Le climat de la zone d’étude

L’humidité ambiante connue pour son importance et son impact sur les anophèles n’a pas été analysée ici. En effet, ce paramètre n’a pas été mesuré localement et nous n’avons pas pu tester, comme cela sera le cas pour les températures, la validité/représentativité des données d’humidité fournies par les réanalyses NCEP-DOE AMIP-II sur la région.

• Les températures

Les paramètres thermiques mesurés quotidiennement à Ndiop sont les températures minimales et maximales. Toutefois, nous avons rencontré quelques problèmes ayant entraîné l’impossibilité de mesurer directement leur impact sur les densités agressives des anophèles. En effet, les séries de températures mesurées sont très lacunaires et ne couvrent que les années 1993, 1994, 1995, 1996, 2002, 2005 et 2006, avec des manques allant de 35 % à 76 % des jours de l’année. Bien que les données de température in situ ne soient pas utilisables directement, regardons leur amplitude (Tableau 17). Celle-ci est de 34°C et, lors de la période allant du début de la saison de pluies (juin) à la fin de l’année qui nous intéresse tout particulièrement, elle est de 26°C. Les anophèles ne subissent donc pas de réel stress thermique. Période ^{T° minimale} la plus basse T° maximale la plus haute janvier à décembre 11°C 45°C juin à décembre 16°C 42°C

Tableau 16 : Valeurs extrêmes des températures minimales et maximales

mesurées à Ndiop entre 1993 et 2006. Deux périodes d’étude : de janvier à décembre et de juin à décembre. Données in situ.

Pour compléter les séries, nous nous sommes intéressé à la représentativité des températures des réanalyses NCEP-DOE AMIP-II sur la zone. Les données quotidiennes de températures minimales et maximales du point de grille correspondant ont été comparées aux observations.

Le coefficient de corrélation a été calculé sur les séries qui n’étaient pas obligatoirement suivies dans le temps. De cette façon, le coefficient de corrélation n’est pas artificiellement « gonflé » par le cycle annuel des températures. La rmse (root mean square error, Barnston 1992) donne une mesure de l’écart entre les séries (Tableau 17).

5.2 La zone d’étude

150

T° maximales T° minimales Pas de temps quotidien ^{R = 0,58***}

rmse = 6,30

R = 0,09 rmse = 2,52 Pas de temps hebdomadaire ^{R = 0,77***}

rmse = 6,06

R = 0,11 rmse = 1,89 Pas de temps mensuel ^{R = 0,77***}

rmse = 6,14

R = 0,39*** rmse = 1,41

Tableau 17 :Statistiques de la comparaison des données de températures in situ de Ndiop et

des températures des réanalyses NCEP-DOE AMIP-II du point de grille correspondant. R

représente le coefficient de corrélation entre les deux séries (*** indiquent une significativité à 99 %), rmse représente la root mean square error.

Au pas de temps quotidien, les réanalyses NCEP-DOE AMIP-II ne reproduisent pas correctement l’évolution temporelle des températures mesurées dans le village de Ndiop. Aux pas de temps hebdomadaire et mensuel, les coefficients sont plus élevés avec les températures maximales. En revanche, les résultats montrent que les températures minimales ne peuvent être utilisées pour les analyses.

Nous n’utiliserons les températures maximales NCEP-DOE AMIP-II qu’aux pas de temps hebdomadaire et mensuel pour approcher la variabilité et effectuer des comparaisons avec les données entomologiques. En aucun cas, nous ne nous baserons sur les données de réanalyses pour établir des seuils thermiques influant sur les densités vectorielles.

Le cycle annuel moyen de la température maximale hebdomadaire est présenté en Figure 59. Seule l’allure sera commentée, les valeurs n’ayant pas de réelle signification. Le cycle est de nature bi-modale, les maxima thermiques se situant pendant les périodes de printemps et d’automne de l’hémisphère nord, les minima lors de l’été et de l’hiver. En effet, à partir du mois de janvier, les températures augmentent jusqu’au mois de mai. À partir de mi-mai - début juin, elles commencent à décroître pour atteindre leur premier minimum annuel lors du mois d’août (qui correspond au maximum de la saison des pluies).

Chapitre 5 : Impact des facteurs climatiques sur la présence saisonnière des principaux vecteurs du paludisme en Afrique soudano-sahélienne (Ndiop, Sine Saloum, Sénégal)

J F M A M J J A S O N D 26 27 28 29 30 31 32 33 degre Celsius Figure 59 : Cycle annuel moyen de la température hebdomadaire maximale des réanalyses NCEP-DOE AMIP-II. Période de calcul allant de 1993 à 2006.

De début septembre à mi-novembre, elles croissent de nouveau avant de chuter. La nature des deux saisons les plus froides est différente. En effet, alors que pendant les mois d’été, les températures « basses » sont dues à la présence de la ZCIT, des précipitations et de la nébulosité associée, la saison d’hiver est plus fraîche encore car c’est alors l’hémisphère sud qui reçoit le maximum d’énergie solaire.

On peut se demander également quelle a été l’évolution des températures sur la période 1993-2006. La variabilité interannuelle a été abordée au pas de temps mensuel. Pour cela, la moyenne a été calculée à partir de la température quotidienne moyenne. La tendance temporelle a été calculée pour chaque mois de l’année et testée par le test de Spearman.

5.2 La zone d’étude

152

Figure 60 :Évolution temporelle des températures mensuelles sur la période 1993-2006 et

tendance temporelle associée. Chaque sous-figure correspond à un mois dont le nom est inscrit en titre. La tendance temporelle a été testée avec coefficient de corrélation de Spearman dont les résultats sont inscrits dans le titre de chaque figure : une, deux et trois astérisques représentent une tendance temporelle significative, respectivement aux seuils de confiance de 90 %, 95 % et 99 %. Données NCEP-DOE AMIP-II.

Les tendances des températures moyennes se déclinent différemment selon les mois. On ne note pas de réchauffement significatif à long terme en début d’année jusqu’en juillet (à l’exception du mois de mars). Au contraire, de juillet à décembre, tous les mois présentent une tendance significative au réchauffement sur notre période d’étude : la saison pluvieuse qui correspond aux mois de l’été boréal a donc tendance à être de plus en plus chaude. Cependant, derrière cette tendance se cache une variabilité interannuelle marquée. Par exemple, sur la quasi-totalité des mois, l’année 1998 a été particulièrement fraîche.

La Figure 61 illustre la variabilité thermique interannuelle en termes de moyenne, médiane, premier et troisième quartiles pour chaque mois de l’année sur la période 1993-2006.

Chapitre 5 : Impact des facteurs climatiques sur la présence saisonnière des principaux vecteurs du paludisme en Afrique soudano-sahélienne (Ndiop, Sine Saloum, Sénégal)

Figure 61 : Pour chaque mois, la « boîte-à-moustaches » donne pour la température

mensuelle moyenne : la médiane (barre centrale rouge), la moyenne (carré vert), les premier et troisième quartiles (limites inférieure et supérieure de la boîte), et l’étendue du reste des données (« moustaches » et signes plus). Période 1993-2006.

Ce sont les mois de janvier, mars, novembre et décembre qui sont les plus variables sur la période 1993-2006 (Figure 61), avec, notamment, des années particulièrement fraîches. Au contraire, les mois d’avril à octobre ne montrent que peu de variabilité thermique interannuelle. Au cœur de la saison des pluies, la nébulosité, plus ou moins pluviogène, assure une relative constance thermique malgré la tendance au réchauffement.

• Les précipitations

Les précipitations ont été recueillies quotidiennement dans les villages de Dielmo et de Ndiop. Les séries de données sont comparées avec d’autres sources, telles que les pluies recueillies à la station de Toubacouta (seulement sur la période 1993-2001) et celles du point de grille correspondant CMAP (Tableau 18).

5.2 La zone d’étude 154 Pas de temps Précipitations de Ndiop vs Dielmo Précipitations de Ndiop/Dielmo vs Toubacouta Précipitations de Ndiop/Dielmo vs CMAP Quotidien ^{R = 0,48***} rmse = 8,39 R = 0,55*** rmse = 7,36 Hebdomadaire ^{R = 0,64***} rmse= 18,70 R = 0,63*** rmse = 18,76 R = 0,19*** rmse = 19,83 Mensuel ^{R = 0,43***} rmse = 45,14 R = 0,67*** rmse = 25,46 R = 0,06 rmse = 45,06 Annuel ^{R =0,76***} rmse = 137,49 R = 0,77*** rmse = 93,89 R = 0,01 rmse = 236,39

Tableau 18 : Statistiques issues de la comparaison des données de précipitations (en mm)

mesurées dans les villages de Ndiop et de Dielmo (colonne de gauche). L’indice de précipitations de la zone de Dielmo/Ndiop est aussi comparé avec les précipitations de

Toubacouta (colonne centrale) et les précipitations CMAP (colonne de droite). Les corrélations ont

été calculées sur les séries en anomalies (quotidiennes, hebdomadaires, mensuelles et annuelles) au contraire du calcul de la rmse qui a été effectué sur les données brutes. R représente le score du coefficient de corrélation entre les séries, rmse (root mean square error en mm) qui correspond à la racine carrée de l’erreur carrée moyenne. Les coefficients ont été testés : 3 astérisques correspondent à une valeur significative au seuil de confiance de 99 %.

Aux échelles quotidiennes, les variabilités temporelles des anomalies pluviométriques de Ndiop et de Dielmo sont assez différentes avec des coefficients de corrélation inférieurs à 0,5. Les scores sont meilleurs lorsque les calculs sont faits aux échelles mensuelle ou annuelle, même si alors les écarts (cf. les valeurs de rmse) sont plus importants car les valeurs sont des cumuls et non des moyennes. En Afrique de l’Ouest, le fait que les pluies soient majoritairement de nature convective impose une forte hétérogénéité spatiale des abats pluviométriques (Lebel et al. 1991 ) si forte que deux villages seulement distants de cinq kilomètres peuvent avoir des pluviométries assez indépendantes. Ces différences peuvent entraîner en fin d’année des cumuls éloignés. Pour cette raison, nous travaillerons sur un indice de précipitation Ndiop/Dielmo en faisant la moyenne quotidienne des précipitations recueillies à Ndiop et Dielmo pour la comparaison avec les données de Toubacouta et CMAP. De cette façon, nous espérons avoir une meilleure estimation de la quantité de précipitations tombées dans les alentours de Ndiop. En effet, nous visons, d’une part, à caractériser le climat et, d’autre part, à opérer des choix dans les variables retenues pour l’étude d’impact. Or, les densités anophéliennes mesurées à Ndiop ne sont pas uniquement fonction de la quantité mesurée au pluviomètre du village, mais plus globalement des abats pluviométriques des alentours, d’où l’indice de précipitations de Dielmo/Ndiop.

Chapitre 5 : Impact des facteurs climatiques sur la présence saisonnière des principaux vecteurs du paludisme en Afrique soudano-sahélienne (Ndiop, Sine Saloum, Sénégal) Cet indice est assez bien corrélé à la pluviométrie de Toubacouta (de 0,55 en quotidien à 0,77 en annuel) sur la période 1993-2001. Les différences entre valeurs mensuelles et annuelles sont plus faibles que celles constatées entre les données issues des pluviomètres des deux villages. Les valeurs obtenues avec l’indice Dielmo/Ndiop sont meilleures que celles obtenues avec les données des pluviomètres individuels.

Ce même indice a aussi été comparé avec les données CMAP afin de mesurer, en quelque sorte, la représentativité des données mesurées de façon très locale avec une information pluviométrique d’échelle régionale (les données CMAP sont à la résolution spatiale de 2°5 de longitude x 2°5 de latitude). Le pas de temps quotidien n’étant pas disponible pour les données CMAP, seules les échelles temporelles supérieures sont utilisées. Les coefficients de corrélation calculés sur les anomalies montrent que la variabilité temporelle des précipitations de la zone de Ndiop/Dielmo est très différente de celle des données CMAP. Toutefois, il faut savoir que le cycle annuel est très bien reproduit par les données CMAP et qu’aux pas de temps hebdomadaire et mensuel les corrélations calculées sur les données brutes sont respectivement de 0,77 et 0,89.

• Le cycle annuel moyen des précipitations

Les cycles annuels moyens hebdomadaires et quotidiens de l’indice de précipitations Dielmo/Ndiop sont présentés en Figure 62. Les précipitations annuelles sont typiques d’un climat soudanien, avec une seule et unique saison des pluies centrée sur le mois d’août. En moyenne, les premières pluies de mousson arrivent dans la première semaine de juin et les dernières finissent à la fin du mois d’octobre. Les plus fortes précipitations s’abattent lors des mois d’août et de septembre.

Le signal régional d’installation de la saison des pluies aux latitudes soudano-sahéliennes, documenté par le chapitre 3 et par Dieng et al. (2008), est bien perceptible (Figure 62) : à la mi-juin, les précipitations augmentent soudainement pour atteindre des valeurs supérieures à 10 mm/semaine.

5.2 La zone d’étude

156

a/ b/

Figure 62 : Cycles annuels moyens des cumuls de précipitations hebdomadaires (a/) et

quotidiennes (b/) de l’indice de précipitations de Dielmo/Ndiop ; la période de calcul est 1993-2007.

La figure relative aux données quotidiennes (Figure 62 b/) illustre aussi la forte variabilité intrasaisonnière des précipitations au cœur de la saison de pluies. Cependant, elle ne permet pas d’appréhender l’occurrence et la récurrence des phases sèches en pleine saison humide.

Entre 1993 et 2007, les cumuls annuels (Figure 63) de la zone Dielmo/Ndiop sont assez variables (entre 464 mm et 995 mm), avec un écart-type de 155 mm. Par rapport à la moyenne (693 mm/an), les années 1999, 2000, 2001 et 2003 sont particulièrement excédentaires, alors que les années 1996, 2002 et 2007 sont largement déficitaires.

Chapitre 5 : Impact des facteurs climatiques sur la présence saisonnière des principaux vecteurs du paludisme en Afrique soudano-sahélienne (Ndiop, Sine Saloum, Sénégal)

Figure 63 :Cumuls annuels de précipitations de l’indice Dielmo/Ndiop sur la période

1993-2007. Le trait horizontal en pointillés montre la moyenne sur cette période (693 mm/an). L’écart-type est de 155 mm.

Ainsi, concentrée en quelque cinq mois, la « qualité » de la saison pluvieuse est assez fluctuante. Regardons alors de plus près quels sont les mois de l’année qui présentent une variabilité pluviométrique remarquable. La variabilité interannuelle des précipitations mensuelles est appréhendée entre juillet et octobre (Figure 64), les précipitations de novembre et décembre intervenant peu dans les cumuls. Ce sont les mois de juillet (cumuls entre 36 mm et 296 mm) et d’août (cumuls entre 115 mm et 383 mm) qui présentent la plus forte variabilité. La variabilité des mois de juin et d’octobre dépend principalement de la date d’occurrence du début et de fin de saison des pluies.

5.3 Les dynamiques temporelles des densités vectorielles agressives

158

Figure 64 : Pour chaque mois, la « boîte-à-moustaches » donne pour le cumul mensuel de

précipitations : la médiane (barre centrale rouge), la moyenne (carré vert), les premier et troisième quartiles (limites inférieure et supérieure de la boîte), et l’étendue du reste des données (« moustaches » et signes plus). Période 1993-2007.

5.3 Les dynamiques temporelles des densités vectorielles