Thème : Impact de hausses des températures sur la l`agriculture au

Transcription

COMITÉ PERMANENT INTER-ÉTATS DE LUTTE
CONTRE LA SÉCHERESSE DANS LE SAHEL
PERMANENT INTERSTATE COMMITTEE
FOR DROUGHT CONTROL IN THE SAHEL
CENTRE REGION AL AGRHYMET
DEPARTEMENT FORMATION ET RECHERCHE
MEMOIRE DE FIN D’ETUDES POUR l’OBTENTION DU DIPLOME DE
MASTERE EN CHANGEMENT CLIMATIQUE ET DEVELOPPEMENT DURABLE
Promotion : 2011-2012
Présenté par : JALLOW Alpha A.K
Thème : Impact de hausses des températures sur la
l’agriculture au sahel : quelle implications pour
l’Afrique dans les négociations sur le climat
Soutenu le 23 Mai 2012 devant le jury composé de :
Président : Dr Sanoussi ATTA, CRA
Membres : Dr Adamou GARBA, EAMAC
Dr Mouhamed LY, CRA
Encadreur : Dr Benoit SARR, Maître Assistant, Centre Régional AGRHYMET
SECRÉTARIAT EXECUTIF : 03 BP 7049 Ouagadougou 03 BURKINA FASO. Tél. (226) 50 37 41 25/26/27/28/29 Fax : (226) 50 37 41 32 Email : [email protected]
Site Web : www.cilssnet.org
CENTRE RÉGIONAL AGRHYMET : BP 11011 Niamey, NIGER. Tél (227) 20 31 53 16 / 20 31 54 36 Fax : (227)20 31 54 35 Email : [email protected]
Site Web : www.agrhymet.ne
INSTITUT DU SAHEL : BP 1530 Bamako, MALI. Tél : (223) 20 22 21 48 / 20 23 02 37 Fax : (223) 20 22 23 37 / 20 22 59 80 Email : [email protected]
Site Web : www.insah.org
DEDICACES
Je dédie ce modeste travail:
A mon père Alassan Jallow Paix à son âme;
A mon oncle Demba Jallow Paix à son âme;
A mon feu femme Dadou Jawo Paix à son âme;
A mon ami intime Kebba Njie Paix à son âme;
A ma mère et mes femmes, pour leurs soutiens et leurs compréhensions;
A mon fils Alieu Jallow ma filles et Kadijatou Jallow
A tous mes frères et sœurs, pour tout leur soutien;
i
REMERCIEMENTS
Au terme de cette formation en Mastère en Changement Climatique et Développement Durable, je
profite d’abord de cette occasion pour adresser toute ma reconnaissance au Centre Régional
AGRHYMET qui a supporté les charges de cette formation, tous les personnels et Responsables
du Centre Régional AGRHYMET, en particulier Monsieur Etienne Sarr ainsi ceux de la
Direction de la Météorologie Nationale de la Gambie
Je tiens aussi à manifester ma profonde gratitude et remerciement au
chef filière
agrométéorologie, coordonnateur pédagogique du Mastère Changement climatique et
développement durable et Coordonnateur Scientifique du Projet Alliance Mondiale contre le
Changement Climatique (GCCA UE-CILSS) Docteur Benoît Sarr, qui malgré ces multiples
charges n’a cessé de m’apporter aide et soutien dans l’orientation et la rédaction de ce mémoire et
surtout pour sa patience et sa disponibilité.
Mes remerciements vont aussi à l’endroit :
de Monsieur Pa Ousman Jarju Directeur de Département de Ressources en Eau pour son
appui et son aide au cours de cette formation;
de Monsieur Lamin M. Touray Chef de Division de la Météorologie Nationale pour son
soutien et aide morale
de Monsieur Peter Gibba Chef de la section Recherche et Application pour son soutien et
aide morale
de Monsieur Alagi Ngang pour sa patience car il ne fatigué pas de m’envoyer des données
Le Gouvernement Gambien, pour m’avoir facilité la poursuite de cette formation
Je remercie vivement l’Union Européenne volet FSTP-2 pour le financement du Mastère.
Je tiens aussi à remercier très sincèrement Mr Ebrihima Mbass du Centre Regional AGRHYMET
et sa femme pour leur soutien social et morale ils m’ont fait sentir comme chez moi
Finalement à tous ceux qui de prés ou de loin ont participé à ma formation.
ii
Table des matières
DEDICACES ..................................................................................................................................... i
REMERCIEMENTS ....................................................................................................................... ii
Table des matières........................................................................................................................... iii
LISTE DES FIGURES .................................................................................................................... v
LISTE DES TABLEAUX............................................................................................................... vi
SIGLES ET ABREVIATIONS..................................................................................................... vii
RESUME ......................................................................................................................................... ix
1.
INTRODUCTION .................................................................................................................... 1
2. ETAT DES CONNAISSANCES SUR LES PROCESSUS DES NEGOCIATIONS SUR
LE CHANGEMENT CLIMATIQUE ET LES IMPACTS DES TEMPERATURES SUR LES
CULTURES...................................................................................................................................... 4
3. OBJECTIFS DE L’ETUDE ...................................................................................................... 12
4. MATERIELS ET METHODES .................................................................................................. 13
4.1 Données................................................................................................................................................ 13
4.1.1 Données météorologiques ............................................................................................................. 13
4.1.2 Données agronomiques ................................................................................................................. 14
4.2 Méthodes.............................................................................................................................................. 14
4.2.1 Analyse de la variabilité, des tendances et des extrêmes du climat .............................................. 14
4.2.2 Analyse des impacts des hausses des températures sur les paramètres agroclimatiques
(Rendement des cultures, ETo et la longueur de la saison); .................................................................. 18
4.2.3 Propositions des arguments en faveur du groupe des négociateurs africaines sur le .................... 23
changement climatique .......................................................................................................................... 23
5.1 Analyses de la variabilité, des tendances et des extrêmes du climat.................................................... 24
5.1.1 Variations interannuelles des températures................................................................................... 24
5.1.2 Dates de rupture des séries chronologiques de données des températures.................................... 27
5.1.3 Tendance des extrêmes climatiques .............................................................................................. 28
5.2 Analyse des impacts des hausses des températures sur les paramètres agroclimatiques ..................... 30
5.2.1 Les impacts des hausses des températures sur la demande climatique (ETo)............................... 30
iii
5.2.2 Les impacts des hausses des températures sur la longueur de la saison........................................ 32
5.2.3 Les impacts des hausses des températures sur le rendement des cultures..................................... 34
5.3 Arguments en faveur du groupe des négociateurs africains sur le changement climatique................. 37
6. Discussion.................................................................................................................................... 38
7. Conclusion .................................................................................................................................. 41
Bibliographie .................................................................................................................................. 43
ANNEXE............................................................................................................................................ I
Annexe 1: Indices climatiques par station ................................................................................................... II
Annexe 2: Evolution des extrêmes climatiques ........................................................................................ VIII
Annexe 3: Les périodes de ruptures dans les différents Groupes de stations ............................................ XII
Annexe 4: Rendement simulé à la station de Niamey sur la période 1961-2010......................................XVI
Annexe 5: Rendement simulé à la station de Kayes sur la période 1978-2010 .......................................XVII
Annexe 6: Evolution des jours pluvieux sur les périodes de 1950 à 2010..............................................XVIII
Annexe 7:Evolution des jours très pluvieux sur les périodes de 1950 à 2010 ........................................XVIII
Annexe 8: Evolution des jours chauds sur les périodes de 1950 à 2010................................................... XIX
Annexe 9: Evolution des nuits chaudes sur les périodes de 1950 à 2010 ................................................. XIX
Annexe 10: Evolution des vagues de chaleur sur les périodes de 1950 à 2010 ......................................... XX
iv
LISTE DES FIGURES
Figure 1: Localisation spatiale des stations choisis pour cette étude ............................................................ 13
Figure 2: Regroupement des stations à l’aide d’une analyses en composante principale............................. 16
Figure 3: Menu principal de Rclimdex 1.0 .................................................................................................. 17
Figure 4:Le logiciel Khronostat 1.01............................................................................................................... 17
Figure 5: Indices de lamb de la température minimale (A) et de la température maximale (B) des stations
du Groupe 1.................................................................................................................................................... 24
du Groupe 2.................................................................................................................................................... 25
du Groupe 3.................................................................................................................................................... 25
Figure 8:Indices de lamb de la température minimale (A) et de la température maximale (B) à la station de
Yundum en Gambie........................................................................................................................................ 26
Figure 9: Tendances des indices extrêmes climatiques des groupes et à la station de Yundum (Ydm)........ 29
Figure 10: Evolution annuelle de l’ETo à la station de Niamey...................................................................... 30
Figure 11: Evolution annuelle de l’ETo à la station de Kayes......................................................................... 31
Figure 12: ETo par rapport à l’élévation des températures à station de Niamey.......................................... 31
Figure 13: ETo par rapport à l’élévation des températures à station de Kayes............................................. 32
Figure 14: Variation de la longueur de la saison en fonction des élévations de températures à Niamey..... 33
Figure 15: Variation de la longueur de la saison en fonction des élévations de températures à Kayes........ 33
Figure 16: Rendements du mil aux horizons 2025 par rapport aux rendements actuels à Niamey ............. 34
Figure 17 : Rendements du mil aux horizons 2050 par rapport aux rendements actuels à Niamey............ 35
Figure 18 : Rendement du mil aux horizons 2025 par rapport aux rendements actuels à Kayes ................. 35
Figure 19 : Rendements du mil aux horizon 2050 par rapport aux rendements actuels à Kayes ................. 36
v
LISTE DES TABLEAUX
Tableau 1: Les indices climatiques extrêmes de la température................................................................... 15
Tableau 2: Les indices climatiques extrêmes de la pluviométrie .................................................................. 15
Tableau 3: Dates de ruptures des températures maximales et minimales dans les Groupes des stations .. 27
vi
SIGLES ET ABREVIATIONS
AGRHYMET
Centre Régional de Formation et d’Application en Agrométéorologie et
Hydrologie Opérationnelle
AMCC
Alliance Mondial Contre le Changement Climatique
AMCEN
African Ministerial Conference on the Environment
BVP
Basic Vegetative Period ou Phase Végétative de Base
CCNUCC
Convention Cadre des Nations Unies sur les Changements Climatiques
CCDD
Changement Climatique et Développement Durable
CdP
Conférence des parties
CILSS
Comité Permanent Inter Etat de Lutte Contre la Sécheresse au Sahel
CMAE
Conférence Ministérielle Africaine sur l’Environnement
CRA
Centre Régional AGRHYMET
CRP
Réunion des Parties au Protocole de Kyoto
DMN
Direction de la Météorologie National
EDE
Mécanisme international d’échange de droits d’émission
ETM
Evapotranspiration Maximale
ETo
Evapotranspiration Potentielle
ETR
Evapotranspiration Réelle
FAO
Organisation des Nations Unies pour l’Alimentation et l’Agriculture
GES
Gaz à Effet de Serre
GIEC
Groupe d'Experts Intergouvernemental sur l'Evolution du Climat
GCCA
Global Climate Change Alliance
HKP
Haini-Kirei Précoce
Hmax
Humidité relative maximale
Hmin
Humidité relative minimale
Hmoy
Humidité relative moyenne
ICRISAT
Institut International de recherche sur les cultures des tropicales et semi-arides
INERA
Institut de l’Environnement et de Recherches Agricoles
INRAN
Institut National de Recherches Agricoles du Niger
INSTAT
Interactive Statistics package (Logiciel de traitement statistique de données)
IPCC
Intergouverrnemental Panal on Climate Change
Kc
Coefficient cultural
LAI :
Leaf Area Index
LTR
Fraction de radiation solaire transmise au sol
vii
MAT
Phase de remplissage des grains
OMD
Objectifs du Millénaire pour le Développement
MOC
Mécanisme de mise en œuvre conjoint
PET
The Potential Evapotranspiration
PSP
Phase sensible au photopériodisme
RespMaint
Respiration de Maintenance
RPR
Phase reproductive (RPR « Reproductive period »
SARRA-H
Système d’Analyse Régional des Risques Agroclimatiques, Habillé
SBI
Organe subsidiaire chargé de la mise en œuvre de la Convention cadre des
Nations Unies sur les changements climatiques
SLA
Organe subsidiaire chargé de fournir des avis scientifiques, techniques et
technologiques
Specific Leaf Area
SURFER
Surface Mapping System (Logiciel de spatialisation de données)
Tmax
Température maximale
Tmin
Température minimale
Tmoy
Tr
Transpiration
TrPot
Transpiration potentiel
UNDP
United Nations Development Programm (Programme des Nations Unies pour
SBSTTA
le Développement)
UNFCCC
United Nations Framework Convention on Climate Change
viii
RESUME
Cette étude est menée dans le cadre du Projet Alliance Mondial Contre le Changement Climatique
(AMCC), qui est pour objectif de contribuer à l’amélioration des connaissances sur le changement
climatique en Afrique et fournir des arguments scientifiques aux négociateurs africains sur le climat. Des
analyses de la variabilité climatique et des simulations du rendement du mil aux élévations des températures
de 1 et de 2°C pour les horizons 2025 et 2050 respectivement ont été faite pour attendre l’objectif. Les
données de température et de la pluviométrique journalière de 1951 - 2010 sur 13 stations du CILSS ont été
utilisées pour l’analyse de la variabilité climatique. Les données climatiques de deux stations (Niamey,
Kayes) ont été utilisées à l’aide du logiciel SARRA-H version 3.2 pour les simulations du rendement du
mil. Les principaux résultats ont montré que les températures ont une tendance à la hausse sur la période
(1951-2010), avec une augmentation au cours des dernières décennies de 0.02 à 0.08°C par an en moyenne.
L’année 2010 s’est manifestée comme étant une année chaude dans toutes les stations considérées dans
cette étude. Il est évident que la variété précoce du mil (HKP) est sensible aux augmentations des
températures supérieures à 0,5°C et pour une élévation de 1°C, le rendement a baissé de 1.6 à 1.8% et pour
une élévation de 2°C, il a baissé de 2.4 à 9.5% par rapport aux températures actuelles à Kayes et à Niamey
respectivement. Les demandes climatiques (ETo) ont augmentées de 2 à 4% et les longueurs de la saison
ont raccourcis de 6 à 12 jours pour les mêmes augmentations des températures. Si les températures
augmentent de 1°C et de 2°C pour les horizons 2025 et 2050 respectivement, impliqueront des chutes
significatives de la production du mil qui affecteront parallèlement une bonne partie de la population rurale
du Sahel qui dépend en majeure partie du mil pour leurs survies. Pour cela, il sera souhaitable que le groupe
des négociateurs africains renforce leur position au niveau des négociations sur le changement climatique
et mettre l’accent sur l’adaptation et son financement et la réduction des GES par les pays d’Annexe 1 à un
niveau qui réduira l’augmentation des températures à moins de 2°C d’ici 2050.
Mots Clés : Changement Climatique, Variabilité Climatique, Rendement, Température.
SUMMARY
This study is carried out within the framework of the Global Climate Change Alliance (GCCA) project,
which aims at contributing to the improvement of climate change understanding in Africa and the provision
of scientific evidences to African negotiators on climate change. To attend the objective, climate variability
analyses and millet yield simulations at different temperature elevations of 1 and 2°C as projected in 2025
and 2050 respectively were done. Daily temperature and rainfall data (1951 – 2010) from 13 stations of
CILSS member countries was used for the climate variability analyses. As to the yield simulations, the
SARRA-H yield modeling software version 3.2 was used with climate data from two stations (Niamey,
Kayes). The main results obtained from this study showed that temperatures have taken an upward trend
during the period 1951-2010 with an annual average increment of 0.02 to 0.08°C over the last decades. It
was also clear that the year 2010 stands out as a hot year in all the stations considered in this study. It is also
evident that the early maturing millet variety (HKP) is sensitive to temperature increment of above 0.5°C. A
rise of 1°C, saw the yield dropped by 1.6 and 1.8% and at 2°C, it dropped by 2.4 and 9.5% compared to
yields at current temperatures at Kayes and at Niamey respectively. The Potential Evapotranspiration (PET)
has increased by 2 and 4% and the growing length of the season has also shortened by 6 and 12 days for the
same temperatures increments. If temperatures rise by 1°C and 2°C by 2025 and 2050 respectively, a
significant drop in millet production is expected within the Sahel zone which could affect the rural
population who depends mostly on millet for their livelihood. It is therefore, advisable that African
negotiators strengthen their position at climate change negotiations by emphasizing on adaptation and its
financing and on the reduction of greenhouse gases emissions by Annex 1 member countries to a level that
would maintain temperatures rises to below 2°C by 2050.
Key Words: Climate Change, Climate Variability, Yield, Temperature.
ix
1. INTRODUCTION
Le climat peut être défini comme étant les conditions moyennes de l'atmosphère d’une région
donné calculée sur les observations d’au moins 30 ans. Il a ses propres variations interannuelles
naturelles entre des périodes courtes ou plus longues comme ont montré les analyses des
climats passés. Cette variabilité naturelle du climat a évolué naturellement entre les périodes
climatiques chaudes et froides (périodes glaciaires et inter glaciaires). Cette tendance naturelle,
a été modifiée par les activités humaines depuis le début de la révolution industrielle en 1854
(GIEC, 2007) avec une tendance à la hausse des températures globales (atmosphérique et
océanique) en raison d'une concentration accrue de CO2 et d'autres gaz dans l'atmosphère
conduisant à un réchauffement climatique, également appelé réchauffement planétaire, ou
réchauffement global (SARR, 2011).
Ces changements du climat mondial, sont attribués avec un degré de certitude d’une probabilité
supérieure à 95% aux activités humaines (GIEC, 2007). Les modèles climatiques sont
relativement concordants sur les projections des températures en Afrique et il est probable
qu’au cours de XXIème siècle le réchauffement climatique en Afrique sera plus important
qu’au niveau mondial (GIEC 2007). Cette hausse de la température moyenne entre 1980/99 et
2080/99 s’échelonnera entre 3°C et 4°C sur l’ensemble du continent soit 1,5 fois plus qu’au
niveau mondial. Cette hausse sera moins forte au sein des espaces côtiers et équatoriaux
(+3°C) et plus élevée dans la partie ouest du Sahel (+4°C) (SARR, 2011).
La plupart de l'Afrique en général et le Sahel en particulier, dépendent de l'agriculture pluviale
(BOAD, 2010 ;FPA, 2007), qui dépend lui-même du climat (Bruce. et al., 2001). Les
implications du changement climatique pour l’Afrique, sont sans doute très nettes et
importantes, alors qu’il est évident que c’est le continent qui contribue le moins (3.8%) aux
émissions des Gaz à effets de serre (GES) (William, 2009 ; BOAD, 2010) par rapport aux
émissions mondiales. Les conséquences des changements climatiques constituent une menace
importante pour la croissance et le développement durable en Afrique et la réalisation des
Objectifs du Millénaire pour le Développement (OMD) (FPA, 2007 ; Inoussa, 2010). Selon le
GIEC (2007), d’ici 2020, 75 à 250 millions de personnes devraient souffrir d’un stress
hydrique accentué par les changements climatiques et dans certains pays, le rendement de
l’agriculture pluviale pourrait chuter de 50 %. Il est aussi prévu que la production agricole et
l’accès à la nourriture seront durement touchés dans de nombreux pays, avec de lourdes
conséquences en matière de sécurité alimentaire et la malnutrition.
1
Pour l’Afrique donc, sa stratégie principale dans le domaine de changement climatique est de
s’adapter aux effets négatifs et de valoriser les effets positifs des changements climatiques,
néanmoins l’intégration des mesures d’atténuation au développement sont aussi encouragés.
C’est dans ce sens que la Conférence Ministérielle Africaine sur l’Environnement (CMAE) a
mis l’accent sur les changements climatiques lors de sa douzième session tenue à Johannesburg
en Afrique du Sud en juin 2008, où les discussions ont abouti à un ensemble d’actions et
d’interventions politiques reconnues sous la dénomination Action de la CMAE sur les
changements climatiques en Afrique.
Lors des négociations sur les changements climatiques à la CdP-15 à Copenhague 2009,
l’Afrique a pris une position commune initiée par les chefs d’états africains pour défendre ses
intérêts. En fait, en tant que région, elle était considérée comme probablement la région la plus
unifiée (Merwe, 2009). Les demandes du groupe africain à la Cdp-15 ont été les suivantes :
Une compensation financière pour les pertes de ressources naturelles, économiques et
sociales causées par des activités industrielles historiques des pays développés,
Le respect de la Convention (CCNUCC) sur son principe des responsabilités communes
mais différentiées,
Le maintien des négociations à deux voies, c'est-à-dire, distinguer le Protocole de Kyoto
et la Convention (Hoste, 2009)
L’Afrique pour renforcer sa position dans les négociations sur le climat au niveau mondial a
besoin de résultats concrets et scientifiquement fiables sur les impacts potentiels des
changements climatiques sur les secteurs clés des vies humaines notamment l’agriculture. Il
s’agit de connaître le niveau d’impact du changement climatique sur la production des cultures
et les facteurs climatiques associés aux impacts à l’aide de la modélisation et l’analyse de la
variabilité du climat.
Cette mémoire a été réalisé dans le cadre du projet Alliance Mondial Contre le Changement
Climatique (AMCC), dans l’option de renforcer les capacités de négociations sur le climat et
les d’accès aux mécanismes de financement carbone en Afrique de l’Oust. L’objectif principal
de ce mémoire de fin d’étude de Mastère en Changement Climatique et Développement
Durable (CCDD) est de contribuer à l’amélioration des connaissances sur le changement
climatique. Il s’agit de fournir des arguments scientifiques aux négociateurs Africains sur le
climat en faisant des analyses de la variabilité climatique dans la zone du CILSS et des
simulations de rendements du mil aux différentes élévations de températures, afin d’évaluer les
impacts des hausses des températures sur la productivité de la culture du mil. Ces résultats
2
seront utilisés comme des arguments à apporter en faveur des négociateurs africains sur le
changement climatique.
Dans cette étude, il s’agira dans un premier temps de faire une introduction. Ensuite nous
ferons une étude bibliographique de l’état des connaissances sur les processus des négociations
sur les changements climatiques et leurs impacts sur les cultures. Ensuite, nous présenterons
respectivement les objectifs de cette étude, les matériels et les méthodologies que nous
utiliserons.
Avant d’aborder la conclusion, nous exposerons également les résultats des objectifs
spécifiques de cette étude et aussi quelques arguments basés sur les résultats obtenus et
destinées au groupe des négociateurs Africains sur les changements climatiques.
3
2. ETAT DES CONNAISSANCES SUR LES PROCESSUS DES
NEGOCIATIONS SUR LE CHANGEMENT CLIMATIQUE ET LES
IMPACTS DES TEMPERATURES SUR LES CULTURES
Depuis les années 1990, la question du changement climatique préoccupe tout le monde en
particulier les scientifiques et les politiques (DIEYE, 2011). Ce qui a abouti depuis des années
à plusieurs rencontres des organisations internationales sur le climat pour apporter des réponses
à cette problématique qui affecte les conditions de vie des populations à travers des
négociations internationales. Pour apporter des preuves scientifiques des changements
climatiques, l’Organisation Mondiale de la Météorologie (OMM) et le Programme des Nations
Unies pour l’Environnement (PNUE) avaient crée en 1988, le Groupe d’experts
Intergouvernemental sur l’évolution du climat (GIEC) chargé de rassembler et d’évaluer les
données scientifiques sur ce sujet (DIEYE, 2011).
Les processus historiques des négociations sur les changements climatiques au plan
international, ont commencés par l’adoption le 9 mai 1992 à New York, du texte de la
Convention Cadre des Nations Unies sur les Changements Climatiques (CCNUCC). Cette
convention est un traité non contraignant engageant seulement les Parties à coopérer ensemble
pour stabiliser les émissions de gaz à effet de serre à un niveau qui ne met pas en péril le climat
mondial (DIEYE, 2011). La convention est aussi liée à d’autres réalités politiques nationales et
internationales, telles que la pauvreté et les questions de coopération Nord-Sud (DIEYE, 2011).
La CCNUCC ratifiée en 1994, est la plus importante initiative prise au niveau mondial pour
lutter contre les changements climatiques (Murphy, 2009), car elle prévoit la possibilité de
conclure de nombreux partenariats et accords pour atteindre l’objectif fixé. Un de ces accords
est le Protocole de Kyoto, négocié sous les auspices de la CCNUCC, (Williams, 2009). Son
principal objectif cependant, est «de stabiliser les concentrations de gaz à effet de serre dans
l’atmosphère à un niveau qui empêche toute perturbation anthropique dangereuse du système
climatique» (Article 2) (Williams, 2009 ; Murphy, 2009). Ce niveau n’était pas explicitement
défini par la Convention, mais il conviendra d’atteindre ce niveau dans un délai suffisant pour
que les écosystèmes puissent s’adapter naturellement aux changements climatiques, que la
production alimentaire ne soit pas menacée et que le développement économique puisse se
poursuivre d’une manière durable (Williams, 2009).
La convention dans sa forme initiale n’était pas contraignante pour les pays engagés à la
convention à propos de la réduction de leurs émissions des Gaz à Effet de Serre (GES).
4
Cependant elle a été complétée plus tard par le Protocole de Kyoto en 1997 à CdP-3 à Kyoto,
Japon pour fixer de manière concrète et contraignante la réduction des émissions des six (6)
principaux gaz à effet de serre les plus importants (DIEYE, 2011; Guide de Négociation, CdP17 et CRP-7, 2011).
Cependant il était rapidement manifesté que les pays développés sont en voie de manquer
l’objectif volontaire de la CCNUCC. Il est devenu clair que les engagements volontaires pris
en vertu de la CCNUCC constituaient le principal point faible de celle-ci, les parties ont
convenu, en 1995, de travailler à un accord (le Protocole de Kyoto) contraignant pour
compléter la convention. Ce Protocole est rentré en vigueur le 16 février 2005, après sa
ratification par la Fédération Russe en 2004 (Williams, 2009; Murphy, 2009).
Le Protocole de Kyoto, entré en vigueur en 2005, établit des objectifs juridiquement
contraignants de réduction des émissions de gaz à effet de serre (GES) pour les pays
développés et la Communauté Européenne. Ces objectifs représentent une réduction de cinq
pour cent (5%) de GES (Article 3 du protocole) par rapport aux niveaux de 1990 au cours
d’une période d’engagement de cinq ans allant de 2008 à 2012. La principale différence entre
la Convention et le Protocole est que la Convention encourage les pays développés à stabiliser
leurs émissions de GES, tandis que le Protocole oblige ces pays à prendre des engagements à
cet effet (Murphy, 2009, Williams, 2009).
La première période d’engagement au Protocole de Kyoto prenant fin en 2012, les Parties ont
entamé des négociations internationales pour parvenir à un accord sur l’ensemble des moyens à
mettre en oeuvre pour aborder la question des changements climatiques après 2012 (Williams,
2009).
Les négociations sur le Protocole de Kyoto ont été longues et difficiles, car sa mise en œuvre
est directement liée à la croissances et la stabilités économiques des pays de l’ Annexe I et pour
tenir compte des inquiétudes de pays développés (Annexe I) quant aux dépenses à engager
pour atteindre leurs cibles et de répondre aux besoins des pays en développement en terme de
croissance et de richesse plus durable. Le Protocole comporte trois mécanismes:
Le mécanisme de développement propre (MDP) qui permet aux pays développés
d’acquérir des crédits en lançant des projets de réduction vérifiable des émissions dans
les pays en développement.
5
Le mécanisme de mise en œuvre conjoint (MOC) qui permet aux pays développés
d’acquérir des crédits en lançant des projets dans d’autres pays développés ou dans des
pays en transition vers une économie de marché.
Un mécanisme international d’échange de droits d’émission (EDE) également mis au
point pour réduire les coûts. Il permet à un pays qui trouve trop coûteux de réduire ses
émissions d’acheter des crédits à un pays à qui la réduction a coûté moins cher.
Beaucoup de pays élaborent aussi des mécanismes d’échange nationaux (Williams,
2009).
Le Protocole de Kyoto établissait un cadre d’action, mais les détails des règles applicables à ce
cadre restaient à définir au profit des négociations ultérieures. Suite à l’impasse des
négociations à la CdP6, en novembre 2000, principalement sur la question des puits, une
seconde réunion de la CdP6, en juillet 2001, a permis d’arriver à un compromis qui a été
officialisé à la CdP7 de Marrakech, en octobre 2001 (Accords de Marrakech) détaillant le
fonctionnement du Protocole (Murphy, 2009).
Le Plan d’Action de Bali appelé aussi la feuille route de Bali, amorcé en décembre 2007 à Bali,
Indonésie (CdP13), a mis en place un processus de deux ans dont le but est de conclure un
accord sur le climat. La quatorzième Conférence des Parties (CdP-14) à la CCNUCC,
organisée à Poznan (Pologne) en décembre 2008, a marqué le point de mi-parcours entre
l’adoption du Plan d’action de Bali et de la CdP-15 organisée à Copenhague en décembre 2009
où l’on prévoyait l’adoption d’un accord global post -2012 sur le climat.
N’étant pas
parvenues à un accord détaille à Copenhague, les Parties se sont néanmoins entendues pour
faire progresser les négociations sur un régime post-2012 avant la CdP-17 et la 7ème
Conférence des Parties agissant comme Réunion des Parties au Protocole de Kyoto (CRP-7) à
Durban (Murphy, 2009, Guide de Négociation CdP-17 et CRP-7, 2011).
Au sein des négociations mondiales sur le changement climatique dans le cadre de la
CCNUCC certains pays ou régions, pour mieux défendre leurs intérêts se sont formés en
groupe ou en bloc de négociations et un des cas d’exemple celui de l’Afrique.
Compte tenu des défis majeurs que la variabilité et le changement climatique posent aux pays
africains, la Conférence Ministérielle Africaine sur l’Environnement (CMAE) a mis l’accent
sur les changements climatiques lors de sa douzième session tenue à Johannesburg en Afrique
du Sud en juin 2008, où les discussions ont abouti à un ensemble d’actions et d’interventions
politiques reconnues sous la dénomination Action de la CMAE sur les changements
6
climatiques en Afrique. Ce travail s’appuie sur la décision 2 sur les changements climatiques
prise par la Conférence ministérielle à sa douzième session (un cadre global des programmes
africains en matière de changements Climatiques).
A cet effet, une réunion consultative du Groupe Africain de négociateurs, organisée à Alger en
novembre 2008, a marqué une étape importante. Au cours de cette réunion, le groupe de
négociateurs africains a produit un document intitulé «Plaforme africaine sur le climat dans
la perspective de Copenhague» (Plateforme d’Alger), qui contient une synthèse des positions
précédemment adoptées par le Groupe africain de négociateurs durant plusieurs réunions
régionales et internationales depuis Naivasha (Kenya), Abuja (Nigeria), Alger (Algérie)
jusqu’à Poznan (Pologne) décembre 2008. La Plateforme d’Alger couvrait la position
Africaine commune sur les questions relatives suivantes:
(a) le Groupe de travail spécial sur les nouveaux engagements des Parties visées à l’Annexe I
sous le Protocole de Kyoto ;
(b) Le Groupe de travail spécial sur l’action coopérative à long terme dans le cadre de la
Convention Plan d’Action de Bali et
(c) l’Organe subsidiaire chargé de fournir des avis scientifiques, techniques et technologiques
(SBSTTA30), l’Organe subsidiaire chargé de la mise en œuvre de la Convention cadre des
Nations Unies sur les changements climatiques (SBI 30); la Conférence des Parties à la
CCUNCC et la Conférence des Parties tenant lieu de réunion des Parties au Protocole de Kyoto
(Union Africain, AMCEN, 2009)
Les interventions de la CMAE, ont inclus des forums organisés à la fois pour les négociateurs
et pour les experts, la fourniture d’articles techniques, des notes d’orientation, des fiches
d’information, la provision d’exposés politiques et juridiques, des activités de sensibilisation
sur le changement climatique, et la prise en charge de certains experts africains à ces
discussions autour du changement climatique organisées dans divers pays depuis mai 2009.
A la CdP-15 tenu à Copenhague en 2009, l’Afrique espérait que les négociations aboutiront à
des conclusions inclusives, justes et efficaces accordant la priorité à l’adaptation et à
l’atténuation et reconnaissant que l’Afrique a besoin d’un appui urgent dans la mise en œuvre
de l’adaptation (Union Africain, AMCEN, 2009).
Les messages clés des négociateurs Africains destinés à la Cdp 15 à Copenhague en tant
qu’une position commune ont été sur les points suivants:
7
La vision commune (Plan d’Action de Bali)
Adaptation et moyens de mise en œuvre
Atténuation et moyens de mise en œuvre
Financements, transferts de technologies et renforcement de capacités
Modification du protocole de Kyoto (Article 3.9)
Questions des organes subsidiaires
A la même CdP-15, la position africaine était pour la réduction des émissions des GES par les
pays développés à au moins 40% d’ici 2020 et entre 80% à 95% d’ici 2050 et une stabilisation
de la température mondiale à 1.5 degré Celsius. Mais durant la CdP-15, ces propositions ont
été rejetées par les pays développés et ceux-ci ayant opté pour un objectif global de 2 degrés
Celsius (Union Africain, AMCEN, 2009).
Lors de sa quatrième session extraordinaire, tenue à Bamako (Mali), du 15 au 16 septembre
2011, la Conférence Ministériel Africaine (CMAE) sur l’environnement, dans sa déclaration a
convenu que la position commune africaine sera étayée continuellement par de nouvelles
conclusions, y compris les meilleures informations scientifiques, économiques et techniques
disponibles et, à cet égard, d’inviter les institutions, les centres d’excellence africains, la
Commission de l’Union africaine, la Banque africaine de développement, le Programme des
Nations Unies pour l’environnement, la Commission économique pour l’Afrique, le Centre
africain des politiques sur le climat et d’autres partenaires au développement, notamment la
Banque mondiale, à soutenir l’élaboration du programme de recherches à l’appui de la position
commune africaine (CMAE, 2011).
L'Afrique est probablement le continent le plus vulnérable au changement climatique et la
variabilité climatique, non seulement en raison de sa dépendance du climat de plusieurs de ses
activités économiques notamment l'agriculture mais aussi en raison de la présence d'autres
contraintes outre que le changement climatique, tels que la croissance rapide de la population
et la dégradation des terres (Matthews et al.2007,Knox et al., 2011). En outre, en raison de la
pauvreté généralisée et d'autres facteurs socio-économiques, elle a une faible capacité
d'adaptation par rapport à d'autres continents (Matthews et al.2007).
Le changement climatique tel que prévu, est susceptible d'avoir un impact négatif sur la
production agricole en raccourcissant la saison pluvieuse et en réduisant les précipitations, qui
vont à leur tour affecter la sécurité alimentaire de la région.
8
La hausse des températures et la diminution des disponibilités en eau et le raccourcissement de
la saison pluvieuse pourraient réduire la potentialité des rendements des cultures en Afrique, en
particulier le long des marges des zones semi-arides et arides, en outre nuire à la sécurité
alimentaire sur le continent (Matthews et al.2007).
Par exemple, en 2100, des pertes allant de 27% du PIB sont prévues dans certaines parties du
Sahara, 24% en Afrique occidentale et centrale. Dans certains pays, les rendements de
l'agriculture pluviale pourraient être réduits jusqu'à 50% (Matthews et al.2007)
La production de blé, en particulier, pourrait arrêter de l'Afrique d'ici 2080. D'autres études ont
indiqué que la production de maïs en Afrique australe est susceptible d'être considérablement
réduite. En Egypte, par exemple il a été prévu une diminution de la production nationale de
nombreuses cultures (allant de 11% pour le riz à 28% pour le soja) en 2050 par rapport à leur
production dans les conditions climatiques actuelles du fait du changement climatique
(Matthews et al.2007)
La température et le CO2 sont deux paramètres importants liés au changement climatique
combinés avec la variabilité des pluies, ils représentent une menace sérieuse pour les
développements et les rendements des cultures (Tripathy. et al., 2006, Inoussa, 2010, Sarr et
Traoré, 2011). Des études récentes du CILSS/Agrhymet (Sarr et Traoré, 2011) et en Inde
(Tripathy et al., 2006, Knox et al., 2011) ont aussi montré que les rendements des cultures
comme le mil, le sorgho, le maïs, riz et le blé peuvent baisser de plus de 10 % avec une
moyenne de variations de -7.7% dans le cas de l’augmentation des températures allant de 1°C
jusqu’à 5°C . Les études ont aussi montré que le blé était la culture la plus sensible aux
augmentations des températures et le maïs la moins sensible. (Tripathy et al., 2006, Abrol et
Ingram, 1997).
Les augmentations des températures peuvent avoir des effets positifs et négatifs sur les
rendements, le développement et la productivité des cultures, cependant l'ampleur peut varier
selon les différentes régions du globe (Inoussa, 2010).
Les plantes sont immobiles et doivent donc s'adapter aux conditions dominantes du sol et du
milieu naturel. Les plantes ont mis au point plusieurs mécanismes qui leur permettent de tolérer
de plus hautes températures. Ces mécanismes adaptatifs (thermotolérant) reflètent
l'environnement dans lequel une espèce a évolué et ils dictent grandement l'environnement
dans lequel une culture peut se développer ( Abrol et Ingram, 1997).
9
Les températures jouent egalement un rôle important dans les métabolismes et la croissance
cellulaire des cultures. Comme exemple, les températures qui inhibent le métabolisme et la
croissance cellulaires pour une espèce (C3) d’une saison froide comme le blé peuvent ne pas
inhiber des espèces (C3) d’une saison chaude comme le riz (Oryza sativa L.) et C4 comme le
sorgho, le maïs (Zea mays L.) et la canne à sucre (Saccaharum spontaneum spp) (Abrol et
Ingram, 1997). Cependant, de grandes vitesses photosynthétiques à hautes températures ne
supportent pas nécessairement de grandes vitesses d'accumulation de matière sèche. Une
augmentation de température moyenne de 1 à 2°C n'aura probablement pas un impact
substantiel sur les vitesses de photosynthèse foliaire (Abrol et Ingram 1997).
Les températures aussi jouent des rôles importants dans la productivité des cultures soit de
manière positive ou négative dépendant de la zone écologique. A titre d’exemple, à + 2°C, on
note une baisse du rendement en grains du maïs de plus de 5 % en zone tropicale, alors que
ceci pourrait être bénéfique pour le rendement du maïs dans la zone tempérée (Sarr et Traoré,
2011).
Certaines plantes comme le riz, dont le système photosynthétique permet de valoriser quelque
peu les teneurs élevées de CO2, dans l’atmosphère, une certaine augmentation des rendements
de l’ordre 10 à plus de 35 % pourrait être observée au cours des prochaines décennies si les
ressources en eau sont suffisantes, mais à plus long terme, l’effet dépressif des hautes
températures va compenser cet « effet fertilisant » de CO2 et on assistera donc à la diminution
des rendements de riz (Sarr et Traoré, 2011, Inoussa, 2010, Bruce et al., 2001, Abrol et Ingram,
1997, Chameides, 2009). Il a été constaté qu’avec 1 degré de réchauffement, à peu près 65%
du maïs actuellement cultivé en Afrique va subir des pertes de rendement dans des conditions
optimales de la pluviométrie et en conditions de sécheresse, 75% des zones peuvent s'attendre
à des baisses de rendement d'au moins 20%.
En moyenne les prédictions des pertes de production en 2050 pour les cultures africaines sont:
le maïs 22%, le sorgho 17%, le mil 17%, l'arachide 18%. En Afrique, les impacts seront les
plus durement ressentis dans le sud Sahel africain (Schlenker et Lobell, 2009).
Dans un autre sens les températures extrêmes peuvent aussi affecter la productivité des
cultures. Il y a deux formes principales de stress de températures extrêmes sur les cultures, la
chaleur et le froid. Une augmentation des températures globales peut avoir l'un ou les deux de
ces effets intenses; un stress plus fréquent de haute température et un stress moins fréquent de
température froide (Abrol et Ingram, 1997, Chameides, 2009)
10
Une température accrue affecterait aussi le calendrier des cultures en région tropicale (Abrol et
Ingram, 1997, Roberts, 2011). Cependant, aux tropiques, le réchauffement global, quoique
prédit de faible ampleur, réduirait probablement la longueur de la saison de croissance
effective, particulièrement là où l'on fait plus d'une culture par an (Abrol et Ingram, 1997, Sarr
et Traore, 2011). En régions semi-arides et dans d'autres zones agro-écologiques où il y a une
large variation des températures diurnes, les modifications relativement petites des
températures annuelles moyennes élèveraient de façon marquée la fréquence des lésions dues
aux plus hautes températures. Par exemple, la température du couvert végétal est plus haute de
10 à 15°C chez le coton. Donc, le réchauffement global réduirait l'accumulation de matière
sèche chez le coton cultivé en sec à cause d'une respiration accrue et d'une photosynthèse et
d'énergie cellulaire réduite (Abrol et Ingram, 1997).
Les effets aigus d'une température élevée sont les plus frappants quand le stress de chaleur se
produit pendant la floraison. Chez le riz, le stress de chaleur à l'anthèse empêche la déhiscence
des anthères et l'éjection du pollen, ce qui réduit la pollinisation et le nombre de grains. En
clair, beaucoup de cultures en régions tropicales sont déjà soumises au stress de chaleur. Si les
températures montent plus haut, la défaillance des cultures dans certaines régions
traditionnelles deviendrait de plus en plus courante (Abrol et Ingram, 1997).
11
3. OBJECTIFS DE L’ETUDE
L’objectif de l’étude est de fournir des arguments scientifiques aux négociateurs africains sur le
climat.
Les objectifs spécifiques assignés à cette étude visent :
•
faire de l’état des connaissances sur le processus des négociations sur le changement
climatique et les impacts des hausses des températures sur les plantes de culture;
•
à analyser la variabilité, des tendances et des extrêmes du climat avec des données
météorologiques historiques;
•
analyser les impacts des hausses des températures sur les paramètres agroclimatiques
(ETP, besoin en eau des cultures, phénologies des cultures, paramètres de la saison);
•
enfin proposer des arguments en faveur des négociateurs africains sur le changement
climatique.
12
4. MATERIELS ET METHODES
4.1 Données
4.1.1 Données météorologiques
Nous avons utilisé dans cette étude les données climatiques de 1961 à 2010 (pluviométrie
journalière, températures maximales et minimales journalières, évapotranspiration journalière,
l’insolation journalière, et humidité relative moyenne journalière) de 6 pays (Gambie, Burkina
Faso, Mali, Niger, Tchad) représentant le CILSS (figure 1). Les données proviennent des
bases de données des pays et du Centre Régional AGRHYMET (CRA). Il s’agit des stations
suivantes:
Yundum Airport pour la Gambie;
Bobo-dioulasso, Ouagadougou et Dori pour le Burkina Faso;
Ségou, Sikasso et Kayes pour le Mali;
Gaya, Niamey aéroport et Tahoua pour le Niger ;
Kaolack, Tamba et Kolda pour le Sénégal;
Njamena pour le Tchad
25
20
Kayes
15 Kaolack
Tamba
Yundum
Kolda
Tahoua
Dori
Niamey
Ségou
Ouagadougou
Sikasso
Bobo
Njamena
10
-15
-10
-5
0
5
10
15
20
Figure 1: Localisation spatiale des stations choisis pour cette étude
13
4.1.2 Données agronomiques
Nous avons aussi utilisé dans cette étude les données agronomiques suivantes :
La variété précoce du mil HKP;
Les caractéristiques du sol sableux paramétré pour le mil dans le logiciel SARRAH.
Les données agronomiques et les caractéristiques des sols proviennent du Centre Régional
AGTHYMET. Les données agronomiques des cultures et les données des caractéristiques de
sols sont utilisées avec logiciel SARRA-H version 3.2 pour les simulations des rendements du
mil.
4.2 Méthodes
4.2.1 Analyse de la variabilité, des tendances et des extrêmes du climat
Dans cette analyse, les données de températures maximales et minimales et de précipitions
provenant de 13 stations météorologiques dans 6 pays du CILSS ont été utilisées. D’abord nous
avons calculé les indices climatiques par station sur sa série de données (voir Annexe 1) pour
déterminer leur tendance évolutive. Ensuite un regroupement des stations à l’aide du logiciel
SPAD version 4.50 CISIA-CERESTA, 1987-2000 a été fait, qui nous a permis de sortir trois
groupes de stations et une station non groupée. Le premier regroupe 6 stations (Tamba,
Koalack, Tahoua, Dori Niamey, Kayes), le deuxième regroupe 3 stations (Sikasso,
Bobodiolasso, Kolda) et le troisième regroupe 3 trois stations (Ouagadougou, Ségou, Njamena)
(figure 2) et la station de Yundum qui se trouve dans une zone côtière. Ce regroupement a été
fait sur la base de 5 paramètres (moyenne : Tmax et Tmin, Tmax +Tmin, moyenne de Nuit
chaudes et Jour chauds) comme variables et les stations comme individus.
La méthode de calcul des indices climatiques de Lamb a été utilisée pour calculer les indices
des températures afin de déterminer leurs évolutions de 1951 à 2010. Une moyenne composite
a été d’abord calculée sur les températures maximales et minimales pour chaque groupe des
stations afin de calculer des indices Régionaux pour les deux paramètres et la station de
Yundum a été traitée individuellement.
La méthode de calcul de Lamb suivante a été utilisée pour déterminer les indices climatiques
des températures:
14
i sont l
es
Où Xj est l’indices calculé, rij est la valeur de variable mesurée en une année j à une station i, ri
et σi, sont les moyennes et écart-type des variables enregistrées à la station i et Nj est le nombre
de stations représentant des valeurs pour l’année j (OZER, 2007).
Les indices des extrêmes climatiques ont été déterminés en utilisant le logiciel Rclimdex
version 1.0 (Figure 3). Les indices dans tableau 1 et 2 sont des indices retenus pour cette
étude, ce sont des indices que nous avons utilisés dans la détermination des événements
climatiques extrêmes. Elles ont été calculées pour chaque zone climatique et par station.
Tableau 1: Les indices climatiques extrêmes de la température
ID
Nom indicateur
Définitions
TN90p
TX90p
WSDI
Nuits chaudes
Jours chauds
Indicateur de la durée
de séquence chaude
Pourcentage
percentile
Pourcentage
percentile
UNITES
des
jours
quand
TN>90ème Jours
des
jours
quand
TX>90ème Jours
6 jours consécutif quand TX>90ème percentile
Jours
Source : Zhang et Yang, 2004
Tableau 2: Les indices climatiques extrêmes de la pluviométrie
Nom indicateur
ID
Définitions
UNITES
Nombre de jours
de fortes
Compte annuel de jours quand PRCP>=10mm
Jours
précipitations
Jours très pluvieux Total annuel de PRCP quand RR>95ème
R95p
mm
percentile
PRCP : Précipitation
R10
Source : Zhang et Yang, 2004
La méthode de Lamb et le logiciel Rclimdex ont été utilisés afin de déterminer les variations et
les tendances évolutives du climat dans les zones d’étude pour la période 1951 à 2010.
15
Figure 2: Regroupement des stations à l’aide d’une analyses en composante principale
RClimDex version 1,0 est un logiciel conçu pour les calculs des indices de conditions
climatiques extrêmes. Il calcule 27 indices de base pour la détection des changements
climatiques. Son objectif principal est de la détection et la surveillance du changement
climatique. (Zhang et Yang, 2004).
Nous avons aussi, utilisé le logiciel Khronostat 1.01 2002 (figure 4) dans les analyses de séries
chronologiques des données, en choisissant la procédure de segmentation de Hubert. Cette
méthode a été utilisée principalement pour la détection des ruptures multiples dans les séries
des données observées de 1951 à 2010
Cette méthode consiste à découper la série en m segments (m >1) de telle sorte que la
moyenne calculée sur tout segment soit significativement différente de la moyenne du (ou des)
segment(s) voisin(s). Une telle méthode est appropriée à la recherche de multiples
changements de moyenne.
Cette procédure de segmentation peut être regardée comme un test de stationnarité. "La série
étudiée est supposée stationnaire" et constitue l'hypothèse nulle (Ho).
16
La stationnarité est en rapport avec la durée des observations. Si la procédure ne produit pas de
segmentation acceptable d'ordre supérieur ou égal à 2, alors l'hypothèse nulle est acceptée
(PATUREL et al., 2004) .
Figure 3: Menu principal de Rclimdex 1.0
Source : Xuebin Zhang et Feng Yang, 2004
Figure 4:Le logiciel Khronostat 1.01
Source : Paturel et al., 2004
17
4.2.2 Analyse des impacts des hausses des températures sur les paramètres
agroclimatiques (Rendement des cultures, ETo et la longueur de la saison);
Pour cette analyse, les données météorologiques de deux stations de deux pays ont été
utilisées. Il s’agit de la Station de Niamey Aéroport au Niger pour la période 1961-2010 et de
la station de Kayes au Mali également pour la période allant de 1978 à 2010. Le matériel
végétal également utilisé a été la variété du mil HKP (Haini Kirei précoce).
Avec le modèle biophysique SARRA-H, les rendements du HKP ont été simulés aux
différentes élévations (1 et 2°C) des températures à Niamey et à Kayes.
4.2.2.1 Matériel végétal
Le matériel végétal de l’étude est le mil, la variété HKP. Il s’agit d’une variété du Niger,
localement appelée Haini-Kirei Précoce (90-95 jours). Elle a été développée par l’Institut
National de la Recherche Agronomique du Niger (INRAN) et améliorée par sélection massale
par grille (GMS) pendant quatre générations par l’ICRISAT. C’est une variété à épis longs (55
à 60 cm) largement vulgarisée dans toutes les zones milicoles du Niger, son rendement
potentiel en grains peut atteint 1300 à 1800 kg/ha (Baki, 2010). La culture s’effectue sous une
pluviométrie variant entre 300 et 900 mm répartie sur 3 à 6 mois. Le mil est peu exigeant sur la
nature du sol. Il pousse sur tous les sols, à condition qu’ils ne soient pas imperméables. Les
sols favorables à la culture du mil sont les sols sableux. Le mil supporte les sols pauvres en
matière minérales et organiques (Baki, 2010).
4.2.2.2 Présentation du modèle biophysique SARRA-H
a) Structure et fonctions
Le modèle SARRA-H, est un modèle dynamique très simple, utilisé pour estimer l’impact d’un
scénario climatique sur une culture annuelle. C’est un modèle de croissance des cultures qui est
utilise en entrée des données journalières. Il permet de calculer les rendements potentiels de
toutes les cultures céréalières (mil, sorgho, maïs, riz pluvial).
Le modèle SARRA-H est fondé sur l’assimilation du carbone selon trois processus (Baki,
2010):
interception de la part photosynthétiquement active de l’énergie lumineuse;
conversion de la fraction du rayonnement intercepté en matière sèche;
répartition de la biomasse produite entre les différents organes de la plante
18
b) Paramètres liés au sol
SARRA-H intègre deux bilans de la plante et sa phénologie : le bilan hydrique et le bilan
carboné. A travers le bilan hydrique, SARRA-H prend en compte les apports d’eau (pluie et
irrigation) sur la base de modèles dits de types réservoirs. Il simule le flux d’eau par un
processus de remplissage, débordement de réservoirs qui symbolisent une unité homogène du
sol, au regard de l’évaporation et la transpiration. Les processus de remplissage, drainage et
ruissellement sont en liaison avec le sol, mais seuls les flux verticaux et descendants sont
actuellement simulés par SARRA-H. Deux types de réservoirs sont retenus dans SARRA-H
pour estimer l’eau disponible selon les processus d’évaporation, transpiration et stockage d’eau
accessible par les racines de la plante cultivée :
réservoir de profondeur variable en fonction du front d’humectation, il contient les
racines (prof. max) et permet d’évaluer l’offre en eau pour la transpiration ;
réservoir de surface permettant d’évaluer l’offre en eau pour l’évaporation.
La disponibilité de l’eau apportée dépend aussi du ruissellement qui peut occasionner des
pertes d’eau de 20 %, pour des pentes de sol de 1 %. Dans SARRA-H, on considère que
l’évaporation s’effectue sur un réservoir superficiel de 15 à 20 cm de profondeur. Elle dépend
donc de l’humidité de ce réservoir et, un coefficient "d’auto mulching" ou de "mulch" lui est
affecté. Ce coefficient, encore appelé coefficient de rugosité (Kmulch = ETM/ETo), permet de
réduire l’évaporation du sol (Baki, 2010).
c) Paramètres liés à la plante
Le modèle SARRA-H simule le bilan hydrique pour évaluer le devenir de l’eau dans le
système sol–plante–atmosphère. En effet, il exprime les besoins en eau du couvert végétatif du
mil selon la cinétique de développement foliaire et racinaire pondéré par l’état hydrique du sol
(Baki, 2010). Dans ce modèle, un couvert développé (LAI élevé) augmente les besoins en eau,
et l’impact du déficit hydrique sur l’accroissement de la biomasse est traduit par un indice de
satisfaction en eau de la plante (Tr/TrPot). SARRA-H tient compte des aspects suivants:
l’assimilation du carbone (modèle de bilan carboné) selon les processus :
d’interception de la part photosynthétiquement active de l’énergie lumineuse en
fonction du taux de couverture foliaire (1-ltr) selon la loi de Beer (εa) et de
conversion de la fraction de lumière interceptée en matière sèche. A cet effet, un
coefficient génétique (εb) de conversion de l’énergie interceptée, dépendant de
la transpiration relative de la plante, est utilisé pour la simulation du gain
19
journalier de biomasse (Biomgain). La biomasse cumulée correspond à la
biomasse totale (Biomtot).
BiomGain = 0,5 x RG x (1-LTR) x (εεb ) x 10 x (Tr/TrPot) – RespMaint
Biomtotj = Biomtotj - 1 + Biomgainj
Avec:
RG = radiation solaire en MJ m-² j-1 ; LTR = fraction de radiation non interceptée par le
couvert ; Tr/Trpot = transpiration réelle/transpiration potentielle = niveau de stress hydrique
physiologique ; εb = efficience de conversion de la radiation interceptée en g MJ-1 j-1,
RespMaint = respiration de maintenance ; 10 = facteur de conversion pour obtenir des kgha1j-1 à partir de RG en MJm-²j-1 et Kepsib en gMJ-1j-1.
la densité de semis ajustée par le taux de levée pour simuler la densité de population.
L’impact de la densité de semis sur le LAI est ainsi pris en compte dans le modèle
SARRA H qui tient aussi compte de la valeur initiale de biomasse (Biominitot, en kg
ha-1) dépendante de la densité du semis (nombre de grains ha-1 germés), de la fraction
de réserves mobilisables dans les grains et du poids sec moyen d’un grain.
la dynamique d’évolution de la biomasse totale en fonction des phases phénologiques et
de sa répartition entre les organes racinaires et aériens (feuilles, tiges, épis, grains). Une
approche allométrique et empirique est utilisée pour calculer la partition de la biomasse
totale (racines, feuilles) pour rendre le modèle moins complexe et plus robuste. Ainsi,
partant de la relation linéaire existante entre le rapport biomasse feuille (Biomfeuille) /
biomasse aérienne (BiomAéro) et la biomasse aérienne selon les stades de
développement des céréales, la biomasse foliaire était déduite de la biomasse aérienne.
le modèle SARRA-H gère la phénologie par la prise en compte des phases
phénologiques classiques du développement des céréales:
-
phase végétative (BVP),
-
phase sensible au photopériodisme (PSP),
-
phase reproductive (RPR),
-
phase de maturation des graines (MAT).
Toutes les phases sont considérées comme ayant une durée constante et sont exprimées
en temps thermique (Somtemp), sauf la PSP variable en fonction de la sensibilité de la
variété à la photopériode.
20
le modèle SARRA-H gère la mise en place de la surface foliaire à travers
l’indice de surface foliaire (LAI) déduit de la biomasse foliaire, en fonction de
la surface massique des feuilles ou "specific leaf area" (SLA) qui varie avec le
stade de développement ainsi que l’âge et l’épaisseur de la feuille. La SLA des
feuilles est un caractère variétal pouvant avoir des valeurs minimales et
maximales (SLAmax et SLAmin).
LAI = SLA x Biomfeuille
pour les composantes du rendement, SARRA-H tient compte du potentiel génétique
du rendement de la plante qui est déduit d'une fraction fixe de la biomasse aérienne.
Ce potentiel, dépendant de l’état de la plante surtout pendant la phase reproductive,
est souvent exprimé par l'indice de rendement ou "Harvest Index" (HI). Ainsi, le
rendement potentiel est obtenu par la différence des biomasses entre les stades de la
floraison (BiomtotStadeRPR) et d’initiation paniculaire (BiomTotStadeIp) multiplié
par un coefficient (Krdt) que l’on peut déduire de cet indice de récolte (Baki, 2010).
RdtPot = kRdt x (BiomTotStadeRPR - BiomTotStadeIp)
Avec: RdtPot = rendement potentiel
Du fait qu’à partir de la formation des grains, la production de biomasse s’oriente en priorité
vers les grains, le gain journalier en grain répond à un principe de compétition entre l’offre
(gain journalier de biomasse) et la demande (croissance des grains). Ainsi, si l’offre
(BiomGain) est supérieure à la demande, le rendement réel en grains est considéré égal au
rendement potentiel (DayRdtPot) et le reste de l’offre est orienté vers les feuilles et les tiges.
Par contre, si BiomGain est inférieur à la demande (DayRdt) pour la croissance des grains, il
n’y a pas de croissance végétative et le déficit (Restcrois) est comblé par une réallocation des
réserves (Krealloc) vers les graines au détriment des feuilles. Cette réallocation est toujours
inférieure au manque d’assimilat (Krealloc) :
Restcrois = BiomGain – DayRdtPot
Si Restcrois est supérieur ou égal à 0, alors DayRdt = DayRdtPot ; Sinon, DayRdt =
BiomGain – Restcrois x Kreallocation
C’est ainsi que l’évolution du rendement est calculée par la relation suivante :
Rdtj = Rdtj - 1 + DayRdtj
21
C’est sur cette base que le modèle SARRA-H simule les rendements potentiels (rendements
obtenus dans des bonnes conditions agronomiques en station) et les rendements réels
(obtenus en milieu paysan) des cultures céréalières comme le mil (Baki, 2010).
4.2.2.3 Les impacts de la hausse des températures sur l’ETo
Les demandes climatiques (ETo) ont été générées par le logiciel INSTAT 3.36 avec des
données des températures maximales et minimales, humidités maximales et minimales,
insolation et vitesse du vent en utilisant la formule de Penman-monteith. L’impact des hausses
températures sur l’Eto a été déterminé en comparant les ETo générées à 1 et 2°C avec ceux
générées avec les températures actuelles.
Elle a été calculée à l’aide de la formule FAO & Penman (Coulibaly, 2010):
ETo = [0.408∆(Rn – G) + γ * 900*u2 (es – ea)/T+ 273] /∆+γ (1+ 0.34 u2)
Avec:
ETo : évapotranspiration de référence (mm/j);
Rn : Radiation nette à la surface du couvert (MJ/m2/Jour) ;
G : densité du flux de chaleur du sol (MJ/m2/Jour) ;
T : température moyenne à 2m du sol (ºC) ;
U2 : vitesse du vent à 2m du sol (m/s) ;
es : tension de vapeur saturante (KPa) ;
ea : pression partielle de vapeur ;
es - ea : déficit de saturation de l’air (KPa) ;
∆ : pente de la courbe de la tension de vapeur saturante en fonction de la température de l’air
(KPa/ºC) ;
γ : constante psychrométrique (KPa/ºC), 0.66mb/ºC ;
900 : terme correctif.
22
4.2.2.4 Les impacts de la hausse des températures sur la longueur de la saison
L’effet des hausses températures sur la longueur de la saison a été déterminé en générant à
l’aide du
logiciel INSTAT 3.36 des longueurs de saisons aux différents niveaux de
l’évaporation. Les évaporations annuelles ont été calculées sur la série de chaque station pour
des élévations de 1 et 2°C des températures. Ensuite les longueurs de la saison générées avec
les moyennes de chaque élévation ont été comparées avec ceux générées avec l’évaporation
actuelle (ETo).
4.2.2.5 Les impacts de la hausse des températures sur le rendement des cultures
Pour évaluer les impacts des hausses de températures sur la productivité des cultures du mil,
nous avons procédé à des simulations de rendements du mil aux différentes élévations des
températures. 1°C pour l’horizon 2025 et 2.0°C pour l’horizon 2050 (SARR et Traoré, 2009).
Pour le faire le logiciel SARRA-H version 3.2 a été utilisé.
Deux stations météorologiques ont été utilisées pour cette étude en fonction de la disponibilité
des données météorologiques journalières (températures maximales et minimales, humidité
relative maximale et minimale, insolation, vent) complètes sans les valeurs manquantes:
Niamey Aéroport au Niger
Kayes au Mali
Les rendements ont été premièrement générés avec les températures actuelles, ensuite nous
avons ajusté 1 et 2°C sur les températures actuelles et pour enfin refaire les simulations. Les
rendements générés aux élévations de 1 et 2°C ont été comparés avec les rendements générés
avec les températures actuelles, afin de déterminer les écarts entre les rendements attribuables
aux hausses des températures.
4.2.3 Propositions des arguments en faveur du groupe des négociateurs africaines sur le
changement climatique
Les résultats obtenus dans cette étude seront présentés comme des arguments destinés à
contribuer au renforcement de la position africaine dans les négociations globales sur les
changements climatiques. Les résultats particulièrement considérés sont ceux des simulations
de rendements aux différentes élévations des températures et les analyses de la variabilité
climatique au Sahel.
23
5. Résultats
5.1 Analyses de la variabilité, des tendances et des extrêmes du climat
5.1.1 Variations interannuelles des températures
Les figures 5, 6, 7 et 8 montrent les évolutions des indices des températures maximales et
minimales par rapport à la moyenne de 1951 à 2010 dans les stations de Groupe 1, de Groupe
2, de Groupe 3 et à la station de Yundum (cf. page 14) .
Dans cette évolution on remarque en général 2 périodes distinctes sur la série 1951-2010 aussi
bien pour la température minimale que pour la température maximale sauf à groupe 1 où on
trouve trois périodes des anomalies sur les températures maximales.
Pour ce qui concerne la température minimale, la période des anomalies négatives se situe
entre 1951 à 1979 suivie par une deuxième période allant jusqu'à 2010 des anomalies positives
et constamment plus élevées que la moyenne 1951 - 2010.
On constate en général, la même tendance pour température maximale (1er période 1951 à
1990) pour les groupes 2 et 3 et une deuxième période des années alternées des anomalies
positives et négatives (1967 à 1999) à groupe 3.
Cette analyse indique donc que les températures ont augmentées d’une façon soutenue à partir
des années 1990 sur toutes les stations d’observation concernées par cette étude.
Indices Groupe 1
Indices Tmin
A
Tmin Groupe 1
Moy. mobile sur 5 pér. (Indices Tmin)
2.50
2.00
1.50
1.00
0.50
0.00
-0.50
-1.00
-1.50
-2.00
-2.50
2.00
1.50
0.50
In d ic e s
Moy. mobile sur 5 pér. (Indices
Groupe 1)
In d ic e s
1.00
B
Tmax Groupe 1
0.00
-0.50
-1.00
-1.50
-2.00
19
5
19 1
55
19
5
19 9
6
19 3
6
19 7
71
19
7
19 5
7
19 9
8
19 3
8
19 7
91
19
9
19 5
9
20 9
0
20 3
07
19
5
19 1
5
19 5
5
19 9
63
19
6
19 7
7
19 1
7
19 5
7
19 9
8
19 3
8
19 7
91
19
9
19 5
9
20 9
0
20 3
07
-2.50
Années
Années
Figure 5: Indices de lamb de la température minimale (A) et de la température maximale (B)
des stations du Groupe 1
(Dori, Kayes, Tahoua, Kaolack, Tamba Niamey)
24
Série1
A
Tmin Groupe 2
B
Tmax Groupe 2
Moy. mobile sur 5 pér.
(Série1)
Indices
Moy. mobile sur 5 pér. (Indices)
1.50
2.50
2.00
1.50
1.00
0.50
0.00
-0.50
-1.00
-1.50
-2.00
-2.50
1.00
In d ic e s
In d ic e s
0.50
0.00
-0.50
-1.00
-1.50
19
5
19 1
55
19
59
19
6
19 3
67
19
71
19
75
19
79
19
8
19 3
87
19
91
19
95
19
99
20
03
20
07
19
5
19 1
5
19 5
59
19
6
19 3
6
19 7
7
19 1
7
19 5
7
19 9
8
19 3
8
19 7
9
19 1
9
19 5
9
20 9
0
20 3
07
-2.00
Années
Années
Figure 6: Indices de lamb de la température minimale (A) et de la température maximale (B)
des stations du Groupe 2
(Kolda, Bobodiolasso, Sikasso)
Indices Groupe 3
Indices
Tmin groupe 3
Moy. mobile sur 5 pér. (Indices)
2.50
2.00
1.00
In d ic e s
(Indices Groupe 3)
In d ic e s
1.50
2.50
2.00
1.50
1.00
0.50
0.00
-0.50
-1.00
-1.50
-2.00
-2.50
B
Tmax Groupe 3
0.50
0.00
-0.50
-1.00
-1.50
19
5
19 1
55
19
5
19 9
6
19 3
6
19 7
71
19
7
19 5
79
19
8
19 3
8
19 7
9
19 1
9
19 5
99
20
0
20 3
07
19
5
19 1
5
19 5
5
19 9
63
19
6
19 7
7
19 1
7
19 5
79
19
8
19 3
87
19
9
19 1
95
19
9
20 9
03
20
07
-2.00
Années
Années
Figure 7: Indices de lamb de la température minimale (A) et de la température maximale (B) des stations du
Groupe 3
(Ouagadougou, Njamena Ségou)
25
A
Tmin Yundum
2,50
0,60
2,00
B
Tmax Yundum
0,40
1,50
0,20
In d ic e s
In d ic e s
1,00
0,00
0,50
0,00
-0,20
-0,50
-0,40
-1,00
-0,60
-1,50
1961
1964
1967
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
2006
2009
Années
Tmin
Moy. mobile sur 5 pér. (Tmin)
19
6
19 1
6
19 4
6
19 7
7
19 0
7
19 3
7
19 6
79
19
8
19 2
8
19 5
8
19 8
9
19 1
9
19 4
97
20
0
20 0
0
20 3
0
20 6
09
-0,80
-2,00
Années
Tmax
Figure 8:Indices de lamb de la température minimale (A) et de la température maximale (B)
à la station de Yundum en Gambie
26
5.1.2 Dates de rupture des séries chronologiques de données des températures
Le tableau 3 montre les dates de rupture sur les séries de données de températures maximales
et minimales de 1951 à 2010 par la méthode de segmentation de Hubert pour les trois Groupes
et la station de Yundum.
On remarque que les ruptures sont généralement au nombre de 3 avec des écarts variant entre
0.3°C et 1.0°C pour la température maximale et entre 0.5°C et 1.2°C pour la température
minimale. Une augmentation moyenne annuelle de 0.02 à 0.08°C des températures maximales
et minimales a été remarquée. Les graphiques des périodes de ruptures sont en annexe 3.
On constate aussi que les dates de ruptures coïncident à peu près avec les différentes périodes
des anomalies des températures.
Tableau 3: Dates de ruptures des températures maximales et minimales dans les Groupes des stations
Dates ruptures
Moyenne
1951-1967
36.0
1968-2000
36.5
Groupe1
2001-2010
37.0
(Dori, Kayes,
Tahoua,
1951-1977
21.9
Kaolack, Tamba 1978-2001
22.8
Niamey)
2002-2010
23.3
1951-1995
33.9
Groupe 2
1996-2010
34.6
(Kolda,
Bobodiolasso,
1961-1978
20.8
Sikasso)
1979-1994
21.3
1995-2010
22.1
1951-1986
35.1
Groupe 3
1987-2000
35.6
2001-2010
36.4
(Ouagadougou,
Température
minimale
Njamena Ségou)
1951-1979
21.3
1980-2001
22.0
2002-2010
22.5
1960-1978
31.7
1979-1989
32.0
1990-2010
33.0
Ecart des
moyennes
Taux hausse
(an)
0.5°C
0.05°C
0.9°C
0.5°C
0.05°C
0.06°C
0.5°C
0.03°C
0.5
0.8
0.03°C
0.05°C
0.5°C
0.8°C
0.02°C
0.08°C
0.7
0.5
0.02
0.05
0.3°C
1.0°C
0.02°C
0.04°C
27
Yundum
1960-1986
1987-2010
19.8
21.0
1.2°C
0.05°C
5.1.3 Tendance des extrêmes climatiques
La figure 9 montre les tendances des extrêmes climatiques avec des données de températures et
la pluviométrie pour la période allant des années 1950 à 2010 pour les stations de Groupe 1,
Groupe 2, Groupe 3 et à la station de Yundum.
Il en ressort que les jours de fortes précipitation (R10) et les jours très pluvieux (R95p) ont une
tendance à la baisse avec une pente statistiquement significatives avec une valeur de P_value =
0.05). Cependant, on note également une légère augmentation de R95p à la station de Kayes
(Groupe 1) et à la station de Ségou (Groupe 3), mais cette augmentation n’est pas
statistiquement significative (P-value >0.05) (voire annexe 6).
Les évolutions des nuits chaudes (TN90p) et des jours chauds (TX90p) et des vaques de
chaleur (WSDI) montrent des tendances à la hausse dans touts les Groupes d’étude, mais on
remarque la hausse est plus importante dans les groupes 2, 3 et la station de Yundum que
groupe 1. On remarque en général que, la hausse de TN90p est plus importante que celle de
TX90p avec une pente positive très significatives (P_value = 0) hormis à Yundum où ils sont
au peu près au même pas d’augmentation (voir les tableaux aux annexe 6 – 10 pour les
P_values).
Quand aux évolutions des séquences chaudes consécutives (vague de chaleur) d’au moins 6
jours (WSDI), on remarque que les années allant 1951 jusqu’aux années 1980 sont moins
chaudes, par contre, les années 1990 à 2010 sont des années en général plus chaudes (voir les
graphiques en Annexe 2)
Les années les plus chaudes de 1961 à 2010 sont :
Dans Groupe 1 les années 1987 et 2010;
Dans Groupe 2 les années 1987, 1996, 2001, 2002 et 2010 ;
Dans Groupe 3 les années 2002 à 2010 ;
Yundum 1995, 1996, et 2010.
Cette analyse met en évidence que les nuits et les jours deviennent de plus en plus chauds
progressivement avec des pics de chaleur de plus en plus importants dans l’ensemble des
zones d’étude depuis les années 1980. En autre l’année 2010 se manifestée particulièrement
année chaude dans toute région du CILSS.
28
1.000
-1.000
3
1
Gp
wsdi
r10
r10 r95
2
r10
tx90 tn90
m
r10
wsdi
Gp
0.000
-0.500
tx90
tx90 tn90 wsdi
tx90 tn9
wsdi
Yd
tn90
Gp
0.500
r95
-1.500
r95
-2.000
-2.500
-3.000
r95
-3.500
Figure 9: Tendances des indices extrêmes climatiques des groupes et à la station de Yundum (Ydm)
Groupe 1 (Dori, Kayes, Tahoua, Kaolack, Tamba Niamey)
Groupe 2 (Kolda, Bobodiolasso, Sikasso)
Groupe 3 (Ouagadougou, Njamena Ségou)
29
5.2 Analyse des impacts des hausses des températures sur les paramètres agroclimatiques
5.2.1 Les impacts des hausses des températures sur la demande climatique (ETo)
Les analyses des impacts de hausse des températures sur la demande climatique (ETo) sont
montré sur les graphiques des figures 10, 11, 12 et 13. Les graphiques 10 et 11 montrent les
évolutions interannuelles des ETo de 1950 à 2010 (Niamey) et de 1978 à 2010 (Kayes). Pour
l’ensemble, on note une tendance à la hausse de la demande climatique actuelle et ceux
projetées pour 2025 et 2050 aux deux stations. En outre, c’est évident que les variations
interannuelles suivent les évolutions des températures. Les ETo basses correspondent aux
périodes des anomalies négatives des températures et les ETo élevées aussi correspondent aux
périodes des anomalies largement positives. Les figures 12 et 13 montrent les augmentations
des ETo en fonction des élévations de températures. On remarque que l’ETo augmente
progressivement avec l’élévation des températures à 1 et 2°C de 2 à 4% respectivement.
Eto Niamey
7,5
y = 0,0107x + 6,0971
R2 = 0,1026
7,0
Eto (mm)
6,5
6,0
5,5
5,0
4,5
19
61
19
64
19
67
19
70
19
73
19
76
19
79
19
82
19
85
19
88
19
91
19
94
19
97
20
00
20
03
20
06
20
09
4,0
Années
ETO-Actuel
ETO-Actuel+1
ETO-Actuel+2
Linéaire (ETO-Actuel+1)
Figure 10: Evolution annuelle de l’ETo à la station de Niamey
ETo-Actuel : Demande climatique actuel
ETo-Actuel+1 : Demande climatique à une élévation de 1°C
30
ETo Kayes
y = 0.0228x + 5.9494
2
R = 0.2114
9.0
8.0
ETo (mm)
7.0
6.0
5.0
4.0
3.0
2.0
1.0
08
20
20
05
02
20
99
19
96
19
93
19
90
19
19
87
84
19
81
19
19
78
0.0
Eto-Actuel
Eto-Actuel+1
Eto-Actuel+2
Linéaire (Eto-Actuel+2)
Années
Figure 11: Evolution annuelle de l’ETo à la station de Kayes
Eto Niamey
105.00
104.00
Eto (%)
103.00
102.00
101.00
Série1
100.00
99.00
98.00
97.00
ETO-Actuel
ETO-Actuel+1
ETO-Actuel+2
Evapotranspiration potentielle
Figure 12: ETo par rapport à l’élévation des températures à station de Niamey
31
ETo Kayes
105.0
104.0
ETo (%)
103.0
102.0
101.0
Série1
100.0
99.0
98.0
97.0
Eto-Actuel
Eto-Actuel+1
Eto-Actuel+2
Figure 13: ETo par rapport à l’élévation des températures à station de Kayes
5.2.2 Les impacts des hausses des températures sur la longueur de la saison
Les figures 14 et 15 montrent les impacts des hausses des températures de 1 et 2°C sur la
longueur de la saison. On remarque sur Niamey un raccourcissement de 6, 8 à 7,7 jours et à
Kayes de 10 à 12 jours en moyenne par rapport à la longueur actuelle.
32
Longueur de a saison à Niamey
104
102
Jours
100
98
Série1
96
94
92
90
Lg-Actuelle
Lg-Actuelle+1
Lg-Actuelle+2
Figure 14: Variation de la longueur de la saison en fonction des élévations de températures
à Niamey
Lg-Actuel : longueur actuelle de la saison
Lg-Actuel+1 : longueur actuelle de la saison à une élévation de 1°C
Longueur de la saison à Kayes
134
132
130
128
Jours
126
124
Série1
122
120
118
116
114
112
Lg-Actuelle
Lg-Atuelle +1
Lg-Atuelle +2
Figure 15: Variation de la longueur de la saison en fonction des élévations de températures
à Kayes
Lg-Actuel : longueur actuelle de la saison
33
5.2.3 Les impacts des hausses des températures sur le rendement des cultures
Les données de températures (mini et maxi) élevées de 1 et 2°c sur la série des données de
1961-2010 (Niamey) et de 1978-2010 (Kayes) pour les horizons 2025 et 2050 retenus ont été
utilisées dans le modèle SARRA-H pour simuler les rendements en grains du mil sur les
stations de Niamey et de Kayes. Les simulations faites ont concerné la variété du mil HKP. Les
résultats obtenus ont été différents selon les deux scenarii d’augmentation de température
(+1°C et +2°C).
Les figures 16 à 19 donnent les résultats des rendements du HKP simulés en grains à Niamey
au Niger et à Kayes au Mali (Annexe 4 et 5). Lorsqu’on augmente la température actuelle de
1°C pour l’horizon 2025, les rendements baissent de 1.6% à Niamey et de 1.8 % à Kayes. Pour
une élévation de 2°C à horizon 2050 les rendements ont baissés de 9.5% à Niamey et de 2.4%
à Kayes.
Niamey Aéro
Dif(Rdt-actuel+1_RdtActuel)
250.00
200.00
Kg/ha
150.00
100.00
50.00
0.00
-50.00
-100.00
2009
2006
2003
2000
1997
1994
1991
1988
1985
1982
1979
1976
1973
1970
1967
1964
1961
-150.00
Années
Figure 16: Rendements du mil aux horizons 2025 par rapport aux rendements actuels à
Niamey
34
Dif (Rdt-actuel+2_Rdtactuel)
200
150
100
50
0
2009
2006
2003
2000
1997
1994
1991
1988
1985
1982
1979
1976
1973
1970
1967
1964
-50
-100
-150
-200
-250
-300
1961
Kg/ha
Niamey Aero
Années
Figure 17 : Rendements du mil aux horizons 2050 par rapport aux rendements actuels à
Niamey
Diff(Rdt-Actuel,Rdt-Actuel+1)
2010
2008
2006
2004
2002
2000
1998
1996
1994
1992
1990
1988
1986
1984
1982
1980
1978
Kg/ha
Kayes
80.0
60.0
40.0
20.0
0.0
-20.0
-40.0
-60.0
-80.0
-100.0
-120.0
Années
Figure 18 : Rendement du mil aux horizons 2025 par rapport aux rendements actuels à
Kayes
35
Dif(Rdt-Actuel,Rdt-Actuel+2)
Kayes
40.0
20.0
Kg/ha
0.0
-20.0
-40.0
-60.0
-80.0
2010
2008
2006
2004
2002
2000
1998
1996
1994
1992
1990
1988
1986
1984
1982
1980
1978
-100.0
Années
Figure 19 : Rendements du mil aux horizon 2050 par rapport aux rendements actuels à
Kayes
36
5.3 Arguments en faveur du groupe des négociateurs africains sur le changement
climatique
Compte tenu des résultats obtenus dans le cadre de cette étude, la réalité du changement
climatique par l’augmentation des températures et ses effets sur la production des cultures est
indiscutable. Cependant, pour renforcer les arguments à la faveur du groupe des négociateurs
africains sur les changements climatiques, les arguments suivantes seront importantes à la prise
des décisions relatives aux négociations:
1. Les températures ne cessent pas d’augmenter depuis les années 1990 à nos jours avec
un taux d’augmentation moyenne annuelle de 0.05 à 0.08°C;
2. Les précipitations importantes en général ont une tendance à la baisse;
3. Les baisses des précipitations et l’augmentation de la demande climatique (ETo) auront
des conséquences énormes sur les barrages de retenu d’eau destinée à l’irrigation;
4. Une baisse des rendements du mil de 1.6 à 9.5% est prévu avec une augmentation de
1°C aux environs 2025 et de 2°C aux environ 2050 respectivement;
5. Cette situation aura une énorme conséquence sur la sécurité alimentaire de la
population rurale Sahélienne et les pays du CILSS qui dépendent en grande partie sur le
mil;
37
6. Discussion
Les résultats issus de cette étude ont montré qu’il y a une tendance à la hausse des températures
(minimales et maximales) dans les toutes zones d’étude surtout dans les dernières décennies de
la période 1951 à 2010 où la hausse des températures s’est nettement accélérée. Cependant,
deux périodes de variation des températures ont été constatées. Une première période des
anomalies négatives par rapport à la moyenne de 1951 à 2010 et une deuxième période des
anomalies constamment positives également par rapport à la moyenne de 1951 à 2010. Ces
résultats sont concordant avec ceux de Nouaceur et Sagna (1996), SARR (2011) et Baki (2010)
qui ont constaté une nette tendance à la hausse des températures, à partir des années 70 dans la
zone Ouest Africaine et Sahélienne.
Il ressort de cette étude aussi que les séries des températures maximales et minimales ne sont
pas homogènes dans les zones d’études. Des multiples changements des moyennes ont été
détectées dans les séries de 1951 à 2010 avec des écarts de 0,3°C et 1,.0°C pour la température
maximale et entre 0.5°C et 1.2°C pour la température minimale. Le taux d’augmentation
moyenne annuelle est de 0,02 à 0,08°C sur les températures. Ces résultats rejoignent ceux de
SARR (2011), qui a montré un écart de 1.44°C sur les températures minimales et 0.53°C sur
les températures maximales entre la période 1951- 1979 et la période 1990-2007 à Tillabéry au
Niger.
Les résultats de cette étude ont aussi montré que les jours de fortes précipitations (R10) et jours
très pluvieux (R95p) ont des tendances à la baisse statistiquement significatives P-value <=
0.05. Ces résultats concorde avec ceux de Ozer (2007) dans son analyse pluviométrique au
Niger et SARR et Troaré (2009) qui mettent en évidence dans leur évaluation des changements
climatiques en agriculture : étude de cas en Afrique de l’Ouest, la baisse des précipitations en
moyenne de 15 à 30 % au Sahel et de 15% dans les régions des forêts tropicales humides. Cette
situation du changement climatique par baisse de la pluviométrique peut avoir une
conséquence négative sur la production agricole au Sahel, car la production du mil est non
seulement influencée par les températures du milieux mais aussi liée à la pluviométrie surtout
sa fréquence et sa distribution et aussi la longueur de la saison.
L’évolution des extrêmes climatiques comme les nuits chaudes, les jours chauds et les vagues
de chaleurs ont tous montré des tendances à la hausse. On remarque en général que les pentes
des augmentations des nuits chaudes sur la période de 1951-2010 sont plus importantes que
celles des jours chauds avec une pente positive et statistiquement très significatives (P_value =
0).
38
Comme les TN90p et TX90p les vagues de chaleur sont à la hausse sur la période 1951 à 2010,
surtout dans la dernière décennie. Il a été remarqué que les années allant 1951 jusqu’aux
années 1980 sont moins chaudes, par contre, les années allant de 1990 à 2010 sont en général
plus chaudes. Cependant, dans toutes les zones d’études, l’année 2010 est particulièrement très
chaudes.
Il a été mis en évidence dans cette étude que la hausse des températures a une grande influence
sur l’environnement (ETo) et la longueur de saison. Il ressort aussi de cette étude que
l’élévation des températures de 1 et 2°C par rapport à la situation actuelle, entraîne une
augmentation de la demande climatique en fonction de l’élévation des températures à la station
de Niamey au Niger et à la station de Kayes au Mali. Ceci peut augmenter la demande
climatique sur les ressources hydriques qui à leur tour réduira la disponibilité de l’eau
potentielle pour les cultures et dans les barrages de retenue d’eau destinés à l’irrigation. Au
même moment la longueur de la saison a diminué de 6 à 7 jours au niveau de la station de
Niamey et de 10 à 12 jours au niveau de la station de Kayes. Ces résultats sont conformes avec
ceux de Tripathy et al. (2006) et SARR et Troaré (2009) qui ont montré les liens entre le
raccourcissement du cycle des cultures avec la hausse des températures.
Les rendements simulés par le modèle SARRA-H, pour les hypothèses de changements
climatiques aux horizons 2025 et 2050, ont montré une nette tendance à la baisse avec les
scénarii les plus probables d’augmentation de température. Avec l’augmentation des
températures de 1 et 2°C, la conséquence sur le rendement du mil est très nette. Pour une
augmentation de 1°C des températures prévue à l’horizon 2025, le rendement du mil à Niamey
va baisser de 1,6% et à Kayes il va baisser de 1,8%. Pour une augmentation de 2°C des
températures prévue à l’horizon 2050, le rendement du mil à Niamey va baisser de 9,5% et à
Kayes de 2,4%. Ces résultats se rapprochent de ceux de Tripathy et al. (2006), SARR et Troaré
(2009) et Inoussa (2010) qui ensemble dans leurs travaux ont montré le lien entre la baisse de
rendements cultures (céréales) et la hausse de températures.
Toutefois, les résultats de cette étude ont montré que la variété précoce du mil (HKP) est
sensible aux augmentations des températures supérieures à 0,5°C dans a zone sahélienne.
Comme le modèle a prévu des baisses de rendements à l’horizon 2025 et 2050, ceci signifie
que nous aurons à faire face à un climat encore moins favorable au développement agricole.
Ceci montre la nécessité de prendre des mesures adaptatives dès maintenant pour atténuer les
changements climatiques et minimiser leurs effets la sécurité alimentaire des populations.
39
Au regard des résultats de cette étude et les défis majeurs que la variabilité et le changement
climatique posent aux pays africains, il est souhaitable que le groupe des négociateurs africains
renforce leur position au niveau des négociations sur le changement climatique et mettre
l’accent sur l’adaptation et son financement et la réduction des GES par les pays
d’Annexe 1 à un niveau qui réduira l’augmentation des températures à moins de 2°C
d’ici 2050. Et aussi d’opter pour un développement économique sobre en carbone, de
façon à exploiter les atouts qui sont lui (Afrique) propres (forêts, potentiel énergétique
hydraulique et solaire, terres, etc.), à attirer des investissements des secteurs publiques
et privés et à apporter des retombées bénéfiques pour les nations du continent comme
précisé par EDR (2010) et Guide des négociation (2011).
40
7. Conclusion
L’analyse de la variabilité climatique sur la période 1951-2010 que nous avons effectuée dans
la zone d’étude ensemble, a révélé qu’en définitive les températures ont une tendance à la
hausse combinée avec une baisse des jours pluvieux et extrêmement pluvieux surtout dans les
dernières décennies de la période (1951-2010). Cette étude a aussi révélé que les séries des
températures ne sont pas homogènes pendant la période 1951-2010 et qu’il existe des ruptures
variant entre deux et trois avec des écarts de 0,3 à 1,2°C et augmente en moyenne sur les
dernières décennies de 0.02 à 0.08°C par an. Les nuits chaudes et jours chauds ont tous des
tendances à la hausse avec un niveau statistiquement significatif au seuil de 5%. L’années 2010
s’est manifesté comme étant une année chaude dans toutes les stations considérées dans cette
étude.
L’évolution de certains paramètres météorologiques, ayant des influences directes ou indirectes
sur la production agricole (pluviométrie, température, etc) a d’ailleurs permis de confirmer
l’existence d’une variabilité interannuelle de la température au niveau de toutes les stations de
la zone d’étude de 1951 à 2010.
En effet, ces résultats montrent la réalité du changement climatique dans nos zones avec des
effets soit positifs ou négatifs qui peuvent se manifester dans presque tous les secteurs
d’activités humaines en particuliers sur les secteurs liés à l’agriculture.
L’utilisation du modèle biophysique SARRA-H, pour évaluer l’impact de la hausse des
températures sur les rendements de la variété du mil HKP a permis d’obtenir des résultats
intéressants. Il est évident que la variété précoce du mil (HKP) est sensible aux augmentations
des températures supérieures à 0,5°C dans les zones où il est cultivable. Pour une élévation de
1°C, le rendement peut baisser de 1.6 à 1.8% et pour une élévation de 2°C, il a baissé de 2.4 à
9.5%
par rapport aux températures actuelles à Kayes et à Niamey respectivement. Les
conséquences, comme prévus, si les températures augmentent de 1°C et de 2°C pour les
horizons 2025 et 2050 respectivement, impliqueront des chutes significatives de la production
du mil qui affecteront parallèlement une bonne partie de la population rurale Sahélienne qui
dépend en majeure partie du mil pour leurs survies.
Pour l’Afrique en général et le Sahel en particulier, la hausse des températures entraînera de
graves problèmes, du point de vue du développement socioéconomique.
Il serait donc nécessaire, dans le contexte du changement climatique et du développement
socioéconomique de nos populations que le groupe africain des négociateurs sur le changement
climatique puisse toujours argumenter sur l’adaptation comme la première priorité africaine et
41
non l’atténuation. Car l’augmentation de 2°C comme il a été accepté par certains pays lors de
la Cdp 15 à Copenhague en 2009 entraînerait des pertes significatives des rendements du mil.
Ainsi, il doit solliciter auprès des pays les plus pollueurs, des fonds et la technologie nécessaire
pour mieux s’adapter aux effets négatifs dus au changement climatique et par la suite essayer
de valoriser les effets positifs.
Il doit aussi solliciter des appuis financiers et techniques en faveur des institutions et les centres
d’excellence africains pour leur permettre le développement des recherches dans le domaine du
changement climatique afin de fournir des informations scientifiques fiables.
42
Bibliographie
ABROL Yash P. et INGRAM Keith T., 1997. Les effets de la hausse des températures
diurnes et octurnes sur la croissance et les rendements de certaines plantes cultivées.
PP1,2-5
Atlas de l'Intégration Régionale en Afrique de l'Ouest. Le Climat et les changements
climatiques. CEDEAO-CSAO/OCDE©2008 – janvier 2008. PP 4,5
BAKI Grégoire, 2010. Utilisation du Modèle SARRA-H de Croissance des cultures pour des
Etudes d’Impacts de la Variabilité et des Changements Climatiques sur la Culture du Mil
au Burkina Faso
Bill Chameides, 2009. Warmer Climate May Depress Crop Yields. PP1
Bruce A. et al., 2001. Global Climate Change and its impact on Agriculture. PP3
Bruce A., Richard M., Brian H., 2001. Global climate change and its impact on Agriculture
PP3
Banque Ouest Africaine de Développement (BOAD), 2010.Changements climatiques et
sécurité alimentaire dans la zone UEMOA : Défis, impacts, enjeux actuels et futurs
rapport final Juillet 2010. PP 8
Conférence ministérielle africaine sur l’environnement, Quatrième session extraordinaire,
2011. Rapport du segment ministériel tenu les 15 et 16 septembre 2011. PP 17
COULIBALY Hamidou, 2010. Impact du changement climatique sur les besoins en eau du
riz irrigué dans la vallée du fleuve Sénégal
Christy van der Merwe 4th August 2009. Africa united at climate change negotiations
DIEYE, P. O., 2011. Centre Régional AGRHYMET, Bulletin Mensuel, numéro spécial. Le
Sahel face aux changements climatiques Enjeux pour un développement durable. PP 13
Deborah Murphy, 2009. État des négociations de la CCNUCC. Institut international du
développement durable. PP 5
EDR, 2010. L’Afrique, les Forêts et les Négociations Internationales sur le Changement
Climatique
Forum pour le Partenariat avec l’Afrique, 2007. Les changements climatiques et l’Afrique.
8ème Réunion du Forum pour le Partenariat avec l’Afrique Berlin, Allemagne22-23 mai 2007.
PP 3
Guide de Négociation, Cdp-17 et CRP-7, 2011. Résumé pour les décideurs Conférence
Nations Unies sur les Changement Climatique, Durban, Afrique du Sud, du 28
novembre au 9 décembre 2011. PP 15
Groupe Intergouvernemental sur l’Evolution du Climat 4ème Rapport 2007
43
Inoussa B. 2010. The Effects of Drought on Crop Yields and Yield Variability in Sahel. PP 1
J.E. PATUREL et al., 2004. Evolution de la pluviométrie annuelle en Afrique de l'ouest et
centrale au XXème siècle
Jean-Christophe Hoste 2009. Where was united Africa in the climate change
negotiations?.PP1
J.W. Knox, T.M. Hess,A. Daccache and M. Perez Ortola, 2011. What are the projected
impacts of climate change on food crop productivity in Africa and S Asia? 1 pp
Michael J. Roberts, 2011. Extreme Heat, Crop Yields, and the Potential Effects of Climate
Change on World Food Prices. PP 23-26
Nouaceur, Z. et Sagna, P., 1996. Le réchauffement du climat en Afrique de l’Ouest
(Maurrtanie,Sénégal,Mali) Publications de l’Association Internationale de
climatologie, Vol.9
Pierre OZER, 2007. Analyse pluviométrique au Niger : Récentes modifications et impacts
environnementaux. Focus sur la région de Gouré, Niamey oriental. PP 7.
Robin Matthews, Innocent Bakam & Shibu Muhammed, 2007. Global climate change:
climates of the future, choices for the present. PP 5-6
Richard M. Adams et al. 1998. Effects of global climate change on agriculture: an
interpretative review, Vol. 11: 19–30, 1998. PP 3-4
SARR, B. et TRAORE S., 2011. Centre Régional AGRHYMET, Bulletin Mensuel, numéro
spécial. Le Sahel face aux changements climatiques Enjeux pour un développement
durable. PP 5, 22
Schlenker W. et Lobell, D.B., 2009. Robust negative impacts of climate change on Africa
griculture. PP 1
Tripathy Rojalin, Ray S.S. et Singh A.K. 2006. ANALYZING THE IMPACT OF RISING
TEMPERATURE AND CO2 ON GROWTH AND YIELD OF MAJOR CEREAL
CROPS USING SIMULATION MODEL
Union Africain, AMCEN, 2009. Position commune africaine de négociation, Plateforme
Africaine sur le climat dans la Perspective de Copenhague. PP 3, 14 - 25
William A., 2009. Observatoire de la vie Diplomatique en Afrique (OVIDA). Note de synthèse
n°1 l’Afrique dans les négociations climatiques de Copenhague PP 8 – 9
Williams T., 2009. Division de l'industrie, de l'infrastructure et des ressources. La Convention
sur les changements climatiques et le Protocole de Kyoto. PP 1-3
44
www.unep.org/roa/amcen/docs/.../climate.../Brief_Implementation_FR.pdf. Aperçu de la
mise en oeuvre de l’action de la conférence ministérielle africaine sur l’environnement
relative aux changements climatiques en Afrique (Décembre 2009) PP 1
Xuebin Zhang et Feng Yang, 2004.
CanadaDownsview, Ontario Canada. PP4
Climate
Research
Branch
Environment
www.fao.org/docrep/v5240f/v5240f07www.countrystat.org
45
ANNEXE
I
Annexe 1: Indices climatiques par station
Niamey TMX
Niamey Tmn
1.50
1.00
1.00
0.50
0.50
0.00
0.00
-0.50
-0.50
-1.00
-1.00
-1.50
-1.50
-2.00
-2.00
-2.50
-2.50
-3.00
1950
1953
1956
1959
1962
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
2001
2004
2007
2010
2.00
2.00
1.50
1950
1953
1956
1959
1962
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
2001
2004
2007
2010
2.50
Années
Années
Indices de la température maximale à Niamey 1961 à 2010
Indices de la température minimale à Niamey de 1961 à 2010
Tahoua Tmin
Tahoua Tmax
3.00
3.00
2.00
2.00
1.00
1.00
0.00
0.00
-1.00
-1.00
-2.00
-2.00
-3.00
-3.00
Années
1950
1953
1956
1959
1962
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
2001
2004
2007
2010
19
50
19
54
19
58
19
62
19
66
19
70
19
74
19
78
19
82
19
86
19
90
19
94
19
98
20
02
20
06
20
10
-4.00
Années
Indices de la température maximale à Tahoua de 1950- 2010
Indices de la température minimale à Tahoua de 1950 - 2010
II
DoriTmx
DoriTmn
3.00
2.50
2.00
2.00
1.50
1.00
1.00
0.50
0.00
0.00
-1.00
-0.50
-1.00
-2.00
-4.00
-2.50
1950
1953
1956
1959
1962
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
2001
2004
2007
2010
-1.50
-2.00
1950
1953
1956
1959
1962
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
2001
2004
2007
2010
-3.00
Années
Années
Indices de la température maximale à Dori 1950-2010
Indices de la température minimale à Dori 1950-2010
Bobo Tmin
Bobo Tmax
3.00
2.50
2.00
2.00
1.50
1.00
1.00
0.50
0.00
0.00
-0.50
-1.00
-1.00
-2.00
-1.50
-2.00
Années
Indices de la température maximale à Bobo-dioulasso 1960-2010
08
05
20
02
20
99
20
96
19
93
19
90
19
87
19
84
19
81
19
78
19
75
19
19
69
72
19
19
66
63
19
60
19
19
08
05
20
02
20
99
20
96
19
93
19
19
87
90
19
84
19
19
78
81
19
75
19
72
19
69
19
19
66
63
19
19
19
60
-3.00
Années
Indices de la température minimale à Bobo 1960-2010
OugaTmx
Tmin Ouga
0.50
2.00
0.40
1.50
1.00
0.30
0.20
0.50
0.00
0.10
-0.50
0.00
-1.00
-1.50
-0.10
-0.20
-2.00
-2.50
1950
1953
1956
1959
1962
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
2001
2004
2007
2010
1961
1964
1967
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
2006
2009
-0.30
-3.00
Années
Années
Indices de la température maximale à Ouagadougou de 1950-2010 Indices de la température minimale à Ouagadougou de 19502010
III
0.60
Yundum Tmin
Yundum Tmax
2.50
2.00
0.40
1.50
0.20
1.00
0.00
0.50
0.00
-0.20
-0.50
-0.40
-1.00
-0.60
-1.50
-0.80
19
6
19 1
6
19 4
67
19
7
19 0
7
19 3
7
19 6
7
19 9
8
19 2
85
19
8
19 8
9
19 1
94
19
9
20 7
00
20
0
20 3
0
20 6
09
1961
1964
1967
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
2006
2009
-2.00
Années
Années
Indices de la température maximale à Yundum de 1960-2010
Indices de la température minimale à Yundum de 1960-2010
Kayes Tmx
Kaye Tmin
3.00
3.00
2.00
2.00
1.00
1.00
0.00
0.00
-1.00
-1.00
-2.00
-2.00
-3.00
-3.00
-4.00
-4.00
Années
Indices de la température maximale à Kaye de 1951-2010
2010
1951
1954
1957
1960
1963
1966
1969
1972
1975
1978
1981
1984
1987
1990
1993
1996
1999
2002
2005
2008
19
5
19 1
5
19 5
59
19
6
19 3
6
19 7
7
19 1
7
19 5
79
19
8
19 3
87
19
9
19 1
9
19 5
9
20 9
0
20 3
07
-5.00
Années
Indices de la température minimale à Kayes de 1951-
IV
Ségou Tmax
0.40
0.30
0.20
0.10
0.00
-0.10
-0.20
-0.30
-0.40
-0.50
-0.60
0.60
0.40
0.20
0.00
-0.20
-0.40
1961
1964
1967
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
2006
2009
1961
1964
1967
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
2006
2009
-0.60
Ségou Ségou
Années
Années
Indices de la température maximale à Ségou de 1960-2010
Indices de la température minimale à Ségou de 1960-2010
Sikasso Tmin
Sikasso Tmax
2.00
2.50
2.00
1.50
1.00
0.50
0.00
-0.50
-1.00
-1.50
-2.00
-2.50
-3.00
1.00
0.00
-1.00
-2.00
-4.00
Années
19
6
19 1
6
19 4
6
19 7
7
19 0
7
19 3
76
19
79
19
8
19 2
8
19 5
8
19 8
9
19 1
9
19 4
9
20 7
0
20 0
0
20 3
0
20 6
09
1961
1964
1967
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
2006
2009
-3.00
Indices de la température maximale à Sikasso de 1961-2010
Indices de la température minimale à Sikaso de 1960-2010
V
Kaolack Tmin
Koalack Tmax
1.50
2.5
2.0
1.00
1.5
0.50
1.0
0.5
0.00
0.0
-0.5
-0.50
Années
2.5
2.0
2.0
1.5
1.5
1.0
1.0
0.5
0.5
2006
2010
2002
1998
1950
1954
1958
1962
1966
1970
1974
1978
1982
1986
1990
1994
1998
2002
2006
2010
10
20
02
06
20
20
19
19
19
19
19
19
19
19
19
19
98
-2.5
94
-2.0
-2.5
86
90
-1.5
-2.0
82
-1.0
-1.5
74
78
-1.0
70
-0.5
62
66
0.0
-0.5
58
0.0
19
1994
KoldaTmn
2.5
50
54
1986
1990
Indice de la température minimale à Kaolack de 1950-2010
Kolda Tmax
19
1982
Années
Indices de la température maximale à Kaolack de 1950-2010
19
1978
19
5
19 0
54
19
5
19 8
62
19
66
19
7
19 0
74
19
7
19 8
82
19
8
19 6
90
19
94
19
9
20 8
02
20
0
20 6
10
1970
1974
-1.50
1966
-2.0
1962
-1.00
1950
1954
-1.5
1958
-1.0
Années
Années
Indices de la température maximale à Kolda de 1950-2010
Indices de la température minimale à Kolda de 1950-2010
TambaTmx
4.0
TambaTmn
2.50
2.00
3.0
1.50
2.0
1.00
1.0
0.50
0.00
0.0
-0.50
-1.00
-1.0
-1.50
-2.0
-2.00
-3.0
Années
Indices de la température maximale à Tamba de 1950-2010
2010
2006
2002
1998
1994
1990
1986
1982
1978
1974
1970
1966
1962
1958
1954
1950
1 95 0
1 95 4
1 95 8
1 96 2
1 96 6
1 97 0
1 97 4
1 97 8
1 98 2
1 98 6
1 99 0
1 99 4
1 99 8
2 00 2
2 00 6
2 01 0
-2.50
Années
Indices de la température minimale à Tamba de 1950-2010
VI
Njamena Tmax
0.40
0.30
0.20
Njamena Tmin
0.40
0.30
0.10
0.00
-0.10
-0.20
-0.30
0.20
0.10
0.00
-0.10
-0.40
-0.50
-0.60
-0.20
-0.30
Années
Indices de la température maximale à Njamina de 1951-2010
1961
1964
1967
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
2006
2009
19
6
19 1
6
19 4
67
19
7
19 0
7
19 3
7
19 6
7
19 9
8
19 2
85
19
8
19 8
9
19 1
9
19 4
9
20 7
0
20 0
0
20 3
06
20
09
-0.40
Années
Indices de la température minimale à Njamina de1951-2010
VII
Annexe 2: Evolution des extrêmes climatiques
y = -0.0964x + 22.533
R2 = 0.263
A
Groupe 1 R10
30.0
350.0
25.0
300.0
250.0
(m m )
15.0
10.0
200.0
150.0
années
Série1
06
10
20
02
20
20
94
98
19
19
86
90
19
19
78
82
19
74
Années
Linéaire (Série1)
R95p
y = 0.4715x - 0.8879
R2 = 0.8383
C
Groupe 1 TN90p
19
19
66
70
19
62
19
19
19
19
50
62
19
6
19 6
70
19
74
19
78
19
82
19
86
19
9
19 0
94
19
98
20
02
20
06
20
10
19
19
19
19
58
0.0
54
0.0
50
50.0
54
58
100.0
5.0
19
J o u rs
20.0
D
Groupe1 TX90p
30.0
40.0
Linéaire (R95p)
y = 0.1748x + 5.2294
R2 = 0.3982
25.0
35.0
30.0
20.0
Jo u rs
25.0
Jo u rs
y = -1.2801x + 181.88
R2 = 0.1156
B
Groupe 1 R95p
20.0
15.0
15.0
10.0
10.0
5.0
5.0
0.0
1950
1954
1958
1962
1966
1970
1974
1978
1982
1986
1990
1994
1998
2002
2006
2010
0.0
19
50
19
54
19
5
19 8
62
19
6
19 6
70
19
7
19 4
78
19
8
19 2
86
19
9
19 0
94
19
9
20 8
02
20
06
20
10
-5.0
Années
Années
TN90p
Série1
Linéaire (TN90p)
y = 0.0985x + 3.3801
R2 = 0.0919
E
Groupe 1 WSDI
30.0
Linéaire (Série1)
25.0
Jours
20.0
15.0
10.0
5.0
10
20
06
20
02
20
98
19
90
94
19
86
19
82
19
78
19
74
19
19
66
70
19
62
19
58
19
54
19
19
19
50
0.0
Années
WSDI
Linéaire (WSDI)
Evolution des extrêmes climatiques : (A) jours pluvieuse (R10), (B) les jours très pluvieuse (R95p), (C) les nuits chaudes (TN90p),
(D) les jours chauds (TX90p) et (E) les vagues de chaleurs (WSDI) dans la zone de Groupe 1
VIII
y = -0.1114x + 39.941
2
R = 0.1675
A
Groupe 2 R10
y = -4.0089x + 394.65
R2 = 0.2057
B
Groupe 2 R95p
60
1200
50
1000
800
(m m )
30
600
400
20
200
10
0
Années
R95p
Linéaire (R10)
y = 0.4522x - 1.0441
R2 = 0.8453
35
30
30
25
25
10
06
20
02
20
98
TX90p
20
94
19
90
19
86
Années
Linéaire (TN90p)
19
78
82
19
19
19
5
19 0
54
19
58
19
6
19 2
66
19
70
19
74
19
7
19 8
82
19
86
19
90
19
9
19 4
98
20
02
20
0
20 6
10
50
-5
19
0
19
0
70
74
5
19
5
66
10
19
10
62
15
19
15
58
20
19
20
TN90p
y = 0.2326x + 5.473
R2 = 0.3302
40
35
Années
Linéaire (R95p)
Groupe 2 TX90p
54
C
Groupe 2 TN90p
J o u rs
J o u rs
R10
19
Années
40
19
5
19 0
5
19 4
5
19 8
62
19
6
19 6
70
19
7
19 4
7
19 8
8
19 2
8
19 6
90
19
9
19 4
98
20
0
20 2
0
20 6
10
1950
1954
1958
1962
1966
1970
1974
1978
1982
1986
1990
1994
1998
2002
2006
2010
0
19
J o u rs
40
Linéaire (TX90p)
y = 0.2643x - 1.5134
R2 = 0.2706
E
Groupe 2 WSDI
40
35
30
Jours
25
20
15
10
5
10
20
06
02
20
20
98
19
94
19
90
19
86
82
19
78
19
74
19
70
19
66
19
62
19
58
19
19
50
19
19
54
0
-5
Années
WSDI
Linéaire (WSDI)
(D) les jours chauds (TX90p) et (E) les vagues de chaleurs (WSDI) dans la zone de Groupe 2
IX
35
y = -0.0885x + 25.592
R2 = 0.2091
A
Groupe 3 R10
B
Groupe 3 R95p
30
400
25
350
300
(m m )
20
Jo u rs
y = 0.1231x + 160.24
R2 = 0.001
15
10
250
200
150
100
5
50
0
19
50
19
5
19 4
5
19 8
6
19 2
66
19
7
19 0
7
19 4
78
19
8
19 2
86
19
9
19 0
9
19 4
98
20
0
20 2
06
20
10
1950
1954
1958
1962
1966
1970
1974
1978
1982
1986
1990
1994
1998
2002
2006
0
Années
R10
Années
Linéaire (R10)
y = 0.3077x + 5.0741
R2 = 0.4431
D
Groupe 3 TX90p
R95p
Linéaire (R95p)
y = 0.3527x + 1.6326
R2 = 0.6794
C
Groupe 3 TN90p
35
35
30
30
25
20
J o u rs
J o u rs
25
15
20
15
10
10
5
5
0
19
5
19 0
5
19 4
5
19 8
6
19 2
66
19
7
19 0
7
19 4
7
19 8
82
19
8
19 6
9
19 0
9
19 4
9
20 8
0
20 2
0
20 6
10
19
50
19
54
19
58
19
62
19
66
19
70
19
74
19
78
19
82
19
86
19
90
19
94
19
98
20
02
20
06
0
Années
TX90p
Années
TN90p
Linéaire (TN90p)
Linéaire (TX90p)
E
Groupe 3 WSDI
y = 0.4446x - 0.8891
R2 = 0.324
60
50
J o u rs
40
30
20
10
0
19
5
19 0
54
19
5
19 8
62
19
6
19 6
7
19 0
7
19 4
78
19
8
19 2
8
19 6
9
19 0
94
19
9
20 8
02
20
0
20 6
10
-10
Années
WSDI
Linéaire (WSDI)
(D) les jours chauds (TX90p) et (E) les vagues de chaleurs (WSDI)dans la zone de Groupe 3
X
B
R95p-Yundum
y = -0.0476x + 30.215
R2 = 0.0077
600
500
mm
400
300
200
100
0
19
6
19 1
6
19 4
6
19 7
70
19
7
19 3
7
19 6
79
19
8
19 2
8
19 5
88
19
91
19
9
19 4
97
20
0
20 0
0
20 3
06
20
09
Années
Années
D
TX90p-Yundum
y = 0.4677x + 2.4697
R2 = 0.6154
40
35
35
30
30
25
25
J o u rs
40
Années
09
20
03
06
20
00
20
20
94
97
19
19
88
91
19
85
19
19
79
82
19
76
19
73
19
19
19
19
19
61
09
06
20
03
20
00
20
97
20
94
19
91
19
88
19
85
19
82
19
79
19
76
19
73
19
19
19
19
70
0
67
5
0
64
10
5
70
15
10
19
y = 0.4677x + 2.4697
R2 = 0.6154
20
64
67
15
19
20
61
J o u rs
C
TN90p-Yundum
19
y = -3.0391x + 277.8
R2 = 0.0885
700
50
45
40
35
30
25
20
15
10
5
0
19
61
19
64
19
67
19
70
19
73
19
76
19
79
19
82
19
85
19
88
19
91
19
94
19
97
20
00
20
03
20
06
20
09
J o u rs
A
R10-Yundum
Années
E
WSDI-Yundum
y = 0.5433x - 4.1467
R2 = 0.403
50
40
Jours
30
20
10
09
20
06
20
03
20
00
97
20
19
94
19
91
88
19
85
19
82
19
79
19
19
76
19
73
19
70
19
67
64
19
19
-10
19
61
0
Années
(D) les jours chauds (TX90p) et (E) les vagues de chaleurs (WSDI) à Yundum
XI
Annexe 3: Les périodes de ruptures dans les différents Groupes de stations
Groupe 1 périodes de ruptures
Série 1951-1967
Moy 1951-1967
38
Série 1968-2000
37.5
Moy 1968-2000
Tem p °C
37
Série 2001-2010
Moy 2001-2010
36.5
36
35.5
35
19
51
19 ;
56
19 ;
61
19 ;
66
19 ;
70
19 ;
75
19 ;
80
19 ;
85
19 ;
90
19 ;
95
20 ;
00
20 ;
04
20 ;
09
;
34.5
Années
Périodes de ruptures de la température maximale du Groupe 1
Série 1951-1977
Groupe1 périodes de ruptures
Moy 1951-1977
Moy 1978-2001
24
23.5
23
22.5
22
21.5
21
20.5
20
19.5
19
Série 2002-2010
2009;
2005;
1998;
1994;
1990;
Années
1986;
1982;
1978;
1975;
1971;
1967;
1963;
1959;
1955;
Moy 2002-2010
1951;
Tem p °C
Série 1978-2001
Périodes de ruptures de la température minimale du Groupe 1
XII
Groupe 2 Périodes de ruptures
Série 1951-1995
Moy 1951-1995
Série 1996-2010
Moy 1996-2010
35.5
35
Temp °C
34.5
34
33.5
33
32.5
19
98
20
03
20
08
19
51
19
56
19
61
19
66
19
71
19
76
19
81
19
86
19
91
32
Années
Série 1951-1978
Moy 1951-1978
Série 1979-1994
23
Moy 1979-1994
22.5
Série 1995-2010
21.5
Moy 1995-2010
21
20.5
20
19.5
19
19
99
20
04
20
09
18.5
19
51
19
56
19
61
19
66
19
71
19
76
19
80
19
85
19
90
Temp °C
22
Années
XIII
Moy 1951-1986
Série 1987-2000
37
Moy 1987-2000
36.5
Série 2001-2010
36
Temp °C
Série 1951-1986
Moy 2001-2010
35.5
35
34.5
34
33.5
19
51
19
56
19
61
19
66
19
71
19
76
19
81
19
86
19
90
19
95
20
00
20
04
20
09
33
Années
Série 1951-1979
Moy 1951-1979
23.5
Série 1980-2000
23
Moy 1980-2000
Série 2001-2010
22
Moy 2001-2010
21.5
21
20.5
20
19.5
19
19
51
19
56
19
61
19
66
19
71
19
76
19
80
19
85
19
90
19
95
20
00
20
04
20
09
Temp °C
22.5
Années
XIV
1961-1978
Moy1961-1978
1979-1989
Moy 1979-1989
1990-2010
Moy1990-2010
Yundum périodes de ruptures
34.0
Temp (°C)
33.5
33.0
32.5
32.0
31.5
31.0
30.5
30.0
29.5
19
61
19
65
19
69
19
73
19
77
19
80
19
84
19
88
19
91
19
95
19
99
20
03
20
07
29.0
Années
Périodes de ruptures de la température maximale à Yundum
1961-1986
Moy1961-1986
1987-2010
Moy1987-2010
Yundum périodes de ruptures
22.5
22.0
21.5
20.5
20.0
19.5
19.0
18.5
18.0
08
20
04
20
00
20
96
19
92
19
88
19
85
19
81
19
77
19
73
19
69
19
65
19
61
17.5
19
Temp (°C)
21.0
Années
Périodes de ruptures de la température minimale à Yundum
XV
Annexe 4: Rendement simulé à la station de Niamey sur la période 1961-2010
Années
RDT-Actuel
RDT-Actuel+1 RDT-Actuel+2
29/09/1961
1075.09
1094.32
961.84
29/09/1962
1134.40
1108.67
989.32
29/09/1963
1011.19
1013.28
905.99
29/09/1964
1072.48
1031.09
995.67
29/09/1965
1102.01
1091.59
986.90
29/09/1966
1077.24
1016.47
919.11
29/09/1967
954.28
1053.45
1001.60
29/09/1968
1090.66
1007.41
1027.09
29/09/1969
1086.51
1065.36
1005.70
29/09/1970
1031.39
1031.67
887.23
29/09/1971
1078.59
1077.62
988.57
29/09/1972
1111.21
1018.32
957.90
29/09/1973
1100.44
1010.29
939.30
29/09/1974
1102.63
1035.09
998.44
29/09/1975
1018.01
1137.61
1050.32
29/09/1976
1043.68
1049.74
938.48
29/09/1977
1123.87
1039.38
983.11
29/09/1978
1151.75
1023.93
919.05
29/09/1979
1125.90
1046.24
996.54
29/09/1980
1112.29
1105.27
1059.59
29/09/1981
1047.74
1067.67
951.66
29/09/1982
1052.36
1015.67
898.68
29/09/1983
1109.28
996.92
899.61
29/09/1984
998.24
964.28
842.81
29/09/1985
1095.24
1030.67
971.30
29/09/1986
1063.39
1034.97
1033.63
29/09/1987
999.40
946.74
833.62
29/09/1988
1101.44
1034.27
912.84
29/09/1989
1087.78
1084.07
989.87
29/09/1990
1216.72
1123.53
1012.01
29/09/1991
1026.43
977.38
940.47
29/09/1992
1180.94
1218.51
1068.64
29/09/1993
1166.16
1133.37
1010.27
29/09/1994
1117.09
1123.76
1010.92
29/09/1995
1148.60
1128.01
997.87
29/09/1996
1147.91
1155.09
1039.64
29/09/1997
1064.93
975.23
958.47
29/09/1998
1018.73
978.53
926.53
29/09/1999
1144.79
1044.95
935.33
29/09/2000
1109.01
1066.87
966.91
29/09/2001
1080.74
974.80
878.42
29/09/2002
1260.72
1229.80
1173.42
29/09/2003
1093.54
1258.93
1141.34
29/09/2004
1102.64
1161.87
1089.31
29/09/2005
1050.62
1078.95
962.19
29/09/2006
985.01
1212.05
1124.09
29/09/2007
1069.89
1094.71
1090.16
29/09/2008
989.89
1203.99
1039.34
29/09/2009
415.72
401.19
407.05
30/09/2010
1079.21
1005.93
898.33
XVI
Annexe 5: Rendement simulé à la station de Kayes sur la période 1978-2010
Années
Rdt-Actuel
Rdt-Actuel+1
Rdt-Actuel+2
29/09/1978
377.3
357.4
394.9
29/09/1979
403.4
414.0
421.0
29/09/1980
404.0
370.6
334.7
29/09/1981
364.9
356.4
372.9
29/09/1982
378.2
371.7
356.9
29/09/1983
394.8
404.3
407.6
29/09/1984
357.6
350.0
362.0
29/09/1985
397.5
413.6
403.3
29/09/1986
406.5
408.9
384.1
29/09/1987
417.2
402.7
407.3
29/09/1988
420.8
397.4
396.0
29/09/1989
415.1
386.5
421.6
29/09/1990
408.2
398.1
406.5
29/09/1991
393.8
409.7
418.3
29/09/1992
377.4
366.8
352.0
29/09/1993
406.4
398.9
362.1
29/09/1994
356.8
331.0
337.6
29/09/1995
407.3
405.7
398.6
29/09/1996
409.8
416.5
405.5
29/09/1997
424.6
421.2
407.7
29/09/1998
405.7
400.7
387.0
29/09/1999
409.3
401.0
408.4
29/09/2000
422.3
416.2
402.9
29/09/2001
408.2
397.2
426.8
29/09/2002
411.4
400.0
405.5
29/09/2003
403.3
418.5
428.5
28/09/2004
397.6
384.3
383.7
29/09/2005
424.9
406.4
408.3
29/09/2006
404.5
418.6
403.0
29/09/2007
404.0
414.9
401.2
29/09/2008
1040.5
945.1
953.2
29/09/2009
232.7
191.4
169.5
29/09/2010
364.7
423.8
393.3
XVII
Annexe 6: Evolution des jours pluvieux sur les périodes de 1950 à 2010
Indices
Début
Fin
Pente
Ecar-type
P_Value
Groupe 1
Dori
r10mm
1950
2010
-0.083
0.032
0.013
Kayes
r10mm
1951
2010
-0.095
0.031
0.004
Tahoua
r10mm
1950
2010
-0.049
0.021
0.026
Klack
r10mm
1950
2010
-0.098
0.036
0.009
Tamba
r10mm
1950
2010
-0.156
0.039
0
Niamey
r10mm
1950
2010
-0.04
0.036
0.268
Groupe 2
Kolda
r10mm
1950
2010
-0.143
0.046
0.003
Bobo
r10mm
1960
2010
-0.094
0.052
0.076
Sikasso
r10mm
1960
2010
-0.049
0.064
0.451
Groupe 3
Ouaga
r10mm
1950
2010
-0.14
0.033
0
Njamena r10mm
1951
2010
-0.04
0.032
0.22
Ségou
r10mm
1960
2010
-0.064
0.044
0.149
Yundum
r10mm
1960
2010
-0.058
0.075
0.442
Annexe 7:Evolution des jours très pluvieux sur les périodes de 1950 à 2010
Indices
Début
Fin
Pente
Ecar-type
P_Value
Groupe 1
Dori
r95p
1950
2010
-1.21
0.588
0.044
Kayes
r95p
1951
2010
0.012
1.401
0.993
Tahoua
r95p
1950
2010
-0.519
0.446
0.249
Klack
r95p
1950
2010
-3.451
0.955
0.001
Tamba
r95p
1950
2010
-0.849
1.001
0.4
Niamey
r95p
1950
2010
-0.393
0.876
0.656
Groupe 2
Kolda
r95p
1950
2010
-3.36
1.261
0.01
Bobo
r95p
1960
2010
-1.404
1.204
0.249
Sikasso
r95p
1960
2010
-0.295
1.336
0.826
Groupe 3
Ouaga
r95p
1950
2010
-1.218
0.696
0.085
Njamena r95p
1951
2010
-0.031
0.736
0.967
Ségou
r95p
1960
2010
1.01
0.874
0.253
Yundum
r95p
1960
2010
-3.082
1.353
0.027
XVIII
Annexe 8: Evolution des jours chauds sur les périodes de 1950 à 2010
Indices
Début
Fin
Pente
Ecar-type
P_Value
Groupe 1
Dori
tx90p
1950
2010
0.166
0.042
0
Kayes
tx90p
1951
2010
0.311
0.054
0
Tahoua
tx90p
1950
2010
0.027
0.041
0.513
Klack
tx90p
1950
2010
0.247
0.031
0
Tamba
tx90p
1950
2010
0.213
0.055
0
Niamey
tx90p
1950
2010
0.148
0.042
0.001
Groupe 2
Kolda
tx90p
1950
2010
0.336
0.066
0
Bobo
tx90p
1960
2010
0.488
0.074
0
Sikasso
tx90p
1960
2010
-0.058
0.052
0.274
Groupe 3
Ouaga
tx90p
1950
2010
0.173
0.042
0
Njamena tx90p
1951
2010
0.187
0.06
0.003
Ségou
tx90p
1960
2010
0.84
0.079
0
Yundum
tx90p
1960
2010
0.525
0.069
0
Annexe 9: Evolution des nuits chaudes sur les périodes de 1950 à 2010
Indices
Début
Fin
Pente
Ecar-type
P_Value
Groupe 1
Dori
tn90p
1950
2010
0.456
0.035
0
Kayes
tn90p
1951
2010
0.37
0.039
0
Tahoua
tn90p
1950
2010
0.419
0.042
0
Klack
tn90p
1950
2010
0.597
0.039
0
Tamba
tn90p
1950
2010
0.552
0.069
0
Niamey
tn90p
1950
2010
0.4
0.037
0
Groupe 2
Kolda
tn90p
1950
2010
0.458
0.059
0
Bobo
tn90p
1960
2010
0.442
0.054
0
Sikasso
tn90p
1960
2010
0.408
0.055
0
Groupe 3
Ouaga
tn90p
1950
2010
0.402
0.039
0
Njamena tn90p
1951
2010
0.314
0.051
0
Ségou
tn90p
1960
2010
0.47
0.056
0
Yundum
tn90p
1960
2010
0.467
0.052
0
XIX
Annexe 10: Evolution des vagues de chaleur sur les périodes de 1950 à 2010
Indices
Début
Fin
Pente
Ecar-type
P_Value
Groupe 1
Dori
wsdi
1950
2010
0.091
0.075
0.228
Kayes
wsdi
1951
2010
0.291
0.079
0
Tahoua
wsdi
1950
2010
-0.136
0.066
0.045
Klack
wsdi
1950
2010
0.174
0.043
0
Tamba
wsdi
1950
2010
0.213
0.111
0.061
Niamey
wsdi
1950
2010
0.09
0.066
0.18
Groupe 2
Kolda
wsdi
1950
2010
0.361
0.113
0.002
Bobo
wsdi
1960
2010
0.529
0.093
0
Sikasso
wsdi
1960
2010
0.023
0.04
0.563
Groupe 3
Ouaga
wsdi
1950
2010
0.088
0.071
0.218
Njamena wsdi
1951
2010
0.318
0.106
0.004
Ségou
wsdi
1960
2010
1.387
0.199
0
Yundum
wsdi
1960
2010
0.534
0.096
0
XX

Thème : Impact de hausses des températures sur la l`agriculture au

Transcription

Documents pareils

Analyse cette «page météo». Bulletin

Prévisions météorologiques du vendredi 30 mars 2012

Concepts à l`examen fév

Météo Villes - Guillaume SECHET - Saint

JW102.ppt [Lecture seule]

Météo Villes - Guillaume SECHET

Imprimer les prévisions

Météo Villes - Guillaume SECHET