VARIABILITE TEMPORELLE DES PRECIPITATIONS
4. I.1.3 Interprétation des résultats :
A) Application de l’Autocorrélogramme ;
Pour la station de Ain Mimoun (série annuelle, N=36 ans) on calcule : Intervalle de confiance à 99% : +/- 0,423 ; Intervalle de confiance à 95% : +/- 0,3201 ; Intervalle de confiance à 90% : ±0,2769. (Figure 35)
On remarque dans les figures 35,36 qu’au seuil le plus strict de 90% le coefficient d’autocorrélation n’est pas significativement différent de 0 pour toutes les valeurs de k≤10. Dans la station de Khanguet Sidi Nadji, le coefficient d’autocorrélation décroit rapidement vers la valeur nulle, donc il n’existe pas de dépendances significatives entre les termes successifs de la totalité des séries étudiées.
La plupart des séries retenues des pluies annuelles dans la zone d’étude sont donc totalement aléatoires.
Chapitre IV Analyse de la variabilité temporelle des précipitations
94 Figure 35 : Autocorrélogrammes annuelles des stations du versant Nord
Chapitre IV Analyse de la variabilité temporelle des précipitations
95 Figure 36 : Autocorrélogrammes annuelles des stations du versant Sud
Chapitre IV Analyse de la variabilité temporelle des précipitations
96 B) Application de test de Mann Kendall ;
Le test non paramétrique de Mann-Kendall sert à déterminer si une tendance identifiable dans une série temporelle au sens statistique du terme est significative ou non.
Ce test de tendance non paramétrique est le résultat d'une amélioration du test étudié par Mann (1945) puis amélioré par Kendall (1975) et finalement optimisé par Hirsch (1982, 1984,1985, 1988) de sorte à prendre en compte une composante saisonnière.
L'hypothèse nulle H0 de ce test ; est qu'il n'y a pas de tendance. Les trois hypothèses alternatives de tendance négative, non nulle ou positive peuvent être choisies.
Pour évaluer la signification statistique des tendances précédemment citées, le test de Mann Kendall a été appliqué avec un niveau de confiance de 95 % (Sneyer, 1990). Les paramètres utilisés pour ce test sont : hypothèse alternative ≠ 0 ; niveau de satisfaction de 5% ; nombre de simulations : 10 000 ; temps maximum de simulation 180 (s).
Les stations qui montrent une tendance significative à la réduction pluviométrique annuelle sont répartie dans tout le territoire d’étude, surtout dans la partie Nord de la région d’étude, comme celle Ain Baida, Ain Djasser, Chelia, FoumToub. Alors que pour les autres stations quelque soient leurs tendances, elles ne sont pas statistiquement significatives. (Tableau 19 et Figure 37)
Ces résultats concordent globalement avec ceux signalés par d’autres résultats précédents. Ainsi, Meddi et al., (2009) ont montré une baisse des précipitations à partir de 1975. Dans le même contexte, Henia (2008) a soulevé la diminution des ressources en eau sur toute la bande composant la rive méditerranéenne au cours de ces dernières décennies.
Des fluctuations internes générale et secondaires ont été aussi signalées dans divers travaux (Farah., 2014 ; Ben Messaoud et al., 2008 ; Mebarki ,2006). Ces mouvements internes peuvent indiquer des phénomènes naturels dominants. D’où l’intérêt à étudier et analyser les tendances internes des séries pluviométriques annuelles.
Chapitre IV Analyse de la variabilité temporelle des précipitations
97 Tableau 19 : Application du test Mann Kendall pour les pluies Annuelles au seuil de 95%(𝜶 = 𝟎. 𝟎𝟓)
Stations
Degré de signification (P-value)
Test de Mann-Kendall Tendance annuelle
Ain Baida 0.03416392 Significative
Ain djasser 0.00887208 Significative
Ain Mimoun 0.75961312 Non Significative
Babar 0.09177914 Non Significative
Baiou 0.31365751 Non Significative
Batna 0.58915029 Non Significative
Boudella 0.0170112 Significative
Bouhmama 0.06626539 Non Significative
Bouhmar 0.00229826 Significative
Boulhillet 0.35226269 Non Significative
Chelia 0.02530352 Significative
Chref El Ain 0.00744529 Significative
Djamoura 0.12326345 Non Significative
Djebel Houara 0.92305529 Non Significative
Fou Toub 0.04714119 Significative
Guentis 0.03476124 Significative
Khanget S Nad 0.30789196 Non Significative
Kheirane 0.91803534 Non Significative
KtefEssouda 0.02798429 Significative
Marouana 0.85573174 Non Significative
Medina 0.06116492 Non Significative
Menaa 0.76063672 Non Significative
N'Gaous 0.3713717 Non Significative
Oued El Ma 0.14524977 Non Significative
Ouled Chelih 0.9940446 Non Significative
Seiar 0.99783026 Non Significative
Sidi Maancer 0.00163437 Significative
Tifelffel 0.04286971 Significative
Timgad 0.7427496 Non Significative
Toufana 0.58934565 Non Significative
Chapitre IV Analyse de la variabilité temporelle des précipitations 98 Non Significative Signif icativ e
Figure 37 : Application de test de Mann-Kendall sur les pluies Annuelles à seuil de confiance de 95 % Tau de Kendall -0.025 S -15.000 Var(S) 0.000 p-value (unilatérale) 0.589 alpha 0.05
Variable Observations Obs. avec données manquantes
Obs. sans données manquantes
Minimum Maximum Moyenne
Ecart-type 368,6 35 0 35 176.400 666.500 366.674 132.147 Tau de Kendall 0.204 S 151.000 Var(S) 0.000 p-value (unilatérale) 0.035 alpha 0.05
Variable Observations Obs. avec données manquantes
Obs. sans données manquantes
Minimum Maximum Moyenne
Ecart-type 132,6 39 0 39 73.700 500.400 229.800 107.515 100 200 300 400 500 600 700 0 10 20 30 40
Batna
droite de tendance 0 100 200 300 400 500 600 0 10 20 30 40Guentis
Chapitre IV Analyse de la variabilité temporelle des précipitations
99 4.1.2 Analyse de la Variabilité temporelle des précipitations Annuelle par l’Indice Pluviométrique Standardisé (SPI – Standardized Precipitation Index) :
En vue d’apprécier l’évolution de la pluviométrie au cours des différentes années, la méthode de l’indice pluviométrique a été appliquée. Cette méthode a pour objet, la caractérisation de la variabilité temporelle de la pluviométrie locale ou régionale (connaitre les périodes excédentaires et déficitaires) et la mise en place d’un système d’alerte précoce de sécheresse.
selon (Mckee et al., 1993) l’indice est fondé sur la probabilité de précipitations sur un laps de temps donné. La probabilité des précipitations observées est transformée en un indice qui sert infiniment à l’expérimentation qu’à l’exploitation dans plus de 70 pays.
La souplesse d’utilisation de l’indice SPI est appréciée par les responsables de la planification en matière de sécheresse. Le SPI est exploité par divers instituts de recherche, des universités et des services météorologiques et hydrologiques nationaux du monde entier dans le cadre de suivi de la sécheresse et d’alerte précoce.
L’indice pluviométrique ou l’indice centré réduit pour une année donnée correspond au rapport de l’écart à la moyenne sur l’écart type des hauteurs pluviométrique annuelles.
𝑆𝑃𝐼 =xi−X̅
∂ (1) Avec :
SPI : Indice pluviométrique
Xi : Hauteur de pluie de l'année i (en mm),
𝐗̅: Hauteur de pluie moyenne sur la période d'étude (en mm), σ : Écart type de la hauteur de pluie sur la période d'étude.
Chapitre IV Analyse de la variabilité temporelle des précipitations
100 Tableau 20 : Classe de sévérité de sécheresse selon (Mckee et al., 1993)