
l’étude de la température de l’air s’est orientée spécifiquement sur les moyennes. L’approche
par l’exploitation des températures minimales et maximales est délaissée. Étant donné
qu’aucune étude récente n’est à disposition sur le climat de la région de Bongolava, l’analyse
des principaux paramètres climatiques, c’est-à-dire le total des précipitations
annuelles/mensuelles ou les températures de l’air moyennes mensuelles/annuelles, est
considérée comme les éléments les plus basiques et les plus essentiels à étudier. En outre, il
faut commencer par ces paramètres avant d’entamer des études plus profondes sur le sujet.
L’analyse de données s’est réalisée seulement sur base de données les plus longues à
disposition, de 1982 à 2017, et de 1998/2000 à 2017 de ce présent travail. Ainsi, elle ne tient
pas compte des normales climatologiques sur trente (30) ans, par exemple de 1961-1990
proposées par l’OMM (OMM, 2017). Quoi qu’il en soit, cette étude se focalise vraiment sur
l’échelle géographique de la région de Bongolava contrairement à l’exploitation des données
issues de stations climatologiques, qui interpole un point de l’espace.
A propos de l’analyse spatiale, un gradient ouest/est est choisi compte tenu de l’altitude de la
zone qui varie fortement de 600 m en ouest jusqu’à 1200 mm, même à 1400 m à l’extrême
est. De plus, le gradient utilisé a été déjà évoqué dans les différentes monographies régionales
de la région de Bongolava (CREAM, 2013, ONE, 2008) mais qui n’ont pas été encore
vérifiées spécifiquement et récemment à l’échelle de la région. Pour la grande île, les
variations de précipitations ont été soulevées par des études antérieures selon ce gradient sur
une échelle spatiale plus grande (Jury et al., 1995).
Chapitre 4. Discussion et recommandations
49
b) Analyses des données d’enquêtes
Les résultats d’enquêtes sont représentés à l’aide de fréquences, qui est vraiment une manière
très simple de les analyser. En effet, la typologie des personnes enquêtées n’est pas exploitée
dans une analyse statistique pour éviter d’avoir des résultats éparpillés. Etant donné que la
taille de la population, c’est-à-dire le nombre total des employés, est inférieure à 100, qui est
faible. De plus, le recueil d’informations est parfois difficile comme le fait de demander le
niveau scolaire ou universitaire aux enquêtés, surtout pour les maires qui ont déjà atteint un
certain âge et occupant un poste assez important au sein de la société.
4.2. Discussion sur les résultats
Il est à noter que les interprétations des résultats ne sont valables que durant les périodes et sur
les zones étudiées. Ainsi, les évolutions de la température de l’air et des précipitations pour le
climat à l’avenir sont encore incertaines (OMM, 2011).
4.2.1. Discussion sur la variabilité des précipitations
Le plus important à retenir n’est pas la valeur précise des résultats, mais la variabilité au sein
de la série de données. Concernant l’étude de la tendance des précipitations annuelles, les
résultats sont cohérents avec les études antérieures qui ne détectent aucune tendance pour la
période de 1961 à 2000, en même temps de façon générale pour les parties nord et sud de
Madagascar (DGM, 2008, Tadross et al., 2008). Le résultat est conforme à l’étude réalisée
pour les pays de l’océan Indien, où une tendance en matière de précipitations est faible
(Vincent et al., 2011). La tendance à la diminution des précipitations au cours du temps est
significative uniquement au mois d’août, à la fois pour TRMM et FLDAS qui confirment la
réduction des précipitations durant la période sèche dans certain endroit de l’île (DGM, 2008).
En ce qui concerne leur étude dans l’espace, aucun résultat de variation de la quantité de
précipitations n’est déterminé pour la région de Bongolava. Cela peut être expliqué par le fait
qu’il faut une grande superficie pour détecter les variations. Ou encore, les méthodes utilisées
sont basées sur des pas de temps grands : annuelles et mensuelles. De même pour l’analyse
des écart-types, aucun changement aussi n’est observé, du fait que les données utilisées sont
mensuelles, et non journalières. À propos des résultats d’enquêtes, les 44% des personnes qui
ont affirmé une diminution de la quantité de pluies n’ont peut-être pas compris comme il faut
la question posée, la quantité de pluies peut être confondue avec le nombre de jours de pluies.
Les hypothèses sur les résultats obtenus sur la perception des enquêtés de la variabilité des
Chapitre 4. Discussion et recommandations
50
précipitations sont premièrement, l’influence des masses médias ou des campagnes de
sensibilisation sur la question. Deuxièmement, la sécheresse qui s’est abattue dans la capitale
Antananarivo et ses alentours au début de l’année 2017 fait partie des souvenirs récents et
influence la perception des personnes enquêtées. En outre, le passage des cyclones à
Madagascar contribue à l’augmentation de la quantité de pluies dans toute l’île et influence
ainsi la variabilité des précipitations (Nassor et Jury, 1998, Tadross et al., 2008). Enfin, le fait
d’être impacter par les changements climatiques est source de financement pour les
institutions enquêtées par les projets de développement des grands bailleurs internationaux.
État de vérification de l’hypothèse 1 : « Il existe une variabilité de la quantité de
précipitations dans la région de Bongolava » n’est pas vérifiée. En général, aucune variation
temporelle et spatiale significative de la quantité des précipitations annuelles et mensuelles
n’est conclue au cours des périodes étudiées de 1982 à 2017, et de 1998 à 2017,
respectivement sur base de données FLDAS et TRMM dans la région de Bongolava.
4.2.2. Discussion sur la variabilité de la température de l’air
Les résultats qui montrent une augmentation de la température moyenne de l’air au cours du
temps dans la région de Bongolava sont conformes aux travaux de la DGM en 2008, publiés
en 2008 stipulant qu’il existe une tendance de manière globale pour la grande île de 1961 à
2005, ceux de Hulme et al. en 2001 de 1901 à 2000, et ceux de Vincent et al. en 2011 1961 à
2008 selon les données climatologiques d’une quinzaine de stations terrestres de l’océan
Indien. De même que le présent travail confirme également les évaluations effectuées par les
scientifiques du GIEC concluant un réchauffement du globe (GIEC, 2013). Cette
augmentation de la température se manifeste à la fois sur des moyennes annuelles et sur des
moyennes mensuelles. Les variations spatiales des paramètres climatiques évoquées dans les
monographies régionales (CREAM, 2013) et dans le rapport sur les bases de données sur
l’environnement de la région de Bongolava (ONE, 2008) sont ainsi confirmés et vérifiés à
l’aide d’une analyse statistique.
Etat de vérification de l’hypothèse 2 : « Il existe une variabilité de la température de l’air
dans la région de Bongolava » est vérifiée. Les résultats montrent une tendance et une
rupture en moyennes des températures de l’air annuelles, mais également une tendance des
températures de l’air mensuelles, à la fois de 2000 à 2017, et de 1982 à 2017 pour la région de
Bongolava. En plus, la température du côté ouest de la région est plus chaude que celle à l’est.
Chapitre 4. Discussion et recommandations
51
4.3. Recommandations
4.3.1. Mesures à adopter
Une amélioration de la gestion des données climatologiques est fortement recommandée
(OMM, 2011). Lors de la descente sur terrain, il a été constaté que l’importance des données
climatologiques est négligée, même par certains employés. Cette mesure nécessite une réelle
volonté de la part des responsables. Des formations et des renforcements de capacités sont
encore nécessaires pour remédier à cette situation (CTCN, 2017).
Les résultats montrent une différence significative de moyennes de la température de l’air
dans l’espace. Selon l’OMM, le positionnement des stations climatologiques doit être adapté
en conséquence qui en représente le climat (OMM, 2011). Par conséquent, il est indispensable
d’avoir au minimum deux (2) stations climatologiques dans la région de Bongolava, au niveau
des chefs-lieux de districts : Tsiroanomandidy et Fenoarivobe. Étant donné les hautes
potentialités agricoles de cette région, les particuliers ou les ONG peuvent aussi y contribuer.
L’installation des stations climatologiques peut se faire à partir de technologies simples et
maîtrisées. Mais des stations automatiques aussi sont envisageables à l’avenir, si elles sont
financées de manière durable. Les associations, les grandes exploitations agricoles locales, les
institutions étatiques locales sont incitées à prendre des initiatives en fonction des moyens.
Les perspectives proposées par les personnes enquêtées pour s’adapter par rapport aux
changements du climat et à sa variabilité se concentrent presque toutes sur la lutte contre les
feux de végétation et le reboisement au niveau de la région de Bongolava. À mon avis, a
variabilité du climat est un des facteurs aggravant les situations locales. D’autres problèmes
environnementaux existent dans la région de Bongolava qui accentue la vulnérabilité de la
population face à la sécheresse ou aux pluies intenses. À propos de la lutte contre les feux de
brousse, la tendance à l’accroissement de la température va augmenter les risques, surtout en
période sèche durant laquelle la quantité de pluies a légèrement diminuée, vérifiée par
exemple pour le mois d’août. Mais également, la température de l’air en début de la saison
pluvieuse devient de plus en plus chaude là où la population pratique les feux de nettoiement
sur leurs champs au début de la saison des cultures. Donc, la DREEF doit prendre en compte
les risques aux feux durant cette période en intensifiant, par exemple, les campagnes de
sensibilisation. En ce qui concerne les plantations d’arbres, elles sont toujours primordiales
pour d’autres multiples raisons. Pour la production de plants, la création d’arboretum est
recommandée au moins au niveau de la ville de Tsiroanomandidy et celle de Fenoarivobe
étant donné que les conditions climatiques sont différentes. Des essais sylvicoles de
Chapitre 4. Discussion et recommandations
52
nombreuses espèces adaptées aux conditions climatiques de la région peuvent être entrepris
en évitant de se focaliser seulement sur l’Acacia et l’Eucalyptus, étant donné que la zone
reçoit une quantité assez importante de pluies.
Le bassin source d’Ambohiby nécessite une étude particulière en tenant compte des quantités
de pluies pour sa gestion pour l’alimentation en eau potable de Tsiroanomandidy, étant donné
l’augmentation des besoins en eau en milieu urbain.
Concernant l’agriculture, la région peut élargir les types de cultures au lieu de se baser
essentiellement sur le riz, le maïs ou le manioc. Une meilleure gestion de l’eau, vu l’énorme
quantité de pluies en période pluvieuse peut offrir une plus grande possibilité de cultures avec
plus de valeurs économiques pour les paysans. La DRAE est l’institution compétente qui est
incitée à travailler plus là-dessus.
4.3.2. Perspectives d’études futures
Quand les stations climatologiques disposent d’une série de données plus longues, une
analyse comparative des différentes sources de données climatologiques provenant des
satellites est conseillée pour connaître quelles sont celles qui seront les plus adaptées à la
zone. Ainsi, les techniciens pourraient avoir des données climatologiques ayant une bonne
couverture spatiale pour des prises de décisions dans différents secteurs.
Une étude plus poussée sur la variabilité des précipitations est recommandée pour les études
futures, en utilisant les pas de temps plus petits ou le nombre de jours de pluies qui peuvent
être plus intéressantes que les données sur les quantités seules. En ce qui concerne la
température de l’air, un approfondissement de l’étude sur les températures minimales et
maximales est préconisé. Une attention particulière doit être donnée aux microclimats, à des
échelles plus locales qui offriraient un plus grand large choix de types de cultures.
Une étude plus sociale du sujet à travers des enquêtes auprès des paysans des différentes
communes composant la région est aussi suggérée. Elle permet de mieux cerner le sujet quant
aux perceptions des agriculteurs et aux impacts de la situation climatique sur leurs activités.
Enfin, les impacts de la variabilité climatique devraient aussi être étudiés dans de nombreux
secteurs : premièrement (i) sur la ressource en eau : la gestion des eaux d’irrigation et la
production d’eau potable ; deuxièmement (ii) sur l’Agriculture : leurs effets sur la production
agricole, l’optimisation du calendrier agricole, le choix des espèces adaptées, les maladies et
les attaques phytopathologiques ; ensuite (iii) sur l’environnement : l’érosion hydrique des
sols par l’agressivité des pluies, les risques de feux de végétation durant les périodes sèches ;
et enfin (iv) sur la santé : la prolifération des vecteurs de maladies, comme le paludisme.
Conclusion
53
CONCLUSION
L’analyse de la variabilité climatique dans la région de Bongolava présentée ici figure parmi
tant d’autres études ayant déjà traité le sujet à Madagascar et dans les différentes localités du
monde. Le fait même que le sujet suscite l’intérêt de nombreux chercheurs démontre son
importance et confirme sa place parmi les problématiques mondiales actuelles. Certes, cette
étude présente des limites, surtout méthodologiques, mais les résultats permettent d’apporter
quelques réponses aux hypothèses posées.
Les résultats obtenus diffèrent selon les données utilisées. Il faut tenir compte des méthodes
utilisées, des échelles temporelles et spatiales auquel l’étude est portée. De plus, l’internet est
aussi envahi de nombreuses données qui sont disponibles gratuitement qu’il faut traiter avec
précaution, c’est-à-dire vérifier les sources et le caractère sérieux des institutions qui les
fournissent. Ainsi, cette étude a utilisé les données climatologiques TRMM, FLDAS et
GLDAS, téléchargées sur le site de GIOVANNI, pour offrir une alternative aux défaillances
du système d’observation terrestre de la région de Bongolava.
La variabilité climatique étudiée concerne surtout l’évolution des moyennes et des écart-types
des éléments climatiques sur des pas de temps annuels ou mensuels au cours des périodes
étudiées.
àpConcernant l’évolution des précipitations annuelles, aucune tendance et/ou de rupture n’est
conclue en utilisant les données TRMM et FLDAS, respectivement pour les périodes de 1998
à 2017, et de 1982 à 2017. Les précipitations mensuelles présentent une tendance à la
diminution au mois d’août. Les précipitations ne varient pas dans l’espace au sein de la région
de Bongolava. Il s’avère que la variabilité des précipitations n’était pas détectable en misant
sur les quantités de pluies sur des pas de temps annuels et mensuels.
En revanche, l’analyse de l’évolution de la température de l’air a montré une tendance à
l’augmentation de la moyenne de la température de l’air. Il est également distingué les années
de ruptures des moyennes de température de l’air notamment en 2010 pour les données
GLDAS, et en 2001 pour FLDAS. En outre, la tendance de la température de l’air mensuelle
au début de la saison des pluies est significative. Il a été conclu aussi que la température de
l’air moyenne du côté ouest de la région de Bongolava est plus chaude que celle de l’est. Les
résultats de l’étude confirment alors la tendance au réchauffement mondial (GIEC, 2013).
Conclusion
54
Aucune comparaison entre les résultats des analyses statistiques et ceux des enquêtes ne peut
être effectuée, car les échelles temporelles et spatiales diffèrent. Toutefois, ils constituent une
première appréciation de la situation par la population.
En général, il est remarqué que l’attention en termes de gestion de l’environnement accordée à
la zone étudiée est moindre par rapport aux autres régions de Madagascar, où les activités
menées par les autorités centrales sont surtout dictées par les grands bailleurs financiers ou de
grands projets de développement qui sont généralement peu présents dans la région de
Bongolava.
Même si Madagascar est un pays en développement, les recommandations proposées sont à
portée de main. L’amélioration de la situation de cette région dépend principalement d’une
réelle volonté politique de la part des dirigeants, tant au niveau central que régional. La région
de Bongolava mérite une attention des autorités étant donné ses grandes potentialités, surtout
agricoles. La région de Bongolava doit ainsi tirer profit de son climat pour le développement
durable de la zone et s’adapter à la variabilité climatique.
Bibliographie
ix
Bibliographie
Acker, J.G., Leptoukh, G., 2007. Online analysis enhances use of NASA Earth Science Data.
Eos 88, 14‑17. https://doi.org/10.1029/2007EO020003
Arvai, J., Bridge, G., Dolsak, N., Franzese, R., Koontz, T., Luginbuhl, A., Robbins, P.,
Richards, K., Korfmacher, K.S., Sohngen, B., Tansey, J., Thompson, A., 2006. Adaptive
management of the global climate problem: Bridging the gap between climate research
and climate policy. Climatic Change 78, 217‑225. https://doi.org/10.1007/s10584-006-
9094-6
ASCONIT- COI, 2011. Etude de vulnérabilité aux changements climatiques, Evaluation
qualitative, Madagascar. Antananarivo.83p.
Bidou, J.-E., Droy, I., Fauroux, E., 2008. Communes et régions à Madagascar. De nouveaux
acteurs dans la gestion locale de l’environnement. Mondes en développement 36, 29–46.
https://doi.org/10.3917/med.141.0029
Bourgeat, F., 1972. Sols sur socle ancien a Madagascar. Types de différenciation et
interprétation chronologique au cours du quaternaire. Mémoires ORSTOM N° 57.
ORSTOM, Paris, France. 325p.
Chandler, R., Concannon, M.S., 2011. Statistical methods for trend detection and analysis in
the environmental sciences. Wiley, Chichester. 368p.
Cornet, A., 1974. Essai cartographique bioclimatique à Madagascar. ORSTOM (Notice
Explicative ; 55), Paris. 41p.
CREAM, 2013. Monographie Région Bongolava. Antananarivo. 148p.
CTCN, 2017. AT : Etablissement d’un centre de compétences sur les changements
climatiques à Madagascar. D-3 Initiatives nationales relatives au CC. Rapport final. 30p.
DGM, 2008. Le changement climatique à Madagascar. Antananarivo. 32p.
Doukpolo, B., 2012. Annexe V du Rapport final- Séjour scientifique -Procédure de traitement
des données d’observation, de simulation et de projection du climat. 33p.
Foucault, A., 2009. Climatologie et paléoclimatologie, Dunod. ed. 432p.
Garot, T., 2013. Etude des précipitations journalières observées pendant la saison des pluies
sur Madagascar, Mayotte, La Réunion et les Iles Eparses de 1971 à 1999: Rôle et
Bibliographie
x
contribution des talwegs tropicaux-tempérés. Mémoire de recherche. Université de
Bourgogne. 47p.
GIEC, 2013. Changements climatiques 2013: Les éléments scientifiques – Résumé à
l’intention des décideurs. Contribution du Groupe de travail I au cinquième Rapport
d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat. [sous la
direction de Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S. K. Allen, J. Boschung,
A. Nauels, Y. Xia, V. Bex et P.M. Midgley]. Cambridge University Press, Cambridge,
Royaume-Uni et New York (État de New York), États-Unis d’Amérique. 204p.
Helsel, D.R., Hirsch, R.M., 2002. Chapter A3. Statistical methods in ater resources, in: Book
4, Hydrologic Analysis and Interpretation. U.S. Department of the interior Gale A.
Norton, Secretary, 510p.
Huffman, G.J., Adler, R.F., Bolvin, D.T., Nelkin, E.J., 2010. The TRMM Multi-satellite
Precipitation Analysis (TMPA). Satellite Rainfall Applications for Surface Hydrology
23. https://doi.org/10.1007/978-90-481-2915-7_1
Huffman, G.J., Bolvin, D.T., 2015. TRMM and other data precipitation data set
documentation. 44p.
Hulme, M., Doherty, R., Ngara, T., New, M., Lister, D., 2001. African climate change: 1900-
2100. Climate Research 17, 145‑168. https://doi.org/10.3354/cr017145
INSTAT/DSM, 2011. Enquêtes périodiques auprès des ménages 2010. Rapport principal.
378p.
Jury, M.R., 2016. Summer climate of Madagascar and monsoon pulsing of its vortex.
Meteorology and Atmospheric Physics 128, 117‑129. https://doi.org/10.1007/s00703-
015-0401-5
Jury, M.R., Parker, B.A., Raholijao, N., Nassor, A., 1995. Variability of summer rainfall over
Madagascar: climatic determinants at interannual scales. International Journal of
Climatology 15, 1323–1332. https://doi.org/https://doi.org/10.1002/joc.3370151203
Kendall, M.G., 1975. Rank correlation methods. C. Griffin, London.
Lubes-Niel, H., Masson, J.M., Paturel, J.E., Servat, E., 1998. Variabilité climatique et
statistiques. Étude par simulation de la puissance et de la robustesse de quelques tests
utilisés pour vérifier I’homogénéité de chroniques. Revue des Sciences de L’eau 11,
383‑408. https://doi.org/10.7202/705313ar
Bibliographie
xi
Macritchie, K., Huffman, G., Bolvin, D., 2017. Readme Document for the Tropical Rainfall
Measurement Mission (TRMM) Version 7, Goddard Earth Sciences Data and
Information Services Center (GES DISC). Goddard Earth Sciences Data and Information
Services Center (GES DISC), Greenbelt, USA. 70p.
Macron, C., Richard, Y., Garot, T., Bessafi, M., Pohl, B., Ratiarison, A., Razafindrabe, A.,
2016. Intraseasonal rainfall variability over Madagascar. Monthly Weather Review 144,
1877‑1885. https://doi.org/10.1175/MWR-D-15-0077.1
MAEP, 2009. Rapport d’enquête de sondage des rendements rizicoles de la campagne de
contre-saison 2008 dans les périmètres d’Ankopomboay, Commune rurale
d’Ambalanirana, Distrcit de Tsiroanomandidy, Région Bongolava. Antananarivo. 58p.
Mann, H.B., 1945. Non-parametric tests against trend. Econometrica 13, 245‑259.
https://doi.org/http://dx.doi.org/10.2307/1907187
McNally, A., Rui, H., 2017. Readme document for Famine Early Warning Systems Network
(FEWS NET) Land Data Assimilation System (FLDAS) Products. Greenbelt, USA. 20p.
MEEF, 2006. Ministère de l’Environnement des Eaux et des Forêts. Programme d’action
national d’adaptation au changement climatique. 69p.
Nassor, A., Jury, M.R., 1998. Intra-seasonal climate variability of Madagascar. Part 1: Mean
summer conditions. Meteorology and Atmospheric Physics 65, 31‑41.
Nassor, A., Jury, M.R., 1997. Intra-seasonal climate variability of Madagascar. Part 2:
Evolution of flood events. Meteorology and Atmospheric Physics 64, 243‑254.
https://doi.org/10.1007/BF01029696
Nicholson, S.E., Kim, J., Hoopingarner, J., 1988. Atlas of African rainfall and its interannual
variability, Department. ed. Floride, USA. 237p.
OMM, 2018. Déclaration de l’OMM sur l’état du climat mondial en 2017. Genève, Suisse.
35p.
OMM, 2017. Directives de l’OMM pour le calcul des normales climatiques. Organisation
météorologique mondiale, OMM-N°1203, Genève, Suisse. 20p.
OMM, 2013. Le climat dans le monde 2001-2010: une décennie d’extrêmes climatiques -
rapport de synthèse, Temps-Climat-Eau. Organisation météorologique mondiale, OMM-
N°1119, Genève, Suisse. 20p.
Bibliographie
xii
OMM, 2012. Guide d’utilisation de l’indice de précipitations normalisé. OMM-N° 1090,
Genève, Suisse. 17p.
OMM, 2011. Guide des pratiques climatologiques. Organisation météorologique mondiale,
OMM-N°100, Genève, Suisse. 141p.
OMM, 2010. Guide du système mondial d’observation, OMM-N° 488. ed. Organisation
météorologique mondiale, OMM-N°488, Genève, Suisse. 194p.
OMM, 2002. Conditions météorologiques et climatiques : variabilité et évolution. Le
développement durable après 2002. Genève, Suisse. 7p.
OMM, 1992. Vocabulaire météorologique international. WMO/OMM/BMO - No. 182,
Genève, Suisse. 784p. https://doi.org/10.1002/qj.49709339524
ONE, 2008. Tableau de bord environnemental, Région Bongolava. Antananarivo. 162p.
Paturel, J.E., Servat, E., Delattre, M.O., Lubes-niel, H., 1998. Analyse de séries
pluviométriques de longue durée en Afrique de l’Ouest et Centrale non sahélienne dans
un contexte de variabilité climatique. Hydrological Sciences Journal des Sciences
Hydrologiques 43, 937‑946. https://doi.org/10.1080/02626669809492188
Perreault, L., 2000. Analyse bayésienne rétrospective d’une rupture dans les séquences de
variables aléatoires hydrologiques. M.Sc. Thèse de doctorat. Université Laval. 200p.
Pettitt, A.N., 1979. A non-parametric approach to the change-point problem. Appl. Statist.
28(2) 126–135.
Rabefitia, Z., Raholijao, N., Ralison, A., Rakotondrasoa, J.C., Randrianasolo, L.,
Randrianarison, E., Rasoaveloarimiza, S., Razafindrakoto, B., 1975. Climatologie, in:
Elouard, J.-M., Andriantsiferana, M. (Éd.), Actes des journées de l’eau, 23p.
Raharimamonjy, K.S., 2012. Grands courants migratoires dans le district de
Tsiroanomandidy. Mémoire de maîtrise. Université de Tuléar. 165p.
Rakotoarimalala, L.M., 2015. Assistances agrométéorologiques pour la riziculture pluviale
dans la région du Bongolava. Mémoire de fin d’études. Ecole supérieure polytechnique,
Université d’Antananarivo. 57p.
Rakotonarivo, A., Gastineau, B., Martignac, C., Ramialison, Z.L., 2010. Densification rurale
et structures spatiales du peuplement à Madagascar : quelle place pour les migrations ?
Madagascar face au défi des Objectifs du millénaire pour le développement 275‑297.
Bibliographie
xiii
Ramaroson, N., 2017. Madagascar’s Strategic Programme for Climate Resilience.
Washington DC. 37p.
Randriamahefasoa, T.S.M., Reason, C.J.C., 2017. Interannual variability of rainfall
characteristics over southwestern Madagascar. Theoretical and Applied Climatology
128, 421‑437. https://doi.org/10.1007/s00704-015-1719-0
Randriamanantena, M., 2013. Les risques d’épidémie expansive du paludisme liés au contexte
climatique dans les hautes terres centrales. Cas: Région d’Analamanga. Mémoire de fin
d’études. Université d’Antananarivo. 90p.
Razafindrakoto, H.A., 2010. Le dynamisme de l’élevage bovin dans la commune urbaine de
Tsiroanomandidy, capitale du Bongolava. Université d’Antananarivo. 96p.
Région Bongolava, 2018. Région Bongolava-Plan Régional de développement 2017-2021.
Tsiroanomandidy. 168p.
Rodell, M., Houser, P.R., Jambor, U., Gottschalck, J., Mitchell, K., Meng, C.J., Arsenault, K.,
Cosgrove, B., Radakovich, J., Bosilovich, M., Entin, J.K., Walker, J.P., Lohmann, D.,
Toll, D., 2004. The Global Land Data Assimilation System. Bulletin of the American
Meteorological Society 85, 381‑394. https://doi.org/10.1175/BAMS-85-3-381
Rui, H., Beaudoing, H.K., 2018. Readme document for GLDAS Version 2 Data Products,
Goddard Earth Sciences Data and Information Services Center (GES DISC). 22p.
Tadross, M., Randriamarolaza, L., Rabefitia, Z., Zheng, K.Y., 2008. Climate change in
Madagascar; recent past and future, Washington DC (World Bank). 17p.
Thom, H.C.S., 1972. Note technique N°81: Quelques méthodes de l’analyse climatologique,
OMM N°199. Organisation météorologique mondiale, OMM-N°199, Genève, Suisse.
Tillé, Y., 2010. Résumé du cours de statistique descriptive. Neuchâtel, Suisse. 172p.
Vincent, L.A., Aguilar, E., Saindou, M., Hassane, A.F., Jumaux, G., Roy, D., Booneeady, P.,
Virasami, R., Randriamarolaza, L.Y.A., Faniriantsoa, F.R., Amelie, V., Seeward, H.,
Montfraix, B., 2011. Observed trends in indices of daily and extreme temperature and
precipitation for the countries of the western Indian Ocean, 1961-2008. Journal of
Geophysical Research Atmospheres 116, 1‑12. https://doi.org/10.1029/2010JD015303
Bibliographie
xiv
Références des données climatologiques :
McNally, A., NASA/GSFC/HSL(2016), FLDAS VIC Land Surface Model L4 monthly 0.25 x
0.25 degree for Southern Africa (MERRA-2 and CHIRPS) V001, Greenbelt, MD USA,
Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed
[février 2018] 10.5067/8YWIDP9CZ2KS
Rodell, M. et Beaudoing, H. K., NASA/GSFC/HSL(2016), GLDAS Noah Land Surface
Model L4 3 hourly 0.25 x 0.25 degree V2.0, Greenbelt, Maryland, USA, Goddard Earth
Sciences Data and Information Services Center (GES DISC), Accessed [mars 2018]
10.5067/342OHQM9AK6Q
Tropical Rainfall Measuring Mission (TRMM) (2011), TRMM (TMPA) Rainfall Estimate L3
3-hour 0.25 degree x 0.25 degree V7, Greenbelt, MD, Goddard Earth Sciences Data and
Information Services Center (GES DISC), Accessed [février 2018]
10.5067/TRMM/TMPA/3H/7
Sites internet :
http://diva-gis.org/datadown [consulté le 01 novembre 2017]
http://www.anae-mada.org/ [consulté le 21 juillet 2018]
http://www.dggfpe.mg/index.php/2016/09/21/changement-climatique-madagascar-troisieme-
pays-monde-plus-expose-aux-risques-climatiques/ [consulté le 19 juillet 2018]
http://www.ipcc.ch/home_languages_main_french.shtml [consulté le 19 juillet 2018]
http://www.mineau.gov.mg/archives/zoombox/index.php?p=historique.html [consulté le 21
juillet 2018]
http://www.mpae.gov.mg/page-d-exemple/missions-et-objectifs-du-ministere/ [consulté le 21
juillet 2018]
https://earthexplorer.usgs.gov/ [consulté le 26 juin 2018]
https://giovanni.sci.gsfc.nasa.gov/giovanni/doc/UsersManualworkingdocument.docx.html
[consulté le 20 Juillet 2018]
https://www.maplecroft.com/about/news/ccvi.html [consulté le 20 juillet 2018]
https://www.xlstat.com/fr/solutions/fonctionnalites/tests-de-tendance-de-mann-kendall
[consulté le 19 juillet 2018]
https://www.xlstat.com/fr/solutions/fonctionnalites/tests-d-homogeneite [consulté le 19 juillet
2018]
xv
Annexes
ANNEXE 1 : Fiche d’enquête ................................................................................................. xvi
ANNEXE 2 : Données de précipitations TRMM_3B42_v7 ................................................. xviii
ANNEXE 3 : Données de précipitations FLDAS ................................................................... xix
ANNEXE 4 : Données de température de l’air GLDAS .......................................................... xx
ANNEXE 5 : Données de température de l’air FLDAS ......................................................... xxi
Annexes
xvi
ANNEXE 1 : Fiche d’enquête
Organisme/institution : ………………………………………………………………………………………
Age : □ Moins de 20ans □ 20-30ans □ 30-40ans □ 40-50ans □ Plus de 50ans
Sexe : □ Femme □ Homme
Diplôme : ………………………………………………………………………………………
Poste : □ Directeur
□ Chef de service
□ Chef de division
□ Collaborateur
□ Maire
□ Autre à préciser : …………………………………………………………………
Emploi : ………………………………………………………………………………………
Nombre d’années passées dans la région de Bongolava : …………………...ans
1.Comment percevez-vous la variabilité climatique dans la région de Bongolava ?
□ Très faible □ Faible □ Moyenne □ Forte □ Très forte □ Aucune idée
2.Manifestation de la variabilité climatique dans la région de Bongolava :
2.1 La précipitation
2.1.1 La quantité de précipitations vous parait :
□Diminuée En quel(s) moi(s) ?...................................................
□Sans changement
□Augmentée En quel(s) moi(s) ?...................................................
□Aucune idée
2.1.2 Le démarrage tardif de la saison des pluies :
□Oui □ Non □ Aucune idée
2.1.3La fin précoce de la saison des pluies :
□Oui □ Non □ Aucune idée
2.1.4 Les fortes pluies :
□Oui □ Non □ Aucune idée
2.1.5Le déficit en jours pluvieux
□Oui □ Non □ Aucune idée
2.1.6 La séquence sèche en saison pluvieuse
□Oui □ Non □ Aucune idée
2.1.7 Commentaire (facultatif) :
…………………………………………………………………………………………………................
Annexes
xvii
2.2 La température
2.2.1 La température vous semble :
□ Baissée En quel(s) moi(s) ?.................................................
□Sans changement
□Augmentée En quel(s) moi(s) ?.................................................
□Aucune idée
2.2.2 Commentaire (facultatif) :
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
3. Quels sont d’après vous les principaux impacts de la variabilité climatique dans la région
de Bongolava (pour votre domaine d’activité) ?
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
4. Quelles solutions proposerez-vous par rapport à la situation du climat dans la région de
Bongolava (pour votre domaine d’activité) ?
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
......…………………………………………………………………………………………………..........
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
5. Pensez-vous qu’une étude sur l’analyse de la variabilité climatique dans la région de
Bongolava vous sera-t-elle vraiment utile ?
□ Non utile □ Peu utile □ Moyennement utile □ Utile □ Très utile.
6. Quel pourrait être votre intérêt par rapport à une meilleure connaissance du climat ?
………………………………………………………………………………………………....................
………………………………………………………………………………………………....................
………………………………………………………………………………………………....................
7. Commentaires (facultatif)
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
…………………………………………………………………………………………………................
Annexes
xviii
ANNEXE 2 : Données de précipitations TRMM_3B42_v7
Lieu : région de Bongolava
Période : 1998 - 2017
Années jan fév mars avril mai juin juil août sep oct nov déc Précipitations
annuelles
1998 412,0 442,8 205,7 95,3 12,6 22,2 10,3 35,5 77,4 51,6 88,9 354,5 1808,6
1999 380,4 219,6 196,2 62,6 63,4 4,3 28,1 20,1 44,4 118,8 109,5 169,3 1416,5
2000 343,6 292,2 173,6 54,1 13,0 28,6 41,2 48,9 25,5 98,4 225,0 324,1 1668,2
2001 464,3 237,1 177,5 65,6 25,4 1,6 21,8 17,7 12,1 70,5 72,1 301,7 1467,5
2002 357,2 353,4 258,6 59,0 122,9 10,2 20,4 24,4 39,4 118,4 155,1 292,4 1811,4
2003 562,8 195,8 302,4 84,8 24,6 16,2 10,8 33,0 55,0 27,0 159,1 230,1 1701,7
2004 393,9 305,8 345,8 90,7 48,4 10,0 31,8 15,8 51,4 186,5 150,5 498,5 2129,0
2005 287,4 257,5 230,6 60,9 105,3 23,3 31,1 1,7 19,6 52,1 150,9 478,2 1698,6
2006 294,8 230,2 251,3 98,9 27,8 9,8 70,4 24,2 28,6 56,2 196,4 339,5 1628,2
2007 607,8 410,3 100,6 68,8 65,1 5,4 38,3 6,8 32,0 72,5 141,3 323,8 1872,8
2008 302,6 440,1 173,3 72,0 26,8 12,4 5,9 12,1 35,3 121,1 163,8 214,0 1579,4
2009 430,5 265,8 281,0 153,8 18,9 2,4 12,6 25,9 13,6 103,6 137,1 273,8 1718,8
2010 333,1 185,9 189,7 57,2 16,1 60,5 0,6 18,4 0,0 40,6 153,3 208,5 1263,7
2011 367,3 283,5 330,6 86,5 27,8 3,7 0,2 19,7 6,1 94,0 142,6 181,6 1543,5
2012 304,8 265,3 248,2 251,8 18,0 12,2 2,3 0,0 4,5 81,6 143,3 202,0 1534,0
2013 329,2 236,7 220,7 61,7 34,0 0,1 0,0 0,2 7,8 102,8 148,8 236,0 1377,9
2014 422,1 252,5 175,1 49,1 14,5 1,5 25,4 1,1 3,2 11,3 139,5 217,3 1312,5
2015 433,5 406,6 256,3 275,1 25,1 4,4 0,0 4,2 1,9 104,8 93,3 284,3 1889,5
2016 321,6 251,9 275,0 34,0 17,2 35,3 2,4 0,0 0,7 28,7 170,7 142,2 1279,6
2017 270,8 255,1 253,3 87,1 7,0 13,4 25,4 4,8 16,4 91,1 199,6 306,3 1530,4
Moyennes 381,0 289,4 232,3 93,5 35,7 13,9 19,0 15,7 23,8 81,6 147,0 278,9 1611,6
Unité : en millimètres
(source : TRMM, 2011)
Annexes
xix
ANNEXE 3 : Données de précipitations FLDAS
Lieu : région de Bongolava
Période : 1982 - 2017
Années jan fév mars avril mai juin juil août sep oct nov déc Précipitations
annuelles
1982 814,5 336,3 329,9 131,8 9,3 0,3 0,4 4,1 9,6 92,8 108,5 255,4 2092,9
1983 385,3 321,7 282,4 69,4 11,0 1,2 0,4 3,9 9,9 25,3 132,5 436,8 1679,8
1984 510,5 393,3 321,9 152,9 8,8 0,5 0,6 5,5 19,4 97,0 142,5 331,3 1984,1
1985 349,5 305,2 438,0 91,4 10,0 1,4 0,4 5,1 13,2 63,5 131,3 291,7 1700,5
1986 317,6 349,8 225,1 59,3 13,6 0,0 0,7 5,5 7,4 207,2 119,3 296,2 1601,6
1987 416,8 262,6 307,4 101,0 8,7 0,0 1,0 4,9 7,0 35,4 157,2 179,5 1481,6
1988 421,3 316,5 154,0 45,3 10,1 0,5 0,6 6,0 7,7 71,7 103,0 224,2 1360,8
1989 417,1 374,9 224,5 72,2 16,4 1,1 0,4 2,3 13,8 24,5 154,1 308,1 1609,3
1990 430,4 243,0 151,8 116,1 7,3 1,0 0,4 4,1 8,6 36,6 138,0 165,3 1302,9
1991 243,4 384,9 386,1 160,6 13,4 4,7 0,3 4,1 11,4 63,9 129,5 259,9 1662,1
1992 609,1 464,8 177,7 53,2 6,8 1,6 0,0 5,0 9,1 48,3 183,7 143,2 1702,6
1993 330,0 425,0 304,9 57,3 9,1 1,4 1,1 3,0 9,5 50,6 71,6 379,2 1642,8
1994 475,2 437,9 293,1 82,8 10,3 0,6 1,4 5,5 9,3 94,4 59,5 285,6 1755,5
1995 457,7 453,7 167,8 81,0 9,9 0,5 0,4 4,3 7,7 27,0 109,9 325,3 1645,2
1996 413,9 236,9 211,6 32,3 6,8 0,2 0,0 5,2 9,1 27,3 68,9 314,6 1327,0
1997 578,2 385,8 163,4 107,1 14,9 0,9 0,4 4,9 15,1 79,1 106,2 287,2 1743,2
1998 526,5 438,5 272,0 68,0 9,1 0,8 0,5 3,7 11,7 66,7 84,0 337,0 1818,4
1999 485,2 238,4 213,6 58,4 17,6 0,6 0,5 5,5 9,2 32,9 145,5 256,8 1464,2
2000 446,1 295,1 183,3 34,6 6,8 0,7 0,4 4,1 8,2 53,0 255,3 317,2 1604,9
2001 504,6 267,1 228,5 66,4 7,3 0,9 0,4 4,8 8,1 46,9 158,9 328,6 1622,6
2002 363,9 345,4 280,9 44,4 25,1 0,5 0,4 2,3 10,1 89,0 157,2 223,6 1542,9
2003 547,5 261,2 327,5 42,1 13,6 0,9 0,4 3,9 12,7 42,6 91,9 241,9 1586,1
2004 405,5 321,7 330,1 78,8 10,8 0,7 0,4 1,7 11,9 85,4 145,6 410,4 1803,0
2005 362,6 182,1 254,7 70,7 16,2 0,5 0,9 4,3 8,1 30,3 118,9 426,2 1475,6
2006 334,1 288,2 216,2 86,3 10,3 1,4 0,5 3,7 9,5 36,6 125,8 333,2 1445,8
2007 608,1 431,5 141,8 47,9 12,7 0,2 0,6 3,5 8,7 54,9 163,5 192,8 1666,3
2008 397,3 355,0 125,8 62,5 12,6 4,1 0,5 3,9 13,5 105,4 158,4 196,8 1435,9
2009 398,4 254,1 251,5 111,2 6,1 0,5 0,4 5,2 8,6 102,4 82,4 253,9 1474,8
2010 424,4 291,3 268,3 34,6 9,2 3,0 0,4 4,7 7,5 52,0 122,9 195,3 1413,6
2011 526,9 322,6 343,7 128,5 28,8 0,5 0,3 3,9 7,9 125,7 129,7 199,5 1818,1
2012 425,5 342,1 181,4 200,7 10,4 0,7 0,4 0,9 7,1 89,6 137,8 227,4 1624,0
2013 351,6 252,2 274,7 39,7 9,6 0,6 0,4 1,2 2,5 86,0 146,9 277,4 1442,8
2014 608,2 281,2 196,5 68,2 6,2 0,7 1,6 2,8 11,0 21,3 124,5 202,6 1525,0
2015 487,8 459,8 328,2 37,5 13,4 0,8 1,2 4,3 9,3 59,2 68,8 254,6 1724,9
2016 419,8 371,4 399,3 33,0 7,5 3,5 1,5 2,0 4,5 39,2 124,1 160,9 1566,7
2017 270,3 291,8 293,5 97,5 9,0 1,6 1,5 5,3 12,6 73,6 144,1 305,6 1506,5
Moyennes 446,3 332,9 257,0 78,5 11,3 1,1 0,6 4,0 9,7 64,9 127,8 272,9 1607,1
Unité : en millimètres
(source : McNally NASA/GSFC/HSL, 2016)
Annexes
xx
ANNEXE 4 : Données de température de l’air GLDAS
Lieu : région de Bongolava
Période : 2000 - 2017
Années jan fév mars avril mai juin juil août sep oct nov déc Températures
annuelles
2000 20,8 21,3 21,0 21,0 19,3 18,3 17,5 19,3 20,5 20,8 19,9 21,1 20,1
2001 21,2 21,5 21,4 20,1 19,0 17,1 16,7 17,8 19,9 19,9 20,9 21,1 19,7
2002 21,2 21,3 21,3 19,9 18,7 16,9 17,6 18,2 19,8 20,4 21,0 21,3 19,8
2003 21,0 21,4 21,4 20,0 19,3 16,8 16,4 17,1 19,0 21,3 21,1 21,3 19,7
2004 21,6 20,7 21,0 20,2 18,1 17,0 17,0 18,0 19,7 20,4 20,9 21,1 19,6
2005 21,1 21,3 20,9 19,9 19,0 17,4 16,5 18,1 20,3 22,5 22,4 21,9 20,1
2006 21,5 21,1 21,2 20,0 18,3 17,6 16,9 18,2 20,1 22,4 22,7 21,4 20,1
2007 20,8 21,1 20,6 19,9 18,4 16,2 18,6 18,6 21,0 22,5 22,5 21,7 20,2
2008 21,0 20,5 20,1 19,0 16,9 16,4 16,8 19,0 21,6 22,0 22,0 21,7 19,8
2009 21,3 21,1 20,8 19,4 18,0 17,4 16,8 20,9 20,9 21,7 21,7 21,7 20,1
2010 21,1 21,1 21,1 20,4 19,0 16,8 16,8 17,5 20,5 23,0 22,4 21,9 20,1
2011 21,5 20,9 20,7 19,9 18,1 17,4 16,7 18,8 21,1 23,1 23,4 22,7 20,4
2012 21,3 21,4 20,6 20,1 18,0 17,1 17,0 18,9 21,6 23,0 23,0 22,6 20,4
2013 22,3 21,4 21,2 20,2 18,1 15,8 18,2 18,2 21,7 22,9 23,9 22,9 20,6
2014 21,4 21,5 21,3 19,5 17,6 16,9 19,0 19,0 21,1 23,7 23,6 23,0 20,7
2015 21,6 21,0 21,2 20,8 19,2 17,8 17,5 18,8 21,6 23,9 23,9 23,6 20,9
2016 22,5 22,0 22,3 21,0 17,4 16,7 16,7 19,1 20,7 23,3 23,6 23,2 20,7
2017 22,5 22,1 21,6 20,1 19,0 18,2 20,6 23,7 23,7 25,2 23,4 23,4 22,0
Moyennes 21,4 21,3 21,1 20,0 18,4 17,1 17,3 19,0 20,8 22,3 22,3 22,1 20,3
Unité : en degré Celsius (°C)
(Données GLDAS, source : Rodell & Beaudoing NASA/GSFC/HSL, 2016)
Annexes
xxi
ANNEXE 5 : Données de température de l’air FLDAS
Lieu : région de Bongolava
Période : 1982 - 2017
Années jan fév mars avril mai juin juil août sep oct nov déc
Températures annuelles
1982 21,2 21,4 21,2 20,6 19,0 17,8 17,1 17,4 19,5 20,9 22,2 22,2 20,0
1983 21,8 22,3 22,4 21,1 19,7 18,1 17,2 17,6 19,3 21,3 22,3 21,7 20,4
1984 21,4 21,3 21,1 20,5 18,3 16,8 15,7 16,8 19,5 20,9 21,9 22,0 19,7
1985 22,2 22,1 21,1 20,2 18,5 16,9 16,7 17,2 18,9 20,0 21,7 21,7 19,8
1986 21,8 21,7 21,7 21,0 18,9 16,1 16,0 17,3 19,9 20,6 21,4 21,8 19,9
1987 21,3 21,9 21,8 21,3 19,4 16,4 17,6 17,4 20,2 21,5 23,1 23,1 20,4
1988 22,5 22,2 22,2 21,7 18,9 18,7 17,5 18,4 19,8 22,4 22,2 22,3 20,7
1989 22,0 21,4 21,6 20,6 19,1 17,5 17,2 19,4 21,6 21,6 22,4 21,8 20,5
1990 21,9 21,9 21,6 21,6 19,2 18,0 16,6 18,1 20,2 22,6 22,9 22,9 20,6
1991 23,4 22,3 21,9 20,9 19,8 16,6 15,9 17,6 20,2 22,1 22,9 22,9 20,5
1992 21,8 21,8 21,6 20,8 19,2 17,3 15,4 16,8 19,2 21,1 22,1 22,1 19,9
1993 21,8 21,1 20,8 20,7 19,5 16,5 15,7 16,6 18,6 21,1 22,9 23,4 19,9
1994 21,8 21,7 21,6 20,6 18,7 16,6 17,3 17,9 19,4 21,2 22,8 22,5 20,2
1995 21,9 21,9 21,8 21,1 19,3 17,2 16,6 17,3 19,5 21,6 22,7 21,9 20,2
1996 21,7 21,6 21,7 20,7 19,1 17,3 16,3 17,0 19,4 20,8 23,5 22,1 20,1
1997 21,7 21,6 21,8 21,2 18,9 17,7 16,6 17,7 19,7 21,3 23,3 22,9 20,4
1998 22,7 22,6 22,6 21,5 19,5 17,7 16,4 17,7 19,3 21,6 22,3 22,0 20,5
1999 21,5 22,1 22,0 20,6 19,4 17,4 16,5 17,4 19,9 21,6 22,2 22,5 20,3
2000 22,1 21,8 21,8 21,6 20,0 18,0 17,2 18,5 19,7 22,0 21,2 22,1 20,5
2001 21,7 22,1 22,0 21,2 19,4 17,2 16,9 18,0 20,8 21,5 23,0 22,9 20,6
2002 22,3 22,0 22,2 21,2 19,7 16,9 17,9 17,4 19,8 21,9 22,9 22,7 20,6
2003 21,9 22,0 22,1 21,0 20,5 17,7 16,5 17,3 19,4 22,4 23,5 22,4 20,6
2004 22,5 21,7 22,3 21,2 18,9 17,0 17,4 18,4 20,4 22,2 22,0 22,0 20,5
2005 22,2 22,5 22,0 21,4 19,6 18,2 16,7 17,3 19,1 21,9 22,9 22,5 20,5
2006 22,4 22,4 22,5 21,8 19,7 18,4 17,3 17,9 19,9 22,2 23,1 22,5 20,8
2007 21,9 21,9 22,0 21,4 20,1 17,3 17,3 18,0 20,2 21,8 22,9 22,5 20,6
2008 22,1 21,9 21,8 21,1 19,0 17,2 17,1 18,8 21,1 22,7 22,8 23,3 20,7
2009 22,8 22,6 22,4 20,9 19,6 17,1 17,1 20,8 20,8 22,0 23,1 23,1 21,0
2010 22,5 22,5 22,5 22,1 21,0 18,9 17,3 17,9 20,5 23,3 23,2 22,7 21,2
2011 22,4 22,0 21,7 21,6 19,9 18,3 17,2 18,7 20,1 22,3 23,6 23,5 20,9
2012 21,6 22,3 21,6 21,2 19,6 17,7 16,8 18,1 19,9 22,3 22,6 22,6 20,5
2013 22,8 21,8 21,9 21,2 19,5 16,8 17,2 17,6 20,5 22,1 22,7 22,7 20,6
2014 21,6 21,8 22,3 20,6 18,9 17,8 17,5 18,6 20,0 22,7 23,2 23,2 20,7
2015 22,0 21,3 21,6 21,6 20,3 18,5 17,6 18,5 20,5 22,8 24,0 23,6 21,0
2016 22,9 22,3 23,0 21,9 18,3 17,5 16,9 18,7 19,8 23,4 23,4 23,7 21,0
2017 22,9 22,7 22,8 21,2 20,7 19,4 18,4 19,1 21,7 23,3 23,3 22,8 21,5
Moyennes 22,1 22,0 21,9 21,1 19,4 17,5 16,9 17,9 19,9 21,9 22,7 22,6 20,5
Unité : en degré Celsius (°C)
(source : McNally NASA/GSFC/HSL, 2016)
xxii
Résumé
Le climat est un facteur important qui conditionne la vie de tous les êtres vivants sur Terre, y
compris les activités de l’Homme. L’objectif de cette étude est d’aboutir à une meilleure
connaissance de la variabilité climatique dans la région de Bongolava à Madagascar sur base
de données TRMM, GLDAS et FLDAS. La variabilité à la fois temporelle et spatiale des
précipitations et de la température de l’air est analysée à l’aide d’outils statistiques. Les
résultats de cette étude montrent une tendance à l’augmentation de la température de l’air
moyenne annuelle durant la période de 2000 à 2017 de GLDAS et de 1982 à 2017 de FLDAS,
ainsi qu’une rupture en moyennes, l’un en 2010 et l’autre en 2001, respectivement.
L’évolution de la température de l’air mensuelle la plus significative est observée au début de
la saison des pluies (octobre, novembre et décembre). En revanche, aucune évolution
significative ni rupture en moyennes n’est observée pour les précipitations annuelles sur base
de données TRMM de 1998 à 2017, et FLDAS de 1982 à 2017. Concernant les précipitations
mensuelles, une tendance à la baisse des précipitations est observée pour le mois d’août.
Selon un gradient longitudinal au niveau de la région de Bongolava, la température de l’air
moyenne diminue d’ouest en est, ce qui est également constaté du sud-ouest vers nord-est.
Pour les précipitations, aucune différence significative des moyennes des précipitations
annuelles n’a été observée selon ces gradients. Des recherches plus approfondies sont encore
nécessaires pour mieux comprendre la variabilité du climat dans la région d’étude.
L’installation de stations climatologiques dans plusieurs zones de la région, l’amélioration de
la politique de gestion des données climatologiques, et l’accès à l’information concernant le
climat sont recommandés.
Mots clés : variabilité climatique, modèle climatique, données de télédétection, précipitations,
température de l’air, région de Bongolava, Madagascar.