Analyse de la variabilité climatique dans la région de ... · Le climat est un facteur important qui conditionne la vie de tous les êtres vivants sur Terre, y compris les activités

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,

[email protected] ».

mailto:[email protected]

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/]

http://www.ipcc.ch/home_languages_main_french.shtml

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).


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]

https://www.maplecroft.com/about/news/ccvi.html


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


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)


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).


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.


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]

https://giovanni.gsfc.nasa.gov/giovanni

https://giovanni.gsfc.nasa.gov/giovanni

https://giovanni.sci.gsfc.nasa.gov/giovanni/doc/UsersManualworkingdocument.docx.html


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).


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


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.


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



Ecart moyen (°C) 109,80 106,00

a) Température

GLDAS FLDAS

Station

climatologique de

Tsiroanomandidy



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.


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).


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)


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.

https://earthexplorer.usgs.gov/


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


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]

https://www.xlstat.com/fr/solutions/fonctionnalites/tests-de-tendance-de-mann-kendall

https://www.xlstat.com/fr/solutions/fonctionnalites/tests-d-homogeneite


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.


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 ]

http://www.mpae.gov.mg/page-d-exemple/missions-et-objectifs-du-ministere/

http://www.mineau.gov.mg/archives/zoombox/index.php?p=historique.html


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)


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


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


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.


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


26

d) Analyse de la tendance des précipitations annuelles


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.


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))


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


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


28


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


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


30

c) Ecart-types des précipitations mensuelles


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.


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


31

3.1.2. Variation spatiale des précipitations

3.1.2.1. Gradient ouest/est


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


Test HSD de Tukey-Kramer


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


32

3.1.2.2. Gradient nord-est/sud-ouest


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


janvier


Test non paramétrique Wilcoxon chaque paire


février




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


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)


34


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


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


35

ont des températures annuelles proches de la moyenne, dont les indices sont compris entre -1

et 1.


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


36


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.


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)


37

d) Analyse de la tendance des températures annuelles


Figure 22 : Courbe de tendance des températures annuelles – GLDAS


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))


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


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


39


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


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.


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.


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


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


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).


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


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


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


juin, juillet, novembre, décembre

Analyse de la variance : Prob.>F<0,0001*


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


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.


44

3.2.2.2. Gradient nord-est/sud-ouest


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


juin, juillet, novembre, décembre

Analyse de la variance : Prob.>F<,0001*


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)



45

Tableau 17 : Température de l’air selon un axe nord-est/sud-ouest

Coordonnées géographiques des

pixels

Connectivité en

lettres

Températures moyennes (°C)


[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


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.


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).


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


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.


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


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]


[consulté le 20 Juillet 2018]

https://www.maplecroft.com/about/news/ccvi.html [consulté le 20 juillet 2018]


[consulté le 19 juillet 2018]

https://www.xlstat.com/fr/solutions/fonctionnalites/tests-d-homogeneite [consulté le 19 juillet

2018]

http://diva-gis.org/datadown

http://www.anae-mada.org/



http://www.ipcc.ch/home_languages_main_french.shtml

http://www.mineau.gov.mg/archives/zoombox/index.php?p=historique.html

http://www.mpae.gov.mg/page-d-exemple/missions-et-objectifs-du-ministere/

https://earthexplorer.usgs.gov/


https://www.maplecroft.com/about/news/ccvi.html


https://www.xlstat.com/fr/solutions/fonctionnalites/tests-d-homogeneite

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 :


2.1.4 Les fortes pluies :


2.1.5Le déficit en jours pluvieux


2.1.6 La séquence sèche en saison pluvieuse


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


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


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)


Annexes

xxi

ANNEXE 5 : Données de température de l’air FLDAS


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.

Documents

Analyse de la variabilité climatique dans la région de ... · Le climat est un facteur important qui conditionne la vie de tous les êtres vivants sur Terre, y compris les activités