Navigation – Plan du site

AccueilRubriques électroniquesRegards / Terrain2024Analyse de l’évolution spatiotemp...

2024

Analyse de l’évolution spatiotemporelle de la tendance des extrêmes chauds au Sénégal

Moussa Sow, Demba Gaye et Mouhamadou Mawloud Diakhate

Résumés

La variabilité climatique se manifeste entre autres, à travers des phénomènes climatiques tels que les sécheresses, les canicules, les inondations, les retards pluviométriques et les vagues de chaleur. Ces dernières sont prévues longues, plus fréquentes et plus intenses sur le continent africain et au Sahel en particulier. Dans ce contexte, il apparait important de mener des études sur ces phénomènes, notamment aux échelles nationales, pour mieux appréhender les potentiels impacts sur les populations. Ainsi, la présente recherche analyse les évolutions spatiotemporelles et la tendance des extrêmes chauds (95e percentiles des Tmax et des Tmin) au Sénégal sur la période 1984-2020. Pour atteindre cet objectif, il s’agit d’abord de faire la répartition spatiotemporelle des moyennes des extrêmes chauds (95e percentile des Tmax et des Tmin) de la période, ensuite de déterminer les anomalies du percentile 95e des Tmin et des Tmax à l’aide du test de Lamb. Par la suite, les années de rupture ont été identifiées à l’aide du test de Pettitt et enfin, le test de Mann Kendall a permis de ressortir les tendances du percentile 95e des Tmin et des Tmax de la période 1984-2020. Les données sont des réanalyses climatiques spatialisées et maillées d’une résolution spatiale de 0,5° * 0,625° qui ont conduit aux résultats obtenus qui montrent une augmentation des 95e percentile des Tmax et des Tmin sur l’ensemble des stations de l’étude. Cette hausse est estimée à l’échelle nationale à +0,38°C pour les 95e percentiles des Tmax et à +0,50°C pour les Tmin. Ce qui témoigne d’une croissance plus rapide des 95e des Tmin que des Tmax qui s’accompagnent d’une tendance significative sur la quasi-totalité des 40 stations de cette étude. En termes de prospective à ce travail, il serait important d’analyser les caractéristiques des vagues de chaleur au Sénégal.

Haut de page

Texte intégral

Introduction

1Les récentes évolutions du climat mondial se sont matérialisées par une succession d’épisodes chauds/froids et humides/ secs (Nouaceur, 2020) et ont tour à tour attesté du caractère évolutif et non statique du climat. Ainsi, cette évolution naturelle du climat se jouxte aux pratiques humaines qui ont des répercussions néfastes sur les hommes et les ressources (Ndiaye et al., 2020). Dès lors, il en résulte aussi un bouleversement des équilibres naturels à travers une variabilité spatio-temporelle des divers paramètres climatiques (GIEC, 2013). Le Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC) estime le réchauffement climatique à 1,5°C avec une plus grande fréquence des jours et nuits chauds (Rome et al., 2019). Cette hausse est perceptible dans plusieurs domaines tels que l’hydraulique, l’économie, la santé et l’environnement (Bodian, 2011 ; Hegerl et al., 2007) et modifie la répartition spatio-temporelle des ressources en eau, des systèmes socio-économiques et écologiques (Jun et al., 2012)

2Il est clair qu’aucune partie du monde n’est épargnée mais les conclusions du GIEC de 2014 font état d’un réchauffement plus important en Afrique que dans le reste du monde (Ringard, 2014). Les récentes études sur le continent africain, surtout dans sa zone tropicale, témoignent d’une tendance manifeste au réchauffement évoquée par plusieurs auteurs (Rome et al., 2019). Cette hausse des températures s’est accompagnée de l’intensification de la fréquence des vagues de chaleur sur le continent, comme en témoignent Russo et al., (2016) qui détectent sur la période 1997-2017 des vagues de chaleur plus étendues, longues et plus instances par rapport à la période 1979-1996 (Rome et al., 2019). Ringard (2014) déduit que l’impact du changement climatique se manifeste au Sahel par une multiplication des vagues de chaleur avec des températures qui ont atteint 47°C à Niamey en 2010 avec des conséquences graves pour les populations. Cette vague de chaleur a engendré environ 40 décès par jour, surtout des personnes âgées et des enfants (Barbier, 2017). Il est évident que la vague de chaleur constitue un enjeu de santé publique (McGregor, 2007) surtout dans le contexte sahélien où les moyens sont souvent limités.

3C’est dans ce contexte que cette étude cherche à étudier et spatialiser les récentes évolutions des extrêmes chauds au Sénégal à travers une analyse de la tendance des 95e percentiles des Tmin et Tmax qui correspond au seuil à partir duquel il est possible de parler d’extrême thermique. Ce travail s’est fait au moyen de l’indice d’anomalie de Lamb qui donne la variabilité interannuelle des températures extrêmes, du test de rupture de Pettitt (Pettitt, 1979) qui identifie l’année où s’opère le changement dans la distribution des 95e percentiles et du test de Mann-Kendall (Kendall, 1975 ; Mann, 1945) qui informe sur l’existence d’une tendance à la hausse ou à la baisse dans la distribution des températures extrêmes. Concrètement, il s’agit de (i) faire une caractérisation spatio-temporelle de l’évolution des 95e percentiles des températures maximales et minimales, (ii) d’identifier leurs anomalies, (iii) de repérer les ruptures dans l’évolution de ces séries et (iv) d’analyser leurs tendances sur la période 1984-2021.

Matériels et Méthodes

Zone d’étude

4Le Sénégal est un pays ouest-africain (figure 1). Avec une façade atlantique d’environ 700 km, il est limité au Nord par la Mauritanie, à l’Est par le Mali, au Sud par les républiques de Guinée et de Guinée-Bissau et à l’Ouest par l’océan Atlantique (CSE, 2020). Le relief se caractérise par la monotonie des altitudes qui sont inférieures à 50 m sur environ 75% du territoire (Gaye et al., 2015).

Figure 1. Situation géographique du secteur de recherche et des stations retenues.

Figure 1. Situation géographique du secteur de recherche et des stations retenues.

Sow et al., 2024

  • 1 Pmm : pluviométrie moyenne annuelle en mm.

5Le pays est divisé en trois zones climatiques : la zone sahélienne au Nord (Pmm < 500 mm)1, la zone Nord-soudanienne (Pmm < 1000 mm) et la zone Sud-soudanienne au Sud (Pmm <1500 mm) qui sont-elles subdivisées en deux domaines climatiques, chacune de part et d’autre de l’isotherme 26,7°C (CSE, 2020 ; (Sagna et al., 2016). Le climat se caractérise par la succession de deux saisons : une saison des pluies très courte et variable de 3 mois au Nord à 5 mois au Sud et une saison sèche plus étendue avec des températures relativement plus élevées (Ndiaye et al., 2020) notamment de mars à mai-juin. La pluviométrie connait des disparités spatiales importantes variant de moins de 300 mm au Nord à plus de 1000 mm au Sud du pays (Sagna et al., 2016). La répartition des températures rend compte des disparités spatio-temporelles importantes entre les régions de la façade littorale où les températures varient entre 16 et 30°C et les régions intérieures soumis aux effets de la continentalité avec des températures pouvant dépasser les 40°C (CSE, 2020 ; Ndiaye et al., 2020).

Données

  • 2 Pour plus d’information, consulter le site internet du NASA Power Project [En ligne], URL : https:/ (...)

6La question des données climatiques a été de tout temps une question fondamentale pour la recherche, surtout dans le contexte africain. En effet, la pauvreté, les famines, les guerres civiles et les politiques d’ajustement structurel ont engendré depuis 1990 l’abandon de système d’observation météorologique entrainant le déclin du réseau d’observation (Poccard-Leclercq, 2000). Au niveau des services météorologiques nationaux, l’obtention des données climatiques constitue une difficulté majeure en raison des coûts d’accès qui sont très exorbitants (Bodian et al., 2020). De plus, la faiblesse des stations et leur mauvaise répartition posent la question de la représentativité des données ((Ndiaye, 2021 ; Poccard-Leclercq, 2000). Eu égard à tous ces éléments, il y a donc une nécessité à trouver des sources de données fiables pour l’étude des extrêmes chauds à une échelle fine pour pouvoir mesurer l’impact au niveau local. Les réanalyses climatiques constituent ainsi une alternative aux données observées qui se caractérisent par leur inaccessibilité et leur caractère lacunaire (Ndiaye, 2021). Dans ce travail, les données solaires et météorologiques mises à disposition du grand public par le centre de recherche Langley de la NASA2 sont utilisées en raison de la bonne couverture spatio-temporelle de la terre (Martins et al., 2017 ; Ruane et al., 2015 ; Poccard-Leclercq, 2000). Plus précisément, les températures maximales et minimales journalières ont été extraites aux points des stations météorologiques du pays en utilisant leurs coordonnées. Ces stations sont complétées par des stations virtuelles pour une meilleure spatialisation de la zone. En somme, les données du centre de recherche Langley de la NASA utilisées dans cette étude ont été extraites aux points de coordonnées des 27 stations météorologiques du pays (1 station agro-bio-climatologique, 7 stations climatiques, 6 stations pluviométriques, 13 stations synoptiques) et 13 stations (point choisis au hasard) virtuelles (tableau 1).

Tableau 1. Caractéristiques des stations retenues pour l'étude

Nom

Type

Latitude

Longitude

Velingara

Station agro-bio-climatologique

13,15

-14,10

Bakel

Station climatologique

14,90

-12,47

Bambey

Station climatologique

14,70

-16,47

Louga

Station climatologique

15,62

-16,22

Mbour

Station climatologique

14,42

-16,97

Pandienou Lehar

Station climatologique

14,72

-16,90

Richard Toll

Station climatologique

16,45

-15,70

Sedhiou-Sefa

Station climatologique

12,78

-15,55

Fatick

Station pluviométrique

14,33

-16,40

Goudiry

Station pluviométrique

14,18

-12,72

Kebemer

Station pluviométrique

15,37

-16,45

Koungheul

Station pluviométrique

13,97

-14,83

Nioro Du Rip

Station pluviométrique

13,73

-15,78

Ranerou

Station pluviométrique

15,30

-13,97

Dakar-Yoff

Station synoptique

14,73

-17,50

Cap Skiring

Station synoptique

12,40

-16,75

Diourbel

Station synoptique

14,65

-16,23

Kaolack

Station synoptique

14,13

-16,07

Kédougou

Station synoptique

12,57

-12,22

Kolda

Station synoptique

12,88

-14,97

Linguère

Station synoptique

15,38

-15,12

Matam

Station synoptique

15,65

-13,25

Podor

Station synoptique

16,65

-14,97

Saint Louis

Station synoptique

16,05

-16,45

Simenti

Station synoptique

13,03

-13,30

Tambacounda

Station synoptique

13,77

-13,68

Ziguinchor

Station synoptique

12,55

-16,27

Saraya

Station virtuelle

12,65

-11,48

Madina Bransan

Station virtuelle

13,35

-12,18

Kanel

Station virtuelle

14,78

-13,36

Danthialy

Station virtuelle

14,76

-14,31

Ranch De Doly

Station virtuelle

14,76

-15,03

Bamramy

Station virtuelle

16,15

-14,31

Mbiddi

Station virtuelle

16,15

-15,03

Dagana

Station virtuelle

16,15

-15,75

Médina Yoro Foula

Station virtuelle

13,37

-15,03

Rufisque

Station virtuelle

14,75

-17,17

Foundiougne

Station virtuelle

14,06

-16,45

Gamon(Tamba)

Station virtuelle

13,36

-12,89

Koumpentoum

Station virtuelle

14,06

-14,31

Méthodes

7La méthodologie de ce travail se résume essentiellement à analyser l’évolution spatio-temporelle des températures minimales et maximales, à identifier les anomalies, à étudier les ruptures et les tendances des vagues chaleurs à travers les tests de Pettitt et de Mann-Kendall. Cette méthodologie part de la construction de séries chronologiques du 95e percentile annuel à partir des données journalières de Tmin et de Tmax.

Analyse spatiotemporelle des extrêmes chauds

8L’analyse spatio-temporelle des extrêmes chauds s’est faite à travers la cartographie du 95e percentile des Tmin et Tmax journalières. La technique d’interpolation utilisée est celle de l’inverse des distances au carré (appelé interpolation IDW, inverse distance weighting en anglais). Cette d’interpolation spatiale consiste à estimer les valeurs inconnues à un emplacement donné en se basant sur les valeurs connues d’autres emplacements. Il permet ainsi de spatialiser les 95e percentiles des températures dans la zone à partir des données des stations de l’étude, ce qui permet de visualiser la tendance spatiale des extrêmes chauds.

Détection des anomalies des extrêmes chauds

9L’identification des anomalies de températures s’est faite avec l’indice de Lamb (1982) qui a permis de spatialiser la dynamique spatio-temporelle du 95e percentile des Tmin et Tmax de 1984 à 2020. Cet indice est très utilisé pour l’analyse des fluctuations des régimes des paramètres hydro-climatiques (Saley et al., 2009) et des phénomènes climatiques (Faye et al., 2019 ; Bodian, 2014). On peut retenir qu’un indice de Lamb positif traduit une hausse de la température et inversement un indice négatif correspond à une baisse thermique (Ndiaye et al., 2020).

Détection de rupture dans l’analyse des extrêmes chauds

10Le test de Pettit est un test dit non paramétrique et résulte du test de Mann Whitney. Il part d’une hypothèse nulle c’est-à-dire qu’il n’existe pas une rupture dans la série concernée. Le maximum observé est assimilé vraisemblablement à la date de rupture et la valeur P permet de savoir si cette rupture est significative au seuil α si l’hypothèse nulle est rejetée (Braud, 2011). Son exécution admet que pour tout instant t compris entre 1 et N, les séries chronologiques i= 1 à t et t+1 à N font partie de la même population (Paturel et al., 1996). Pour Pettit, une séquence de variables aléatoires indépendantes X; X2 ; … ; XN, ont une rupture à t si Xt pour t = 1, …. τ ont une distribution commune F1(X) et les Xt’ pour t = τ+1,…, N ont une distribution commune F2(X) différente de F1(X) (Paturel et al., 1996). L’hypothèse nulle qui est l’absence de rupture est différente de l’hypothèse alternative.

11H0 : τ =N ≠ H1 : 1≤ τ ≤ N

12La formulation du test est la suivante :

Détection de tendance des extrêmes chauds

13Le test de tendance est un test non paramétrique qui permet d’identifier s’il existe dans une série chronologique une tendance repérable. L’hypothèse nulle est rejetée signifie que p < α au seuil de significativité choisi et on déduit alors qu’il existe une tendance significative (Braud, 2011). Le test est calculé avec la formule suivante :

14Où xi est la valeur de la variable au temps i et xj est la valeur de la variable j, n est la longueur de la série et sign () est une fonction qui se calcule de la façon suivante :

15Une tendance croissante ou décroissante est donnée par le signe de la valeur Z (positif ou négatif) et le Z est obtenu à partir de la variance de S qui s’obtient par cette formule :

16Pour n > 10, Z suit approximativement une distribution normale et peut être calculé comme suit :

17Si une tendance est notée dans la série de données, son ampleur peut être déterminée par la pente de tendance (noté β). Il représente la médiane de toutes pentes calculées entre chaque deux points (Croiset et Lopez, 2013). Sa formule est la suivante :

Résultats

Répartition spatio-temporelle des extrêmes chauds au Sénégal

18La figure 2 donne la répartition spatio-temporelle des moyennes annuelles des 95e percentiles des températures maximales et minimales de la période 1984-2020 au Sénégal. Les moyennes annuelles des 95e des Tmax et des Tmin sont comprises respectivement entre 29,16° et 43,44°C et entre 24,71° et 28,71°C.

Figure 2. Dynamique spatiale des moyennes annuelles des 95e percentiles des Tmin et Tmax de la période 1984-2020

Figure 2. Dynamique spatiale des moyennes annuelles des 95e percentiles des Tmin et Tmax de la période 1984-2020

Sow et al., 2024

19L’analyse de la figure 2 montre une répartition très différente pour les 95e percentiles des Tmin et des Tmax. En effet, les zones où les valeurs des 95e percentiles des Tmax sont les moins importantes (zones où les jours sont moins chauds) se situent sur la façade littorale au niveau des stations de Cap Skirring, Mbour, Rufisque, Dakar et Saint-Louis avec des valeurs de Tmax comprises entre 29° et 39,92°C (figure 2A). Aussi, à l’exception des stations du littoral, les stations de l’intérieur se caractérisent par l’importance des valeurs des 95e percentiles des Tmax qui augmentent au fur et à mesure qu’on avance vers l’Est. Leurs valeurs s’échelonnent entre 40,72° et 43,44°C. En outre, l’analyse de la figure 2B montre qu’il existe une plus grande variabilité du point de vue spatiale pour les 95e percentiles des Tmin qui sont plus faibles au niveau du littoral et au centre du pays avec des valeurs qui s’échelonnent entre 24,71° et moins de 27°C. Les stations orientales se caractérisent par des extrêmes moyens plus élevés compris entre 27,11° et 28,71°C. Globalement, la faiblesse des extrêmes chauds sur les régions littorales serait due aux incursions des alizés maritimes qui engendrent un adoucissement des températures. En revanche, les régions intérieures connaissent des températures élevées qui pourraient s’expliquer non seulement par le fait qu’elles ne jouissent pas de l’influence des flux maritimes mais aussi parce qu’elles se caractérisent par une prédominance de l’alizé continental communément appelé harmattan, un vent continu qui est chaud et sec.

Anomalies des extrêmes chauds

20L’évolution diachronique des extrêmes chauds a été étudiée au moyen de l’indice d’anomalie de Lamb sur la période 1984-2020 (figure 3). Il ressort deux périodes aussi bien avec les 95e des Tmin et des Tmax : de 1984 à 2000 et de 2001 à 2020.

Figure 3. Tendance globale des 95 e des Tmin et des Tmax au Sénégal de 1984 à 2020

Figure 3. Tendance globale des 95 e des Tmin et des Tmax au Sénégal de 1984 à 2020

Sow et al., 2024

21La première période (1984-2000) se caractérise par une tendance baissière des 95e des Tmin et des Tmax qui ont des valeurs moyennes de 26°C et de 41,04°C. Pendant cette séquence, il s’observe des 95e inferieures à la moyenne 1984-2020, ce qui indique une période froide par rapport à la chronique 2001-2020 avec une irrégularité interannuelle plus marquée. La seconde période (2001-2020) se démarque par une tendance à la hausse plus soutenue avec des 95e supérieures à la moyenne 1984-2020, ce qui indique une période chaude par rapport à la chronique 1984-2020 mais qui manifeste aussi une certaine irrégularité liée à la variabilité interannuelle (alternance de hausse et baisse des 95e percentiles des Tmin et des Tmax) de la tendance. Sur cette période, les valeurs moyennes sont évaluées à 41,42°C pour les 95e percentiles des Tmax et à 26,51°C pour celles des Tmin. Entre les deux périodes, la hausse des températures extrêmes est estimée à +0,38°C pour les 95e percentiles des Tmaxet à +0,50°C pour les 95e percentiles des Tmin.

22Pour ce qui concerne la tendance, elle est en hausse tant au niveau des 95e Tmax que les 95e Tmin. Cependant, on note une augmentation plus rapide et plus importante des 95e percentiles des Tmin que des Tmax comme l’attestent les valeurs de R² de la figure 3 qui sont de 0,48 pour les premières et de 0,13 pour les secondes.

23La figure 4 présente la dynamique spatiale des extrêmes des 95e percentiles des Tmin et des Tmax au Sénégal selon les zones climatiques. L’analyse de la figure laisse apparaitre une tendance globale à la hausse des 95e percentiles des Tmin et Tmax sur la période 1984-2020. L’intensité de cette croissance est liée aux disparités Côtes/Continents.

Figure 4. Caractérisation de l’évolution des anomalies des 95e percentiles des Tmin et Tmax dans les zones climatiques du Sénégal

Figure 4. Caractérisation de l’évolution des anomalies des 95e percentiles des Tmin et Tmax dans les zones climatiques du Sénégal

Sow et al., 2024

24Ainsi, au niveau du domaine sahélien côtier, on dénote une augmentation plus importante pour les 95e percentiles des Tmin (R²=0,45) que des Tmax (R²=0,001) (figure 4A). Sur la partie continentale, une tendance similaire se dégage avec pour les 95e percentiles des Tmin un R² estimé à 0,45 et pour celui des Tmax un R² égal à 0,1 (figure 4B). On peut retenir à ce niveau une hausse des 95e percentiles des Tmin plus significative dans la partie côtière que dans la partie continentale. Parallèlement, dans le domaine nord-soudanien côtier, l’évolution est très irrégulière mais plus rapide pour les 95e percentiles des Tmin (R²=0,391) que pour les Tmax (R²=0,003) (figure 4C). De plus, dans le domaine nord-soudanien continental, la hausse des 95e percentiles des Tmin et des Tmax est repérée avec un R² de 0,42 pour les premières et de 0,19 pour les secondes (figure 4D). S’agissant du domaine sud-soudanien côtier, la hausse des Tmax identifiée est très insignifiante (R²=0,003) contrairement aux 95e percentiles des Tmin (R²=0,16) (figure 4E). Globalement, on remarque une tendance à la hausse des extrêmes chauds au Sénégal avec une croissance plus significative des 95e percentiles des Tmin que des Tmax. L’analyse de la dynamique spatiale de cette évolution laisse apparaitre une augmentation plus importante aux stations côtières qu‘aux stations continentales.

Analyse des ruptures dans l’évolution des extrêmes chauds

25La figure 5 présente la répartition spatiale des résultats du test de ruptures de Pettitt à l’échelle du Sénégal. Pour les 95e percentiles des Tmax, sur les 40 stations, 9 années de ruptures sont identifiées : 1991(1 station), 1994 (1 station), 1996 (3 stations), 1997 (8 stations), 1998 (20 stations), 2000 (2 stations), 2002 (1 station), 2005 (1 station) et 2011(3 stations). Pour les 95e percentiles des Tmin, seules 8 années de ruptures sont ressorties du test de Pettitt : 1988 (1 station), 1991 (2 stations), 1992 (1 station), 1993 (10 stations), 1994 (11 stations), 1996 (3 stations), 1997 (11 stations) et 2001 (1 station). On peut donc retenir qu’à l’échelle du Sénégal, la quasi-totalité des ruptures repérées dans l’évolution 95e percentiles des Tmax et des Tmin se situent dans les années 90.

Figure 5. Répartition spatiale des ruptures des 95e percentiles des Tmin et des Tmax au Sénégal sur la période 1984-2020.

Figure 5. Répartition spatiale des ruptures des 95e percentiles des Tmin et des Tmax au Sénégal sur la période 1984-2020.

26Sow et al., 2024

27Du point de vue de la significativité du test de Pettitt (tableau 2), les résultats montrent que 21 stations sur 40 sont significatives au seuil de 0,01 et 0,05 pour les 95e percentiles des Tmax. Parallèlement, pour les 95e percentiles des Tmin, seules 03 stations sur 40 présentent des ruptures non significatives. Ces résultats démontrent globalement la plus grande significativité des ruptures des 95e percentiles des Tmin sur les Tmax au Sénégal sur la période 1984-2020.

Tableau 1. Identification des années de ruptures dans l'évolution des 95e percentiles des Tmin et Tmax et leur significativité

Nom

Ruptures (95e percentiles des Tmax)

Significativité (95e percentiles des Tmax)

Ruptures (95e percentiles des Tmin )

Significativité (95e percentiles des Tmin )

Vélingara

1996

Significative

1994

Significative

Bakel

1998

Significative

1997

Significative

Bambey

1998

Non significative

1993

Significative

Louga

2000

Non significative

2001

Significative

Mbour

1998

Significative

1997

Significative

Pandienou Lehar

1991

Non significative

1997

Significative

Richard Toll

1998

Significative

1993

Significative

Sedhiou

1998

Non significative

1997

Significative

Fatick

1998

Non significative

1997

Significative

Goudiry

1997

Non significative

1997

Significative

Kébémer

1994

Significative

1994

Significative

Koungheul

1998

Significative

1994

Significative

Nioro Du Rip

1998

Significative

1994

Significative

Ranerou

1997

Non significative

1997

Significative

Dakar-Yoff

1998

Non significative

1993

Significative

Cap Skirring

1998

Significative

1994

Significative

Diourbel

2005

Non significative

1993

Non significative

Kaolack

1996

Significative

1991

Significative

Kédougou

1998

Significative

1992

Significative

Kolda

1998

Significative

1993

Significative

Linguère

1998

Non significative

1993

Significative

Matam

1998

Significative

1994

Significative

Podor

1996

Significative

1994

Significative

Saint Louis

1998

Significative

1993

Significative

Simenti

2011

Non significative

1997

Significative

Tambacounda

1997

Non significative

1988

Non significative

Ziguinchor

1997

Non significative

1997

Non significative

Saraya

2011

Non significative

1993

Significative

Madina Bransan

1998

Significative

1993

Significative

Kanel

1998

Significative

1993

Significative

Danthialy

1998

Significative

1996

Significative

Ranch De Doly

1998

Significative

1996

Significative

Bamramy

2011

Non significative

1997

Significative

Mbiddi

1997

Non significative

1996

Significative

Dagana

1997

Significative

1994

Significative

Médina yoro Foula

1997

Non significative

1991

Non significative

Rufisque

1998

Significative

1994

Significative

Foundiougne

2000

Significative

1994

Significative

Gamon (Tamba)

1997

Non significative

1994

Non significative

Koumpentoum

2002

Non significative

1997

Significative

Sow et al., 2024

Tendance des extrêmes chauds au Sénégal

28La cartographie de la tendance des 95e percentiles des Tmax et des Tmin est présentée dans la figure 6. La tendance est perçue à travers la valeur de Z du test de Mann-Kendall qui lorsqu’elle est positive/négative indique une augmentation/baisse de la température.

Figure 6. Tendances des 95e percentiles des Tmax et des Tmin au Sénégal de 1984 à 2020

Figure 6. Tendances des 95e percentiles des Tmax et des Tmin au Sénégal de 1984 à 2020

Sow et al., 2024

29Il ressort du test réalisé une tendance globale au réchauffement aussi bien pour les 95e percentiles des Tmax que pour les 95e percentiles des Tmin à l’exception des quelques stations pour les Tmax (figure 6A). Cette tendance à la baisse couvre quelques stations de la partie côtière (Dakar, Thiès, Rufisque, Mbour, Ziguinchor, Cap-Skirring) et une station continentale (Kolda). De plus, il est observé une augmentation des extrêmes de Tmax significative (P<0,05) avec un Z>1,96 pour les stations Nord-Ouest, centre-Ouest et une bonne partie des stations Sud-Ouest. Le reste des stations situées dans la partie Est du pays, la tendance au réchauffement est significative (P<0,01) avec la valeur de Z qui est supérieure à 2,58. Pour les 95e percentiles des Tmin (figure 6B), on note une augmentation sur toutes les stations avec un niveau de significativité différent. En effet, pour quelques stations (Kolda et Vélingara), la tendance à la hausse est non significative parce que la valeur de Z est inférieure à 1,96. Une tendance à la hausse significative (P<0,05) est observée seulement sur quelques stations (Mbiddi dans le Nord et Sédhiou dans le Sud). Pour le reste des stations, la tendance au réchauffement est manifeste et significative (P<0,01) avec la valeur de Z qui dépasse 2,58.

30L’analyse de l’ampleur de la tendance des 95e percentiles des Tmax et 95 e des Tmin a été faite grâce aux résultats de la Pente de Sen qui sont spatialisés dans la figure 7. Cette pente permet d’évaluer l’ampleur de la tendance détectée par le test Mann Kendall.

Figure 7. Cartographie de la pente de Sen des 95e percentiles des Tmax et des Tmin au Sénégal sur la période 1984-2020

Figure 7. Cartographie de la pente de Sen des 95e percentiles des Tmax et des Tmin au Sénégal sur la période 1984-2020

Sow et al., 2024

31Pour les 95e percentiles des Tmax, les seules valeurs de Pente de Sen négatives observées sont localisées sur la partie côtière et concernent les stations de Dakar, Thiès, Rufisque, Mbour, Ziguinchor, Cap-Skirring ce qui confirme la tendance à la baisse détectée (figure 6A). Pour les autres stations, on note des valeurs de pente de Sen positives et qui sont plus importantes dans la partie Nord-Est et Sud-Est du pays. Ceci confirme la tendance au réchauffement observée pour les Tmax. Concernant les 95e percentiles des Tmin, les valeurs de Pente de Sen renforcent les résultats de la tendance à la hausse des 95e percentiles des Tmin observés dans la figure 6B. Du point de vue spatial, la Pente de Sen est positive à l’échelle du Sénégal pour les 95e percentiles des Tmin ce qui témoigne d’une tendance plus régulière des 95e percentiles des Tmin.

Figure 8. Pente de Sen des 95e percentiles des Tmax et des Tmin au Sénégal sur la période 1984-2020

Figure 8. Pente de Sen des 95e percentiles des Tmax et des Tmin au Sénégal sur la période 1984-2020

Sow et al., 2024

32Aussi, à travers la figure 8, on peut voir que sur la totalité des stations étudiées, les valeurs de Pente de Sen des 95e percentiles des Tmin sont supérieures à celles des Tmax. Cet état de fait permet de montrer qu’à l’échelle du Sénégal sur la période 1984-2020, les extrêmes chauds des températures minimales augmentent plus vite et plus significativement que ceux des températures maximales.

Discussion

33Le but de ce travail a été d’analyser l’évolution spatiotemporelle et la tendance des évènements climatiques extrêmes (95e percentiles des Tmin et des Tmax) au Sénégal sur la période 1984-2020. Les résultats montrent une augmentation des 95e percentiles des Tmin et Tmax sur cette période évaluée respectivement à +0,50°C et +0,38°C. Cette tendance à la hausse détectée dans l’évolution des extrêmes de température est en phase avec les travaux du GIEC, 2007 et de Braganza et al., (2004) sur l’augmentation des températures à l’échelle mondiale. Dans le contexte du Sahel, les résultats sont similaires aux conclusions des travaux de Rome et al. (2015), de Ringard, (2014) et de Ly et al. (2013) qui confirment la hausse des caractéristiques de températures. De plus, à l’échelle du Sénégal, plusieurs travaux concluent à une tendance à la hausse comme l’Agence internationale pour le développement des États-Unis (USAID, 2012) qui estime la croissance à 0,9°C. Sagna et al., (2016) dans leur étude sur la vérification des projections du GIEC à l’échelle du Sénégal confirment la tendance au réchauffement à l’instar des autres parties du globe. Cette tendance au réchauffement notée dans notre étude est en phase avec le travail Ndiaye et al. (2020) qui estime la hausse des températures à 0,68 °C Tmax et les Tmin de 1,24 °C, soit une hausse moyenne de 0,96 °C. Spécifiquement, lorsqu’on analyse les résultats des 95e percentiles des Tmin et des Tmax, on remarque que sur les stations de l’étude la hausse des 95e percentiles des Tmin est plus rapide et plus importante que celle des Tmax. Ce résultat est conforté par les travaux de Hartmann et al., (2013), de Braganza et al. (2004) et de Easterling et al., (2000) concluant une diminution des amplitudes thermiques du fait de l’augmentation plus rapide et plus importante des températures minimales à l’échelle mondiale. Dans le contexte sahélien, cette tendance est appuyée par les travaux de Barbier (2017), de Rome et al. (2015), de Ringard (2014) et de Trigo et al. (2005). Ndiaye et al. (2020) obtiennent des résultats similaires sur la caractérisation des températures au Sénégal. D’un autre côté, en analysant les résultats du test de Mann-Kendall où l’on observe globalement une tendance croissante, il est clair que nos résultats sont en phase avec ceux de Rome et al. (2016) et de Ringard (2014) qui avaient conclu une intensification des vagues de chaleur au Sahel. En somme, ce travail a permis d’analyser l’évolution spatiotemporelle des extrêmes chauds (95e percentiles des Tmax et des Tmin) qui se distinguent par une tendance à la hausse sur la quasi-totalité des stations étudiées. De plus, il est clair qu’à l’échelle du Sénégal les extrêmes chauds minimales (95e percentiles des Tmin) augmentent plus et rapidement que les extrêmes chauds maximales (95e percentiles des Tmax) à l’instar des autres parties du monde. Dès lors, il est nécessaire d’analyser l’impact des autres paramètres climatiques sur la survenue et l’intensité des vagues de chaleur au Sénégal et en Afrique.

Conclusion

34L’objectif de ce travail a été de faire la caractérisation spatiotemporelle et d’analyser la tendance des extrêmes chauds (95e percentiles des Tmax et des Tmin) au Sénégal sur la période 1984-2020. L’étude a été menée sur la base de 40 stations réparties à l’échelle du territoire. Différentes méthodes ont été utilisées dans la caractérisation. Il s’agit d’une caractérisation spatio-temporelle des 95e percentiles des Tmin et Tmax moyennes de la période 1984-2020, une analyse des anomalies de 95e percentiles des Tmin et des Tmax à l’aide de l’indice de Lamb, une détermination des ruptures grâce au test de Pettitt et enfin une identification de la tendance des extrêmes chauds (95e percentiles des Tmin et des Tmax) au Sénégal.

35Les résultats démontrent une tendance globalement significative des extrêmes chauds au Sénégal sur la période 1984-2020. On note une augmentation plus importante des 95e percentiles des Tmin sur la totalité des stations de cette étude. Du point de vue spatial, la tendance à la hausse est plus significative dans les régions intérieures, ce qui témoigne de la hausse plus prononcée dans ces zones que sur la partie littorale. Ceci s’explique par l’effet de l’influence marine et par l’importance du degré hygrométrique qui permet un adoucissement des températures dans les régions côtières. Ainsi, il a été noté des anomalies positives à l’échelle nationale estimées à +0,50°C pour les 95e percentiles des Tmin et +0,38°C pour les Tmax. Cette croissance est corroborée par les résultats du test de Mann Kendall surtout par les valeurs de Pente de Sen qui montre une hausse plus rapide des 95e percentiles des Tmin sur l’ensemble des stations étudiées.

36En somme, cette étude sur la tendance des extrêmes s’avère intéressante aux vues des enjeux liés au changement climatique et à la récurrence des vagues de chaleur en Afrique et au Sénégal. L’étude des 95e percentiles des Tmin et des Tmax permet non seulement de vérifier la tendance des températures extrêmes à l’échelle du Sénégal mais aussi d’analyser les probables répercussions d’une hausse sur les 95e percentiles des Tmin sur la santé des populations. Au regard des résultats obtenus dans ce travail, il serait important d’analyser les caractéristiques des différents phénomènes de vagues de chaleur au Sénégal ainsi que leur répercussion sanitaire et socio-économique.

Haut de page

Bibliographie

Barbier, J. 2017, Extrêmes climatiques-les vagues de chaleur au printemps sahélien, Thèse de doctorat, Institut National Polytechnique de Toulouse, 268 p.

Bodian, A. 2011, Approche par modélisation pluie-débit de la connaissance régionale de la ressource en eau : Application au haut bassin du fleuve Sénégal. Université Cheikh Anta Diop, 288 p.

Bodian, A. 2014, Caractérisation de la variabilité temporelle récente des précipitations annuelles au Sénégal (Afrique de l’Ouest), Physio-Géo, 8, pp. 297‑312.

Braud., I. 2011. Méthodologies d’analyse de tendances sur de longues séries hydrométéorologiques, 6 p., [En ligne] URL : https://www.graie.org/othu/pdfothu/fiches/F23-analtendance.pdf

Croiset, N., et Lopez, B. 2013, Outil d’analyse statistique des séries temporelles d’évolution de la qualité des eaux souterraines-Manuel d’utilisation, ONEMA, Publication du BRGM, 64 p.

CSE. 2020, État de l’environnement au Sénégal, Centre de Suivi Écologique, 280 p.

Easterling, D. R., Meehl, G. A., Parmesan, C., Changnon, S. A., Karl, T. R., et Mearns, L. O. 2000, Climate Extremes: Observations, Modeling, and Impacts. Science, 289, 5487, pp. 2068‑2074.

Faye, C., Ba, D. D., et Diedhiou, S. O. 2019, L’anomalie de la température minimale et maximal dans la partie Sud-Est du Sénégal, Journal de la Recherche Scientifique de l’Université de Lomé, 21, 4-1, pp. 27-37.

Gaye, A. T., Fall, M. S, M. S., Lo, H. M., Sakho-Djimbira, S., et Ndiaye, I. 2015, Sénégal : Revue du contexte socioéconomique, politique et environnemental, politique et environnemental, Innovation, Environnement, Développement en Afrique (IED Afrique), 88 p.

GIEC, 2013, Résumé à l’intention des décideurs, Changements climatiques 2013 : Les éléments scientifiques. Contribution du Groupe de travail I au cinquième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat, Cambridge University Press, Cambridge, 34 p.

GIEC. 2007, Bilan 2007 des changements climatiques. Contribution des Groupes de travail I, II et III au quatrième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat, 144 p.

Hartmann, D. L., Klein-Tank, A. M. G., Rusticucci, M., Alexander, L. V., Brönnimann, S., Charabi, Y., Dentener, F. J., Dlugokencky, E. J., Easterling, D. L., Kaplan, A., Soden, B., Thorne, P. W., Wild, M., et Zhai, P. M., 2013, Observations: Atmosphere and surface. In Climate change 2013 the physical science basis: Working group I contribution to the fifth assessment report of the intergovernmental panel on climate change, Cambridge University Press, pp. 15-24.

Hegerl, G. C., Zwiers, F. W., Braconnot, P., Gillett, N. P., Luo, Marengo Orsini, J. A., N. Nicholls, Penner, J. E., et Stott, P. A. 2007, Understanding and Attributing Climate Change. Dans Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor et H.L. Miller (eds.), Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, 996 p.

Jun, W., Xinhua, W., Meihua, G., et Xuyan, X. 2012, Impact of Climate Change on Reference Crop Evapotranspiration in Chuxiong City, Yunnan Province. Procedia Earth and Planetary Science, 5, pp. 113‑119.

Kendall, M. G. 1975, Rank correlation methods, Griffin, London, 202 p.

Ly, M., Traore, S. B., Alhassane, A., et Sarr, B. 2013, Evolution of some observed climate extremes in the West African Sahel, Weather and Climate Extremes, 1, pp. 19‑25.

Mann, H. B., 1945, Nonparametric Tests Against Trend, Econometrica: Journal of the econometric society, pp. 245-259.

Martins, D. S., Paredes, P., Raziei, T., Pires, C., Cadima, J., et Pereira, L. S., 2017, Assessing reference evapotranspiration estimation from reanalysis weather products. An application to the Iberian Peninsula. International Journal of Climatology, 37, 5, pp. 2378‑2397.

McGregor, G. R. 2007, Using science to create a better place: The social impacts of heat waves. Environment Agency, Rio House, Waterside Drive, Aztec West, Almondsbury, Bristol, BS32 4UD, 48 p.

Ndiaye, P. M. 2021, Evaluation, calibration et analyse des tendances actuelles et futures de l’évapotranspiration de référence dans le bassin du fleuve Sénégal, Thèse de doctorat, Université Gaston Berger de Saint-Louis, Sénégal, 169 p. [En ligne] URL : https://cda-omvs.org/wp-content/uploads/2016/06/13680_Evaluation-calibration-et-analyse-des-tendances-actuelles-et-futures-evapotranspirations-BFS.pdf

Ndiaye, P. M., Gaye, D., et Sow, S. A. S. A. 2020, Caractérisation Spatiotemporelle Et Analyse De La Tendance Des Températures Au Sénégal, European Scientific Journal ESJ, 16, 33, pp. 105-121.

Nouaceur, Z. 2020, La reprise des pluies et la recrudescence des inondations en Afrique de l’Ouest sahélienne, Physio-Géo, 15, pp. 89‑109.

Paturel, J. E., Servat, E., Kouamé, B., Boyer, J. F., Lubes, H., et Masson, J. M. (1996). Procédures d’identification de" ruptures" dans des séries chronologiques modification du régime pluviométrique en Afrique de l’Ouest non sahélienne : L’hydrologie tropicale : géoscience et outil pour le développement, IAHS Publication n° 238, pp. 99-110.

Pettitt, A. N. 1979, A Non-Parametric Approach to the Change-Point Problem, Applied Statistics, 28, 2, 126.

Poccard-Leclercq, I. 2000, Étude diagnostique de nouvelles données climatiques : Les réanalyses. Exemples d’application aux précipitations en Afrique tropicale, Thèse de doctorat en Géographie, Université de Bourgogne, 255 p.

Ringard, J. 2014, Étude rétrospective et prospective des vagues de chaleur en Afrique de l’Ouest, Thèse de doctorat, Université Joseph Fourier, Grenoble, 47 p.

Rome, R., Oueslati, B., Moron, V., Pohl, B., et Diedhiou, A. 2016, Les vagues de chaleur au Sahel : Définition et principales caractéristiques spatio-temporelles (1973-2014) dans 29ème Colloque de l’Association Internationale de Climatologie, pp. 345-350.

Rome, S., Caniaux, G., Ringard, J., Dieppois, B., et Diedhiou, A. 2015, Identification de tendances récentes et ruptures d’homogénéité des températures : Exemple en Afrique de l’Ouest et sur le Golfe de Guiné. 28ème colloque internationnal de l’AIC, 28, pp. 591-596.

Rome, S., Pohl, B., Oueslati, B., et Moron, V. 2019, Durée et fréquence des vagues de chaleur en Afrique tropicale septentrionale selon 5 indices de chaleur, [En ligne] URL : https://shs.hal.science/halshs-02151950/document

Russo, S., Marchese, A. F., Sillmann, J., et Immé, G. 2016, When will unusual heat waves become normal in a warming Africa? Environmental Research Letters, 11, 5, 054016.

Sagna, P., Ndiaye, O., Diop, C., Niang, A. D., et Sambou, P. C. 2016, Les variations récentes du climat constatées au Sénégal sont-elles en phase avec les descriptions données par les scénarios du GIEC ? Pollution atmosphérique, 227.

Saley, M. B., Tanoh, R., Kouamé, K. F., Oga, M. S., Kouadio, B. H., Djagoua, E. V., Oulare, S., Youan, T. M., Affian, K., Jourda, J. P., Savane, I., et Biemi, J. 2009, Variabilité spatio-temporelle de la pluviométrie et son impact sur les ressources en eaux souterraines : Cas du district d’Abidjan (sud de la Côte d’Ivoire), 18 p. [En ligne] URL : https://www.sifee.org/client_file/upload/Colloques documentation/2009 Niamey/3_SAlEY_comm.pdf

Trigo, R. M., García‐Herrera, R., Díaz, J., Trigo, I. F., et Valente, M. A., 2005, How exceptional was the early August 2003 heatwave in France? Geophysical Research Letters, 32, 10, pp. 1-4.

USAID. 2012, A Climate Trend Analysis of Senegal, USGS, Famine Early Warning Systems Network-Informing Climate Change Adaptation Series. United States Agency for International Development, 4 p.

Haut de page

Notes

1 Pmm : pluviométrie moyenne annuelle en mm.

2 Pour plus d’information, consulter le site internet du NASA Power Project [En ligne], URL : https://power.larc.nasa.gov/

Haut de page

Table des illustrations

Titre Figure 1. Situation géographique du secteur de recherche et des stations retenues.
Crédits Sow et al., 2024
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-1.png
Fichier image/png, 528k
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-2.png
Fichier image/png, 1,6k
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-3.png
Fichier image/png, 2,1k
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-4.png
Fichier image/png, 3,0k
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-5.png
Fichier image/png, 1,7k
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-6.png
Fichier image/png, 2,9k
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-7.png
Fichier image/png, 1,9k
Titre Figure 2. Dynamique spatiale des moyennes annuelles des 95e percentiles des Tmin et Tmax de la période 1984-2020
Crédits Sow et al., 2024
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-8.png
Fichier image/png, 579k
Titre Figure 3. Tendance globale des 95 e des Tmin et des Tmax au Sénégal de 1984 à 2020
Crédits Sow et al., 2024
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-9.png
Fichier image/png, 23k
Titre Figure 4. Caractérisation de l’évolution des anomalies des 95e percentiles des Tmin et Tmax dans les zones climatiques du Sénégal
Crédits Sow et al., 2024
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-10.png
Fichier image/png, 228k
Titre Figure 5. Répartition spatiale des ruptures des 95e percentiles des Tmin et des Tmax au Sénégal sur la période 1984-2020.
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-11.png
Fichier image/png, 534k
Titre Figure 6. Tendances des 95e percentiles des Tmax et des Tmin au Sénégal de 1984 à 2020
Crédits Sow et al., 2024
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-12.png
Fichier image/png, 519k
Titre Figure 7. Cartographie de la pente de Sen des 95e percentiles des Tmax et des Tmin au Sénégal sur la période 1984-2020
Crédits Sow et al., 2024
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-13.png
Fichier image/png, 526k
Titre Figure 8. Pente de Sen des 95e percentiles des Tmax et des Tmin au Sénégal sur la période 1984-2020
Crédits Sow et al., 2024
URL http://journals.openedition.org/vertigo/docannexe/image/44862/img-14.png
Fichier image/png, 39k
Haut de page

Pour citer cet article

Référence électronique

Moussa Sow, Demba Gaye et Mouhamadou Mawloud Diakhate, « Analyse de l’évolution spatiotemporelle de la tendance des extrêmes chauds au Sénégal »VertigO - la revue électronique en sciences de l'environnement [En ligne], Regards / Terrain, mis en ligne le 08 août 2024, consulté le 11 novembre 2024. URL : http://journals.openedition.org/vertigo/44862 ; DOI : https://doi.org/10.4000/12jq1

Haut de page

Auteurs

Moussa Sow

Doctorant en Géographie, Laboratoire Leïdi « Dynamiques des territoires et développement », Université Gaston-Berger, Saint-Louis, Sénégal, adresse courriel : moussasow102@gmail.com

Demba Gaye

Maître-Assistant (CAMES), Laboratoire de Géomatique et d’Environnement, Université Assane Seck, Ziguinchor, Sénégal, adresse courriel : demba.gaye@univ-zig.sn

Mouhamadou Mawloud Diakhate

Professeur titulaire des universités, Laboratoire Leïdi « Dynamiques des territoires et développement », Université Gaston-Berger, Saint-Louis, Sénégal, adresse courriel : mdiakhate10@yahoo.com

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search