EFFETS DES VARIABILITES PLUVIOMETRIQUES

SUR LES SYSTEMES DE CULTURES ET

ADAPTATIONS DES AGRICULTEURS DANS LA
PLAINE DU MAYO-KEBBI (SUD-OUEST DU
TCHAD)
Seingué Romain Gouataine

To cite this version:

Seingué Romain Gouataine. EFFETS DES VARIABILITES PLUVIOMETRIQUES SUR LES SYS-
TEMES DE CULTURES ET ADAPTATIONS DES AGRICULTEURS DANS LA PLAINE DU
MAYO-KEBBI (SUD-OUEST DU TCHAD). Géographie. UNIVERSITE DE MAROUA, 2018.
Français. �NNT : �. �tel-01789304�

HAL Id: tel-01789304

https://tel.archives-ouvertes.fr/tel-01789304
Submitted on 5 Jun 2018

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
 Université de Maroua The University of Maroua
************ ************
Ecole Doctorale Postgraduate school
************ ************

UFD : SCIENCES DE L’HOMME ET DE LA SOCIETE

EFFETS DES VARIABILITES PLUVIOMETRIQUES SUR

LES SYSTEMES DE CULTURE ET ADAPTATIONS DES
AGRICULTEURS DANS LA PLAINE DU MAYO-KEBBI
(SUD-OUEST DU TCHAD)

Thèse présentée et soutenue en vue de l’obtention du doctorat Ph.D de Géographie

Par
GOUATAINE SEINGUE Romain
Matricule : 12B0658N
Titulaire d’un Master de Géographie

Jury

M. SAIBOU ISSA Professeur, Université de Maroua Président

M. WAKPONOU Anselme, Maitre de Conférences, Université de Ngaoundéré Rapporteur
M. MADI ALI, Maitre de Conférences, Université de Maroua Rapporteur
M. GONNE Bernard, Maitre de Conférences, Université de Maroua Membre
M. KOSSOUMNA LIBA’A Natali, Maitre de Conférences, Université de Maroua Membre

02 Février 2018
 DEDICACE

À mon épouse
Mme Gouataine Massingfa Solange
et à ma fille
Baïmane Seingué Solveig

i
 REMERCIEMENTS
Nul ne peut compter le nombre de ceux qui façonnent une vie. Vous êtes très
nombreux pour être tous cités.
Nous remercions particulièrement Pr Bernard Gonné, qui malgré ses multiples
occupations, n’a ménagé aucun effort pour encadrer ce travail. Depuis notre parcours au
département de géographie à l’Université de N’Gaoundéré, il nous a encouragé d’aller
plus loin dans nos études. Merci infiniment, Professeur, et que d’autres puissent aussi
bénéficier de vos conseils.
Au Dr Baohoutou Laohoté, notre co-directeur, qui a lu plusieurs moutures de ce
travail. Ses remarques, suggestions, observations et sa rigueur scientifique ont amélioré
le contenu de ce travail et ont permis de mieux comprendre les réalités du terrain. Qu’il
retrouve ici l’expression de notre profonde gratitude.
Nous remercions tous les enseignants du Département de Géographie de
l’Université de Ngaoundéré qui ont assuré notre formation pendant les deux premiers
cycles et aussi ceux de l’Université de Maroua, qui ont apporté leur part de contribution
dans l’amélioration du contenu de ce travail à travers les séminaires.
Nous témoignons notre gratitude à nos collègues en poste à l’École Normale
Supérieure de Bongor. Ils ont toujours été disponibles à chaque sollicitation. Merci pour
vos orientations. Merci infiniment à Kollard Jean Oyna, Guergué Baïgora, Guimillah
Robert Fataïna, Lidam Wanga Denis et Deïrou Siamsia qui, malgré leurs charges
personnelles, ont accepté d’être les guides pour les différentes descentes sur le terrain.
Merci aussi à la famille de Ponyaola Houé Emmanuel et à celle du Délégué Régional
des Transports du Mayo-Kebbi Est, Djessiri Ouang-ting qui ont offert un cadre adapté
pour nos travaux.
Enfin, merci à nos collègues doctorants Mobéal Nadji Marcel, Hamidou Vaïlia,
Adamou Yerima, Mbaihadjim Jéchonias et tous les autres qui ne sont pas cités. Merci
pour tout.

ii
 RESUME

Ce travail porte sur les effets des variabilités pluviométriques sur les systèmes de culture
et les formes d’adaptation des agriculteurs dans la plaine du Mayo-Kebbi. Il s’est agi de
l’évaluation du rôle des variabilités pluviométriques sur les systèmes de culture et les stratégies
endogènes développées par les agriculteurs de cette région. En effet, la pluie se présente donc
comme un élément important pour la production agricole, car sa répartition spatio-temporelle,
sa distribution, ses fluctuations de début et de fin entrainent des conséquences importantes sur
les cultures et partant, désorganisent les systèmes agricoles. Dès lors, cette situation amène à
comprendre comment ces fluctuations pluviométriques constituent une menace pour la
production agricole sur laquelle repose l’économie de la plaine du Mayo-Kebbi.
La méthodologie a consisté en des traitements statistiques pour la détermination des
variabilités pluviométriques d’une part et des enquêtes de terrain ayant permis de collecter des
données empiriques susceptibles de comprendre les dynamiques paysannes suite à ces
variabilités pluviométriques d’autre part. Il ressort que le retard dans le démarrage des pluies,
l’arrêt précoce de la saison de pluies, les séquences sèches fréquentes, l’excès et le déficit de la
pluie ont affecté négativement les productions et les rendements des différentes cultures, et
partant, bouleversé les systèmes agricoles.
Ainsi, la simulation de rendements permet d’utiliser les ressources disponibles pour
augmenter la production. Cette simulation révèle que les rendements des différentes cultures
sont conditionnés par une bonne distribution pluviométrique et que la date de semis est
indispensable pour de bons rendements agricoles. Par ailleurs, les différentes adaptations
développées par les paysans sont insuffisantes et quelquefois inadaptées et demandent à être
améliorées. La mise en place de la VSA pour veiller sur la sécurité alimentaire dans cette plaine
pourrait permettre d’optimiser la production agricole. Il est donc utile pour les producteurs et
les décideurs de prendre en compte ces différentes facettes de la pluie dans le processus de
production agricole pour l’amélioration de l’économie globale de la plaine du Mayo-Kebbi.
Mots-clés : variabilités pluviométriques, systèmes de culture, plantes cultivées,
rendements agricoles, adaptation des agriculteurs, plaine du Mayo-Kebbi, Tchad.

iii
 ABSTRACT
This work concerns the effects of variabilities of rainfall on the farming systems and the
shapes of adaptation of the farmers in the plain of Mayo-Kebbi. It was about the evaluation of
the role of variabilities of rainfall on the farming systems and the endogenous strategies
developed by the farmers of this area. The rain is thus presented in the form of a significant
element for the agricultural production, because this space-time distribution, this distribution,
this fluctuation of beginning and end entails significant consequences on the cultures and
therefore, disorganize the agricultural systems. Consequently, this pleasing situation shows how
these rainfall fluctuations constitute a threat for the agricultural production on which rests the
economy of the plain of Mayo-Kebbi.
Methodology primarily consisted statistical processing for the determination of
variabilities of rainfall on the one hand and the investigations of ground having made it possible
to collect empirical data likely to include the dynamic country-women following these
variabilities of rainfall on the other hand. It arises that the delay in the starting of the rains, the
early stop of the season of rains, the frequent dry sequences, the excess and the deficit of the
rain have affected negatively the productions and the outputs of the various cultures, and
therefore, upset the agricultural systems.
Thus, the simulation of outputs makes it possible to use the resources available to
increase the production. This simulation reveals that the outputs of the various cultures are
conditioned by a good pluviometric distribution and that the date of sowing is essential for good
agricultural outputs. In addition, the various adaptations developed by the peasants are
insufficient and sometimes misfit and required an improvement. The installation of the VSA to
take care on food safety in this plain could make it possible to optimize the agricultural
production. It is thus useful for the producers and the decision makers to take into account these
various facets of the rain in the production process agricultural for the improvement of the total
economy of the plain of Mayo-Kebbi.
Key words: variabilities of rainfall, farming systems, crop plants, agricultural
outputs, adaptation of the farmers, plain of Mayo-Kebbi, Chad.

iv
 TABLE DES TABLEAUX
Tableau I. Liste des stations retenues ........................................................................... 41
Tableau II. Préférendums thermiques et pluviométriques des cultures et durée du cycle
végétatif ......................................................................................................................... 43
Tableau III. Classification du SPI ................................................................................. 49
Tableau IV. Résultat du test d’anomalie entre les stations de Bongor et de
Guelendeng ..................................................................................................................... 68
Tableau V. Fréquence et intervalle de confiance .......................................................... 79
Tableau VI. Estimation des pluies à différentes fréquences ......................................... 80
Tableau VII. Période de retour des pluies extrêmes ..................................................... 81
Tableau VIII. Indice de Martonne calculé à l’échelle annuelle ................................... 82
Tableau IX. Variabilité de la pluie dans la plaine du Mayo-Kebbi ............................. 88
Tableau X. Statistique descriptive des stations de Bongor et de Billiam-oursi ............ 89
Tableau XI. Statistique descriptive des stations de Fianga et de Guelendeng.............. 90
Tableau XII. Corrélation entre les stations ................................................................... 93
Tableau XIII. Données de base permettant les corrélations ......................................... 94
Tableau XIV. Relation précipitation/coordonnées géographiques ............................... 95
Tableau XV. Précipitations mensuelles fréquentielles ............................................... 105
Tableau XVI. Dates de début et de fin de la saison pluvieuse ................................... 110
Tableau XVII. Poids de chaque mois sur la quantité annuelle (en pourcentage) ....... 116
Tableau XVIII. Corrélation entre la quantité de pluie et le nombre de jours
pluvieux ....................................................................................................................... 125
Tableau XIX. Moyenne des tranches pluviométriques par station ............................. 126
Tableau XX. Mode, gradex et pluies fréquentielles décennales et centennales ......... 135
Tableau XXI. Caractéristiques de chaque secteur agro-écologique ........................... 141
Tableau XXII. Niveau d’exploitation des sols de la plaine du Mayo-Kebbi.............. 145
Tableau XXIII. Cycle des travaux .............................................................................. 146
Tableau XXIV. Statistique descriptive des productions ............................................. 149
Tableau XXV. Statistique descriptive des rendements ............................................... 154
Tableau XXVI. Statistique descriptive des surfaces agricoles ................................... 158

v
Tableau XXVII. Corrélation entre les indices de pluie, de production et de rendement
dans la plaine du Mayo-Kebbi .................................................................................... 172
Tableau XXVIII. Corrélation entre la pluie et la production agricole à l’échelle
stationnelle .................................................................................................................. 174
Tableau XXIX. Corrélation entre la surface, la production et le rendement .............. 183
Tableau XXX. Corrélation entre la surface, la production et le rendement à l’échelle
stationnelle .................................................................................................................. 184
Tableau XXXI. Corrélation entre le nombre de jours pluvieux et la production
agricole ........................................................................................................................ 189
Tableau XXXII. Corrélation entre le nombre de jours pluvieux et le rendement
agricole ........................................................................................................................ 190
Tableau XXXIII. Déficit en eau du maïs en 2002 à Bongor ...................................... 200
Tableau XXXIV. Déficit hydrique du sorgho en 2004 à Guelendeng ....................... 202
Tableau XXXV. Déficit hydrique du maïs à Fianga en 2009..................................... 203
Tableau XXXVI. Comparaison annuelle de diminution de rendement (en
pourcentage) ................................................................................................................ 209
Tableau XXXVII. Comparaison de rendement en fonction du sol à Bongor (en %) . 211
Tableau XXXVIII. Comparaison de rendement par type de sol à Guelendeng (en
%) ................................................................................................................................ 212
Tableau XXXIX. Comparaison de rendement par type de sol à Fianga (en %) ......... 213
Tableau XL. Evolution des surfaces de maraîchage pour le Mayo-Boneye............... 229
Tableau XLI. Dates de semis de 2000 à 2009 ............................................................ 234
Tableau XLII. Comparaison des rendements des différentes variétés des cultures ... 235
Tableau XLIII. Contraintes et évaluations des coûts des stratégies endogènes dans la
plaine du Mayo-Kebbi ................................................................................................ 238

vi
 TABLE DES FIGURES
Figure 1. Opérationnalisation du concept variabilités pluviométriques ...................... 31
Figure 2. Opérationnalisation du concept système de culture ...................................... 33
Figure 3. Opérationnalisation du concept adaptation des agriculteurs ........................ 35
Figure 4. Situation et localisation de la zone d’étude ................................................... 36
Figure 5. Localisation des stations ................................................................................ 39
Figure 6. Détection des anomalies de Bongor par rapport à Billiam-oursi .................. 66
Figure 7. Détection des anomalies de Bongor par rapport à Fianga ............................. 67
Figure 8. Régression linéaire simple entre Fianga et Bongor ....................................... 69
Figure 9. Application du test de Buishand à la station de Bongor ............................... 70
Figure 10. Application du test de Buishand à la station de Billiam-oursi .................... 70
Figure 11. Recherche de rupture à la station de Fianga avec le test de Buishand ........ 71
Figure 12. Recherche de rupture à la station de Guelendeng avec le test de Buishand 72
Figure 13. Recherche de rupture de stationnarité avec le test de Pettitt à Bongor ....... 73
Figure 14. Recherche de rupture de stationnarité avec le test de Pettitt à Billiam-
oursi ............................................................................................................................... 74
Figure 15. Recherche de rupture de stationnarité avec le test de Pettitt à Fianga ........ 75
Figure 16. Recherche de rupture de stationnarité avec le test de Pettitt à Guelendeng 75
Figure 17. Ajustement des pluies annuelles à la loi racine-normale dans les cinq
stations .......................................................................................................................... 77
Figure 18. Indice pluviométrique standardisé de la plaine du Mayo-Kebbi................. 83
Figure 19. Indice pluviométrique standardisé de la station de Bongor ........................ 84
Figure 20. Indice pluviométrique standardisé de la station de Billiam-oursi ............... 85
Figure 21. Indice pluviométrique standardisé de la station de Fianga ......................... 86
Figure 22. Indice pluviométrique standardisé de la station de Guelendeng ................. 87
Figure 23. Indice pluviométrique standardisé de la station de Moulkou ...................... 88
Figure 24. Indice de pluviosité de la plaine du Mayo-Kebbi ....................................... 91
Figure 25. Indice de pluviosité des différentes stations de la plaine du Mayo-Kebbi .. 92
Figure 26. Répartition de la pluie en fonction de la latitude dans la plaine du Mayo-
Kebbi ............................................................................................................................. 95

vii
Figure 27. Répartition de la pluie en fonction de la longitude dans la plaine du Mayo-
Kebbi ............................................................................................................................. 96
Figure 28. Répartition de la pluie en fonction de l’altitude dans la plaine du Mayo-
Kebbi ............................................................................................................................. 96
Figure 29. Répartition décennale de la pluie ................................................................ 98
Figure 30. Ajustement des pluies du mois de juillet à la loi racine-normale.............. 101
Figure 31. Ajustement des pluies du mois d’août à la loi racine-normale ................. 102
Figure 32. Régime pluviométrique moyen de la plaine du Mayo-Kebbi ................... 107
Figure 33. Détermination de la date de début et de fin de la saison de pluie en 2000 à la
station de Fianga ......................................................................................................... 111
Figure 34. Détermination de la date de début et de fin de la saison de pluie en 2000 à la
station de Moulkou ..................................................................................................... 111
Figure 35. Détermination de la date de début et de fin de la saison de pluie en 2000 à la
station de Billiam-oursi ............................................................................................... 112
Figure 36. Détermination de la date de début et de fin de la saison de pluie en 2000 à la
station de Guelendeng ................................................................................................. 113
Figure 37. Détermination de la date de début et de fin de la saison de pluie en 2002 à la
station de Bongor ........................................................................................................ 114
Figure 38. Distribution mensuelle et décadaire moyenne des précipitations à
Fianga .......................................................................................................................... 117
Figure 39. Distribution mensuelle et décadaire moyenne des précipitations à
Bongor ......................................................................................................................... 118
Figure 40. Distribution mensuelle et décadaire moyenne des précipitations à Billiam-
oursi ............................................................................................................................. 118
Figure 41. Distribution mensuelle et décadaire moyenne des précipitations à
Moulkou ...................................................................................................................... 119
Figure 42. Distribution mensuelle et décadaire moyenne des précipitations à
Guelendeng ................................................................................................................. 120
Figure 43. Fréquence d’occurrence décadaire des séquences sèches à Fianga .......... 122
Figure 44. Fréquence d’occurrence décadaire des séquences sèches à Guelendeng .. 123
Figure 45. Fréquence d’occurrence décadaire des séquences sèches à Billiam-oursi 124

viii
Figure 46. Ajustement à la loi de Poisson des tranches pluviométriques inférieures à
10mm .......................................................................................................................... 127
Figure 47. Ajustement à la loi de Poisson des tranches pluviométriques entre 10 et
30mm .......................................................................................................................... 128
Figure 48. Ajustement à la loi de Poisson des tranches pluviométriques entre 30 et
50mm .......................................................................................................................... 129
Figure 49. Ajustement à la loi de Poisson des tranches pluviométriques supérieures à
50mm .......................................................................................................................... 130
Figure 50. Proportion des tranches pluviométriques dans la plaine du Mayo-Kebbi. 132
Figure 51. Ajustement des pluies maximales à la loi de Gumbel ............................... 134
Figure 52. Secteurs agro-écologiques de la plaine du Mayo-Kebbi ........................... 140
Figure 53. Répartition de l’utilisation des matériels agricoles ................................... 146
Figure 54. Evolution de la production agricole dans la plaine du Mayo-Kebbi ......... 148
Figure 55. Evolution de la production du maïs à l’échelle stationnelle….................. 150
Figure 56. Evolution de la production du riz à l’échelle stationnelle ......................... 151
Figure 57. Evolution de la production de l’arachide à l’échelle stationnelle ............. 152
Figure 58. Evolution de rendement des cultures de la plaine du Mayo-Kebbi........... 153
Figure 59. Evolution de rendement de riz à l’échelle stationnelle ............................. 155
Figure 60. Evolution de rendement de l’arachide à l’échelle stationnelle .................. 156
Figure 61. Evolution de rendement du maïs à l’échelle stationnelle .......................... 157
Figure 62. Evolution des surfaces emblavées (hectare) .............................................. 159
Figure 63. Evolution de la surface du riz à l’échelle stationnelle par hectare ............ 161
Figure 64. Evolution de la surface du maïs à l’échelle stationnelle par hectare ......... 162
Figure 65. Evolution de la surface de l’arachide à l’échelle stationnelle par hectare 163
Figure 66. Densité de la population dans la plaine du Mayo-Kebbi en 2009 ............. 165
Figure 67A. Indice pluviométrique et indice de production des cultures dans la plaine
du Mayo-Kebbi ........................................................................................................... 167
Figure 67B. Indice pluviométrique et indice de production des cultures dans la plaine
du Mayo-Kebbi ........................................................................................................... 168
Figure 68A. Evolution de l’indice pluviométrique et de l’indice de rendement des
cultures dans la plaine du Mayo-Kebbi ...................................................................... 170

ix
Figure 68B. Evolution de l’indice pluviométrique et de l’indice de rendement des
cultures dans la plaine du Mayo-Kebbi ...................................................................... 171
Figure 69. Résidus de régression linéaire de production des différentes cultures dans la
plaine du Mayo-Kebbi ................................................................................................ 173
Figure 70. Résidus de régression linéaire de production du riz à l’échelle
stationnelle .................................................................................................................. 175
Figure 71. Résidus de régression linéaire de production du maïs à l’échelle
stationnelle .................................................................................................................. 176
Figure 72. Résidus de régression linéaire de production de l’arachide à l’échelle
stationnelle .................................................................................................................. 177
Figure 73. Résidus de régression de rendement des différentes cultures dans la plaine
du Mayo-Kebbi ........................................................................................................... 179
Figure 74. Résidus de régression de rendement du riz à l’échelle stationnelle .......... 180
Figure 75. Résidus de régression de rendement de l’arachide à l’échelle
stationnelle .................................................................................................................. 181
Figure 76. Résidus de régression de rendement du maïs à l’échelle stationnelle ....... 182
Figure 77. Pluie décadaire et besoin en eau décadaire des différentes cultures ......... 192
Figure 78. Période de sensibilité du maïs de 90 et 120 jours à Bongor en 2004 ....... 195
Figure 79. Indice d’agressivité climatique dans la plaine du Mayo-Kebbi ................ 198
Figure 80. Données sur les types de culture ............................................................... 205
Figure 81. Schéma de fonctionnement du modèle CropWat ...................................... 208
Figure 82. Stress hydrique du maïs en 2004 à Guelendeng ........................................ 213
Figure 83. Comparaison des rendements théoriques et réels du maïs dans la plaine du
Mayo-Kebbi ................................................................................................................ 216
Figure 84. Comparaison des rendements théoriques et réels du riz dans la plaine du
Mayo-Kebbi ................................................................................................................ 217
Figure 85. Comparaison des rendements théoriques et réels de l’arachide à l’échelle
stationnelle… .............................................................................................................. 218
Figure 86. Calendrier agricole traditionnel massa ..................................................... 224
Figure 87. Migrations des populations dans la plaine du Mayo-Kebbi suite aux
variabilités pluviométriques ........................................................................................ 243

x
Figure 88. Système de mobilisation des eaux de ruissellement ................................. 252
Figure 89. Schéma conceptuel de la VSA ................................................................. 256

xi
 TABLE DES PHOTOGRAPHIES
Photo 1. Champ de riz inondé à Bongor .................................................................... 197
Photo 2. Flétrissement du riz à Bongor...................................................................... 199
Photo 3. Assèchement précoce des tiges du maïs à Guelendeng ............................... 201
Photo 4. Champ de pastèques à Djarabou .................................................................. 225
Photo 5. Mise en valeur des berges du Logone ......................................................... 227

xii
 TABLE DES PLANCHES
Planche 1. Association des cultures à Bawaliassou (Moulkou) et Tcharaye
(Bongor) ...................................................................................................................... 144
Planche 2. Maraîchage à Bongor ................................................................................ 229
Planche 3. Aménagement agricole à Bongor .............................................................. 231
Planche 4. Atouts de la plaine du Mayo-Kebbi .......................................................... 232
Planche 5. Matériels agricoles à Bongor .................................................................... 250

xiii
 SIGLES, ACRONYMES ET ABREVIATIONS
ABN : Autorité du Bassin du Niger
ASECNA : Agence pour la Sécurité de la Navigation Aérienne en Afrique et à
Madagascar
BADEA : Banque Arabe de Développement Économique de l’Afrique
BNSP : Bureau National de Semence et Plan
BP : Before Present
CBLT : Commission du Bassin du Lac-Tchad
CDU : Centre de Documentation Universitaire
CEFOD : Centre d’Études et de Formation pour le Développement
CIEH : Comité Interafricain d’Études Hydrauliques
CILSS : Comité Inter-États de Lutte contre la Sécheresse dans le Sahel
CNAR : Centre National d’Appui à la Recherche
CWR : Crop Water Requirement
DGRHA : Direction du Génie Rural et de l’Hydraulique Agricole
DREM : Direction des Ressources en Eau et de la Météorologie
DSSAT: Decision Support System for Agrotechnology Transfer
DSA : Direction de la Statistique Agricole
DRPR : Direction des Routes et Pistes Rurales
ECOSIT : Enquête sur la Consommation des Secteurs Informels au Tchad
ETo : Évapotranspiration potentielle
FAO : United Nations Food and Agriculture Organisation
FED : Fonds Européen de Développement
FEWS: Financed Famine Early Warning System.
FIDA : Fonds International de Développement Agricole
FIT : Front Intertropical
GV : Groupement Féminin
GV : Groupement Villageois
IFPRI : International Food Policy Research Institute
INSEED : Institut National de la Statistique, des Études Économiques et
Démographiques

xiv
IPCC: Intergovernmental Panel on Climate Change
IPPTE : Initiative Pays Pauvres Très Endettés
IRD : Institut de Recherche pour le Développement
ITRAD : Institut Tchadien de Recherche Agronomique pour le Développement
IITA: International Institute of Tropical Agriculture
JEA : Jet d’Est Africain
JTE : Jet Tropical d’Est
MPS : Mouvement Patriotique du Salut
OMM : Organisation Météorologique Mondiale
ONASA : Office National de Sécurité Alimentaire
ONDR : Office National de Développement Rural
ONG : Organisation Non Gouvernementale
ORSTOM : Institut Français de Recherche Scientifique pour le Développement en
Coopération
PAM : Programme Alimentaire Mondial
PGRN : Programme de Gestion des Ressources Naturelles
pH : potentiel d’hydrogène
PIB : Produit Intérieur Brut
PNSA : Programme National de Sécurité Alimentaire
PPDC : Programme Prioritaire de Développement en Zone de Concentration
PSSA : Programme Spécial pour la Sécurité Alimentaire
RGPH : Recensement Général de la Population et de l’Habitat
SARRA-H : Système d’Analyse Régionale des Risques Agro climatiques version H
SES : social ecological systems
SIMATRAC : Société Industrielle de Matériels Agricoles et Assemblage de Tracteurs
SPI : Standardized Precipitation Index
STICS : Simulateur mulTIdisciplinaire pour les Cultures Standard
UCEC : Union des Clubs d’Épargne et de Crédit
ZIC : Zone Intertropicale de Convergence

xv
 SOMMAIRE
INTRODUCTION GENERALE .....................................................................................1
PREMIERE PARTIE. ANALYSE DES VARIABILITES PLUVIOMETRIQUES
DANS LA PLAINE DU MAYO-KEBBI ................................................................... 63
CHAPITRE I. DES VARIABILITES PLUVIOMETRIQUES ANNUELLES TRES
CONTRASTEES DANS LA PLAINE DU MAYO-KEBBI ........................................ 64
I.1. Homogeneisation des données et identification des ruptures dans les séries
pluviométriques............................................................................................................... 65
I.2. Choix d’une loi statistique de distribution et détermination du climat ................... 76
I.3. Variation interannuelle et spatiale des précipitations ............................................ 83
CHAPITRE II. DISPARITES SPATIO-TEMPORELLES DES VARIABILITES
PLUVIOMETRIQUES MENSUELLES ET JOURNALIERES DANS LA PLAINE
DU MAYO-KEBBI ..................................................................................................... 100
II.1. Des variations mensuelles très nettes ............................................................... 101
II.2. De l’échelle mensuelle à l’échelle décadaire : une analyse de la connaissance du
rythme pluviométrique .................................................................................................. 117
II.3. Des variations journalières très marquées ........................................................ 125
DEUXIEME PARTIE. LES EFFETS DES VARIABILITES
PLUVIOMETRIQUES SUR LES SYSTEMES VEGETATIFS DES PLANTES
CULTIVEES .............................................................................................................. 137
CHAPITRE III. DES PARAMETRES AGRICOLES FORTEMENT PERTURBES
PAR LES VARIABILITES PLUVIOMETRIQUES .................................................. 138
III.1. Secteurs agro-écologiques et systèmes agricoles ............................................ 139
III.2. Evolution des paramètres agricoles ................................................................ 147
III.3. La production agricole perturbée par la variation pluviométrique annuelle ....... 166
CHAPITRE IV. LES EFFETS DES VARIABILITES PLUVIOMETRIQUES SUR
LES PLANTES CULTIVEES ..................................................................................... 187
IV.1. Variations pluviométriques et développement des cultures .............................. 188
IV.3. Contribution de CropWat dans la simulation des rendements agricoles ............ 203
TROISIEME PARTIE. FORMES D’ADAPTATION ET DE STRATEGIES DES
AGRICULTEURS AUX VARIABILITES PLUVIOMETRIQUES .................... 221

xvi
 CHAPITRE V. ADAPTATIONS ENDOGENES DES AGRICULTEURS AUX
VARIABILITES PLUVIOMETRIQUES .................................................................. 222
V.1. Adaptations directes aux variabilités pluviométriques ...................................... 223
V.2. Le maraîchage et la modification des pratiques de labour comme autres adaptations
directes ......................................................................................................................... 228
V.3. Adaptations indirectes et stratégies de lutte contre les variabilités
pluviométriques............................................................................................................. 239
CHAPITRE VI. QUELQUES PERSPECTIVES D’AMELIORATION DE LA
PRODUCTION AGRICOLE DANS LA PLAINE DU MAYO-KEBBI DANS UN
CONTEXTE DE VARIABILITE PLUVIOMETRIQUE ........................................... 245
VI.1. Appui des pouvoirs publics ............................................................................ 246
VI.2. Options et stratégies pour une planification de la sécurité alimentaire ...................... 250

VI.3. Actions pour l’atteinte de la sécurité alimentaire ............................................. 254

Discussion et limites de la recherche ........................................................................... 258
CONCLUSION GENERALE ...................................................................................... 263
Références bibliographiques ........................................................................................ 270
Annexes ........................................................................................................................ 287
Table des matières........................................................................................................ 303

xvii
INTRODUCTION GENERALE

1
 CONTEXTE GENERAL DE LA RECHERCHE

Les précipitations constituent l’élément fondamental de la production agricole.

Cependant, avec les bouleversements climatiques globaux, la production agricole est
devenue de plus en plus instable avec des profondes disparités. En effet, l’abondance de
l’eau dans certaines zones cause des inondations catastrophiques comme le cas de
Bongor en 2009 et 2012 et rappelle à l’homme l’impossibilité de la maitriser. Ainsi, trop
faible, elle provoque la sécheresse et expose l’homme à l’insécurité alimentaire comme
en 2008 dans le Mayo-Kebbi. Étant la cause première de la disparité des productions
agricoles au Tchad, les précipitations représentent l’élément climatique conditionnant le
plus les différents systèmes agricoles.
Les dernières décennies du XXe siècle et le début du XXIe siècle sont marqués
par des variations extrêmes du climat avec une baisse notoire des précipitations. Cette
tendance, qualifiée de « nouvelle phase climatique » ou « rupture climatique » entraine
des graves conséquences sur la production agricole. Dans ce contexte, le Tchad a connu
une récession climatique, surtout celle de la pluviométrie aux ampleurs très accusées,
doublée d’une augmentation significative du nombre d’années sèches. Cette situation a
engendré une baisse des rendements agricoles.
Qui plus est, la forte variabilité pluviométrique est aussi génératrice des conflits
sociaux. Alors, les conflits agriculteurs/éleveurs sont de plus en plus fréquents dans la
zone méridionale tchadienne (Madjigoto, 2007). En effet, les éleveurs nomades qui
transhumaient du nord au sud en saison sèche et du sud au nord en saison pluvieuse, ne
font plus le même trajet. Ces derniers se sédentarisent dans la partie méridionale et cela
va sans conséquence sur les activités agricoles.
Au Tchad, l’agriculture reste le principal secteur économique, en raison de sa
déterminante contribution à l’alimentation des populations, à la création de la richesse
globale, à la fourniture d’emplois et de revenus, etc. Plus de 60% de la population active
tchadienne dont une majorité de femmes, vit en milieu rural, travaille et tire du secteur
agricole l’essentiel de leurs moyens d’existence. L’agriculture contribue ainsi
globalement à plus de 50% du PIB. Les principaux systèmes de production agricole ont
connu au cours de ces dernières décennies des mutations diverses et variées dont
notamment, la forte progression des volumes de production enregistrée sur la quasi-

2
totalité des spéculations entre 1980-2000 et l’impulsion par la demande urbaine des
productions destinées aux marchés locaux.
Bien que disposant des atouts importants pour jouer pleinement un rôle
économique de premier plan dans le développement du Tchad, le secteur agricole
connait des contraintes majeures qui limitent ou freinent son émergence. Parmi ces
contraintes, on peut citer la forte variabilité spatio-temporelle et interannuelle des
précipitations, la disponibilité et la qualité médiocre des sols, les politiques de
développement agricole inadaptées, les stratégies d’adaptation quasi-inexistantes et/ou
insuffisantes et inappropriées.
Depuis la décennie 1980, les spéculations agricoles ont bénéficié d’incitations
soutenues et ont engagé des gains significatifs de productivité. Ainsi, les rendements du
riz et du maïs ont quasiment doublé dans tous les périmètres agricoles. En effet, les
politiques volontaristes de production ont entrainé l’augmentation des volumes de
production des produits comme le coton, le maïs et le riz.
Néanmoins, l’amélioration de la production agricole tchadienne est à mettre à
l’actif de l’augmentation considérable des superficies (Gouataine, 2010 et 2016). Ainsi
des milliers d’hectares de terres agricoles ont été défrichés pour étendre les cultures,
notamment les cultures dites de rente (coton, arachide, etc.). Les rendements et la
productivité par actif agricole sont restés parmi les plus faibles du monde. Cette
agriculture peu performante et moins compétitive est incapable de nourrir la population
tchadienne.
La pluie se présente à la fois sous une forme indispensable (les activités des
hommes en dépendent) et comme un fait difficilement maîtrisable par les hommes
compte-tenu de son caractère instable et incertain. En effet, « parmi les ressources
naturelles d’un pays, le climat constitue un patrimoine dont la connaissance est
primordiale tant par son côté positif, c’est-à-dire comme source de richesses
renouvelables (eau, production agricole, énergies solaire ou éolienne, etc.), que par les
contraintes qu’il impose (variabilité, phénomènes dangereux-sécheresse inondations-,
transport de polluants, etc.) » (Gosset, 1999 cité par Bring, 2005, page 7).
La forte variabilité pluviométrique a induit une dégradation du milieu écologique
et s’est soldé par des impacts négatifs sur la production agricole. En effet, les

3
dérèglements et les déficits pluviométriques saisonniers enregistrés ont perturbé les
cycles culturaux, bouleversé le calendrier agricole paysan et rendu non opérationnelles
les normes culturales empiriques en vigueur chez les populations paysannes. Comme
effet, dans plusieurs régions tchadiennes, la vulnérabilité se manifeste par une
détérioration des rendements et des pertes importantes de récoltes. Cette situation est
due à l'indigence pluviométrique, à la réduction de la durée des saisons agricoles, au
réchauffement thermique et à la péjoration pluviométrique.
Bien que la variabilité pluviométrique soit réelle au Tchad, telle que soulignée
par Baohoutou (2007), Baohoutou et al. (2013, 2014), Gouataine et al. (2015, 2016,
2017), aucune étude n’a véritablement porté sur les effets de la pluie sur les systèmes
agricoles. Par ailleurs, les données disponibles sur l’évolution du climat sont parcellaires
et peu suggestives pour enclencher une mobilisation nationale en faveur de la
stabilisation du climat. La plupart des indicateurs sur les variabilités climatiques sont
ceux des organismes internationaux qui restent globaux et ne permettent pas de cerner
la dynamique climatique à une échelle plus fine. En effet, une population mieux
informée sera davantage en mesure de participer à la lutte contre les variabilités
climatiques annoncées et de contribuer aux programmes élaborés pour l’atténuation des
risques climatiques.
Déjà, les dernières décennies du XXe siècle ont été marquées par une dégradation
de la situation alimentaire. Le déficit alimentaire au cours des dernières années a atteint
20% par rapport à la demande en produits alimentaires des populations en raison des
sécheresses récurrentes. Cette situation conduit à une hausse de l’importation des
produits agricoles, à environ 8 millions de tonnes de céréales par an.
Dès lors, les fréquentes crises alimentaires de l’époque contemporaine incitent à
s’interroger sur la capacité de l’agriculture tchadienne à assurer son rôle de nourrir les
populations. Si les séquences climatiques des années 1946, 1962, 1964, 1969, 1977 et
1983, marquées par des périodes de grandes famines se répétaient, la sécurité
alimentaire serait fortement compromise. En effet, ce sont les paramètres climatiques
qui déterminent la sécurité alimentaire, même si l’amélioration de cette dernière dépend
aussi de l'ampleur de la pauvreté rurale.

4
 Or, la capacité d’un pays à assurer l’alimentation à sa population à partir des
ressources locales est considérée comme une condition essentielle pour le
développement économique et social (FAO, 2002). Dès lors, il importe d’évaluer la
capacité des régions du Tchad à nourrir leurs populations dans le contexte d’une
variabilité pluviométrique et de proposer des stratégies de planification alimentaire liées
à l’évolution du climat.
Jusqu’ici, au regard des données de la littérature, peu d’études détaillées aux
échelles nationale et locale ont été réalisées sur la capacité de la population paysanne à
s’adapter aux variabilités pluviométriques pour asseoir la sécurité alimentaire.
Logiquement, tous les pays en voie de développement doivent renforcer leur capacité
d’adaptation aux variabilités pluviométriques, s'ils veulent asseoir un développement
meilleur (Bruce, 1991). De plus, les stratégies de développement agricole durable
doivent prévoir notamment des dispositifs d'atténuation et de prévention, faisant appel
à la planification et à la diffusion d'alertes précoces (IPCC, 2001).
De tout ce qui précède, cette recherche s’intéresse à l’influence de la variabilité
pluviométrique sur la production agricole, d’où le thème « Effets des variabilités
pluviométriques sur les systèmes de culture et adaptations des agriculteurs dans la
plaine du Mayo-Kebbi (sud-ouest du Tchad) ». Il est question dans ce travail de
contribuer à la connaissance du rôle de l’influence de la pluie sur la production agricole.
Cette étude passe d’abord par une caractérisation de la dynamique pluviométrique en
s’appuyant sur l’utilisation des moyens et méthodes peu ou non utilisés jusque-là basés
sur les techniques statistiques multiformes (descriptives ou analytiques). Elle s’applique
ensuite sur l’analyse des effets de ces variabilités sur les systèmes agricoles. Enfin, elle
porte sur l’analyse des stratégies d’adaptation face à ces variabilités.

REVUE DE LA LITTERATURE
La production agricole est tributaire du temps et du climat qui influencent
directement ou indirectement le rendement des cultures et des pâturages pour les
animaux d’élevage. C’est ainsi que malgré les progrès remarquables réalisés dans les
sciences agronomiques, les facteurs climatiques peuvent avoir un effet positif ou négatif
sur le revenu des agriculteurs selon l’occurrence de leurs valeurs extrêmes aux

5
différentes étapes de l’élaboration de la production. Au Sahel, ce sont les sécheresses ou
déficits pluviométriques qui ont des effets les plus prononcés, car elles concernent très
souvent de vastes zones géographiques et sont de plus en plus récurrents. Cependant,
d’autres phénomènes comme les inondations, les vents violents et les pullulations
d’insectes nuisibles sont des phénomènes liés au temps et au climat.
De ce fait, ce travail traite d’un problème lié à la variabilité pluviométrique qui
se présente comme un facteur limitant la production agricole. Dès lors, plusieurs études
ont ainsi été conduites sur le sujet en Afrique de l’ouest et au Tchad. Néanmoins, sans
être exhaustif, il est nécessaire de présenter une synthèse de ces travaux, en particulier
ceux dont la ou les méthode(s) ou quelques-uns des résultats sont utilisés. Ceci afin de
dégager ce qui est déjà fait et identifier ce qui reste encore à faire. Le choix de ces
travaux a évidemment tenu compte de l’aire d’étude, des méthodes d’étude choisies et
des problématiques développées.
Les recherches effectuées par Olivry et al. (1983) et Sircoulon (1990) indiquent
que les précipitations en Afrique ont été marquées par une diminution. Dans le contexte
continental, la région ouest-africaine a connu une récession pluviométrique aux
ampleurs parfois très accusées, doublée d’une augmentation significative du nombre
d'années sèches. Nicholson (1989) estime que la baisse des hauteurs pluviométriques en
Afrique de l’ouest est comprise entre 10 et 25 % en comparaison à celle enregistrée au
début du XXe siècle. Une telle situation a engendré une baisse des rendements agricoles
dans cette partie de l’Afrique (FAO, 1995). Et, la situation serait probablement intenable
dans un contexte de changement climatique (Sombroek, 1997).
Pour sa part, Ndong (2003) montre qu’il y a une tendance à la baisse des hauteurs
de pluie de 1951 à 2000 et il détecte une rupture dans les séries pluviométriques en 1969.
De l’étude comparative des sous périodes 1951-1969 (humide) et 1970-2000 (sèche), il
ressort que les débuts de saison des pluies étaient généralement plus précoces lors de la
première sous période puis tardifs à partir des années 1970. De leur côté, Houndenou et
al. (2002) ont mis en évidence une forte instabilité et une réduction de la saison humide
sur le bassin béninois du fleuve Niger. Ils montrent aussi que les séries pluviométriques
de ce bassin connaissent une baisse marquée sur la période 1960-1990 avec une
recrudescence des « pluies tardives ». L’analyse des pluies dans la région de l’Atakora

6
au nord-ouest du Bénin réalisée par Houndenou et Hernandez (1998) confirme
l’existence d’une péjoration climatique sur la période 1960-1990. Cette péjoration se
caractérise par une diminution remarquable des abats pluvieux, une réduction
considérable du nombre de jours de pluie, un début tardif et une fin précoce de la saison
pluvieuse.
Dans leur analyse de la variabilité climatique et de ses influences sur les régimes
pluviométriques saisonniers en Afrique de l’ouest, Amani et al. (2004) ont montré que
la variabilité climatique se manifeste par une dynamique spatio-temporelle régressive
des pluies annuelles, une récession des fréquences des jours pluvieux en général et
particulièrement celles des hauteurs pluviométriques supérieures à 10mm et une
diminution de la durée des saisons pluvieuses. Pour l’identification des dates de
démarrage et de fin de saison des pluies, Camberlin et al. (2003) ont montré que la
variabilité interannuelle de la fin de la saison des pluies est moins prononcée que celle
de début. L’étude, basée sur le Kenya et le Sénégal, a révélé que les corrélations entre
les dates de démarrage et de fin, la durée de la saison pluvieuse et la pluviométrie totale
ne sont pas toutes aussi élevées qu’attendues. Les résultats de cette présente étude
permettent d’établir une comparaison avec les résultats de Camberlin et al. afin de
dégager des points communs, car la zone agro-écologique présente les mêmes caractères
que la plaine du Mayo-Kebbi.
Dans ses travaux sur l’évaluation des ressources en eau atmosphériques au Nord-
Cameroun, Bring (2005) a montré que les variations incessantes de la pluie ont poussé
les paysans à avoir une perception du climat et une certaine lecture du temps. Il a ensuite
démontré qu’à partir des méthodes statistiques, il est possible d’évaluer la quantité
pluviométrique tombée. Enfin, les mêmes analyses ont été faites avec les méthodes
satellitales. L’auteur a évoqué brièvement les stratégies d’adaptation. La plaine du
Mayo-Kebbi présente des similarités avec le Nord-Cameroun et les résultats de cette
recherche pourraient nous permettre d’aboutir à une comparaison.
Ogouwalé (2006) a montré que les paramètres climatiques ont connu de
profondes mutations pendant les dernières décennies et ceci a impacté la production
agricole. En effet, il montre, à partir des différents scénarios, que les précipitations vont
baisser pendant les prochaines décennies et que les températures augmenteront de 1 à

7
2%. Aussi dans le même temps, les paramètres agricoles subiront de profondes
disparités entrainant des baisses de rendements.
Pour sa part, Doukpolo (2014) a montré dans l’ouest de la Centrafrique
l’évolution des paramètres climatiques à travers une hausse de température de +1°C et
une baisse des précipitations de -11%. Il a montré ensuite une augmentation de la
température variant de 2,5 à 4,5°C, accompagnée d’une légère augmentation des
précipitations, de l’ordre de 1 à 4,7%. Cette situation n’est pas sans conséquence sur la
production agricole.
Au niveau local, Langtangar en 1991 a étudié la particularité de la répartition des
champs de nuages et des précipitations au Tchad. Dans ses travaux, il a fait ressortir la
répartition des nuages au-dessus du Tchad et les types de précipitations qui en résultent
mais les impacts de cette répartition ainsi que les stratégies adaptatives n’ont pas été
abordés dans son travail. Mathey (1992) pour sa part, a classé les différents régimes agro
climatiques au Tchad. Cette classification est basée sur les quantités pluviométriques
annuelles précipitées. Il ressort que les secteurs agro écologiques du Tchad connaissent
un changement dans le comportement des précipitations. La migration vers les zones
plus sèches s’observe nettement. A sa suite, Beauvilain (1995) a publié les tableaux des
précipitations depuis la création des stations jusqu’en 1994. Bien que des analyses très
profondes ne soient pas faites, ce travail constitue une référence quant à la disponibilité
des données pluviométriques mensuelles des stations tchadiennes.
Cependant, c’est Baohoutou (2007) qui a montré l’existence d’une forte
variabilité pluviométrique avec des conséquences désastreuses. Dans son étude, il
ressort que la succession de deux décennies relativement sèches avec un seuil critique
en 1984, la variabilité intra saisonnière de la pluviométrie marquée par des écarts
importants dans les dates de démarrage et de fin de pluie et une concentration tant en
fréquence qu’en hauteur de pluie au cœur de la saison ont imprimé leurs marques
particulières dans ce milieu. L’assèchement de petits cours d’eaux, la baisse de débits
de grands fleuves et de rendements agricoles, la recherche des cultivars les mieux
adaptés au contexte climatique, l’érosion hydrique durement ressentie dans les zones de
relief accusé due à la concentration des pluies au cœur de la saison sont les conséquences
de cette variation pluviométrique. Son étude est restée globale et n’a pas pris en compte

8
les dynamiques agricoles intervenues suite à ces variabilités. C’est pourquoi, dans ce
travail, il s’agit de s’atteler à analyser au niveau de la plaine du Mayo-Kebbi, les
variabilités pluviométriques et leurs effets. Toutes ces analyses ont montré la variabilité
annuelle, mensuelle et journalière des paramètres climatiques et ont pris en compte de
vastes espaces. Dans ce travail, il s’agit d’étudier cette variabilité dans un espace plus
restreint que ceux décrits ci-haut.
En ce qui concerne les effets des variabilités pluviométriques sur les cultures et
les relations pluie-plante, Essotalani et al. (2009) ont analysé l’influence de la péjoration
pluviométrique sur les productions agricoles au Togo. Ils ont attesté de l’effet du
dérèglement pluviométrique sur la satisfaction du maïs à chaque stade végétatif de son
développement. La méthodologie utilisée est aussi appliquée dans la plaine du Mayo-
Kebbi pour analyser les effets des variabilités pluviométriques sur les cultures à chaque
stade de leur croissance. Pour Mahaman et al. (2011), la pluie satisfait partiellement les
exigences hydriques surtout des variétés à cycle court. Ils ont montré que le risque
d’occurrence des séquences sèches supérieures à 10 jours est faible alors que celui des
séquences supérieures à 7 jours dépasse 50%. Cette étude intéresse le présent travail car
la zone d’étude est en bordure du domaine soudano-sahélien et permet une comparaison.
Sarr et al. (2011) ont identifié les risques climatiques de la culture du maïs au Burkina
Faso. Bien que les conditions soient favorables à la culture du maïs, celle-ci est sensible
aux aléas climatiques liés à la variabilité et aux extrêmes pluviométriques. Les résultats
obtenus ont montré que le maïs est confronté à deux risques agro climatiques majeurs :
les déficits hydriques imputables à des séquences sèches au cours de son développement
et les excès d’eau liés à des fortes pluies ou des successions d’épisodes secs et d’excès
d’eau. Par contre, ils ont montré que la période d’installation, le cumul pluviométrique,
la longueur de la saison ne semblent pas constituer de risques agro climatiques majeurs.
Cette étude permet de comprendre si les fluctuations pluviométriques produisent les
mêmes effets dans la plaine du Mayo-Kebbi.
D’un autre côté, Kanohin et al. (2012) ont montré que les contraintes climatiques
rendent vulnérables certaines cultures telles que le café et le cacao, conduisant à des
diminutions de rendements agricoles. Les analyses factorielles ont révélé une corrélation
entre les paramètres climatiques et les productions de café et cacao. Amougou Joseph et

9
Soleil Batha (2014) ont étudié la dynamique spatio-temporelle des précipitations et
l’élaboration d’un calendrier agricole à l’ouest du Cameroun. Ils ont expliqué que les
quantités des précipitations annuelles à Bafoussam et Bamenda sont décroissantes sur
la période 1960 à 2010. Par contre, sur le plan saisonnier, la saison des pluies à
Bafoussam présente une augmentation des quantités de précipitations alors que pendant
la saison sèche, les quantités de précipitations annuelles reçues sont décroissantes
pendant la même période. Bien que cette étude soit menée dans une zone agro-
écologique différente de la plaine du Mayo-Kebbi, elle permet néanmoins de
comprendre que les variabilités pluviométriques affectent tous les types de climats et
que l’arrivée tardive des précipitations ainsi qu’une fin tardive ont entrainé un décalage
de la saison pluvieuse.
Dans la même logique, Mathurin et al. (2003) ont caractérisé le climat dans quatre
terroirs de la zone soudano-sahélienne au Nord-Cameroun et ses conséquences pour
l’agriculture. La caractérisation du régime pluviométrique a conduit à l’identification
des principaux aléas dus au climat en culture pluviale. Il se dégage de cette étude que la
pluviométrie est très variable dans l’espace et dans le temps, une agressivité des pluies
et des problèmes d’érosion, une mauvaise répartition annuelle de la pluviométrie avec
des « trous » pouvant intervenir en juin, juillet ou août et impliquant des stress hydriques,
un risque d’arrêt précoce des pluies dans la troisième décade de septembre, entraînant
un non bouclage du cycle des cultures semées tardivement.
Concernant les adaptations, Amani (2013) a analysé les mutations profondes qui
affectent les comportements agricoles à Tiassalé sous l’angle des changements
climatiques. Son étude a montré que l’instabilité et le décalage de la pluie caractérisent
désormais les saisons et le calendrier des pratiques agricoles. Tout le système agricole
se trouve désormais bouleversé. Les paysans tentent de s’adapter aux moyens
d’alternatives offertes par les progrès techniques. Cette étude permet de catégoriser les
stratégies d’adaptation aux différentes variabilités pluviométriques et de comprendre les
mutations agricoles dues à ces variabilités. Abordant dans le même sens, Feumba et
Tsalefac (2003) ont mis en évidence la variabilité pluviométrique saisonnière et les
stratégies des cultivateurs à Bantoum. Ils ont expliqué dans leur étude que la crise
économique de fin de la décennie 1980 était à l’origine de l’introduction de la tomate à

10
Bantoum mais le climat subéquatorial à quatre saisons induit une variabilité
pluviométrique aux contraintes multiples, freinant ainsi la production de cette denrée.
Les stratégies des cultivateurs dans ce contexte sont assez performantes pour résister
aux chocs extérieurs. Ce travail est exploité pour dégager les tendances adaptatives dans
la plaine du Mayo-Kebbi.
Pour sa part, Madjigoto (1994) a souligné que l’une des formes d’adaptation des
paysans est l’ouverture d’autres champs donc l’augmentation des surfaces agricoles. Et
pour Baohoutou et al. (2014), la recherche des cultivars les mieux adaptés au contexte
climatique est aussi une forme d’adaptation aux variabilités pluviométriques car celles-
ci ont imprimé leurs marques sur le paysage. Dans tous ces travaux, les adaptations ne
sont pas étudiées en profondeur et la plaine du Mayo-Kebbi se trouve en marge. Il est
question dans la présente étude de se focaliser sur les effets de ces variabilités sur la
production agricole dans le Sud-ouest tchadien.
Dans les travaux antérieurs, Gouataine (2010) a signalé la forte influence du
climat sur le rendement du riz. La variabilité pluviométrique, associée au réchauffement
thermique conduit les producteurs de riz à adopter plusieurs stratégies pour faire face à
ces problèmes. Cependant, d’autres contraintes telles que la qualité médiocre du sol, les
adventices, les problèmes socio-économiques et politiques contribuent aussi à la
mauvaise production rizicole.
À la suite de tous ces auteurs, ce travail s’intéresse à la dynamique
pluviométrique et dans la plaine du Mayo-Kebbi. Il s’intéresse aussi aux effets de ces
variabilités sur les systèmes agricoles et enfin il analyse l’adaptation des agriculteurs
face à ces variabilités.

PROBLEMATIQUE

La plaine du Mayo-Kebbi est une zone essentiellement rurale dont la principale

activité est l’agriculture. Elle n’échappe pas aux variabilités pluviométriques qui
constituent actuellement une véritable menace pour les producteurs. La variabilité
pluviométrique y est marquée par une instabilité des régimes pluviométriques, la forte
récurrence des intermittences sèches, des faux départs et des retours tardifs des pluies,
les épisodes pluvieux abondants et violents. Ainsi, ces aléas sont responsables de la

11
perturbation du calendrier agricole, de la baisse de la production, des pertes du capital
semencier, du lessivage des engrais, de la prolifération des maladies cryptogamiques,
des risques d’érosion et d’inondation des aires de cultures. Les principaux effets induits
sont la disette, l’exode rural, l’aggravation de la précarité des conditions de vie des
populations locales, les multiples conflits entre les populations ainsi que la dégradation
des écosystèmes naturels.
Face à cette disjonction et cette incohérence entre le rythme pluviométrique et le
rythme agricole, les agriculteurs de la plaine du Mayo-Kebbi ne se sont pas simplement
résignés sur la situation mais ils développent des adaptations à cours, moyen et long
termes dans le but de limiter les pertes agricoles liées aux effets négatifs des variabilités
pluviométriques particulièrement afin de préserver la sécurité alimentaire.
Depuis quelques années, suite à la baisse générale des rendements agricoles dans
la plaine du Mayo-Kebbi, les producteurs ont procédé à la mise en valeur des
écosystèmes offrant une potentialité en humidité durant la saison sèche pour la
production de certaines cultures, développé des adaptations face aux variabilités,
modifié le calendrier agricole, bouleversé les systèmes agricoles mis en place. La
production dans cette plaine est influencée par les facteurs naturels caractérisés
spécifiquement par l’insuffisance, l’excès ou la mauvaise répartition spatio-temporelle
des précipitations. Or, la production agricole dans la plaine du Mayo-Kebbi, à l’instar
d’autres localités du Sud du Tchad, est essentiellement tributaire de la répartition spatio-
temporelle des précipitations.

Face à cette situation, il est nécessaire de caractériser particulièrement la

pluviométrie pour apprécier sa répartition et ses effets sur les systèmes agricoles et les
adaptations développées par les agriculteurs. Autrement dit, comment les précipitations
varient-elles dans la plaine du Mayo-Kebbi ? Quels sont ses effets sur les systèmes de
culture et les cultures elles-mêmes ? Comment les agriculteurs s’adaptent-ils à ces
variabilités ?

 Problème principal de recherche

Le problème principal que pose cette recherche est celui du déficit des
connaissances liées au rôle des variabilités pluviométriques sur les systèmes de culture

12
et la manière dont les agriculteurs s’adaptent dans la plaine du Mayo-Kebbi. Ce qui
constitue une lacune dans l’appréhension globale du phénomène des changements
climatiques qui sont d’actualité dans les problématiques de développement durable dans
le monde en général et le bassin du Lac Tchad en particulier. Ce problème fondamental
est suffisamment théorique. Il nécessite par conséquent être opératoire. C’est pourquoi,
il a été décliné en quatre problèmes spécifiques.
 Problèmes opératoires
- les variabilités pluviométriques sont peu étudiées dans la plaine du Mayo-Kebbi ;
- les plantes cultivées subissent les effets des variabilités pluviométriques
annuelles, mensuelles et journalières, mais ils restent à être caractérisées ;
- les adaptations endogènes aux variabilités pluviométriques par les agriculteurs
existent, mais elles sont peu étudiées;
- d’autres stratégies et formes d’adaptation aux variabilités pluviométriques sont
observées par les agriculteurs, mais elles sont peu connues.

QUESTIONS DE RECHERCHE
Les problèmes de recherche évoqués amènent à poser la question de recherche
principale suivante.
 Question principale

La question principale qui permet d’orienter cette recherche est la suivante :

En quoi les variabilités pluviométriques influencent-elles les systèmes de culture
et le comportement des agriculteurs dans la plaine du Mayo-Kebbi ?
 Questions spécifiques

Pour mieux cerner cette question principale, plusieurs questions spécifiques

méritent d’être posées :
- comment se répartit dans le temps et dans l’espace la pluviométrie dans la plaine
du Mayo-Kebbi ?
- comment se présentent les effets de ces variabilités pluviométriques sur les
plantes cultivées dans cette plaine ?

13
 - quelles sont les formes d’adaptation endogènes en vigueur dans la plaine du
Mayo-Kebbi ?
- existent-ils d’autres stratégies et formes d’adaptation aux variabilités
pluviométriques ?

HYPOTHESES
 Hypothèse principale

Cette recherche qui aborde toutes ces questions se fonde sur l’hypothèse
principale suivante : les variabilités pluviométriques influencent les systèmes de culture
et le comportement des agriculteurs dans la plaine du Mayo-Kebbi.
 Hypothèses opératoires
- la répartition spatio-temporelle des précipitations dans la plaine du Mayo-Kebbi
est marquée par les excès ou les déficits pluviométriques ;
- il y a un lien entre les variabilités pluviométriques et la croissance des plantes
cultivées dans la plaine du Mayo-Kebbi ;
- la dispersion des dates de semis et la modification des pratiques de labour
constituent les principales formes de réactions des agriculteurs aux variabilités
pluviométriques ;
- le développement du maraichage de contre-saison et la diversification des
activités génératrices de revenus forment d’autres stratégies d’adaptation
endogènes aux variabilités pluviométriques dans la plaine du Mayo-Kebbi.

OBJECTIFS DE LA RECHERCHE

Pour vérifier les hypothèses émises, les objectifs de recherche sont posés. Il
s’agit d’un objectif principal détaillé en plusieurs objectifs spécifiques.
 Objectif principal

L’objectif principal de cette recherche est de montrer que les pluviométries

annuelle, mensuelle et journalière sont peu constantes et partant, affectent les systèmes
de culture et le comportement des agriculteurs dans la plaine du Mayo-Kebbi.

14
  Objectifs spécifiques

De manière spécifique, il s’agit :

- de caractériser les dynamiques pluviométriques annuelle, mensuelle et
journalière observées dans la plaine du Mayo-Kebbi ;
- d’expliquer l’influence des variations pluviométriques sur les plantes cultivées ;
- d’analyser les formes d’adaptation endogènes des agriculteurs aux variabilités
climatiques ;
- de mettre en évidence les autres formes d’adaptation et de stratégies aux
variabilités pluviométriques indirectement liés aux systèmes de culture.

Après avoir présenté la problématique, les questions de recherche, les hypothèses et les
objectifs, il s’agit de présenter les théories mobilisées dans ce travail.

CADRE THEORIQUE
Dans la présente étude, plusieurs théories ont été mobilisées : la théorie
astronomique du climat, celle du rapport entre climat et plantes cultivées et celle de
l’adaptation des agriculteurs aux variabilités pluviométriques. Ces théories sont décrites
l’une après l’autre.
La climatologie est la science du climat mais son domaine d’application n’est pas
restreint au climat. Il s’agit d’une discipline beaucoup plus vaste. Elle emprunte à
d’autres sciences (mathématiques, agronomie) des notions ou des résultats dont elle a
besoin en faisant appel aux statistiques pour le traitement et l’utilisation rationnelle des
données. La climatologie est la science qui étudie le climat et permet de suivre et de
comprendre les variations climatiques sur de longues périodes (30 ans minimum) et sur
toute la planète. Les climatologues cherchent donc à connaître les climats du passé
(paléoclimatologie), dans le but de modéliser le climat du présent et de prévoir le climat
futur. Les études climatologiques sont essentielles car les activités anthropiques en
dépendent. Le climat est la combinaison des phénomènes météorologiques dans leur
succession habituelle au-dessus de la région, on parle ainsi d’ensemble de fluctuations
normales des valeurs réelles interannuelles des éléments du climat autour de leurs
moyennes d’après Bomo (1968).

15
 Le climat a toujours évolué depuis la formation de la terre, il y a 4,5 milliards
d’années. Les fluctuations du climat passé sont donc normales et naturelles. Il y a eu des
périodes glaciaires très froides et très longues (d’une durée de 80 000 à 100 000 ans),
suivies des périodes interglaciaires plus chaudes mais plus courtes (durée de 10 000 ans
environ). Ces fluctuations sont dues à deux facteurs naturels : les variations de la
quantité d’énergie solaire reçue à la surface de la terre et les variations de la trajectoire
de la terre autour du soleil. Mais en plus de cette évolution naturelle, le climat est de
plus en plus influencé par les activités polluantes des hommes.
Ainsi, le climat de la terre a toujours varié et il continuera de le faire sans aucun
doute. Le climat futur est inconnu, mais on s’intéresse de plus en plus à sa prévision. Au
cours des dernières décennies, la reconstruction des climats anciens s’est largement
améliorée. Les raisons principales en sont la multiplication des indicateurs paléo
climatiques, l’accroissement de la précision des méthodes de datation, l’extension de la
couverture géographique des reconstructions et l’amélioration des techniques
statistiques utilisées pour extraire le signal climatique des enregistrements géologiques
(Berger, 2001).
Le but de l’étude des climats anciens est de reconstruire la variabilité climatique
naturelle à toutes les échelles de temps, y compris les changements qui se présentent sur
une vie d’homme et qui n’ont pas été observés au cours de la période instrumentale; de
tester les modèles sur des conditions climatiques extrêmes afin de mieux comprendre
comment le système climatique fonctionne, et ainsi de mieux appréhender le futur
(Berger et Duplessy, 2004).
La période instrumentale contient une multitude d’informations climatiques qui,
malheureusement, ne diffèrent guère des conditions actuelles. Si les conditions
climatiques attendues pour le futur sont significativement différentes de celles observées
au passé, il est nécessaire d’étendre les connaissances à celles de climats largement
différents de l’actuel, tels que ceux qui caractérisent les glaciaires, les interglaciaires et
autres changements abrupts. La paléoclimatologie a démontré qu’elle pouvait
reconstruire les caractéristiques importantes de telles situations climatiques du passé et
ainsi aider la communauté à découvrir la variabilité naturelle du climat aux échelles de

16
temps allant de l’année (visible dans les calottes de glace) à des centaines de milliers
d’années pour les grandes régions du globe.
Simultanément, une véritable hiérarchie de modèles climatiques de complexité et
de dimension croissantes a été mise au point et testée. Ces modèles sont des moyens
incontournables de tester quantitativement les théories émises pour expliquer les
changements de climat et pour prévoir ou suggérer les phénomènes qui devront être
étudiés et observés avec beaucoup plus de soin. La fiabilité des modèles, validés et
calibrés sur le climat actuel, et leur potentialité à prévoir tout changement climatique
futur peuvent dès lors être testées dans de multiples situations paléo climatiques
différentes, en particulier celles qui sont propres à la théorie astronomique. Il faut
espérer que ces tests pourront révéler les faiblesses des modèles et suggérer quels
processus il faut étudier davantage si on veut améliorer notre connaissance du système
climatique global. Les reconstructions des variations climatiques permettent aussi de
mieux comprendre les relations entre causes et effets des changements de climat et ainsi
d’aider à mieux percevoir l’impact potentiel des activités humaines sur le climat de
demain.
Au cours des 4,5 milliards d’années de l’existence de la terre, le climat,
relativement chaud quelque 90 % du temps, a changé en fonction de l’évolution du soleil
et de l’atmosphère, mais aussi en fonction du relief et de l’activité volcanique. Les
grandes périodes glaciaires sont relativement rares sur terre et apparurent pour la
première fois il y a 2,3 milliards d’années. Avant cela, la terre était apparemment libre
de glace, la luminosité solaire faible ayant pu être compensée par un renforcement de
l’effet de serre. De 900 Ma à 600 Ma BP (millions d’années avant le présent), trois (3)
glaciations ont été retrouvées à basses latitudes. Entre 600 à 100 Ma BP, le climat doux
est ponctué de 2 poussées glaciaires importantes, l’une à l’Ordovicien et l’autre au
Permo-Carbonifère. De 100 à 50 Ma BP, le climat est doux et généralement libre de
glace. De 50 à 3 Ma BP, le refroidissement progressif du climat est global. La calotte
polaire antarctique apparaît vers 30 Ma BP et atteint sa taille actuelle vers 14 Ma BP.
Les premières traces de glaciation dans l’hémisphère nord apparaissent vers 3 Ma BP
et, depuis environ 2 millions d’années, on est entré dans la période glaciaire du
Quaternaire. Depuis un million d’années, celle-ci est caractérisée par des variations

17
importantes au cours desquelles le climat de la terre varie de manière appréciable entre
glaciaire et interglaciaire avec une quasi-périodicité d’environ 100 000 ans. On estime
qu’un interglaciaire (climat similaire ou plus chaud qu’à présent) dure environ 10 000
ans et qu’il faut 90 000 ans pour construire les énormes inlandsis qui caractérisent les
glaciaires, une dissymétrie qui donne à la variation du climat de ce type une allure en
dents de scie.
En plus de ces cycles glaciaire-interglaciaire, on constate une variabilité
importante du climat caractérisée par des oscillations et des changements abrupts à
l’échelle de quelques siècles (Bard, 2002 ; Steffen et al., 2004). On a dénombré jusqu’à
23 de ces événements appelés de Dansgaard-Oeschger, entre 70 et 14 ka BP (Elliot et
al., 2002). Ils sont caractérisés par un réchauffement rapide qui se passe en quelques
décennies suivi d’un refroidissement progressif qui dure quelques siècles et d’une phase
froide qui peut s’étendre sur un millénaire. Cette dernière est associée à des vêlages
importants d’icebergs dans l’Atlantique nord connus sous le nom d’Heinrich.
Au-delà de cette variabilité à haute fréquence et des cycles glaciaires-
interglaciaires, il existe des variations climatiques de périodes de 41,23 et 19 ka. Ces
périodes sont en fait associées à celles qui caractérisent les variations des éléments
astronomiques responsables des variations importantes de l’énergie reçue du soleil. Ces
paramètres sont à la base de la théorie astronomique des paléoclimats dont Milutin
Milankovitch (1941) fut un des pionniers.
La théorie de glaciation et inter-glaciation développée entre les années 1920 et
1941 par l’astronome serbe Milutin Milankovitch est une explication de référence.
L’auteur en s’intéressant à l'orbite de la terre autour du soleil, découvre trois cycles
orbitaux principaux d'une périodicité de 20000, 41000 et 100000 ans :
- le premier cycle concerne l'excentricité de l'orbite terrestre autour du soleil.
Lorsque l'orbite terrestre est presque circulaire, la distance entre la terre et le
soleil est la même en toute saison, ce qui affaiblit le contraste saisonnier. Lorsque
l'orbite est plus elliptique, le contraste saisonnier est plus accentué ;
- le deuxième cycle concerne la variation de l'obliquité de l'axe de rotation de la
terre. Les variations de l'obliquité influencent le contraste saisonnier par
déplacement des cercles polaires et des tropiques ;

18
 - le troisième et dernier cycle de Milankovitch est la précession des équinoxes,
avec une périodicité de 19000 et 23000 ans. Comme les deux cycles précédents,
ce cycle a une influence importante sur le contraste saisonnier, qui est maximal
lorsque l'excentricité de l'orbite est forte et lorsque la distance terre-soleil est
maximale pendant l'hiver boréal. La combinaison de ces trois paramètres permet
d'expliquer parfaitement les fluctuations climatiques de premier ordre
(glaciaires/interglaciaires) et de second ordre (stades/interstades) du Quaternaire.

Les controverses sur le changement climatique ne sont pas closes ; des disputes
passionnées se poursuivent encore. Contrairement aux controverses historiques, le
problème actuel oppose climato sceptique et spécialistes du climat. La polémique
oppose quelques « climato sceptiques » niant la responsabilité de l’homme dans le
changement climatique à la majorité des scientifiques du climat. Ceux-ci ont abouti à un
consensus, exprimé dans les rapports du Groupe d'experts intergouvernemental sur
l'évolution du climat (GIEC). Certains gaz à effet de serre rejetés par les activités
humaines piègent dans l'atmosphère le rayonnement infrarouge émis par la Terre. Cet «
effet de serre » engendre un réchauffement atmosphérique global. L'accumulation de
ces gaz dans l'atmosphère se traduit par des changements climatiques qui s'amplifieront.
Les allégations des climato sceptiques portent en effet sur des sujets présentés comme
s'ils remettaient en question l'origine humaine du réchauffement, mais pris en compte
par les climatologues, même s'ils ont pu faire débat dans le passé : le rôle du Soleil dans
les fluctuations du climat ; le rôle de la vapeur d'eau comme puissant gaz à effet de serre,
etc. Les scientifiques du climat ont réfuté ces attaques. Des historiens et des sociologues
des sciences sont allés plus loin : ils ont montré qu'aux États-Unis, des climato
sceptiques étaient subventionnés par les lobbies du pétrole et du charbon, et étroitement
liés aux think tanks ultraconservateurs. Certains de ces sceptiques avaient déjà travaillé
pour les industriels du tabac, pour minimiser les effets sanitaires de la cigarette.
Marchands de doute professionnels, ils s'emploient à entretenir artificiellement
l'ignorance dans le public, dans le but d'empêcher les mesures de réduction des
émissions de gaz à effet de serre qui devraient s'imposer si l'on suivait l'expertise du
GIEC. À y regarder de plus près, pourtant, les choses sont un peu plus compliquées. Le

19
contexte est en effet tout autre en Europe : à la différence des États-Unis, qui refusent
de ratifier le protocole de Kyoto, la lutte contre le changement climatique a constitué un
des piliers de la politique européenne. Le consensus sur la réalité et les causes du
changement climatique s'étend sur tout l'échiquier politique ; les climato sceptiques
agissent souvent individuellement et ne sont pas liés à des lobbies pétroliers. Enfin, les
sceptiques ne sont pas responsables de l'impasse des négociations internationales ou de
la faiblesse des politiques climatiques. Les raisons de ces échecs tiennent aux rapports
de force géopolitiques, aux intérêts économiques nationaux, aux divergences sur les
priorités politiques. Le consensus scientifique n'est plus contesté dans les arènes
internationales, mais il ne suffit pas à entraîner l'action politique.

En ce qui nous concerne, la théorie du climat moyen et les caractéristiques des

valeurs centrales pourraient permettre de montrer à quelle échelle séquentielle,
décadaire, annuelle et décennale, le climat est passé de « simples » fluctuations
naturelles à des alternances plus accentuées et désordonnées.
Le climat n’est pas statique, sa variation au cours du temps due à la position de
la terre par rapport au soleil s’explique encore aujourd’hui. La position de la zone
intertropicale par rapport au soleil explique aussi cette variation dans la plaine du Mayo-
Kebbi. Sa dégradation dans le temps montre que la température s’accroît sous nos
latitudes et les pluies deviennent de plus en plus rares et dévastatrices.
L’observation faite dans la plaine du Mayo Kebbi suit cette opinion générale car
la production agricole est influencée par la pluviométrie qui constitue un facteur
limitant. Ceci influence la sécurité alimentaire. Notre démarche prend appui sur
l’analyse des différentes facettes de la pluviométrie qui conditionnent l’agriculture.
Parlant de la théorie sur le rapport entre climat et plantes cultivées, plusieurs
auteurs se sont penchés là-dessus. C’est Darwin qui le premier, a évoqué la théorie de
l’évolution des espèces. Dans sa théorie, il explique que la répartition des espèces
végétales sur la surface de la terre n’est pas un fait du hasard, elle est liée à plusieurs
facteurs dont le climat. L’évolution des espèces ainsi que leur adaptation au milieu ont
été évoqués par Darwin. A partir de 1840, Le Baron de Liebig publia les lois naturelles
de l’agriculture, ouvrage dans lequel il défend le rapport entre le climat et la production

20
agricole. Il soutient la thèse selon laquelle le climat est l’élément fondamental de la
production agricole, mais il souligne également l’apport d’engrais chimiques dans la
fertilisation des sols afin d’augmenter le rendement.
La théorie sur le rapport entre le climat et les plantes cultivées est davantage
approfondie par Nikolaï Vavilov (1887-1943). Considéré comme l’un des plus grands
botanistes et généticiens de son époque, il fut parmi les premiers scientifiques à avoir
saisi l’importance du lien entre diversité biologique et sécurité alimentaire des sociétés ;
collecter et étudier la diversité des ressources génétiques des plantes cultivées de par le
monde constitue un enjeu pour l’avenir d’une agriculture productive et durable. La
vision de Vavilov, à la suite de Darwin, était à l’époque originale, car elle était menée à
l’échelle du monde, ce qui l’a conduit à élaborer sa théorie des centres d’origine des
plantes cultivées. Dans sa théorie, il explique la diversité génétique des plantes cultivées,
les mutations subies tout au long de l’histoire et les adaptations de ces plantes aux
différentes conditions pluviométriques. Les relations pluie et plantes cultivées existent,
il faut attendre plusieurs années pour que Floret et Pontanier s’y intéressent. En effet,
les relations entre le climat et les plantes cultivées sont plus complexes.
Intéressés principalement par les variations inter saisonnières et interannuelles de
la production primaire, Floret et Pontanier ont surtout considéré l'influence des
précipitations, en tant que facteur limitant le plus important de la production. En effet,
d’une part les variations interannuelles de la radiation solaire sur la production sont
certainement faibles. D'autre part, les températures si elles ont une influence importante
sur la germination, n’ont pas une grande importante dans l’ensemble de la production
agricole. A ce niveau également, c’est le rôle prépondérant de la pluie qui apparait au
détriment des autres éléments climatiques.
La théorie sur le rapport entre climat et plantes cultivées est davantage mise en
œuvre par Dancette (1983) dans l’évaluation des besoins en eau des plantes. En effet, à
partir du coefficient cultural de chaque plante et de la date de semis, les besoins en eau
des différentes plantes sont connus. Ces besoins en eau permettent ainsi de cultiver les
plantes dans des milieux différents. En appuyant Dancette, Frère et Popov (1987) ont
mis au point pour le compte de la FAO, une méthode de satisfaction des besoins en eau
des cultures dans les pays où l’eau constitue un facteur limitant l’agriculture pluviale.

21
L’indice exprime le degré auquel ont été satisfaits les besoins en eau cumulés de la
plante à un moment donné ou pour la totalité du cycle végétatif. Les plantes se présentent
comme des objets vivants, capables de fournir à l’humanité (directement ou
indirectement) son alimentation, et d’occuper l’espace minéral dans lequel elles
évoluent. Si elles sont observées avec l’œil du biologiste ou du physicien, elles se
présentent aussi comme des machines biologiques, dont la propriété principale est de
convertir l’énergie solaire en biomasse. Le mécanisme mis en jeu est la photosynthèse,
qui dote les plantes d’un système permettant d’intercepter l’énergie lumineuse,
d’investir cette énergie dans la réorganisation du dioxyde de carbone, de l’air en
molécules organiques simples, de les reconfigurer en molécules plus élaborées, puis de
redistribuer ceux-ci dans les différents organes de la plante (végétatifs, reproductifs et
de stockage).
L’efficacité de la machine biologique est, au premier abord, faible (de l’ordre de
4 %); c’est-à-dire que, si la plante est au mieux de sa forme, seulement 4 % de l’énergie
radiative qu’elle intercepte sont effectivement convertis sous forme de biomasse au
terme du processus. Les 96 % restants sont dissipés sous forme de rayonnement (réfléchi
ou réémis dans l’atmosphère), ou de chaleur dissipée dans l’atmosphère ou dans le sol,
sous forme sensible (élévation de température) ou latente (évapotranspiration).
L’efficacité de la conversion d’énergie radiative en biomasse est encore atténuée par de
nombreux facteurs, liés pour une part aux caractéristiques génétiques des plantes
considérées, et d’autre part aux facteurs du milieu qui font que la machine biologique
fonctionne plus ou moins bien.
L’alimentation hydrique des cultures est le premier facteur conditionnant son
rendement. Si une espèce cultivée pour ses grains ou ses tubercules ne peut satisfaire
que la moitié de ses besoins, on considère généralement qu’elle ne pourra pas fournir de
rendement, et elle ne pourra être utilisée que comme parcours, ou espace sylvo-pastoral.
C’est pourquoi une caractérisation agro climatique d’une région s’intéresse en tout
premier lieu à l’évapotranspiration potentielle.
En confrontant l’évapotranspiration potentielle à la pluviométrie, un indicateur
extrêmement pertinent se dégage. Bien que la production de biomasse soit a priori
directement issue du rayonnement, l’alimentation hydrique conditionne pour une bonne

22
part l’efficacité avec laquelle la photosynthèse pourra se réaliser. On peut estimer
globalement, pour les cultures annuelles, une liaison entre eau évapotranspirée en
conditions de culture et biomasse produite par la relation suivante : 500 litres d’eau par
mètre carré permettent la production d’un kilogramme de biomasse sèche. Ce qui amène
à évoquer le continuum sol-plante-atmosphère.
Le mouvement de l'eau dans le continuum sol-plante-atmosphère s'établit à partir
d'un niveau d'énergie élevé vers un niveau d'énergie bas (moins élevé). L'énergie qui
intervient dans ce continuum est de deux types : l'énergie cinétique et l'énergie
potentielle. Étant donné que le mouvement de l'eau dans le système sol-plante-
atmosphère est assez lent, son énergie cinétique, qui est proportionnelle au carré de la
vitesse, est généralement considérée comme négligeable. Par contre, l'énergie
potentielle, qui est conditionnée par la position et l'état interne, est d'importance
primordiale pour la détermination des relations hydriques (état et mouvement de l'eau)
dans le système.
L'expérience commune des relations hydriques sol-plante-atmosphère permet de
constater que la teneur en eau ne suffit pas pour décrire complètement l'état de l'eau dans
le continuum sol-plante-atmosphère. Les observations suivantes amènent à croire qu'il
est nécessaire de définir une autre propriété associée à l'eau dans le système sol-plante-
atmosphère :
- les plantes se développent différemment sur des sols différents même si ceux-ci
ont la même teneur en eau ;
- des sols qui ont été traités de la même façon peuvent avoir des teneurs en eau
différentes. En effet, un sol sableux aura des teneurs en eau différentes d'un sol
limoneux ou argileux à la capacité au champ, au point de flétrissement permanent
et au point d'assèchement à l'air. Il en est de même entre un sol limoneux et un
sol argileux ;
- en physique du sol, il est montré que lorsque deux sols avec la même teneur en
eau mais de textures différentes, sont mis en contact l'un avec l'autre, il y a un
écoulement d'eau de l'un vers l'autre. En général l'eau circule du sol à texture
grossière vers celui avec une texture fine, si ces deux sols ont la même teneur en

23
 eau volumique. D'un point de vue physique, ce ne sont pas les différences de
teneur en eau entre le sol et la plante qui régissent le sens des flux hydriques ;
- du point de vue de la physiologie végétale, une propriété autre que la teneur en
eau agit bien plus nettement sur la plupart des processus qui interviennent dans
la croissance, le développement et la production végétale.

Cette propriété à définir est celle du potentiel hydrique qui est défini comme le
travail qu'une quantité unitaire d'eau, dans un système sol-plante-atmosphère-eau en
équilibre, est capable de fournir quand elle se déplace à température constante de l'état
référentiel à un autre point. Le potentiel hydrique du sol détermine largement la facilité
avec laquelle la plante peut extraire l'eau retenue. De plus, il est essentiel de connaître
la quantité d'eau que contient un sol à des potentiels critiques donnés. Cela permet
d'estimer les besoins en irrigation des cultures.

Comme autres applications de la caractéristique de rétention, on peut considérer

les déterminations de teneur en eau à la capacité au champ et au point de flétrissement
permanent. Ces deux teneurs en eau permettent de calculer la réserve en eau utile pour
une culture donnée. La capacité au champ et le point de flétrissement permanent sont
reconnus comme étant très imprécis. Ils sont cependant qualitativement bien utiles en
pratique pour la production végétale.

A la fin d'une infiltration, l'eau contenue dans la portion humidifiée du profil de

sol se redistribue sous l'influence des gradients de potentiel. La percolation, d'abord
rapide, décroît avec le temps. La capacité au champ est définie comme l'eau contenue
dans une terre après que le taux de drainage interne à partir de la zone racinaire est
devenu suffisamment faible pour être négligeable pendant un certain temps et dans des
circonstances bien spécifiques. La capacité au champ est une estimation de la quantité
d'eau emmagasinée dans un profil de sol et qui peut être utilisée par les plantes. On a
pendant longtemps considéré, après l'introduction de ce terme par Veihmeyer et
Hendrickson en 1927, que la capacité au champ était une propriété physique
caractéristique de chaque type de sol. De plus, il est considéré que l'application d'une
quantité d'eau donnée devrait humidifier le sol jusqu'à la capacité au champ sur une
profondeur déterminée qui dépend du déficit en eau de ce sol par rapport à la capacité

24
au champ. De nos jours la notion de capacité au champ est utilisée comme une estimation
générale et grossière de la teneur en eau d'un sol après quelques jours de ressuyage. Pour
la plupart des sols, elle peut être considérée comme équivalente aux conditions proches
de l'optimum de croissance des cultures.

Le point de flétrissement permanent correspond à la teneur en eau du sol en

dessous de laquelle les plantes atteignent un flétrissement sans possibilité de
recouvrement, même si la transpiration est presque arrêtée. Ce point correspond donc
aux conditions pour lesquelles l'extraction de l'eau du sol par la plante est trop faible
pour satisfaire le régime de transpiration imposé par l'atmosphère dans un
environnement climatique spécifique. La teneur en eau au point de flétrissement
correspond ici à la valeur moyenne de la teneur en eau de la zone racinaire.

Comme la capacité au champ, le point de flétrissement permanent n'est pas une

constante du sol ou une propriété unique du sol. Il n'y a pas de valeur unique de teneur
en eau à laquelle les plantes cessent d'extraire l'eau du sol. Bien que flétries, les plantes
continuent à extraire l'eau du sol mais à un taux insuffisant pour pouvoir recouvrer une
turgescence des cellules. Des plantes en conditions de demande évaporative basse à
modérée de l'atmosphère peuvent assécher le sol à des teneurs en eau plus basses que si
elles étaient sous une demande évaporative plus élevée (Badji, 1984). De même quand
les demandes évaporatives de l'atmosphère sont élevées, les plantes peuvent flétrir
temporairement même si les teneurs en eau du sol sont adéquates. Le flétrissement des
plantes aux heures chaudes de la journée est un phénomène bien connu en physiologie
végétale. Le flétrissement est simplement le résultat d'une circulation insuffisante de
l'eau vers et à travers les surfaces racinaires par rapport à la demande de la plante (Peters,
1965).

La quantité d'eau dans un sol comprise entre la capacité au champ et le point de

flétrissement permanent est appelée la réserve utile. Le terme implique que toute cette
réserve en eau est utile pour les plantes. En effet si les teneurs en eau du sol approchent
la zone de flétrissement, particulièrement durant les périodes de demandes évaporatives
atmosphériques élevées ou pendant la floraison ou la pollinisation, le rendement ou la
qualité de la plupart des cultures baisseront fortement. Un exemple concret est donné

25
par les plantes résistantes à la sécheresse ou à la salinité. Il existe aussi des plantes qui
peuvent extraire l'eau du sol avant que celui-ci ne soit drainé jusqu'à la capacité au
champ. L'extraction de l'eau par les cultures est en effet déterminée, en conditions de
teneur en eau supérieure à la capacité au champ, par l'état d'oxygénation du sol (Letey,
1966; Letey et Kemper, 1967; Feddes et al., 1978). C’est cette théorie qui est utilisée
dans la compréhension du rapport entre le climat et les plantes cultivées.

L’autre théorie mobilisée est celle de l’adaptation. Ce concept est au cœur de la

théorie de l’évolution développée par Darwin. En général, le terme d’adaptation est
utilisé en référence soit à des adaptations physiologiques soit à des processus évolutifs.
De ce point de vue, l’évolution considérée comme un processus de changement
cumulatif étant la conséquence des réponses apportées par des organismes à leur
environnement (adaptations) durant leurs vies. La difficulté découle du fait que les
adaptations humaines sont différentes des adaptations biologiques régies par le principe
de la sélection naturelle et des mutations génétiques. Dans son application sociale, il
gagne en complexité, et ne peut se réduire à des considérations biologiques. Dans ce
travail, l’adaptation humaine est développée au détriment de l’adaptation biologique car
celle-ci ne reflète pas la thématique de ce travail.
Selon Bates (1998), une adaptation est un processus par lequel des organismes
ou des populations d’organismes qui habitent ensemble dans un environnement bien
défini font face aux ajustements biologiques et comportementaux, lesquels changements
augmentent leurs chances pour la survie. Les organismes ou les populations
d’organismes s’adaptent de deux manières: soit par une adaptation biologique, soit par
une adaptation comportementale. Le concept d'adaptation implique de maximiser les
chances sociales de la vie. Mais la maximisation est presque toujours un compromis, un
vecteur dans la structure interne de la culture et la pression externe de l'environnement
(Bennett, 2005). Cette forme s’observe dans la plaine du Mayo-Kebbi au moment où les
agriculteurs pour survivre doivent s’adapter aux changements intervenus dans leurs
systèmes de culture.
L'adaptation est aussi conçue comme la solution à un problème particulier et à la
source des changements imprévus et, des problèmes inévitablement nouveaux (Bates,
1998). Cette définition a le mérite de souligner certains aspects importants. Une

26
adaptation n’est pas bonne ou mauvaise en soi, elle est simplement une réponse
provisoire à des changements. Elle est dynamique, évolue et se transforme, elle n’est
pas statique, et suit une perspective temporelle. Il y a une évolution des adaptations;
lorsque les conditions changent, elles changent également.
D’un autre côté, Hollings utilise deux concepts afin de décrire la continuité et le
changement social dans les Social Ecological Systems (SES) :
- la résilience: c’est la capacité d’un système à retrouver son fonctionnement et un
développement normal après avoir subi une perturbation importante ;
- la résilience est une forme de résistance : la capacité d'un système à retrouver ou
ne pas quitter un état d'équilibre dynamique après une phase d'instabilité due à
une perturbation. L'instabilité peut conduire un système à évoluer provisoirement
ou définitivement vers un autre régime de comportement ou un autre équilibre,
pouvant impliquer la perte de certains éléments et fonctions du système. Au plus
un système est résilient, au plus il est capable d’absorber des changements sans
passer à un autre état. Mais même le plus résilient des SES n’est résilient que
jusqu’à un certain point.

Ces deux aspects développés par Hollings s’observent dans la plaine du Mayo-
Kebbi. Les agriculteurs tentent de s’adapter et de retrouver leur rythme normal mais
lorsque les effets des variabilités climatiques sont plus élevés, ils tentent de s’adapter
autrement. Cette adaptation se situe tant au niveau collectif qu’au niveau individuel, ce
qui conduit à distinguer dès lors l’adaptation du système social dans son ensemble et les
stratégies adaptatives individuelles, qui se situent au niveau de l’action. L’analyse
systémique s’intéresse à l’adaptation du système social dans son ensemble en adoptant
une vision holiste, tandis que les dynamiques adaptatives s’intéressent plutôt aux
stratégies individuelles. En effet, la rationalité individuelle d’une stratégie adaptative
spécifique peut être fort différente entre les individus et peut ne pas être considérée
comme adaptative d’un point de vue collectif. Ceci conduit à insister sur la nature de
l’adaptation. Il n’y a pas de bonne ou de mauvaise adaptation. Une adaptation peut être
bénéfique au niveau individuel mais perçue comme mauvaise du point de vue du
système social, de même une adaptation bénéfique au système social, ne sera
éventuellement pas perçue comme telle par les individus qui la composent. Pour clarifier
27
la terminologie, une distinction est faite entre les mécanismes d’adaptation et les
stratégies adaptatives, les deux processus définissant la capacité adaptative ou la «
résilience » d’une société donnée.
Les deux processus peuvent se chevaucher dans le temps ; les mécanismes
d’adaptation employés sur le court terme peuvent se transformer, sur le long terme, en
stratégies adaptatives. Les mécanismes adaptatifs sont davantage susceptibles
d’émerger au niveau de l’individu ou de l’unité familiale, tandis que les stratégies
adaptatives, liées aux valeurs culturelles évoluant plus lentement, sont plus susceptibles
d’émerger dans un espace social plus large. Une attention portée à cette distinction
aidera à mettre en évidence les multiples niveaux du concept d’adaptation, et des
processus de développement de réponses aux variabilités pluviométriques.
D’un autre point de vue, on perçoit l’adaptation sous l’angle de l’innovation. À
mesure que les différentes cultures humaines se sont élaborées, elles ont incorporé des
nouvelles solutions, de nouvelles connaissances, de nouvelles techniques, cependant
elles ne l’ont pas toute fait de la même manière. L’adoption d’une innovation est donc
en partie déterminée par les valeurs sociales, les normes, la culture d’une société donnée.
Classiquement, l’innovation a été considérée sous l’angle économique : « Toute
nouvelle combinaison des moyens de production » (Shumpeter, 1934). Pour lui, il y a
cinq formes possibles d’innovation : un nouveau produit, une nouvelle méthode de
production, un nouveau marché, un nouvel approvisionnement, et une nouvelle
organisation de la production. En fait, pour l’adaptation comme pour de nombreux
autres concepts, les définitions vont de la plus large à la plus restreinte. On préfère une
définition plus générale incluant différents aspects de la vie sociale qui sont à considérer
: « l’innovation est toute greffe de techniques de savoirs ou de modes de vie inédits (en
général sous formes d’adaptation locales à partir d’emprunts ou d’importations) sur des
techniques, savoirs et modes d’organisation en place » (Olivier de Sardan, 1995). Cet
auteur identifie quatre points de vue qui regroupent les grandes orientations de
l’innovation : « celle-ci a tantôt été considérée comme un processus de diffusion, tantôt
comme un phénomène d’indexation sociale, tantôt comme le produit d’une créativité
populaire et tantôt comme un effet de réinterprétations ». L’innovation comme le produit
d’une créativité populaire intéresse dans ce travail car elle correspond non seulement

28
aux adaptations endogènes mais aussi aux appuis extérieurs, c’est-à-dire ceux
permettant de mieux supporter les effets des variabilités pluviométriques.
L’observation faite dans la plaine du Mayo-Kebbi fait ressortir les différents
aspects de cette théorie. L’adaptation est un processus, elle peut être individuelle tout
comme collective, elle évolue au cours du temps. Ce travail part de la connaissance des
adaptations endogènes comme base avant d’aborder les adaptations considérées comme
extérieures. Ces adaptations sont analysées tant au niveau individuel que collectif. Elles
évoluent en fonction de la dynamique pluviométrique.

Une fois que le cadre théorique expliqué, les concepts clés utilisés dans cette
étude méritent d’être bien situés dans leur contexte. Ce qui amène à élucider leur
contour.

CADRE CONCEPTUEL

Nous voulons, à travers cette clarification, donner une compréhension claire des
termes utilisés dans ce travail et auxquels les travaux antérieurs donnent parfois des sens
différents. Ces concepts sont acceptés par les auteurs dans des contextes différents. Il
s’agit de variabilités pluviométriques, systèmes agricoles et adaptation des agriculteurs.
 Variabilités pluviométriques

La variabilité est le caractère de ce qui est variable, susceptible de se modifier

dans le temps ou l’espace. En général, la variabilité pluviométrique se réfère à la
variation naturelle intra et interannuelle de la pluviométrie. Ainsi, la notion de variabilité
désigne la modification ou variation significative de la pluviométrie, qu’elle soit
naturelle ou due aux facteurs d’origine anthropique (Niasse et al., 2004). De nos jours,
cette notion de variabilité pluviométrique est considérée comme l’une des menaces les
plus graves posées au développement, avec des impacts significatifs sur l’économie des
pays en développement et les moyens de vie des populations les plus pauvres de la
planète. Cette situation a provoqué des interventions au niveau local tout comme à
l’échelle mondiale.
Déjà, Journaux (1988) voit dans la variabilité pluviométrique une conséquence
de la variabilité climatique c’est-à-dire des changements ou variations des différents
éléments du climat selon le moment de la journée, selon les saisons et selon les reliefs.

29
Deux ans plus tard, Georges (1990) définit la « variabilité pluviométrique » comme
variabilité climatique, c’est-à-dire la fluctuation des hydrométéores apportés au sol, par
une chute, les produits de la condensation. Dans la même logique, Njoya et al. (1995)
entendent par variabilité pluviométrique, une alternance des saisons, c'est-à-dire des
caractères erratiques (répartition et/ou variation) de la pluviométrie et des températures.
Pour sa part, Yann L’hôte (2000) définit la variabilité pluviométrique comme les
variations des précipitations, c’est-à-dire une conséquence de la circulation générale
dans laquelle sont décrits les mouvements de l’air à l’intérieur de l’atmosphère terrestre.
Ramade (2008) définit les variations climatiques comme les fluctuations du climat
observées dans une région donnée à l’échelle de quelques années ou décennies. Elles
peuvent être liées soit à la variabilité naturelle des climats, soit à des changements
anthropogéniques liés surtout à l’injection des gaz à effet de serre dans l’atmosphère.
En somme, la variabilité climatique est la fluctuation du climat qui se manifeste par des
retards de pluie, des excès et des déficits pluviométriques, des séquences sèches. Elle
correspond à la dispersion statistique de la pluie autour de sa valeur moyenne.
Pour approfondir la compréhension de la variabilité pluviométrique, il est
important de définir la notion de séquence. La séquence est un terme complexe qui varie
en fonction de l’étude abordée et du type de séquence à définir ; il peut s’agir pour la
séquence sèche soit d’une « période de deux décades consécutives dont le total
pluviométrique est inférieur à 30 mm », ou soit considérée comme une « interruption de
pluie étalée sur un certain nombre de jours ». Pour la séquence pluvieuse, cela peut être
une « phase consécutive de jours pluvieux comptée à partir d’un jour de pluie…».
Dans ce travail, est considérée comme séquence sèche une suite d’au moins 2
jours consécutifs secs, mais sont analysées surtout les séquences les plus sèches
constatées à partir de 8, 9 ou 10 jours consécutifs sans pluie, pour apprécier leur poids
dans la distribution des pluies le long de la saison pluvieuse ; le but étant de dégager les
risques de stress engendrés par l’absence de pluie. Même si deux jours consécutifs ne
sont pas directement dommageables, leur rapprochement dans le temps peut constituer
un risque évident pour les plantes. En fonction des plantes dont certaines sont plus
résistantes que d’autres, les populations et les techniciens proposent d’adopter le seuil
des séquences sèches les plus significatives à au moins 8 jours consécutifs comme les

30
 plus préjudiciables pour les cultures ; il s’agit alors de dégager non seulement leur
importance numérique, mais également leur distribution suivant les mois. La séquence
pluvieuse est comptée quant à elle, à partir d’un jour de pluie ; en effet, il s’agit ici de
voir l’influence des jours pluvieux consécutifs dans la distribution saisonnière des
pluies. Les séquences peuvent apparaitre plusieurs fois de manière régulière ou pas et
chaque apparition de ces séquences constitue un événement qu’on appelle occurrence.
C’est cette répétition d’apparition qui est désignée par fréquence. Ce concept est repris
dans l’opérationnalisation à la figure 1.

CONCEPT DIMENSION VARIABLES INDICATEUR

S

Durée de la saison pluvieuse

ANNUELLE
Variation spatiale de la
pluie
REPARTITION
Démarrage et arrêt de la
saison pluvieuse
MENSUELLE

Poids des mois pluvieux

Séquences sèches et
DECADAIRE/
JOURNALIERE humides
VARIABILITES
PLUVIOMETRIQUES
Besoins en eau des
cultures

Durée de la saison
culturale

SYSTEMES DE
CULTURE Fertilité des terres

EFFETS
Production et rendement
des cultures

CULTURES
Cycle végétatif des
cultures

Figure 1. Opérationnalisation du concept variabilités pluviométriques

31
 L’autre concept à définir et opérationnaliser est celui de système de culture.

 Système de culture

Un système est défini comme une série d’éléments ou de composants

interdépendants, et agissants les uns sur les autres (Norman, 1980). Baud et al. (1997)
définissent les systèmes de culture comme l’ensemble des systèmes d’agriculture ou
d’élevage qui désignent au sens strict les associations des végétaux cultivés, leur
éventuelle rotation dans le cadre de l’assolement et les calendriers employés. Dans un
sens plus large, les systèmes culturaux tiennent compte des techniques utilisées. Le
système cultural est défini comme un ensemble d’itinéraires techniques, c'est-à-dire des
successions ordonnées et datées de techniques et de pratiques culturales appliquées à
des espèces végétales cultivées en vue d’obtenir des produits vendus ou cédés (Sebillote,
1974).
L’objectif de cette recherche n’est pas de faire une étude des systèmes culturaux,
mais d’étudier les liens ‘‘système agricole-pluie’’. Ainsi, trois niveaux d’analyse sont
privilégiés : la parcelle, l’exploitation agricole, le territoire. La hiérarchie va en
augmentant de la cellule de la plante au système agraire. Chaque unité ou chaque échelle
est un système ayant des interactions avec les systèmes voisins. Les trois échelles
privilégiées dans le cadre de cette étude sont décrites ci-dessous.
La première échelle d’étude est la « culture elle-même ». Le niveau d’observation
de cette échelle correspond à la parcelle. C’est à ce niveau qu’est privilégiée l’étude du
fonctionnement du peuplement cultivé (relation eau-plante). Il s’agit d’étudier l’impact
de la pluie sur la culture aux différents stades végétatifs de son développement.
La deuxième échelle considérée dans cette étude est le système de production
dont le niveau d’observation est l’exploitation agricole. Ceci concerne l’étude de
l’action de l’homme sur le champ cultivé à travers les techniques mises en œuvre. Il
s’agit à ce stade d’analyse, de prendre en compte la technique et la pratique culturale,
manière d’agir des agriculteurs dans leur contexte d’action spécifique ; sont aussi
analysés à ce niveau, l’impact de la variabilité pluviométrique sur les cultures à l’échelle
stationnelle conduisant à adopter ces techniques.
32
 La troisième et dernière échelle de cette étude est le système agraire dont le
niveau d’observation est la plaine du Mayo-Kebbi. Le système agraire peut se définir
comme le mode d’organisation adopté par une société rurale pour exploiter son espace
et gérer ses ressources. Ce mode d’exploitation du milieu résulte des interactions entre
les contraintes et possibilités du milieu physique, les caractéristiques socio-économiques
du peuplement humain et les acquis techniques de la société rurale, l’ensemble de ces
interactions étant soumis à l’influence de facteurs extérieurs au système (Jouve et Tallec,
1996). Ces facteurs extérieurs sont ici les précipitations. Il s’agit maintenant
d’opérationnaliser ce concept (figure 2).

CONCEPT DIMENSION VARIABLES INDICATEUR

S

Production agricole
PARAMETRES
AGRICOLES
Rendement agricole
CULTURES

PLANTES Système végétatif

CULTIVEES

SYSTEME DE
CULTURE Assolement, jachère, cycle des
PRATIQUE travaux, succession des cultures
CULTURALE

TECHNIQUES
AGRICOLES Sarclage, labour,
PROCEDES DE
LABOUR

Houe, machette, charrue,

MATERIELS motoculteur

Figure 2. Opérationnalisation du concept système de culture

33
 Un troisième concept, celui d’adaptation des agriculteurs est aussi défini et
opérationnalisé.

 Adaptation des agriculteurs

Plusieurs définitions sont données au concept d’adaptation. Ramade (2008)

définit les stratégies adaptatives comme une caractéristique propre au type d’adaptation
d’une population ou d’une communauté vivant à des conditions environnementales
particulières. Pour Veyret (2012), l’adaptation est le résultat de choix délibérés pour
échapper aux contraintes du milieu.
L’adaptation est par exemple contrôlée par des perceptions culturelles fondées
sur des systèmes de valeurs individuelles. Quoi qu’il en soit, plus un système est capable
de s’adapter, moins il est vulnérable et plus, il est résilient. Cette adaptation se résume
à un ensemble de réajustements opérés ou auto-opérés à l’intérieur des systèmes naturel
et humain, en réponse curative ou préventive aux stimuli climatiques actuels ou futurs
ou à leurs effets en vue d’atténuer leurs nuisances ou d’en tirer opportunément profit
(Issa, 1995). Dans ce travail, par adaptation, nous entendons la façon dont le paysan, en
fonction du contexte agro climatique et des ressources disponibles, planifie et organise
ses activités agricoles pour atteindre les objectifs qu’il se fixe. Cette adaptation peut être
soit endogène, soit exogène (figure 3).
Une notion fondamentale découle du concept d’adaptation. Il s’agit de la capacité
d’adaptation. La capacité d’adaptation ou adaptabilité représente la capacité d’un
système, d’une région ou d’une communauté, d’un territoire, à adapter sa structure et
son fonctionnement pour tenir compte des changements environnementaux avérés,
potentiels ou supposés.
Pour réduire les risques agroalimentaires en rapport avec les variabilités
pluviométriques, les formes d'adaptation sont élaborées suivant une approche
systémique. Les différentes mesures d’adaptation qui sont à préconiser doivent
constituer les entrées d’une stratégie alimentaire globale qui a pour finalité la
satisfaction des besoins alimentaires des populations. Ces mesures constituent le moyen
et les infrastructures décisionnelles à développer afin que la plaine du Mayo-Kebbi
arrive à une meilleure maîtrise de sa production, en particulier par un effort intégré
34
 visant à accroître la production vivrière, améliorer la consommation des denrées et
réduire le risque de famine pour les populations.

CONCEPT DIMENSION VARIABLES INDICATEUR

S

Réadaptation du calendrier
cultural/Dispersion des dates
de semis

Pratiques d’autres cultures et

augmentation des surfaces

DIRECTES Adoption des variétés à cycle

court

Mise en valeur des bas-fonds et

ENDOGENES des berges des cours d’eau

Modification des pratiques de

labour

Maraichage

Activités génératrices de revenus

ADAPTATION DES INDIRECTES Mouvements migratoires

AGRICULTEURS
Choix stratégiques d’investissement

APPUI DES
POUVOIRS Assistance et soutien de recherche
PUBLICS
Appui matériel

EXOGENES

STRATEGIES POUR LA Réduction de l’importation

PLANIFICATION DE LA
SECURITE
ALIMENTAIRE Renforcement des
adaptations

Figure 3. Opérationnalisation du concept adaptation des agriculteurs

35
 DELIMITATION SPATIALE
La zone d’étude est située au sud-ouest du Tchad, en plein milieu sahélo-
soudanien. Elle est comprise entre les 9°35’ et 11°6’ de latitude nord et 14°47’ et 16°3’
de longitude est (figure 4). Le cours du Logone limite une partie de la zone d’étude à
l’ouest et forme la frontière avec la République du Cameroun, le Chari au Nord sépare
la zone d’étude du Chari-Baguirmi. Administrativement, elle appartient à la région du
Mayo-Kebbi Est et couvre trois départements : le Mayo-Lemié, le Mayo-Boneye et le
Mont Illi. Elle a une superficie de 15160 km2.

Figure 4. Situation et localisation de la zone d’étude

36
 C’est dans cette plaine aux caractères complexes que s’est axée cette étude. Le
relief dans son ensemble est caractérisé par des collines, des vallées dans lesquels
coulent les mayo1 et des plaines d'inondation. Le Mayo-Kebbi est partagé entre des
zones exondées et des zones inondées. D'une manière générale, les zones exondées sont
confrontées à des problèmes d'érosion alors que les zones inondables souffrent
d'enclavement périodique. On distingue ainsi les formations du socle collineux
fortement érodées, la zone des koros2 et les plaines alluviales.
Le cadre spatial étant connu, il reste à détailler la méthodologie utilisée dans ce
travail.

CADRE METHODOLOGIQUE

Cette partie expose la démarche d’analyse des variabilités pluviométriques et

l’adaptation des agriculteurs de la plaine du Mayo-Kebbi. Cette démarche commence
par la typologie des données et l’identification des stations climatologiques retenues.

Typologie des données et des stations météorologiques retenues

Les types de données et les différentes stations météorologiques retenues dans
cette étude ainsi que les techniques de comblement des données manquantes sont
présentés dans cette partie.

Nature et sources des données

La recherche documentaire a été réalisée dans des institutions de recherche dont
les activités sont en liaison avec l’objet de cette étude. Elle a été conduite principalement
à la bibliothèque du CEFOD, du CNAR, du Centre Al-Mouna, au Ministère de
l’Agriculture, à l’ONDR. Cette phase de collecte des données a permis d’avoir une idée
assez claire de la situation agricole dans la plaine du Mayo-Kebbi et de mieux
appréhender les articulations ainsi que les contours du sujet choisi. Les données utilisées
sont des :

1
Cours d’eau en foulbé
2C’est une unité géomorphologique et géographique caractérisée avant tout par l’absence d’une nappe
d’eau à la profondeur pouvant être atteinte par les puisatiers africains avec leurs moyens traditionnels.
37
 - statistiques climatologiques : pluviométrie et température de la région d’étude.
Ces données sont utilisées pour caractériser les variabilités pluviométriques tant
à l’échelle de la plaine qu’à l’échelle stationnelle;
- autres données climatologiques (évaporation, insolation, vitesse de vent,
humidité relative) pour la simulation et l’évaluation des rendements agricoles ;
- statistiques agricoles portant sur les superficies emblavées, les productions et les
rendements des différentes campagnes agricoles qui sont utilisées pour connaitre
la situation agricole et de calculer les différentes corrélations des cultures ;
- informations qualitatives issues des enquêtes de terrain. Elles ont permis de
comprendre les habitudes alimentaires et la perception des populations vis-à-vis
de la dynamique du climat et de cerner les mesures adaptatives qu’elles
développent pour faire face aux crises alimentaires ;

Une fois que la nature et la source des données connues, il reste à identifier les
stations retenues et les données climatologiques disponibles.

Stations météorologiques retenues, critique et reconstitution des données

manquantes
Un réseau final de cinq (5) stations répondant à une meilleure répartition spatiale
et offrant des séries d’observation assez longues (56 ans) qui peuvent être divisées en
deux normales, c’est-à-dire en deux sous-périodes à partir de la rupture a été retenu
(figure 5). Cette scission permet d’affiner les analyses et de vérifier l’existence des
variabilités climatiques. Le choix des pas de temps annuel, mensuel, journalier et de
l’espace couvrant les cinq stations se justifie par une suite de contraintes liées à
l’acquisition des données de base, aux simulations envisagées et à l’ambition de l’étude.

38
 Figure 5. Localisation des stations

L’étude climatique nécessite, en principe, un réseau climatologique dense et

diversifiée, c’est à dire qui prélève toutes les données climatologiques. Dans le contexte
africain en général et au Tchad en particulier, il est parfois difficile d’obtenir des
données à un pas de temps plus fin que mensuel. Les données disponibles pour la plupart
des stations sont des données pluviométriques. Les données de température,
d’insolation, d’humidité relative, d’évapotranspiration et de la vitesse de vent sont
parcellaires et très limitées. Elles sont néanmoins utilisées dans les simulations et

39
l’évaluation des pertes et de calcul de rendement. En outre, toutes les stations n'ont pas
une série de longueur identique, car elles ne sont pas toutes de la même génération.
Pour cette étude, afin de respecter une bonne homogénéité des séries, on a choisi
de travailler sur la période 1960-2015. Ce choix est motivé par les raisons principales
suivantes :
- 1960-2015 est la série commune à toutes les stations de la zone d’étude sauf celle
de Moulkou ;
- on a voulu considérer un maximum de stations pour pallier l'insuffisance du
réseau d’observations, de manière à couvrir le plus vaste espace géographique
possible ;
- il est nécessaire de travailler sur une longue série pour obtenir des analyses
fréquentielles fiables. La période choisie présente aussi l'avantage de prendre en
compte des séquences d'années pluvieuses et d'années sèches.

Les données de base utilisées sont exclusivement des données pluviométriques

journalières recueillies à la DREM. Aussi ont été exploitées les données recueillies par
Beauvilain (1995) présentant les données mensuelles de la création des stations à 1994
(année arrêtée par l’auteur). Ces cinq stations disposent des données variées (tableau I).

40
 Tableau I. Liste des stations retenues

Stations Type de Coordonnées géographiques Disponibilité des données (période) Année de création
stations
S C P Longitude Latitude Altitude (m) Annuelle Mensuelle Journalière
Billiam-oursi × 15°14’E 10°34’N 318 1960-2015 1980-2015 2000-2015 1960
Moulkou × 15°28’E 10°44’N ** 2000-2015 2000-2015 2000-2015 **
Bongor × 15°22’E 10°17’N 328 1960-2015 1960-2015 2000-2015 1930
Fianga × 15°11’E 9°56’N 327 1960-2015 1960-2015 2000-2015 1946
Guelendeng × 15°33’E 10°55’N 316 1960-2015 1960-2015 2000-2015 1952

S = synoptique ; C= climatologique ; P= pluviométrique ** Données non disponibles

41
 Différentes techniques existent de nos jours pour vérifier la qualité des données
climatologiques recueillies pour une bonne analyse. Pour ce travail, la macro nommée
« HYDROLAB » associée au logiciel Excel est utilisée.
En plus des données climatologiques, il y a la collecte des données empiriques.

Collecte des données empiriques

Les outils de collecte d’informations sur le terrain sont la grille d’observation et
le guide d’entretien portant sur les phénomènes climatiques, les adaptations des
agriculteurs dans la plaine du Mayo-Kebbi suivant les techniques d’échantillonnage.
Ainsi, un échantillon d’agriculteurs est sélectionné en fonction de la zone agro-
écologique. Au total, 250 agriculteurs ont été enquêtés soit 50 par station
climatologique. Un questionnaire est utilisé comme moyen d’enquête auprès des
populations. Les personnes enquêtées sont entre autres les agriculteurs, les agents des
services déconcentrés des différents organismes, les techniciens agricoles. Ce choix est
fait en fonction de leur responsabilité dans le développement agricole du milieu ou de
leur connaissance des relations climat-agriculture.
Ces enquêtes ont permis d’identifier les perceptions paysannes des variabilités
pluviométriques, les adaptations endogènes à ces variabilités, les techniques et les
pratiques culturales ainsi que les données sur les différents paramètres agricoles.
Les cultures vivrières, à savoir le maïs, le sorgho, le pénicillaire, l’arachide, le
niébé, le riz et le sésame (tableau II) aux caractéristiques variées sont retenues en
fonction de leur importance dans les habitudes alimentaires des populations de la zone
d’étude.

42
 Tableau II. Préférendums thermiques et pluviométriques des cultures et
durée du cycle végétatif
Cultures Exigences écologiques et durée de cycle
Nom Nom scientifique Températures Besoins en Durée du cycle
courant (°C) eau (mm) (jours)
Maïs Zea mays +18 à +30 500 à 1000 120
Arachide Arachis hypogea +24 à +33 400 à 1200 90-120
Riz Oryza +28 à +30 1000 à 1800 110-120
sativa/glaberrima
Niébé Vigna unguiculata +18 à +25 400 à 800 90-100
Pénicillaire Pennisetum +25 à +30 200 à 800 75-100 et 110-
typhoideum 150
Sésame Sesasum indicum L. * * 80 à 180
Sorgho Sorghum durra ou +12 à +30 * 150-180
candatum
Source : Euloge OGOUWALE (2006), Mémento de l’agronome (2009)
* Données non disponibles
Dans ce tableau, on trouve le nom courant de la culture ainsi que le nom
scientifique, les exigences écologiques (température et besoins en eau) qui permettent
de les comparer à la pluviométrie et aussi la durée du cycle de chaque culture.
Après homogénéisation et contrôle des données pluviométriques, le traitement de
ces données concerne entre autres la caractérisation de la variabilité spatiale et
interannuelle, l’analyse des dates du démarrage et de l’arrêt des pluies, la détermination
des séquences sèches et humides.

Analyse des paramètres climatiques et indicateurs des variabilités

pluviométriques

La détermination des variabilités pluviométriques a permis de connaitre le

comportement pluviométrique de la plaine du Mayo-Kebbi. Cette détermination passe
par l’identification de rupture de stationnarité, le calcul du SPI pour la variabilité
interannuelle, l’identification du stade bioclimatique du sud-ouest tchadien, le calcul des
paramètres concernant les variabilités mensuelles, décadaires et journalières.

43
 Identification des indicateurs de rupture
Pour identifier les signes d’une variabilité pluviométrique, les statistiques
climatologiques ont été analysées et comparées. D’abord, le test de Buishand pour
détecter les ruptures dans les séries pluviométriques a été utilisé. Un seul test ne suffit
pas pour affirmer une rupture dans les séries pluviométriques. Pour cela, un autre test a
été utilisé pour identifier aussi la rupture.
Le test de Pettitt (1979), non paramétrique, est efficace pour détecter les «
ruptures » dans les séries pluviométriques au Sud-ouest du Tchad. L’absence de rupture
dans la série (Xi) de taille N constitue l’hypothèse nulle. La mise en œuvre du test
suppose que pour tout instant t compris entre 1 et N, les séries chronologiques (Xi) i=1
à t et t+1 à N appartiennent à la même population. Ce test repose sur le calcul de la
variable Ut, N définie par :
𝑼𝒕.𝑵 = ∑𝒕𝒊=𝟏 ∑𝑵
𝒋=𝒕+𝟏 𝑫𝒊𝒋 où

Dij = sgn (xi – xj) avec sgn(Z) = 1 si Z > 0; 0 si Z = 0 et -1 si Z < 0.

Soit KN la variable définie par le maximum en valeur absolue de Ut.N , pour t

variant de 1 à N-1. Si K désigne la valeur de KN prise sur la série étudiée, sous
l’hypothèse nulle, la probabilité de dépassement de la valeur K est donnée
approximativement par :
𝑷𝒓𝒐𝒃(𝑲𝑵 > 𝐾) ≈ 𝟐𝒆𝒙𝒑(−𝟔𝑲𝟐 /(𝑵𝟑 + 𝑵𝟐 ))
Pour un risque α de première espèce donné, si 𝑃𝑟𝑜𝑏(𝐾𝑁 > 𝐾) est inférieure à α,
l’hypothèse nulle est rejetée. Ce test est réputé pour sa robustesse (Lubes et al., 1994).
Une fois l’année de rupture déterminée, l’étude des deux échantillons permet de
comparer le comportement pluviométrique du sud-ouest tchadien.

Comparaison de deux échantillons temporels

Cette évaluation a pour objectif de mettre en évidence la variabilité

pluviométrique intervenue dans la plaine. Le choix des périodes est issu des résultats de
l'application des tests de Buishand et de Pettitt sur les différentes séries. La comparaison
des deux échantillons passe par :

44
 - l’écart e entre la moyenne m1 de la période avant la rupture et la moyenne m2 de
la période après la rupture déterminé par la formule suivante :

e = m2-m1
- le test paramétrique « t » de Student utilisé pour comparer les hauteurs d’eau
précipitées au cours des deux périodes. Il a permis de caractériser et de valider
les changements pluviométriques entre la période avant et la période après la
rupture.

𝒆
Il s’écrit de la façon suivante : 𝒕 =
√𝑺𝟐 +(𝟏⁄𝒏𝟏 +𝟏⁄𝒏𝟏 )

Où : m1= moyenne de la période avant la rupture, m2 = moyenne de la période

après la rupture et n1 et n2 les effectifs des sous séries.
S² = la valeur pondérée du groupe entier des deux échantillons se formulant
comme suit :
((𝑛1 − 1)𝑆1 + (𝑛2 − 1)𝑆2 ))
𝑆2 =
𝑛1 − 𝑛2 − 2

S1 représente la variance du premier échantillon (avant la rupture) et S2

correspond à la variance du deuxième échantillon (après la rupture).
La valeur « t » obtenue est comparée à une valeur tirée de la table de Student,
pour un nombre de degrés de liberté v, tel que v = n1 + n2 -2
L’ensemble de ces paramètres étant calculé, le comportement pluviométrique de
la zone d’étude peut déjà être cerné.

Variabilités de la pluviométrie

Cette étude nécessite l’utilisation des paramètres et méthodes suivants : le calcul

de la moyenne et de l’écart-type, l’analyse des anomalies centrée-réduites, la
détermination de la variabilité spatiale des pluies, le calcul et l’analyse du nombre de
jours pluvieux et des écarts à la moyenne, la détermination de la droite de régression des
éléments du climat et le calcul des séquences sèches. Ces analyses sont précédées par
les lois statistiques de calcul des paramètres climatiques.

45
 Lois statistiques
Plusieurs lois statistiques permettent de vérifier la normalité des séries
pluviométriques et de calculer leur répartition temporelle.
Loi de Gauss ou loi normale
Après plusieurs essais avec diverses lois statistiques, le constat est que les séries
pluviométriques annuelles dans les régions soudanienne et guinéenne s’ajustent mieux
à la loi racine-normale. Cette loi de distribution très apparentée à la loi normale ou loi
de Gauss a pour expression :

𝒖 𝟐
𝝁
𝟏 −
𝑭(𝒙) = ∫ 𝒆 𝟐 ;
√𝟐𝝅 −∞

̅̅̅̅
√𝐱−√𝐱
u variable réduite de Gauss est égale à : 𝒖 = avec
𝛔.√𝐱

̅̅̅̅x = la moyenne des racines carrées de la série ;

√
𝜎. √𝑥 = écart type des racines carrées de la série.

Loi de Poisson ou loi des événements rares

Cette loi est utilisée principalement pour modéliser le nombre par an
d'événements dépassant un seuil. Les seuils considérés ici sont les tranches
pluviométriques, c’est-à-dire les pluies journalières dépassant les 50mm, celles
comprises entre 30 et 50mm, celles comprises entre 10 et 30mm et enfin celles
inférieures à 10mm.
Sur le plan technique, la loi de Poisson ou loi des événements rares indique que
la probabilité de rencontrer k événements est donnée par :
𝝀𝒙 𝒆−𝝀
𝑷𝒓𝒐𝒃(𝒙) =
𝒙!
C'est une variable entière (égale au nombre de jours de pluie) et x le seul
paramètre d'ajustement : moyenne : μ =𝝀, écart-type : σ = √𝜆
Loi de Gumbel
La formulation mathématique de cette loi de Gumbel se présente comme suit :
−𝒖 𝑷−𝑷𝒐
𝑭(𝑷) = 𝑷𝒓𝒐𝒃(𝑷 ≤ 𝒑) = 𝒆−𝒆 avec 𝒖 =
𝒈

46
 Où
- F(P) = probabilité qu’un événement quelconque P soit inférieur ou égal à un
événement particulier p ;
- u = variable réduite de Gumbel ;
- P0 = paramètre de position appelé mode (l’ordonnée à l’origine, u=0) ;
- g= paramètre d’échelle appelé gradex (Gradient exponentiel des valeurs
Extrêmes) ; c’est la pente de la droite théorique de Gumbel.

Les deux paramètres (P0 et g) sont ajustés par la méthode des moments donnant
lieu aux estimateurs suivants :
̅ − 𝟎. 𝟓𝟕𝟕 × 𝒈 avec 𝒈 = 𝟎. 𝟕𝟖𝝈𝒑
𝑷𝒐 = 𝑷

𝑃̅ 𝑒𝑡 𝜎𝑝 étant la moyenne et l’écart-type de la série d’observations qui peuvent

être obtenus par les calculs ci-après :

∑𝒏𝒊=𝟏 𝒑𝒊 ∑𝒏 𝒑𝒊𝟐 − 𝒏𝒑
̅𝟐
̅=
𝑷 𝒆𝒕 𝝈𝒑 = √ 𝒊=𝟏
𝒏 𝒏−𝟏

Une fois que les lois statistiques définies, il reste à détailler la variabilité
interannuelle et spatiale des pluies.

Détermination de la variabilité interannuelle (indice de Nicholson) et

spatiale des pluies
Le calcul de l’indice de Nicholson commence par celui de la moyenne et de
l’écart-type.
La moyenne arithmétique a été utilisée pour étudier les régimes pluviométriques
aux différentes stations. C’est le paramètre fondamental de tendance centrale,
représentée par la « normale », moyenne calculée sur une période de cinquante-six ans.
Elle s’exprime de la façon suivante :
𝒏
𝟏
̅ = ∑ 𝐱𝐢
𝑿
𝐧
𝒊=𝟏

47
 La moyenne 𝑋̅ a permis de caractériser l’état climatique moyen et de calculer les
indices de dispersion les plus significatifs tels que l’écart-type.
Le calcul de l’écart type a permis d’évaluer la dispersion des valeurs autour de la
moyenne « normale ». Il se détermine par le calcul de la racine carrée de la variance:
𝝈(𝒙) = √𝑽 où V est la variance.
L’écart-type est par excellence l’indicateur de la variabilité. Il constitue avec la
moyenne, les deux éléments permettant de calculer l’indice de Nicholson.
À partir de l’écart type, ont été calculées les anomalies centrées réduites
pluviométriques interannuelles, en standardisant les données. Les anomalies sur chaque
station se calculent par la formule suivante :

̅
𝑿𝒊 − 𝑿
𝑿′𝒊 =
𝝈(𝑿)
Où
X i′ = anomalie centrée réduite pour l’année i
X i = la valeur de la variable
𝑋̅ = la moyenne de la série
σ(X) = l’écart-type de la série

Le calcul de l’indice pluviométrique standardisé ou Standardized Precipitation

Index (SPI) est utile pour déterminer la sévérité de la sécheresse selon différentes
classes. Ces différentes classes ayant des valeurs déterminées ont contribué à
caractériser la tendance pluviométrique dans la plaine du Mayo-Kebbi comme le montre
le tableau III.

48
 Tableau III. Classification du SPI
Classes du SPI Degré de la sécheresse
SPI >2 Humidité extrême
1< SPI <2 Humidité forte
0< SPI <1 Humidité modérée
-1< SPI < 0 Sécheresse modérée
-2< SPI <-1 Sécheresse forte
SPI <-2 Sécheresse extrême
Source : OMM, 2012
Ce tableau présente la classification de l’indice de Nicholson permettant la
détermination du degré de la sécheresse tant au niveau de la plaine qu’au niveau des
stations. Il existe six classes différentes pour montrer le degré de la sécheresse et chaque
classe est associée à un indice bien précis. Maintenant que la variabilité interannuelle
est connue, il est indispensable d’analyser la variabilité spatiale de la pluie.
Pour étudier la répartition spatiale des pluies, les corrélations entre les stations
ont été calculées. Cette corrélation repose sur des liaisons non rigides entre deux
variables ; ces liaisons sont basées sur une dépendance « stochastique ». Les variables
concernées sont les quantités annuelles de pluie durant la période d’étude sur l’ensemble
de la plaine du Mayo-Kebbi. Les corrélations sont établies entre les stations
indépendamment de leur localisation spatiale.
La détermination de la variabilité interannuelle et spatiale a permis de déterminer
le stade bioclimatique de la plaine du Mayo-Kebbi.

Détermination du stade bioclimatique et de l’indice d’agressivité climatique

Il s’agit de définir l’état climatique du sud-ouest tchadien. Les différents stades
bioclimatiques sont définis et classés à l'aide d'indices d'aridité climatique.
Pour définir cet état, on a utilisé l’indice de De Martonne. Cet indice, mis au point
par Emmanuel de De Martonne a permis de caractériser le climat d’une région et évaluer
son impact sur les processus physiques et biologiques. Il s’écrit de la manière suivante :
𝑷
𝑰𝒂 (𝒂𝒏𝒏𝒖𝒆𝒍) =
𝑻 + 𝟏𝟎

49
 𝟏𝟐𝑷
𝑰𝒂(𝒎𝒆𝒏𝒔𝒖𝒆𝒍) =
𝑻 + 𝟏𝟎
Où P = hauteur d’eau annuelle ou mensuelle et T = température moyenne annuelle
ou mensuelle.
L’indice de De Martonne a quatre niveaux d’interprétation :
- si Ia> 20, humidité suffisante
- si Ia< 10, aridité
- si 10 <Ia< 20, tendance à la sécheresse
- si Ia< 5, hyper aridité

L’indice de Fournier ou l’indice d’agressivité climatique permet de connaitre la

capacité érosive du climat. Il s’écrit de la manière suivante :
p2
𝐹=
P
Avec p2 : pluie du mois le plus arrosé
P : pluie annuelle
Tous les paramètres permettant de caractériser les variabilités annuelles étant
connues, il s’agit maintenant d’analyser ceux qui ont permis de calculer les variabilités
mensuelles, décadaires et journalières.

Analyse de démarrage et de l’arrêt des pluies et des jours pluvieux

En ce qui concerne l’analyse des démarrages et des arrêts de la saison des pluies,
dans un premier temps, les méthodes développées par Tchadieu et al. (1999) sur le Nord
Cameroun et inspirées des critères de Sivakumar et al. (1993) et Stern et al. (1981) qui
sont basées sur les critères suivants ont été adoptées :
- le début de la saison des pluies intervient quand on observe 20 mm de pluies en
deux jours consécutifs non suivis d’une séquence sèche d’une semaine dans les
30 jours qui suivent ;
- la fin de la saison des pluies arrive après une pluie supérieure à 1 mm à laquelle
succèdent au moins 20 jours secs consécutifs.

50
 Dans un second temps, les méthodes des quartiles ont été utilisées afin
d’apprécier l’évolution des saisons culturales. Les dates de début et de fin de la saison
pluvieuse ont été classées en fonction des limites définies par le quartile inférieur (Q1),
le quartile médian (la médiane ou Q2) et le quartile supérieur (Q3). Si les dates sont
inférieures ou égales à la valeur limite du quartile inférieur, elles sont considérées
comme précoces. Par contre, lorsqu’elles se trouvent supérieures ou égales à Q3, elles
sont tardives. Enfin, lorsqu’elles sont situées entre Q1 et Q3, elles sont dites ‘‘normales’’.
Après l’analyse du démarrage et de l’arrêt de la saison des pluies, les jours pluvieux ont
été déterminés et calculés.
D’un point de vue climatologique, l’étude des jours pluvieux peut contribuer à
améliorer les connaissances sur les aspects des déficits pluviométriques saisonniers et
annuels. En effet, ces déficits peuvent résulter de la diminution de la fréquence de fortes
précipitations ayant atteint ou dépassé un certain seuil.
D’un point de vue agronomique et hydrologique, la diminution de la fréquence
de forte pluies et la répartition des pluies au sein de la saison sont des données
importantes. Ainsi, une caractérisation des régimes pluviométriques ne peut donc se
limiter à une analyse statistique simple de cumuls pluviométriques. Elle doit aussi
comporter les fréquences des jours pluvieux. En effet, la pluie n’est pas un phénomène
continu. Les précipitations surviennent au cours d’événements pluvieux de durée
variable se succédant suivant des intervalles de temps variables.
La typologie des précipitations journalières qu’on a proposées est liée aux normes
internationales de seuil définies par l’Organisation Météorologique Mondiale (OMM,
1980). Les différentes classes sont définies en fonction du nombre de jours de hauteur
comprise entre :
- 1 et 10mm ;
- 10 et 30mm ;
- 30 et 50mm ;
- supérieures à 50mm.

L’analyse de ces différentes tranches a permis de calculer les quantités

pluviométriques tombées et leurs effets potentiels. D’un point de vue climatologique,
l’étude des jours pluvieux peut contribuer à améliorer les connaissances sur les aspects
51
des déficits pluviométriques saisonniers et annuels. En effet, ces déficits peuvent résulter
de la diminution de la fréquence de fortes précipitations ayant atteint ou dépassé un
certain seuil.
L’analyse de ces différentes tranches a permis de calculer les quantités
pluviométriques tombées et leurs effets potentiels.

Détermination du nombre des jours de pluie, des écarts à la moyenne et de

la droite de régression des éléments du climat
Le nombre moyen des jours de pluie est obtenue d’après l’équation statistique
suivante :

𝑁𝑎 = ∑(𝑁𝑦)/𝑁𝑏

Avec :
Na = nombre annuel de jours des pluies ;
Ny = nombre annuel de jours des pluies enregistré par station
Le nombre des jours pluvieux étant connu, il faut calculer les écarts à la moyenne.
Les écarts à la moyenne des précipitations sont calculés d’après la formule
statistique suivante :
𝑬𝒎𝒐𝒚(𝒑) = 𝑷𝒊 − 𝑷𝒎
𝑬𝒎𝒐𝒚(𝑵𝒃𝒓) = 𝑵𝒃𝒓𝒊 − 𝑵𝒃𝒓𝒎
Avec Pi= précipitation d’une année quelconque en mm ;
Pm= moyenne de pluie enregistrée sur un intervalle de temps donné ;
E(moy)= écart à la moyenne des précipitations ;
Nbri= nombre de jours de pluie d’une année quelconque en jours ;
Nbrm= moyenne du nombre de jours sur un intervalle de temps donné ;
Emoy(Nbr)= écart à la moyenne du nombre de jours des pluies.
En plus des écarts à la moyenne, il y’a aussi la droite de régression de la
pluviométrie qui est déterminée.
La droite de régression de l’évolution des éléments climatiques est définie d’après
l’équation suivante :
𝒀 = 𝑨𝒙 + 𝒃

52
 Avec
A=cov (x,y)/X2
B=m(y)-am(x)
A est la pente de la droite de régression par rapport à l’axe des x, ou encore le
taux moyen de croissance des précipitations par unité de temps ;
B est la coordonnée verticale de l’intersection entre la droite de régression et l’axe
des ordonnées y. Quand tous ces paramètres sont calculés, le calcul de la corrélation
entre les différents paramètres est nécessaire.
La corrélation suppose un lien entre deux variables différentes. Ces variables sont
représentées en nuages de points dans un repère orthonormé. Dans le cas où le nuage de
points qui permet l’existence d’une corrélation entre les deux variables x et y prend une
forme allongée, telle que les points qui le constituent paraissent s’être regroupés au
voisinage d’une droite, un coefficient de corrélation linéaire, désigné par r peut être
calculé de la manière suivante en faisant d’abord les changements de variables :
𝐱 𝐢 − 𝐱̅
𝑿𝒊 =
𝛔𝐱

̅
𝐲𝐢 − 𝒚
𝒀𝒊 =
𝛔𝐲
Le coefficient de corrélation linéaire r, entre les deux variables x et y, est calculé
par la formule :
∑ 𝐗 𝐢 𝐘𝐢
𝒓=
𝐍
Si le coefficient de corrélation est compris entre -1 et 1, la corrélation existe entre
les deux variables. Elle est parfaite si elle est égale à 1.

Détermination des séquences

La distribution des précipitations concerne la prise en compte des précipitations
journalières et leur distribution saisonnière. La pluviométrie journalière sert de base à
l’analyse des séquences pluvieuses et des séquences sèches. Il s’agit d’abord de
déterminer le nombre de jours pluvieux consécutifs en dégageant le nombre de fois
qu’un jour, 2 jours, 3 jours ou 4 jours soient suivis de 2, 3, 4 jours ou plus sans pluie.

53
Ensuite, il est question de calculer l’intensité des séquences à l’intérieur de la saison
pluvieuse en dégageant le nombre de jours consécutifs sans pluie. L’objectif étant de
déterminer les probabilités d’occurrence pour chaque mois, des sécheresses intra-
saisonnières et faux démarrages de la saison des pluies par l’analyse des fréquences des
évènements secs. Ces probabilités inspirées du modèle de la chaîne de Markov d’ordre
1, sont déterminées par :
𝑻𝒔
- probabilité d’un jour sec : 𝑷𝒔 =
𝑻𝒔 +𝑻𝒉
𝑻𝒉
- probabilité d’un jour pluvieux : 𝑷𝒉 =
𝑻𝒔 +𝑻𝒉

Avec Ts durée moyenne des épisodes secs, et Th durée moyenne des épisodes
pluvieux.
Pour obtenir ces durées moyennes, on a procédé au décomptage des évènements
issus des tableaux bruts de relevés pluviométriques journaliers ; ensuite, on a pondéré
les fréquences en les multipliant par le nombre de jours correspondant pour obtenir la
valeur du rapport fréquence pondérée/fréquence brute, donnant de ce fait la valeur de la
durée moyenne sèche. Tous les paramètres ont été identifiés et calculés, il reste à calculer
l’évaporation.

Calcul de l’évapotranspiration
Le calcul de l’évapotranspiration potentielle par la formule de Penman-Monteith
prend en compte les paramètres suivants :

𝟗𝟎𝟎
𝟎, 𝟒𝟎𝟖∆(𝑹𝒏 − 𝑮) + 𝜸 𝒖𝟐 (𝒆𝒔 − 𝒆𝒂 )
𝑻+𝟐𝟕𝟑
𝑬𝑻𝒐 =
∆ + 𝜸(𝟏 + 𝟎, 𝟑𝟒𝒖𝟐 )

Avec
ETo : Évapotranspiration de référence (mm/j)
Rn : Rayonnement net à la surface de la culture (MJ/m²/j)
G : Flux de chaleur échangé avec le sol (MJ/m²/j)
T : Température journalière à 2m d’alt. (°C)
u2 : Vitesse du vent à 2m d’alt. (m/s)

54
 es : Pression de la vapeur à saturation (kPa)
ea : Pression réelle de la vapeur (kPa)
es-ea : Déficit de la pression de vapeur à saturation (kPa)
Δ : Pente de la courbe des pressions de vapeur (kPa/°C)
γ : Constante psychrométrique (kPa/°C)
Les coefficients d'Angstrom permettent de calculer Rn.

Indice I de satisfaction des besoins en eau des cultures

Deux indices agricoles ont été utilisés. Le premier indice correspond aux résidus
de la régression linéaire par rapport au temps de la production et du rendement du maïs,
de l’arachide, du riz, du pénicillaire, du sésame, du sorgho. Ces résidus décrivent la
variabilité des productions et des rendements agricoles qui n’est pas liée au temps. Ils
correspondent aux écarts entre les valeurs observées et les valeurs que l’on aurait pu
trouver si le changement au cours du temps était simplement de nature linéaire (Rome,
1998). Pour chaque culture, on a calculé l’indice agricole. Le second indice agricole
correspond aux résidus normalisés annuels (centrés réduits) afin d’éliminer les effets de
poids.
Pour déterminer le déficit (excès) de satisfaction des besoins en eau des cultures,
on a d’abord calculé les différentes quantités de pluies décadaires à partir des dates de
semis prédéterminées. Les besoins en eau optimum décadaires des différentes variétés
calculées à partir de l’ETP et du coefficient cultural (Kc) ont permis de dégager les
déficits (excès) hydriques des différentes phases végétatives en calant le cycle des
cultures sur le cycle pluviométrique décadaire.
La simulation de rendement avec le logiciel CropWat a été indispensable pour
évaluer les niveaux de rendement.

Simulation de rendement avec CROPWAT

Pour maximiser la production et obtenir de bons rendements à la fin de la saison
agricole, le modèle de simulation de rendement CROPWAT est utilisé. Ce logiciel a
d’abord été conçu dans le but de calculer l’évapotranspiration, les besoins en eau des
cultures et plus particulièrement la conception et la gestion de dispositifs d’irrigation. Il

55
est également utilisé pour déterminer le rendement agricole. Toutefois, il est possible de
l’utiliser pour faire des calculs de rendement sans irrigation. On peut aussi utiliser ce
programme pour observer des périodes de déficits en eau dans le sol, donc un stress
hydrique pour la plante entraînant une baisse du rendement. L’emploi du modèle peut
être utile pour déterminer le type de culture qui aurait la meilleure productivité en
fonction des précipitations et de l’humidité du sol de la période.
Son fonctionnement basique repose sur quelques variables qui s’articulent autour
du bilan hydrique qui s’écrit de la manière suivante :

𝑹𝒊 = 𝑹𝒊−𝟏 + 𝑷𝒆𝒇𝒇 + 𝑰𝒓𝒓 − 𝑫 − 𝑬𝑻𝒎

Avec
Ri : Réserve en eau du sol au jour i (mm)
Ri-1 : Réserve en eau du sol au jour i-1(mm)
Peff : Précipitation efficace (mm)
Irr : Apport de l’irrigation (mm)
D : Drainage
ETm : Évapotranspiration maximale (= Crop Water Requirement (CWR) :
besoin en eau des cultures).
Les variables essentielles au fonctionnement du CropWat sont les précipitations
efficaces, l’irrigation, l’évapotranspiration maximale et le drainage. Il est important de
détailler chaque variable.
Les précipitations efficaces, qui en agriculture correspondent, à l'eau de pluie qui
contribue à reconstituer la réserve du sol en eau, utilisable par les plantes cultivées. Elles
prennent en compte les valeurs des précipitations totales et de ruissellement. L’apport
de l’irrigation correspond à l’apport de l’homme pour les cultures.
L’ETm correspond à l'évapotranspiration maximale d'une culture donnée. Le
logiciel considère que l'ETm est égale à la CWR. En effet, si la quantité d'eau stockée
dans la plante est considérée, celle-ci est très faible par rapport à ce qui est
évapotranspirée. Donc en faisant l'approximation que l'ETm = CWR, il n’y a pas une
grosse erreur.

56
 Le drainage correspond à la quantité d’eau qui sort du système en s’infiltrant vers
les nappes profondes ou l’eau qui circule par écoulement souterrain. Dans ce
programme, cette quantité n’est pas prise en compte donc elle est considérée comme
égale à 0. Ces variables peuvent être mesurées ou déterminées à des pas de temps
différents (journalier, mensuel, etc.).
Le calcul de la pluie efficace se fait de la manière suivante pour des pluies
inférieures à 250mm.
𝑷𝒕𝒐𝒕 × (𝟏𝟐𝟓 − 𝟎. 𝟐 × 𝑷𝒕𝒐𝒕 )
𝑷𝒆𝒇𝒇 =
𝟏𝟐𝟓

Avec
Peff : précipitation efficace (mm)
Ptot : précipitation totale (mm)
Pour des précipitations supérieures à 250mm, le modèle prend en compte la
formule suivante : Peff = 125+0.1Ptot
Pour calculer la Crop Water Requirement (CWR) ou l’ETM, le modèle utilise la
formule suivante : ETM = ETo × Kc avec
Kc : coefficient cultural
ETo : évapotranspiration potentielle (mm)
ETM : évapotranspiration maximale (mm)
Il faut aussi déterminer l’irrigation requise qui correspond à la différence entre
l’évapotranspiration réelle et les précipitations efficaces :
Irrreq= ETm− Peff

L’alimentation en eau du champ (FWS) se calcule de la manière suivante :

FWS = 1hectare× Irrreq× (100× Irreff) en m3/per./hect (per. = période)
Ensuite, FWS est ramené en l/s/ha.
Irrreq = irrigation requise (m)
Irreff = efficacité de l’irrigation (%)
Après avoir déterminé la pluie efficace et l’irrigation requise, il reste à calculer
la réserve utile (TAM ou RU) et la réserve facilement utilisable (RAM).

57
 Calcul de la réserve utile (TAM ou RU) et de la réserve facilement utilisable
(RAM)
La formule de la réserve utile maximale s’écrit de la manière suivante :
RU = 1000× (𝜽FC-𝜽WP) ×z
RU : réserve utile (mm)
𝜃FC : eau contenue au maximum dans le champ (m3/m3)
𝜃WP : eau contenue au point de flétrissement (m3/m3)
z : profondeur des racines (m).
Le point de flétrissement étant la teneur en eau du sol au-dessous de laquelle les
plantes se flétrissent.
La réserve facilement utilisable s’écrit :
RFU= RU×P
RFU : réserve utile facilement disponible (mm)
RU : réserve totale disponible (mm)
P : tarissement admissible
En plus de la réserve utile et de celle facilement utilisable, il faut déterminer
l’évapotranspiration réelle de la culture et du déficit de la réserve utile dans le sol.

Calcul de l’évapotranspiration réelle de la culture (ETc) et du déficit de la

réserve utile dans le sol (SMD)
Quand la réserve facilement utilisable est supérieure au déficit (SMD),
ETc=ETm
mais quand le déficit est supérieur à la réserve facilement utilisable
ETc= Ks× ETm= Ks× Kc× ETo
Avec :
ETc : Évapotranspiration réelle (mm)
Ks : Coefficient de stress hydrique (sans dimension)
ETm : Évapotranspiration maximale (mm)
Kc : Coefficient cultural
ETo : Évapotranspiration potentielle
Pour déterminer Ks, on utilise la formule suivante :

58
 𝑹𝑼 − 𝑺𝑴𝑫𝒊−𝟏
𝑲𝒔 =
𝑹𝑼 − 𝑹𝑭𝑼
Ks : Coefficient de stress hydrique (sans dimension)
RU : Réserve utile (mm)
SDMi-1 : Déficit de la réserve utile à la date i-1 (mm)
RFU : Réserve utile facilement utilisable.
La détermination du déficit de la réserve utile dans le sol s’exprime de cette
manière :

SMDi=SMDi-1-Peff - Irr + ETc

Avec
SMDi : Tarissement de la réserve du sol à la date i (mm)
SMDi-1 : Tarissement de la réserve du sol à la date i-1 (mm)
ETc : Évapotranspiration de la culture à la date i (mm)
Peff : Précipitation efficace à la date i (mm)
Irr : Irrigation (mm)
Pour cette étude, le rendement des cultures sans irrigation est recherché donc le
paramètre Irrigation est considéré nul.
Tous ces paramètres permettent de calculer la diminution de rendement.

Calcul de la diminution du rendement

Pour calculer la diminution du rendement :
𝒀𝒂
𝒀𝒓 = (𝟏 − ) × 𝟏𝟎𝟎
𝒀𝒎
Yr : Diminution de rendement par rapport au rendement en condition optimale de
culture (%)
Ya : Rendement réel (tonne/an)
Ym : Rendement maximal (tonne/an)

𝑬𝑻𝒄
𝒀𝒓 = (𝟏 − ) 𝑲𝒚
𝑬𝑻𝒎

59
Yr : Diminution de rendement
Ky : Coefficient de réponse du rendement (sans dimension)
ETc : Évapotranspiration réelle (mm)
ETm : Évapotranspiration maximale (mm)
Ky dépend de la période considérée. Si Yr doit être calculé sur toute la période de
vie de la plante, on prend le Ky final. ETc et ETm correspondent au total des
évapotranspirations réelles et maximales sur la période considérée.

Les indicateurs indirects et qualitatifs complètent ceux quantitatifs. Il s’agit des

indicateurs socio-anthropologiques, extraits des informations fournies par les
populations enquêtées.
Le traitement des données collectées ou générées est fait avec les programmes
avancés d’Excel, d’Hydrolab, d’Instat et de Kronostat. Ces logiciels ont été, en effet,
utilisés pour agréger certaines données journalières en données mensuelles, annuelles,
etc. et pour calculer certaines valeurs centrales et de dispersion ainsi que pour réaliser
les différentes graphiques.
Les cartes et certaines graphiques ont été réalisées avec Adobe Illustrator, Map
Info et Surfer. Ces logiciels ont été alimentés en données générées en utilisant deux
approches. La première, l’approche terrain, a consisté en des observations directes sur
le terrain. La seconde approche est un ensemble de méthodes indirectes qui ont consisté
en une transformation des données primaires en cartes.
Tous ces travaux ont été complétés par les prises de vue pour montrer certains
faits évocateurs.

INTERET DE L’ETUDE ET ORGANISATION DU PLAN DE REDACTION

Cette dernière partie de l’introduction générale détaille l’intérêt de cette étude et
le plan de rédaction.

Intérêt de l’étude
Les résultats de cette recherche sont indispensables pour faciliter la constitution
d’outils d’aide à la décision pour une bonne politique d’atteinte de la sécurité

60
alimentaire. Cette recherche permet de fournir aux décideurs politiques, aux partenaires
techniques, aux producteurs et à tous les acteurs du développement, des informations
pertinentes sur les changements climatiques leur permettant de mieux ajuster leurs
décisions à court, moyen et long termes.
Dans ce cadre, le Tchad s’est doté du programme d’action nationale d’adaptation
aux changements climatiques comme guide pour mieux gérer les effets de ceux-ci, des
politiques de sécurité alimentaire qui préconisent la gestion du facteur eau dans le souci
d’équité, d’efficacité et de transparence, à la fois pour le bien-être de la population et de
la régulation des tensions sociales qu’engendre leur utilisation. À cet effet, ces
documents de planification dont le pays s’est doté permettent de mieux gérer ces
ressources dans un contexte de forte variabilité pluviométrique.

Plan de rédaction

Les principales étapes de la démarche sont les suivantes : les enquêtes de terrain,
l’analyse de la pluviométrie à différents pas de temps (annuel, mensuel, décadaire,
journalier), l’analyse des effets de ces variabilités et aussi l’étude de l’adaptation des
agriculteurs face à ces variabilités. Cette organisation a imposé la division du travail en
trois différentes parties.

La première partie traitant de l’analyse des variabilités pluviométriques dans la

plaine du Mayo-Kebbi comporte deux chapitres. Le premier concerne l’analyse des
variabilités à l’échelle annuelle. Dans ce chapitre, la rupture de la série pluviométrique
attestant une péjoration pluviométrique a été identifiée. La variabilité interannuelle et
spatiale de la pluie a aussi été calculée. La loi statistique à laquelle sont soumises les
pluies annuelles est définie, laquelle loi a permis d’identifier les différentes périodes de
retour ainsi que la fréquence de certaines quantités pluviométriques. Le second traite
des variabilités pluviométriques mensuelles et journalières. Les quantités mensuelles
sont calculées pour dégager les mois pluvieux et les mois secs. Toutes les analyses
concernant les pluies décadaires et journalières sont décrites.

La deuxième partie traite des effets des variabilités pluviométriques sur les
systèmes végétatifs et comporte aussi deux chapitres. Le troisième évoque les effets des

61
variabilités pluviométriques sur les systèmes de culture, les techniques et pratiques
culturales ainsi que les paramètres agricoles (production, rendement et surface). Quant
au quatrième chapitre, il traite des effets des variabilités pluviométriques sur les plantes
cultivées. Les effets à l’échelle décadaire, les besoins en eau des différentes cultures y
sont calculés. Les autres paramètres climatiques sont intégrés dans le logiciel CropWat
pour évaluer les baisses de rendement.

Enfin, la troisième partie parle des adaptations des agriculteurs aux variabilités
pluviométriques. Elle comporte aussi deux chapitres. Le cinquième évoque les
adaptations endogènes et le sixième traite des perspectives d’amélioration de la
production agricole dans la plaine du Mayo-Kebbi. Ces formes d’adaptation tiennent
compte des potentialités locales et des aptitudes que dispose la plaine du Mayo-Kebbi.
Les appuis des autorités publiques sont aussi abordés dans ce chapitre.

62
 PREMIÈRE PARTIE.
ANALYSE DES VARIABILITÉS PLUVIOMETRIQUES DANS
LA PLAINE DU MAYO-KEBBI

Cette première partie est consacrée à la caractérisation des variabilités

pluviométriques dans la plaine du Mayo-Kebbi. Elle concerne l’analyse des variabilités
interannuelles et spatiales des précipitations. Le premier chapitre concerne l’analyse des
pluies annuelles qui donnent un aperçu global des variations pluviométriques dans une
période de cinquante-six ans afin de mieux comprendre les mutations agricoles. Dans le
deuxième chapitre, il est question de l’analyse des variabilités pluviométriques
mensuelles et journalières. Si les analyses annuelles donnent un aperçu global de la
pluviométrie, les analyses mensuelles et journalières permettent de saisir les ‘‘petites
variations’’ et mieux appréhender le comportement pluviométrique de la plaine du
Mayo-Kebbi.

63
 CHAPITRE I.
DES VARIABILITÉS PLUVIOMETRIQUES ANNUELLES
TRÈS CONTRASTÉES DANS LA PLAINE DU MAYO-KEBBI

64
 Ce chapitre est consacré à l’analyse des variabilités pluviométriques dans la
plaine du Mayo Kebbi. Il prend en compte les variabilités interannuelle et spatiale de la
pluie. Dans la plaine du Mayo-Kebbi, ces variabilités pluviométriques ne sont pas assez
étudiées et les études antérieures sur le sujet sont globales car concernant tout le sud du
Tchad. La méthodologie utilisée a conduit à mieux cerner les différentes facettes de la
pluie. La compréhension et la connaissance des différents aspects des variabilités
permettent de mieux conduire les activités agricoles. L’homogénéisation des données,
l’identification des ruptures et de la loi statistique (loi de Gauss) à laquelle obéissent les
données pluviométriques constituent un préalable pour les analyses. La pluie est
analysée tant dans sa répartition temporelle que spatiale.

I.1. HOMOGENEISATION DES DONNEES ET IDENTIFICATION DES

RUPTURES DANS LES SERIES PLUVIOMETRIQUES
L’homogénéisation des données et l’identification de rupture dans les séries
pluviométriques sont indispensables pour les analyses climatologiques. Ces tests sont
faits à l’aide de la macro Hydrolab insérée sous Excel. Ils précèdent l’identification des
lois statistiques de distribution.

I.1.1. Homogénéisation des données

Le test de fiabilité des données a commencé par la détection des anomalies
contenues dans les relevés pluviométriques mensuels et les cumuls annuels. La
technique consiste à prendre deux à deux les postes pluviométriques et à appliquer à leur
série de mesures la fonction « Anomalie » de la macro Hydrolab. Pour obtenir des
résultats raisonnables, la logique exige que les deux postes aient un rapprochement
géographique (même situation latitudinale par exemple) et que l’un devant servir de
référence ait des données fiables.
Aux résultats, on obtient un graphique présentant dans l’ordre chronologique le
cumul des résidus de régression (écarts entre les valeurs observées) dans une ellipse
délimitant une aire de probabilité de leur apparition à 98%. Par ailleurs, le coefficient
de corrélation entre les deux postes est donné. L’interprétation de la structure du
graphique et les données du tableau qui l’accompagne permettent de juger de la qualité

65
des données en présence. Si les observations sont bonnes, le graphique présente une
oscillation régulière des résidus autour de la position centrale 0 (figure 6).

Figure 6. Détection des anomalies de Bongor par rapport à Billiam-oursi

Cette figure présente la détection des anomalies de Bongor par rapport à Billiam-
oursi. Sur les 56 valeurs annuelles, on constate que toutes les années ont des données
pluviométriques fiables. La station de référence qui est Billiam-oursi a montré qu’il n’y
a pas d’anomalie dans les données pluviométriques de Bongor.

Par contre, un grand décalage de pas dans la structure atteste la présence d’une
anomalie (figure 7) pour la cinquantième valeur. Ces valeurs supposées erronées sont
éventuellement signalées par « à vérifier » dans le tableau IV récapitulatif qui donne les
autres renseignements comme le coefficient de corrélation et l’équation de régression.

66
 1500

1000

500

-500

-1000

-1500
2
4
6
8

30
10
12
14
16
18
20
22
24
26
28

32
34
36
38
40
42
44
46
48
50
(ellipse ayant 98% de chance de contenir le cumul des écarts)

Figure 7. Détection des anomalies de Bongor par rapport à Fianga

Cette graphique montre la détection de rupture entre Bongor et Fianga. On

remarque que les cinquantième (50e) et cinquante unième valeurs sont suspectes car elles
sortent de l’ellipse. Ces valeurs sont signalées par « à vérifier » dans le tableau
récapitulatif suivant alors que pour les années dont les valeurs ne sont pas suspectes, on
lit simplement « r.a.s » sur le tableau à la première colonne (tableau IV).

67
 Tableau IV. Résultat du test d’anomalie entre les stations de Bongor et de
Guelendeng

68
 Dans tous les tests, il n’y a pas eu de données manquantes, seulement quelques
données suspectes telles qu’en 2009 et 2010 à Bongor qui sont testées pour vérifier leur
fiabilité. La méthode de régression linéaire simple est utilisée car les corrélations entre
les stations attestent d’un bon rapprochement des données (figure 8). Le coefficient de
corrélation (0,4798) est proche de la moyenne.

1400
1200
1000
800
600
400
200
0
0 200 400 600 800 1000 1200

(Y = 0,49 * X + 445,11 avec r=0,4798 et I.C. à 70%)

Figure 8. Régression linéaire simple entre Fianga et Bongor

L’identification des ruptures dans les séries pluviométriques a amené à détecter

à quel moment le changement de comportement de la pluie est observé. Dans le cadre
de cette étude, deux tests de rupture ont été utilisées, à savoir le test de Buishand et le
test de Mann Whitney (Pettitt) car l’étude est basée sur la caractérisation du
comportement tendanciel et des dates de rupture des séries chronologiques des séries
pluviométriques. Ces tests sont beaucoup utilisés dans les études sur la variabilité
climatique.

I.1.2. Test de Buishand

L’application de la méthode de Buishand sur les séries pluviométriques des
quatre (4) stations de la plaine du Mayo-Kebbi (Bongor, Billiam-oursi, Fianga et
Guelendeng) donne des résultats intéressants (figure 9).

69
 Figure 9. Application du test de Buishand à la station de Bongor

Cette figure présente le test de Buishand appliqué aux données pluviométriques

annuelles de la station de Bongor de 1960 à 2015. L’hypothèse nulle est acceptée aux
différents seuils (99%, 95% et 90%). Graphiquement, l’ellipse déborde les limites aux
seuils de significativité de 95% et 90% mais ne montre pas une rupture nette dans la
série pluviométrique. L’ellipse montre tout de même qu’à partir de 1985, la tendance
dans le comportement pluviométrique est observée. Pour mieux comprendre ce
changement de tendance, il est important de soumettre la station de Billiam-oursi,
proche de celle de Bongor au même test (figure 10).

Figure 10. Application du test de Buishand à la station de Billiam-oursi

70
 La figure 10 présente les données pluviométriques annuelles de Billiam-oursi
soumises au test de Buishand. Comparativement à la station de Bongor dont l’ellipse
déborde à certains endroits, l’ellipse de cette figure déborde aux seuils de 90 et 95%.
Aucune rupture de stationnarité n’est observée à la station de Billiam-oursi, donc
l’hypothèse nulle (0) est acceptée à ces différents seuils.
Comparée à la station de Bongor dont le comportement pluviométrique est plus
accentué, la station de Billiam-oursi a un comportement atténué. La situation à la station
de Fianga peut révéler des informations différentes comme celles observées dans les
deux autres stations (figure 11).

Figure 11. Recherche de rupture à la station de Fianga avec le test de

Buishand
La station de Fianga, soumise au test de Buishand ne présente pas aussi de rupture
de stationnarité dans sa série pluviométrique. Toutefois, une grande variation de la
pluviométrie est observée mais toutes les valeurs se retrouvent à l’intérieur de l’ellipse
à 90%, 95% et 99%. L’année 1987 montre un changement de comportement dans les
quantités pluviométriques. Les données de la station de Guelendeng soumises au test de
Buishand montrent les débordements aux seuils de 90% et de 95% (figure 12).

71
 Figure 12. Recherche de rupture à la station de Guelendeng avec le test de
Buishand

Les données de la station de Guelendeng telles que présentées par la figure 12

montre que globalement, il n’y a pas de rupture de stationnarité. On remarque tout de
même que l’ellipse déborde aux seuils de 90% et 95% en 1987. Ce débordement
explique une rupture de stationnarité dans la série pluviométrique. La même analyse
avec le test de Pettitt pourrait confirmer ou infirmer cette rupture. Pour la station de
Moulkou, compte tenu de la longueur de la série statistique (15 ans), il est difficile de
procéder à un tel test car la rupture ne peut être identifiée à ce pas de temps.
Le test de Buishand ne montre globalement pas une rupture de stationnarité dans
les séries pluviométriques, il faut alors procéder aux mêmes analyses avec le test de
Pettitt pour la recherche des ruptures. Le test de Pettitt est choisi pour sa robustesse dans
la détection des ruptures de stationnarité dans les séries pluviométriques.

I.1.3. Test de Pettitt

Ce test permet de déterminer si la série appartient à la même population ou, au
contraire, elle se décompose en deux populations (on parlera alors de rupture) ; dans le
cas où la rupture est détectée, il permet de localiser sa date. Une rupture peut être définie
de façon générale par un changement dans la loi de probabilité de la série chronologique
à un instant donné, inconnu. La série étudiée est divisée en deux sous échantillons

72
respectivement de taille m et n. Les valeurs des deux échantillons sont regroupées et
classées par ordre croissant. On calcule alors la somme des rangs des éléments de chaque
sous échantillon dans l'échantillon total. Une statistique est définie à partir des deux
sommes ainsi déterminées, et testée sous l'hypothèse nulle d'appartenance des deux sous
échantillons à la même population. C’est le test de Mann Whitney. C’est ce test qui est
modifié par Pettitt pour prendre finalement son nom. Cette méthode est surtout
caractérisée par sa robustesse dans l’identification des ruptures de stationnarité dans les
séries pluviométriques. Appliqué à la station de Bongor, ce test montre effectivement
cette situation (figure 13).

Figure 13. Recherche de rupture de stationnarité avec le test de Pettitt à

Bongor

Cette figure présente la série pluviométrique de la station de Bongor soumise au

test de Pettitt. Théoriquement, aucune rupture de stationnarité n’est vérifiée car
l’hypothèse nulle (absence de rupture) est acceptée aux différents seuils. Mais
pratiquement, à partir de 1985, un changement dans la hauteur pluviométrique est
observé. Ceci entraine une baisse de la quantité pluviométrique. L’année 1985 marque
ainsi une rupture de stationnarité scindant la série en deux sous-périodes : 1960-1984 et
1985-2015. Ce même test appliqué à la station de Billiam-oursi pour analyser la série
pluviométrique donne des résultats similaires (figure 14).

73
 Figure 14. Recherche de rupture de stationnarité avec le test de Pettitt à
Billiam-oursi

La figure 14 montre la série pluviométrique de la station de Billiam-oursi soumise

au test de Pettitt. Contrairement à la station de Bongor dont les valeurs sont croissantes
avant la rupture, celles de Billiam-oursi sont en dents de scie avec de profondes
disparités. L’année 1985 marque aussi la rupture dans la série la divisant en deux sous-
séries : 1960-1984 et 1985-2015. La seconde sous-période est caractérisée par une baisse
des hauteurs pluviométriques qui ont atteint le point critique en 1993 avant de
s’augmenter progressivement.
Le rapprochement géographique de ces deux stations (Bongor et Billiam-oursi)
permet de justifier l’année de rupture dans les séries pluviométriques. Leurs
coordonnées géographiques proches les unes des autres (latitude : 10°34’ pour Billiam-
oursi et 10°17’pour Bongor et longitude : 15°14’pour Billiam-oursi et 15°22’pour
Bongor) expliquent cette ressemblance dans la rupture de la série pluviométrique. La
même analyse est faite pour les stations de Fianga et de Guelendeng afin d’identifier les
ruptures de stationnarité dans les séries pluviométriques. Ce qui a permis de comprendre
les nuances qui s’y dégagent (figure 15).

74
 Figure 15. Recherche de rupture de stationnarité avec le test de Pettitt à
Fianga

Cette figure présente la recherche de rupture à la station de Fianga à l’aide du test

de Pettitt. Sur la figure, les variations pluviométriques sont moindres au début de la série
mais à partir des années 1978-1979, la baisse dans la hauteur pluviométrique est
observée. La rupture définitive qui a scindé la série en deux sous-périodes se situe en
1984, 1985 et 1987, ce qui d’ailleurs conduit à cette subdivision : 1960-1987 et 1988-
2015. Bien que la structure de la série offre des résultats intéressants pour les analyses,
il faut tester les données de la station de Guelendeng à l’aide de Pettitt (figure 16).

Figure 16. Recherche de rupture de stationnarité avec le test de Pettitt à

Guelendeng

75
 Sur la figure 16, la structure de la station de Guelendeng n’est pas trop différente
de celle de Fianga. Après les variations moindres observées de 1960 à 1981, c’est une
baisse des quantités pluviométriques qui est observée jusqu’en 1987, année marquant la
rupture dans la série. Celle-ci se retrouve structurée de la sorte : 1960-1987 et 1988-
2015. La rupture, détectée par le test de Buishand à la station de Guelendeng est
confirmée par le test de Pettitt en 1987. Ces deux stations, Guelendeng et Fianga se
trouvent aux extrémités nord et sud de la zone d’étude et ont les mêmes dates de rupture
alors que les deux autres qui sont au milieu de la zone d’étude ont aussi les mêmes dates
de rupture.
Une fois que l’année de rupture déterminée, il faut comparer les deux moyennes
mais avant cette comparaison, il est important d’identifier la loi statistique à laquelle
obéissent les données pluviométriques.

I.2. CHOIX D’UNE LOI STATISTIQUE DE DISTRIBUTION ET

DETERMINATION DU CLIMAT
Les lois statistiques sont indispensables dans les études climatologiques. En effet,
elles permettent non seulement de calculer les différents paramètres de l’élément étudié
mais aussi de connaître sa répartition dans le temps ainsi que sa distribution. Aussi, les
périodes de retour évoquées permettent de connaître à quelle période le phénomène
étudié est dépassé tous les deux ans, cinq ans, dix ans, cinquante ans et cent ans. Dans
cette partie, il est question de définir d’une part la loi statistique de distribution et d’autre
part les périodes de retour.

I.2.1. Loi statistique de distribution

La loi normale utilisée dans les ajustements des pluies annuelles donne les
paramètres qui facilitent la compréhension du comportement pluviométrique. La
différence entre cette loi et celle de Gauss se situe au niveau des paramètres (moyenne
et écart-type) : pour la loi de Gauss, ces paramètres sont ceux des variables tandis que
pour la loi racine normale, ces paramètres sont ceux des racines des variables. Cette
méthode a permis de montrer l’ajustement des séries annuelles à cette loi (figure 17).

76
 Figure 17. Ajustement des pluies annuelles à la loi racine-normale dans les
cinq stations étudiées

Ces graphiques de la figure 17 donnent les informations suivantes :

- la moyenne des racines : pour u = 0⇒𝑥 = 𝑥̅ ;
- l’écart type des racines de la série ; par exemple en prenant u=2 on peut obtenir
la variable 𝑥 par la formule suivante : 𝑥 = 𝑥̅ + 2√𝑥 ;
- la taille de l’échantillon (nombre d’observations ou de variables), dans le cas
présent ce nombre n est de 56 puisque la série d’étude est de 56 ans ;

77
 - enfin l’intervalle de confiance (pourcentage de chance pour que la variable soit
observée) qui est de 80 %.

L’examen des graphiques laisse apparaître que les points sont approximativement
alignés. La droite théorique de cette loi se raccorde aux ponts expérimentaux.
L’intersection avec la fréquence 50%, soit u = 0 correspond à la valeur moyenne ou la
médiane. Cette analyse donne ainsi l’avantage d’estimer la probabilité et les fréquences
de pluies.

I.2.2. Estimation fréquentielle des pluies annuelles et périodes de retour

L’ajustement à la loi racine normale permet d’estimer les fréquences des pluies
annuelles de même que les périodes de retour pour certains cas extrêmes. Il s’agit de
calculer les lames d’eau quinquennale (de fréquence au non-dépassement 0,20 et 0,80);
décennale (0,10 et 0,90); centennale (0,01 et 0,99) respectivement pour les périodes
sèches et humides et la médiane (0,50) afin de mieux expliquer les répartitions annuelles
des pluies dans le temps. Cette estimation numérique des pluies fréquentielles peut se
faire en appliquant l’équation de la variable réduite de Gauss mais en transformant les
séries d’observations en racines carrées suivant la formule ci-après :
̅̅̅̅
√𝑷𝒇 − √ 𝑷
𝑼𝑭 =
𝝈. √𝑷
D’où √𝑃𝑓 = ̅̅̅̅
√𝑃 + 𝑈𝐹 × 𝜎. √𝑃 avec
UF = variable réduite de Gauss de fréquence F ;
√𝑃𝑓= racine carrée des pluies fréquentielles ;

√𝑃= moyenne des racines carrés des pluies annuelles ;

𝜎. √𝑃= écart-type de racines carrées des pluies annuelles.
Les valeurs des variables réduites de Gauss correspondent aux fréquences
présentées (tableau V).

78
 Tableau V. Fréquence et intervalle de confiance
Fréquence Périodes sèches Périodes humides
F U F U
Quinquennale 0,2 -0,84 0,8 0,84
Décennale 0,1 -1,28 0,9 1,28
Médiane (cinquantennale) 0,5 0,00 0,5 0,00
Centennale 0,01 -2,33 0,99 2,33

Ce tableau donne la fréquence et l’intervalle de confiance des périodes sèches et

humides. À chaque fréquence (F), qu’elle soit quinquennale, décennale, médiane ou
centennale, l’intervalle de confiance (U) est donnée.
Il est possible d’évaluer l’intervalle de confiance à α% sur le quantile PF estimé,
c'est-à-dire une zone de valeurs à l’intérieur de laquelle la valeur PF a une certaine
probabilité d’apparition. Les bornes de l’intervalle de confiance sont données par la
relation approchée :
𝒕𝜶 𝒕𝑭𝟐 𝒕𝑭×𝒕𝜶𝟐
√𝟏 + ±
√𝒏 𝟐 𝟐𝒏
𝑷𝑭 = ± 𝒕𝜶𝟐
× 𝝈𝝆
𝟏−
𝟐𝒏

2 fois plus la borne supérieure et 2 fois moins la borne inférieure avec :

1−𝛼
- 𝑡𝛼 : variable réduite de Gauss ayant la fréquence au dépassement 1 −
2

- 𝑡𝐹: variable réduite de Gauss au non-dépassement F correspondant au quantile

étendue ;
- 𝑛: taille de l’échantillon ;
- 𝛼: intervalle de confiance (ici de 80%).

Les quantiles estimés, les fréquences et les périodes de retour sont présentées
dans les tableaux VI et VII.

79
 Tableau VI. Estimation des pluies à différentes fréquences
Fréquence de périodes sèches Médiane Fréquence de périodes humides
Stations 0,2 0,1 0,01 0,5 0,8 0,9 0,99
Bongor 620,324 559,728 427,705 744,653 880,331 955,929 1148,914
Billiam-oursi 588,982 533,741 412,905 701,993 824,917 893,261 1067,345
Fianga 676,935 613,046 473,375 807,699 950,002 1029,147 1230,809
Moulkou 643,093 593,260 482,459 743,809 851,849 911,364 1061,507
Guelendeng 533,903 480,226 363,621 644,272 765,003 832,379 1004,649

Ce tableau présente l’estimation des pluies annuelles à différentes fréquences. A

Bongor, les pluies de fréquence quinquennale peuvent atteindre 620,324mm pour les
périodes sèches et 880,331mm pour les périodes humides, alors que pour la fréquence
décennale, c’est 559,728mm pour les périodes sèches et 955,929 mm pour les périodes
humides. Pour la fréquence cinquantennale, la quantité pluviométrique est de
427,705mm pour les périodes sèches et 1148,914 mm pour les périodes humides. La
pluie médiane pour Bongor est de 744,653mm.
Pour les autres stations, les pluies de fréquence quinquennales des périodes
sèches sont variables : 588,982mm pour Billiam-oursi, 676,935mm pour Fianga,
643,093mm pour Moulkou et 533,903 mm pour Guelendeng. Les valeurs basses
s’observent à Billiam-oursi et Guelendeng alors que les autres stations sont au-delà de
600mm. Pour les périodes humides, la quantité la plus basse s’observe à Guelendeng
avec 765,003mm alors que la hauteur la plus élevée est observée à Fianga avec
950,002mm.
Pour les pluies de fréquence décennale, la station de Fianga apparait comme celle
ayant enregistré la plus haute valeur, que ce soit pour la période sèche (613,046mm) que
pour la période humide (1029,147 mm). Les valeurs les plus basses sont obtenues à la
station de Guelendeng : 480,226 mm pour la période sèche et 832,379 mm pour la
période humide.
En considérant les pluies de fréquence centennale, les valeurs sont toutes faibles
et la plus basse est 363,621mm pour la période sèche et 1004,649mm pour la station de
Guelendeng pour la période sèche. La station de Fianga enregistre les valeurs les plus
élevées : 473,375mm pour la période sèche et 1230,809mm pour la période humide

80
(tableau VII). Ces différentes fréquences donnent ainsi l’occasion d’évaluer la période
de retour de ces pluies, qu’elles soient minimales ou maximales.

Tableau VII. Période de retour des pluies extrêmes

Pluies annuelles minimales Pluies annuelles maximales
Stations Hauteur (mm) Année P. retour Hauteur (mm) Année P. retour

Billiam-oursi 488,9 1990 10 1073 1960 10

Bongor 428,8 1983 100 1119,7 2009 100
Fianga 455,3 2002 100 1071,2 1969 10
Guelendeng 400,9 1988 10 983,4 1988 10
Moulkou 601,6 2008 5 892,7 2000 10

Le tableau VII présente la période de retour des pluies extrêmes à certaines

fréquences. Les pluies extrêmes sont considérées comme celles ayant la quantité
annuelle très faible ou très élevée dont leur apparition s’accompagne des effets. Son
observation montre que les stations telles que Bongor et Fianga atteignent au moins une
fois les pluies de fréquence centennale, alors que Billiam-oursi et Guelendeng ont atteint
les pluies de fréquence décennale en 1990 et 1988. Moulkou est la seule station qui a
atteint les pluies de fréquence quinquennale en 2008.
Quant aux pluies maximales, la station de Bongor est la seule à atteindre les pluies
de fréquence centennale en 2009 avec 1119,7mm. On dira alors que cette quantité est
non-dépassée en moyenne tous les cent ans. Les autres stations ont toutes atteint les
pluies de fréquence décennale.
Ces résultats montrent, d’une manière générale, que les précipitations
centennales de période humide sont moins que celles des périodes sèches, telles que
souligné par Baohoutou (2007) qui a obtenu des résultats analogues. Il est alors
important de déterminer le climat à l’aide des indices pour connaitre sa tendance.

81
 I.2.3. Détermination du climat
L’indice de Martonne calculé à l’échelle annuelle est abondamment utilisé pour
déterminer l’aridité d’une zone géographique donnée. Du fait de sa simplicité, cet indice
a été très largement utilisé par les géographes. Il a des valeurs d’autant plus élevées que
le climat est plus humide et des valeurs d’autant plus faibles que le climat est plus sec
(tableau VIII).

Tableau VIII. Indice de Martonne calculé à l’échelle annuelle

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Bongor 19,9 21,2 16,2 20,8 20,5 25,8 16,7 30,2 30,5 15,2 33,0 23,3 21,3 17,4
Guelendeng 17,9 20,0 14,3 17,1 20,6 19,4 17,6 10,9 25,4 18,6 26,2 19,3 18,6 17,0
Moulkou 16,0 23,2 17,2 20,6 19,0 22,8 16,1 16,7 25,7 18,5 25,8 19,6 18,9 19,8
Fianga 12,1 23,6 21,1 20,7 19,5 19,8 20,4 20,0 21,7 25,5 25,1 24,6 22,2 23,1
Billiam-oursi 19,8 20,2 17,5 20,9 20,4 25,2 15,8 13,2 24,4 20,8 36,0 22,9 16,2 19,7

Le tableau VIII présente l’indice de Martonne calculé à l’échelle annuelle pour

toutes les stations de la plaine du Mayo-Kebbi. En observant minutieusement ce tableau,
on se rend compte que la zone tend à la sécheresse certaines années et a une humidité
suffisante les autres années. En prenant par exemple les stations au nord de la plaine
telles que Moulkou et Guelendeng, on remarque que neuf années sur quatorze tendent à
la sécheresse. Pour Fianga par exemple, onze années sur quatorze sont humides. Pour
Bongor et Billiam-oursi, on observe un même comportement pluvieux. Neuf années ont
une humidité suffisante et les cinq autres années tendent à la sécheresse. La situation qui
se dégage est la suivante : les stations plus au nord de la plaine tendent progressivement
à la sécheresse alors que celles qui sont plus au sud restent humides.
Bien que cet indice ait permis de connaître la tendance climatique globale de la
plaine du Mayo-Kebbi et de quelques stations, il reste insuffisant pour déterminer la
variabilité interannuelle et spatiale de la pluie. Il faut procéder à l’analyse de la
variabilité de la pluie à travers les indices pluviométriques standardisés et les indices de
pluviosité.

82
 I.3. VARIABILITE INTERANNUELLE ET SPATIALE DES
PRECIPITATIONS
Calculer la variabilité interannuelle et spatiale des précipitations revient à
comprendre les variations d’une année à l’autre pendant une période donnée. Deux
années successives ne peuvent pas avoir la même quantité pluviométrique ni la même
distribution pendant la saison pluvieuse. Et aussi, deux stations distantes de quelques
kilomètres ne peuvent pas aussi enregistrer les mêmes quantités pluviométriques. Dans
la plaine du Mayo-Kebbi, pour comprendre cette variation temporelle et spatiale, deux
indices ont été utilisés : l’indice pluviométrique standardisé et l’indice de pluviosité
calculés à l’échelle annuelle. La corrélation entre les stations et la mise en relation
statistique entre les coordonnées géographiques et la quantité pluviométrique permettent
de comprendre la variation spatiale.

I.3.1. Variabilité interannuelle des précipitations

Les indices pluviométriques standardisés (indice de Nicholson) indiquent les
anomalies annuelles des précipitations qui peuvent être positives ou négatives (figure
18). Ils s’expriment sur la base de la moyenne et de l’écart type suivant la loi normale
centrée-réduite.

y = -0,0016x + 0,0444
2,5
2
1,5
1
0,5
Indice

0
1966
1960
1963

1969
1972
1975
1978
1981
1984
1987
1990
1993
1996
1999
2002
2005
2008
2011
2014

-0,5
-1
-1,5
-2
-2,5
-3
Années
Indice Moyenne mobile sur 2 ans Tendance

Figure 18. Indice pluviométrique standardisé de la plaine du Mayo-Kebbi

83
 La figure 18 révèle que la plaine a une humidité modérée dans son ensemble. La
remarque faite est la forte variation interannuelle. En considérant la figure, la première
décennie est humide (1960-1969) car les indices sont positifs. À la deuxième décennie,
quelques années humides et quelques années sèches sont observées. Les années 1973 et
1977 sont les années les plus sèches de cette décennie avec les indices de -1,32 et -1,13.
Cette tendance sèche continue pour atteindre le paroxysme en 1983 et 1984 avec
respectivement -2,3 et -2,25 comme indices. Ces deux années sont caractérisées par une
sécheresse accrue, ce qui est surnommé « pauline » dans la plaine du Mayo-Kebbi.
À partir de 1990, la fluctuation interannuelle des précipitations est forte. Une
alternance des années humides et années sèches est observée. La courbe de tendance
globale montre une légère baisse de la quantité pluviométrique. Cette situation est
générale car concernant toute la plaine. La situation à l’échelle stationnelle permet de
mieux comprendre cette variabilité pluviométrique comme présentée par la station de
Bongor (figure 19).

3
y = 0,001x - 0,029
2

-1

-2

-3
Indice Moyenne mobile sur 2 ans Tendance

Figure 19. Indice pluviométrique standardisé de la station de Bongor

Cette figure présente l’indice pluviométrique de la station de Bongor. Déjà à la

première décennie, l’année 1963 est déficitaire par rapport à l’ensemble de la décennie.
La deuxième décennie qui est partout caractérisée par la sécheresse a des indices faibles
en 1972 et 1973. A partir de 1980, la situation change. De 1982 à 1985, c’est la période
de sécheresse, l’année 1983 s’est démarquée car la sécheresse a été extrême avec un

84
indice de -2,21 et l’année 1984 avec -1,7. Ces deux années sont représentatives de la
situation pluviométrique qui prévalait en cette période dans le sahel. Le déficit
pluviométrique est observé jusqu’en 1990 avant de se stabiliser. La décennie 1990 est
aussi marquée par une péjoration pluviométrique. Ce n’est qu’à partir des années 2000
que la situation pluviométrique est redevenue normale. L’année 2012 s’est révélée plus
humide avec un indice de 2,72.
Globalement, la station de Bongor a une humidité modérée. L’analyse de la
situation à Billiam-oursi (figure 20) permet d’établir si possible les liens de
ressemblance entre ces deux stations proches géographiquement.

y = -0,0061x + 0,1734
2,5
2
1,5
1
0,5
0
1960

1972

1984

1996
1963
1966
1969

1975
1978
1981

1987
1990
1993

1999
2002
2005
2008
2011
2014
-0,5
-1
-1,5
-2

Indice Moyenne mobile sur 2 ans Tendance

Figure 20. Indice pluviométrique standardisé de la station de Billiam-oursi

Cette figure fournit des informations qui prêtent à une bonne analyse. La première
décennie (1960-1969) est humide comme le montrent les indices plus élevées. De 1964
à 1966, les indices sont négatifs mais ces indices ne sont pas trop faibles. Vers la fin de
la décennie, il y a une situation normale avec les indices positifs. La décennie 1970 est
marquée par le début de la sécheresse qui a frappé durement le sahel, les indices sont
négatifs pendant toute la décennie sauf en 1974 et 1975. La péjoration pluviométrique
continuait jusqu’à la décennie 1980 avec la sécheresse des années 1983 et 1984. À partir
de 1990, il y a un retour des précipitations avec des fluctuations interannuelles qui ne
sont pas trop marquées. La courbe de tendance montre une baisse générale des quantités
85
pluviométriques sur la normale 1960-2015. La situation de Billiam-oursi présentée est
semblable à celle de la station de Bongor. L’analyse de la situation à la station de Fianga,
plus au sud de la zone d’étude pourrait aider à saisir la variation interannuelle (figure
21).

y = -0,0018x + 0,0512
2
1,5
1
0,5
0
1960
1963
1966
1969
1972
1975
1978
1981
1984
1987
1990
1993
1996
1999
2002
2005
2008
2011
2014
-0,5
-1
-1,5
-2
-2,5
-3
Indice Moyenne mobile sur 2 ans Tendance

Figure 21. Indice pluviométrique standardisé de la station de Fianga

La situation globale de la station de Fianga n’est pas trop différente de celle des
autres stations. Après la première décennie humide avec les indices positifs, la seconde
s’est amorcée avec les indices négatifs témoignant de la sécheresse des années 1970.
Jusqu’à la fin de la décennie 1980, la sécheresse continue avec les indices faibles et
négatifs certaines années. Mais à partir des années 1990, la situation pluviométrique
s’améliore avec des indices pluviométriques positifs sauf en 1997, 1999 et 2002 où les
indices sont négatifs. Dans l’ensemble, la station de Fianga a une humidité modérée. La
courbe de tendance globale montre une situation légèrement déficitaire. L’analyse de la
situation à Guelendeng au nord de la zone d’étude permet de comprendre la tendance
générale de la plaine du Mayo-Kebbi (figure 22).

86
 y = 0,0069x - 0,2245
3
2,5
2
1,5
1
0,5
0

1999
1960
1963
1966
1969
1972
1975
1978
1981
1984
1987
1990
1993
1996

2002
2005
2008
2011
2014
-0,5
-1
-1,5
-2
-2,5
Indice Tendance Moyenne mobile sur 2 ans

Figue 22. Indice pluviométrique standardisé de la station de Guelendeng

Comme les autres stations, la station de Guelendeng enregistre une fluctuation

interannuelle des quantités pluviométriques du début jusqu’à la fin de la série
pluviométrique. Une alternance des années marquées par un indice positif et des autres
par un indice négatif est aussi observée. La sécheresse des années 70 et 80 n’est pas trop
marquée dans les années 70 mais c’est à la décennie suivante qu’elle s’est fait sentir
pendant les années 1981, 1983, 1984, 1985, 1986 et 1987 déficitaires avec des indices
allant jusqu’à -2,05 en 1984. Même après la période de sécheresse, il n’y a pas eu un
retour des précipitations à la normale. Les fluctuations restent très faibles et on ne note
pas une très forte variabilité interannuelle. La tendance globale est un peu excédentaire
par rapport à d’autres stations.
Cette situation différente des autres stations peut se comprendre de la manière
suivante : Guelendeng est au nord de la plaine et constitue la limite géographique entre
le Mayo-Kebbi et le Chari-Baguirmi, deux entités administratives différentes mais aussi
deux entités géographiques distinctes. Le Mayo-Kebbi se trouve dans le domaine
soudanien qui, au regard des données actuelles tend vers une zone soudano-sahélienne
alors que le Chari-Baguirmi se trouve dans le domaine sahélien. Cette situation influence
effectivement sur la zone et son comportement pluviométrique ne peut être que
différente des autres. La situation de Moulkou, bien que n’ayant que les données sur une
courte période (16 ans) a été néanmoins prise en compte dans les analyses (figure 23).

87
 y = -0,0627x + 0,5328
2
1,5
1
0,5
0
-0,5
-1
-1,5
-2
Indice

Figure 23. Indice pluviométrique standardisé de la station de Moulkou

La tendance globale de Moulkou est à la baisse et les variations interannuelles ne

sont pas très marquées. Sur seize (16) ans, huit (8) années ont un indice positif et les
huit (8) ont un indice négatif. Les coefficients de détermination attestent d’une forte
variabilité interannuelle à la station de Moulkou que celles des autres stations. Son
coefficient qui est de 0,247 montre la forte variabilité de la pluie.
En somme, ces différentes figures illustrent ainsi l’évolution de la pluviométrie
dans le temps (1960-2015). Une importante variabilité interannuelle au niveau d’un
même site est notée, avec un total pluviométrique annuel qui peut varier par exemple de
400 à 100 mm selon les années et une importante variabilité dans l’espace, c’est-à-dire
d’un site à l’autre, passant plus de 1117mm à 428,2mm à Bongor. L’étude des
coefficients de variation des quantités pluviométriques des différentes stations permet
de mieux apprécier la variabilité de la pluie (tableau IX).

Tableau IX. Variabilité de la pluie dans la plaine du Mayo Kebbi

Station Moyenne Coefficient de variation
Bongor 793,29 0,20
Billiam-oursi 741,83 0,20
Fianga 832,73 0,17
Guelendeng 674.27 0,19
Moulkou 744,14 0,17

88
 Le tableau IX montre le coefficient de variation de la pluviosité annuelle. A la
lecture de ce tableau, de façon générale la variabilité de la pluviosité est inversement
liée à la moyenne annuelle, ce qui est normale car les faibles quantités de pluies sont
sujettes aux grandes variations. Fianga enregistre 832,73mm de moyenne
pluviométrique et un coefficient faible (0,17) et Guelendeng enregistre 674,27mm et un
coefficient de variation de 0,19. Ceci atteste de la variabilité de la pluie dans la plaine
du Mayo Kebbi. Les quantités précipitées partout dans la plaine sont suffisantes pour
les céréales dont le besoin en eau varie entre 500 et 800mm.
L’indice de Pettitt a détecté une rupture de stationnarité dans les séries
pluviométriques, il est indispensable de comparer les deux sous-périodes à travers les
indices pluviométriques standardisés et les moyennes (tableau X).

Tableau X. Statistique descriptive des stations de Bongor et de Billiam-oursi

Station Première sous-période (1960-1984) Deuxième sous-période (1985-2015)

Moyenne Écart-type C.V. Moyenne Écart-type C.V.

Bongor 788,04 158,12 0,20 648,2 175,14 0,21
Billiam-oursi 745,53 167,11 0,22 738,85 140,58 0,19
C.V. : coefficient de variation

Ce tableau montre les paramètres statistiques des deux sous-périodes. Toutes les
valeurs montrent que la première sous-période est excédentaire et que la deuxième sous-
période est déficitaire. Pour Bongor, la moyenne est de 788,04 mm pour la première
période et 648,2 mm pour la deuxième période. Elle est aussi déficitaire pour la station
de Billiam-oursi : 745,53 mm pour la première période et 618,8 mm pour la deuxième
sous-période. Même l’écart-type est variable sur les deux périodes pour les deux
stations : 158,12 pour Bongor et 167,11 pour Billiam-oursi de 1960 à 1984 et 175,14
pour Bongor et 140,58 pour Billiam-oursi de 1985 à 2015.
L’écart entre les moyennes montre le déficit dans les quantités globales de la
pluie d’une période à une autre. Le coefficient de variation des quantités
pluviométriques diffère également d’une sous-période à une autre et d’une station à
l’autre. Il est de 0,20 et 0,22 respectivement pour Bongor et Billiam-oursi pendant la

89
première sous-période et de 0,21 et 0,19 pour Bongor et Billiam-oursi pendant la
deuxième sous-période. Ce coefficient est lié à la pluviosité.
En somme, la comparaison des paramètres statistiques des deux sous-périodes a
montré que la première sous-période est excédentaire par rapport à la deuxième sous-
période qui est déficitaire. La tendance évoquée ci-haut est liée à la sécheresse des
années 80 qui est marquée par une baisse des quantités pluviométriques. Celle de la
seconde sous-période est croissante car c’est la période pendant laquelle la quantité
pluviométrique est faible, la situation tend à s’améliorer mais cette amélioration est
timide et marquée par des profondes variations interannuelles.
La situation présentée est celle de Bongor et Billiam-oursi, pour comprendre les
variations inter-périodes, les analyses des données des stations de Fianga et Guelendeng
sont indispensables (tableau XI).

Tableau XI. Statistique descriptive des stations de Fianga et de Guelendeng

Station Première sous-période (1960-1987) Deuxième sous-période (1988-2015)
Moyenne Écart-type C.V Moyenne Écart-type C.V
Fianga 813,61 148,31 0,18 851,86 138,61 0,16
Guelendeng 638,06 122,77 0,19 710,47 135,2 0,19

Ce tableau présente la statistique descriptive des stations de Fianga et de

Guelendeng pendant les deux sous-périodes. La comparaison de moyenne montre que
celle-ci est croissante car de 813,61 mm et de 638,06 mm respectivement pour les
stations de Fianga et de Guelendeng pendant la première sous-période, elle est passée à
851,86 mm et 710,47 mm pour Fianga et Guelendeng pendant la deuxième sous-période,
donc on constate une augmentation de la moyenne pluviométrique. L’écart-type aussi
est passé de 148,31 pour Fianga de 1960 à 1988 à 138,61 de 1988 à 2015. Même à
Guelendeng, il est croissant car de 122,77 pendant la première sous-période, il est de
135,2 pendant la deuxième sous-période. Le coefficient de variation est lié à ce niveau
à la quantité pluviométrique pour les deux stations et pour les deux sous-périodes.
La moyenne et l’écart-type sont croissants de la première sous-période à la
deuxième sous-période. La tendance au niveau du tableau est à un retour des quantités

90
pluviométriques contrairement aux indices qui montrent une tendance déficitaire.
L’écart entre les moyennes des deux (2) sous-périodes est de 72,41 pour Fianga et de
48,03 pour Guelendeng. Cet écart montre aussi la variation de la pluie et la hausse des
quantités pluviométriques d’une période à une autre. Cette image peut être améliorée en
utilisant l’indice de pluviosité.
L’indice de pluviosité est donné par le rapport de la hauteur de précipitation
annuelle à la hauteur moyenne annuelle de précipitation :
𝑷𝒊
𝑰𝒑 = ⁄𝑷
𝒎

Une valeur de ce rapport supérieure à 1 caractérise les années humides, par contre
si ce rapport est inférieur à 1, les années sont qualifiées de sèches. Cet indice est utilisé
pour avoir une vision globale de l’évolution de la pluviométrie.
En effet, cet indice a l’avantage de dégager les grandes tendances en supprimant
les faibles fluctuations internes de la variable (figure 24) qui montre l’indice de
pluviosité de la plaine du Mayo-Kebbi.

1,4
1,2
Indice de pluviosité

1
0,8
0,6
0,4
0,2
0
1999
2002
1960
1963
1966
1969
1972
1975
1978
1981
1984
1987
1990
1993
1996

2005
2008
2011
2014

Années

Figure 24. Indice de pluviosité de la plaine du Mayo-Kebbi

La figure 24 fait état de l’indice de pluviosité de la plaine du Mayo-Kebbi. En

observant ces données, on se rend compte de la variabilité interannuelle de la pluie. La
pluie se présente en dents de scie d’une année à l’autre. Les années 1973 et 1984
apparaissent comme les années sèches avec des indices plus faibles alors que l’année
1988 avec un indice positif montre un retour à la normale de la pluie après la sécheresse
91
des décennies 70 et 80. L’indice de pluviosité globale peut cacher des individualités
propres à chaque station (figure 25).

Figure 25. Indice de pluviosité des différentes stations de la plaine du Mayo-

Kebbi

Les données de la figure 25 attestent de la variabilité temporelle de la

pluviométrie. Toutes les stations enregistrent des écarts à la moyenne positifs et négatifs,
attestant la variation temporelle de la pluie. D’une manière globale dans la plaine du

92
Mayo-Kebbi, et particulièrement dans les stations, la variation interannuelle de la
pluviométrie est réelle. Il est important de procéder à l’analyse de la variation spatiale
pour mieux comprendre les variations.

I.3.2. Variabilité spatiale des quantités d’eau recueillies

L’étude de la répartition spatiale amène à étudier les corrélations linéaires entre
les stations. La corrélation entre les stations repose sur des liaisons non rigides entre
deux variables ; ces liaisons sont basées sur une dépendance « stochastique ». Les
variables concernées ici sont les quantités annuelles d’eau recueillies sur les cinq (5)
stations (tableau XII). Les corrélations sont établies entre les stations indépendamment
de leur localisation spatiale. L’appréciation des liaisons repose sur des valeurs variant
entre 0,25 et 0,72.

Tableau XII. Corrélation entre les stations

Bongor Billiam-oursi Guelendeng Fianga Moulkou
Bongor 1,0
Billiam-oursi 0,56 1,0
Guelendeng 0,36 0,72 1,0
Fianga 0,47 0,49 0,48 1,0
Moulkou 0,25 0,76 0,50 0,72 1,0

Ce tableau montre les différentes corrélations entre les stations. Les corrélations
sont faibles entre certaines stations : c’est le cas des liaisons Bongor-Moulkou (0,25).
Elles sont par contre fortes entre les stations suivantes : Billiam-oursi-Guelendeng
(0,72), Fianga-Moulkou (0,72). Cette corrélation obéit à la logique de ressemblance dans
le comportement pluvieux. La corrélation entre les stations ne donne pas tous les
éléments indispensables à l’analyse de la variation spatiale de la pluie. Il faut aussi
procéder à l’analyse des pluies en fonction de la localisation géographique des stations.
La mise en relation entre la latitude, la longitude et les précipitations trouve sa
logique dans la différenciation observée dans les cumuls de pluie. En effet, en se
rapportant aux écarts de pluie entre les stations, certains écarts sont significatifs et

93
amènent à s’interroger sur les causes essentielles de ces différences. Bien qu’il existe
une certaine uniformité dans les totaux pluviométriques, il y a une certaine explication
entre les coordonnées géographiques et la quantité pluviométrique précipitée.
Étudier les relations entre les précipitations et l’altitude, la latitude et la longitude
permet alors d’apprécier l’importance des localisations géographiques sur la distribution
des pluies. Cette distribution peut varier en fonction de l’unité géographique. Cette
approche statistique a été appliquée sur les 4 stations (tableau XIII).

Tableau XIII. Données de base permettant les corrélations

Station Précipitation Latitude (N) Longitude (E) Altitude
Y X1 X2 X3
Bongor 793,29 10,17 15,22 328
Billiam-oursi 741,83 10,34 15,14 318
Guelendeng 674,27 10,55 15,33 316
Fianga 832,73 9,56 15,11 327

Les données du tableau XIII sont les moyennes annuelles des précipitations (Y),
les facteurs géographiques de latitude (X1) et longitude (X2) sont convertis en minutes
centésimales, tandis que l’altitude (X3) est exprimée en mètres. Elles ont permis de
calculer les corrélations entre les pluies et la position spatiale des stations. Dans la plaine
du Mayo-Kebbi, il se dégage que la distribution des pluies est expliquée à 95% par la
latitude. L’altitude et la longitude se présentent comme des facteurs secondaires de
répartition spatiale des pluies.
Les valeurs confirment l’effet réduit de l’altitude et de la longitude sur la
répartition spatiale des pluies et rappellent l’importance de la liaison entre la latitude et
les précipitations ; le coefficient de corrélation partielle illustrant cette liaison est
d’ailleurs significatif au seuil de 0,05. La corrélation multiple intégrant toutes les
variables explicatives n’est quant à elle pas significative à ce seuil du fait de la faiblesse
des couples de corrélation, c’est-à-dire le nombre de stations météorologiques étudiées.
Un lien peut aussi être établi entre les précipitations et les coordonnées géographiques
(tableau XIV).

94
 Tableau XIV. Relation précipitation/coordonnées géographiques
Paramètre Coefficient de corrélation (r) Coefficient de détermination (r2)

Variable Latitude Longitude Altitude Latitude Longitude Altitude

(X1) (X2) (X3) (X1) (X2) (X3)
Précipitation (Y) -0,96 -0,79 0,87 0,84 0,62 0,75
Latitude (X1) // 0.74 -0,76 // 0,54 0,57
Longitude (X2) // // -0,48 // // 0,23

Concernant le coefficient de détermination, les relations très fortes existent entre

la précipitation et l’altitude (0,75). La relation moyenne existe entre la précipitation et
la longitude (0,62). Les corrélations faibles existent entre l’altitude et la longitude (0,23).
Les coefficients de détermination sont partout forts sauf entre la longitude et l’altitude.
Ce qui a des répercussions sur la répartition des pluies (figure 26).

Figure 26. Répartition des pluies en fonction de la latitude dans la plaine

du Mayo-Kebbi
Cette figure présente la répartition de la pluie en fonction de la latitude. La
latitude de la station explique la répartition de la pluie. On constate une inversion entre
la latitude et la pluie. Aux latitudes élevées, la pluie est faible et aux basses latitudes, les
pluies sont élevées comme les stations de Fianga et Guelendeng les présentent. Mais il
n’y a pas que la latitude qui explique cette répartition, il y a aussi la longitude (figure
27).

95
 Figure 27. Répartition des pluies en fonction de la longitude dans la plaine
du Mayo-Kebbi
La répartition de la pluie en fonction de la longitude présente une situation
différente de celle de la latitude. Une inversion de la longitude et de la quantité de pluie
est constatée. Plus la longitude est élevée, moins est la quantité pluviométrique. De
Bongor à Billiam-oursi, c’est un rapprochement de la longitude qui est observée mais la
quantité pluviométrique baisse. A Guelendeng et Fianga, c’est plutôt une situation
contraire qui est observée. La moyenne pluviométrique est faible à Guelendeng alors
que la longitude est élevée et à Fianga, la longitude décroit alors que la moyenne
pluviométrique augmente. De ces deux coordonnées, il ne ressort qu’une explication
partielle de la pluie. Il importe alors d’analyser la répartition de la pluie en fonction de
l’altitude (figure 28).

Figure 28. Répartition des pluies en fonction de l’altitude dans la plaine du

Mayo-Kebbi

96
 La répartition pluviométrique en fonction des coordonnées est aussi expliquée
par l’altitude. Plus l’altitude augmente, plus est la quantité pluviométrique, et moins est
l’altitude, moins est la quantité de pluie. Les stations de Guelendeng et de Fianga
donnent un bon exemple de cette répartition.
En somme, les analyses montrent que la pluviométrie peut être expliquée par les
coordonnées géographiques dans la plaine du Mayo-Kebbi. L’analyse de la pluie à
l’échelle annuelle montre aussi que la variation interannuelle et spatiale de la pluie est
réelle dans la plaine du Mayo Kebbi. Cette variabilité spatio-temporelle des
précipitations est liée à plusieurs causes.
La variabilité spatio-temporelle des précipitations au Sud-ouest du Tchad comme
dans l’ensemble de la zone intertropicale peut être traduite par les fluctuations de
position et de vitesse de la ZCIT et celles de l’intensité des courants Jet (JTE et JEA)
ainsi que les anomalies thermiques de la surface océanique. A ces causes majeures
peuvent s’ajouter la thermoconvection locale, les variations de l’albédo dues à la nature
du sol et à la dégradation de la couverture végétale (Jules Charley, cité par Courel, 1984).
Cette connaissance large sur les variations temporelle et spatiale de la pluviométrie ne
renseigne pas sur le régime saisonnier des pluies ni sur la variation décennale. Pour cette
raison, il faut procéder aux analyses décennales pour saisir les grandes variations de la
pluviométrie.

I.3.3. Variation décennale de la pluviométrie

La pluviométrie annuelle n’est pas seulement étudiée sous l’angle de sa variation
interannuelle et spatiale. En plus de ces analyses, il est important de revenir sur les
analyses décennales pour comprendre si les décennies sont sèches ou humides au regard
des données pluviométriques étudiées. Les différentes quantités annuelles présentées à
l’échelle décennale témoignent de cette variation (figure 29).

97
 1000
900
800
700
600
500
400
300
200
100
0
Bongor Billiam-oursi Fianga Guelendeng
1960-1969 1970-1979 1980-1989 1990-1999 2000-2009

Figure 29. Répartition décennale de la pluie

Cette figure présente la répartition de la pluviométrie décennale. Tout d’abord, la

station de Guelendeng apparait comme celle qui reçoit des quantités pluviométriques
faibles par rapport à l’ensemble alors que celle de Fianga apparaît comme la plus
arrosée.
Dans toutes les stations, la décennie 1960-1969 est la plus humide et celle de
1980-1989 la plus sèche. Ce qui se justifie d’ailleurs par la sécheresse qui a sévit pendant
cette période. La décennie 1970-1979 apparaît comme moyennement sèche car c’est
pendant cette décennie que la sécheresse a commencé pour atteindre son paroxysme
dans les années 80. A Bongor et à Billiam-oursi, elle dépasse même la quantité
pluviométrique de la décennie 1990-1999 alors qu’à Guelendeng et Fianga, c’est la
décennie 1990-1999 qui dépasse celle de 1970-1979. Toujours à Bongor et Billiam-
oursi, la décennie 2000-2009 est la deuxième décennie la plus humide après celle de
1960-1969 alors que pour la station de Fianga et Guelendeng, c’est la décennie 1990-
1999 qui est la deuxième décennie la plus humide après 1960-1969. Il ressort clairement
de cette analyse que la station la plus au sud (Fianga) est la plus arrosée par rapport à
celle de Guelendeng (plus au Nord). Par contre, celles qui sont proches l’une de l’autre
ont un comportement pluviométrique semblable.

98
 Conclusion
En somme, il ressort de ce chapitre que la variabilité climatique est réelle dans la
plaine du Mayo-Kebbi. La variabilité interannuelle de la pluie est plus prononcée à la
station de Guelendeng qu’à Fianga, toutefois, le comportement de chaque station diffère
d’une autre. En ce qui concerne la variabilité spatiale, il ressort que la latitude est le
facteur déterminant dans cette variation. Certaines stations apparaissent plus arrosées
que d’autres. Les analyses fréquentielles montrent que les périodes de retour décennales
sont plus accrues que les autres.
La répartition de la pluie est aussi expliquée par les coordonnées géographiques
car dans certaines stations, la quantité de la pluie est liée aux coordonnées
géographiques. La latitude explique plus la répartition de la pluie par rapport à la
longitude et à l’altitude. L’analyse de la pluie à l’échelle décennale a montré aussi que
les décennies ne sont pas toutes arrosées de la même manière. La décennie 1960-1969
est la plus arrosée dans toutes les stations alors que celle de 1980-1989 apparaît comme
la moins arrosée de toutes les stations. La détermination et l’analyse des données aux
échelles mensuelle et journalière peuvent apporter des informations plus fines
susceptibles de mieux saisir les variabilités internes dans la plaine du Mayo-Kebbi.

99
 CHAPITRE II.
DISPARITÉS SPATIO-TEMPORELLES DES VARIABILITÉS
PLUVIOMETRIQUES MENSUELLES ET JOURNALIÈRES
DANS LA PLAINE DU MAYO-KEBBI

100
 Les variations climatiques de la plaine du Mayo-Kebbi ne sont pas seulement
annuelles mais aussi mensuelles et journalières. Ces variations aux plus petites échelles
sont peu connues car peu étudiées sur l’étendue de la plaine. Tous les mois de l’année
ne sont pas pluvieux et même les mois pluvieux ne reçoivent pas la même quantité
pluviométrique. Dans ce chapitre, il est question d’analyser la variabilité mensuelle de
la pluie pour évaluer son poids pendant la saison pluvieuse. Cette analyse conduit à
déterminer les périodes de semis car ce sont les pluies qui conditionnent les activités
agricoles. Il est d’abord question dans ce chapitre, de déterminer la loi statistique à
laquelle sont soumises les pluies mensuelles et journalières. Ensuite, il s’agit de
déterminer les différentes tranches pluviométriques et l’analyse des pluies maximales,
l’estimation de ces pluies aux différentes fréquences. L’analyse des autres paramètres
climatiques constituent la dernière partie de ce chapitre.

II.1. DES VARIATIONS MENSUELLES TRES NETTES

Les pluies mensuelles représentent le cumul de toutes les pluies recueillies dans
une station durant le mois considéré. Leur analyse est importante car elle permet de
déterminer d’une part, le régime saisonnier de la pluviométrie, et d’autre part les mois
qui constituent la période humide. Elle est aussi importante car elle conditionne les
activités agricoles. Mais avant leur analyse, il est indispensable de déterminer à quelle
loi de distribution statistique elles s’ajustent le mieux.

II.1.1. Choix d’une loi statistique de distribution et estimation des pluies

Comme signalé pour les pluies annuelles, les pluies mensuelles s’ajustent mieux
à la loi racine-normale, car cette loi est dissymétrique par rapport à la loi normale qui
est symétrique, c’est-à-dire que par rapport à la classe modale, les valeurs les plus faibles
sont plus nombreuses que celles qui sont plus élevées lorsqu’on s’en tient aux données
du mois de juillet selon la loi racine-normale (figure 30).

101
 Figure 30. Ajustement des pluies du mois de juillet à la loi racine normale

Cette figure présente l’ajustement des pluies du mois de juillet à la loi racine-
normale. Cet ajustement renseigne sur la moyenne de la série ainsi que son écart-type et
l’intervalle de confiance qui est de 80%. On se rend compte que la pluie du mois de
juillet s’ajuste bien à la loi racine-normale.
Le mois d’août, qui reçoit aussi des quantités pluviométriques importantes est
aussi soumise à la loi racine-normale et les résultats varient d’une station à une autre
(figure 31).

102
 Figure 31. Ajustement des pluies du mois d’août à la loi racine normale

Cette figure montre aussi que les pluies du mois d’août s’ajustent aussi bien à la
loi racine-normale. Les deux mois (juillet et août) sont choisis pour être représentés car
ce sont les deux mois qui reçoivent une grande quantité pluviométrique.
Dans l’ensemble, la pluviométrie mensuelle des mois de juillet et août s’ajuste
parfaitement à la loi racine-normale, en dehors de quelques cas d’irrégularités constatés
comme le mois de juillet à Guelendeng. La loi établie, il reste à estimer les pluies aux
fréquences biennales, quinquennales et centennales.

103
 L’ajustement des pluies mensuelles permet aussi de les estimer aux différentes
fréquences ( biennale, quinquennale et décennale). Cette estimation des quantiles se fait
de la même façon que celles des pluies annuelles en appliquant l’équation de la variable
réduite de Gauss, mais en transformant les séries d’observations en racines carrées
suivant l’ajustement à la loi racine-normale. Cette variable réduite de Gauss est donnée
par la formule :

√𝒙 − ̅̅̅̅
√𝒙
𝑼= où
𝝈. √𝒙
- √𝑥 : valeur de la pluviométrie mensuelle recherchée ;
- ̅̅̅̅
√ 𝑥 : moyenne des racines carrées de la série ;
- 𝜎. √𝑥 : écart-type des racines-carrées de la série.

Les valeurs de U sont données par la table de Gauss en fonction de la fréquence.

Ainsi, pour les fréquences biennales, quinquennales et décennales retenues, les valeurs
de U sont de :
- fréquence biennale : F= 0, 5 et U= 0,0 ;
- fréquences quinquennales : F= 0,8 et 0,2 et U= +0,84 et –0,84 ;
- fréquences décennales : F= 0,9 et 0,1 et U= +1,28 et –1,28.

Les résultats présentés dans le tableau XV ne concernent que les deux mois
(juillet et août) considérés comme les mois les plus pluvieux.

104
 Tableau XV. Précipitations mensuelles fréquentielles
Mois juillet août
Fréquence biennale quinquennale décennale biennale quinquennale décennale
Stations 0,5 0,2 0,8 0,1 0,9 0,5 0,2 0,8 0,1 0,9
Bongor 186,03 136,03 243,9 112,9 277,2 238,1 163,7 327,23 129,5 379,5
Fianga 207,2 151,1 125,2 125,2 309,8 217,3 175,4 263,6 155,3 289,6
Billiam-oursi 167,6 119,8 98,02 98,02 255,9 233,2 171,7 304,2 143,2 345,1
Guelendeng 152,5 101,1 78,4 78,4 251,1 201,2 144,3 267,6 118,3 306,3
Moulkou 178,2 261,2 82,2 82,2 310,9 229,6 193,6 268,6 176 290,3

105
 L’observation du tableau précédent donne des informations intéressantes. Les
moyennes mensuelles se rapprochent de la fréquence biennale (F=0,5). Dans les cinq
stations considérées, la moyenne mensuelle des deux mois pris en exemple se rapproche
plus de la fréquence biennale. Ce constat montre que le maximum des précipitations est
toujours atteint en ces deux mois. Un autre constat est que les précipitations moyennes
mensuelles des deux mois dépassent largement les précipitations décennales (F=0,1)
mais n’atteignent pas celles de fréquence décennale (F=0,9).
L’analyse fréquentielle est très significative mais ne donne que des valeurs
théoriques d’une part et d’autre part, ne permet pas de saisir la variation de la pluie en
profondeur. Il faut procéder à l’analyse du régime pluviométrique et de la délimitation
de la saison pluvieuse.

II.1.2. Régime pluviométrique et délimitation de la saison pluvieuse

L’image moyenne la plus répandue de la distribution pluviométrique est fondée
sur les analyses à l’échelle mensuelle. Elle montre une variation de la quantité
pluviométrique d’un site à un autre et d’un mois à un autre (figure 32).

106
 Figure 32. Régime pluviométrique moyen dans la plaine du Mayo Kebbi

La figure 32 montre que les premières pluies tombent généralement au mois

d’avril pour se terminer au mois d’octobre, ce qui atteste de la subdivision de l’année en
deux saisons de longueur égale : une saison sèche (6 mois) et une saison humide (6
mois). Les différentes données attestent aussi que la zone d’étude est située dans la zone
soudanienne et tend vers une zone sahélo-soudanienne. Pour la période de cinquante-six
ans dans laquelle cette étude est basée, Bongor a une moyenne de 799,29 mm par rapport
à Billiam-oursi plus à l’ouest qui a 741,83mm. La station de Guelendeng au nord de la
plaine du Mayo-Kebbi enregistre une moyenne de 674,27mm et Moulkou, située entre
Guelendeng et Bongor, quant à elle, enregistre 744,14mm de moyenne pluviométrique.
Fianga enregistre par contre une moyenne de 832,73mm. La transition de la zone

107
soudanienne à sahélo-soudanienne se confirme. Le maximum de la saison pluvieuse est
atteint au mois d’août (Bongor : 247,81mm ; Billiam-oursi : 239,6mm ; Moulkou :
231,6mm ; Guelendeng : 213,08mm et Fianga : 221,22mm). Ce mois concentre le
maximum de la quantité pluviométrique tombée pendant la saison pluvieuse. La
distribution pluviométrique dans la plaine du Mayo-Kebbi est unimodale comme dans
l’ensemble de la partie méridionale tchadienne. Le régime pluviométrique étant connu,
il reste à délimiter la saison pluvieuse.

La délimitation de la saison pluvieuse renvoit à l’identification des dates de

démarrage et de fin de la saison pluvieuse. Cette identification n’est pas seulement basée
sur les analyses statistiques, elle est aussi basée sur les signes annonciateurs évoqués par
les agriculteurs qui sont les suivants :

- la prépondérance des vents de direction Nord-Sud, ce qui veut dire qu’au moment
où ces vents commencent par souffler dans cette direction, la saison pluvieuse
s’annonce ;
- l’éclosion des fleurs de certains arbres ;
- les vols d’éperviers et du corbeau vers le milieu du jour ;
- les mouvements de la gazelle observés par le voyageur ;
- les cris des oiseaux et autres animaux nocturnes à des moments et des lieux
déterminés ;
- enfin, l’abondance des nuages suivis de grondement. 75% des enquêtés l’ont
évoqué.

Tous ces signes évoqués annoncent la saison pluvieuse dans la plaine du Mayo-
Kebbi. Ils ne suffisent pas à eux seuls d’identifier le début et la fin de la saison pluvieuse,
il est important d’évoquer d’autres méthodes basées sur la statistique.

Le régime saisonnier a été étudié par Suchel (1972) et Bring (2005) au Nord
Cameroun, par Baohoutou (2007, 2013), Boutna (2012), Gouataine et Moctar (2015),
Gouataine et al. (2017) au Sud et Sud-ouest du Tchad. Le régime pluviométrique dans
la plaine du Mayo-Kebbi est caractérisé par une saison sèche et une saison pluvieuse.

108
En fonction du site, la durée et l’intensité de la pluie varient. Le démarrage et l’arrêt des
pluies changent également d’une station à une autre.
Pour cette délimitation, les méthodes développées par Tchadieu et al. (1999) sur
le Nord Cameroun et inspirées des critères de Sivakumar et al. (1993) et Stern et al.
(1981) qui sont basées sur les critères suivants sont utilisées :
- le début de la saison des pluies intervient quand on observe 20 mm de pluies en
deux jours consécutifs non suivis d’une séquence sèche d’une semaine dans les
30 jours qui suivent ;
- la fin de la saison des pluies arrive après une pluie supérieure à 1 mm à laquelle
succèdent au moins 20 jours secs consécutifs.

Par rapport à cette logique, le seuil de 25mm est raisonnable pour caractériser le
démarrage de la saison pluvieuse dans la plaine du Mayo Kebbi. Il s’agit maintenant
d’analyser la situation par station.
La date d’installation des pluies et la durée de la saison sont deux paramètres
essentiels pour l’agriculture, car ils déterminent d’une part, la date de semis et d’autre
part, la durée de la période pendant laquelle les cultures peuvent bénéficier des
précipitations indépendamment des conditions d’alimentation hydrique de cette période.
En moyenne, à Billiam-oursi, le début de la saison pluvieuse est intervenu à la deuxième
décade du mois de mai entre 2000 et 2004. À partir de 2005, le démarrage effectif de la
saison pluvieuse n’a lieu qu’à la troisième décade de mai ou à la première décade du
mois de juin. A partir de 2010, la saison pluvieuse ne commence qu’à la deuxième
décade de juin. L’arrêt de la saison pluvieuse intervient à la deuxième décade du mois
d’octobre. La longueur moyenne de la saison pluvieuse est de 140 jours.
A Bongor, le démarrage effectif de la saison pluvieuse n’a lieu qu’à la deuxième
décade du mois de juin et l’arrêt intervient à la première décade du mois d’octobre. Il en
résulte un certain retard par rapport à la station de Billiam-oursi, beaucoup plus à l’ouest.
Mais à partir de 2010, ce n’est qu’à la troisième décade de juin que la saison pluvieuse
commence effectivement. Pour la station de Guelendeng, le démarrage effectif de la
saison pluvieuse n’a lieu qu’à la troisième décade du mois de juin et la fin n’intervient
aussi qu’à la première décade d’octobre. La saison pluvieuse se trouve ainsi réduite avec
110 jours par rapport à Billiam-oursi et Bongor qui en totalise un peu plus.
109
 À Moulkou, la situation est analogue à celle de Billiam-oursi. La saison pluvieuse
s’installe à la deuxième décade de juin pour se terminer à la deuxième décade du mois
d’octobre. À Fianga, la première décade du mois d’avril enregistre déjà les précipitations
mais cette quantité est minime pour parler de début effectif de la saison pluvieuse. La
saison pluvieuse proprement dite ne commence généralement qu’à la troisième décade
du mois de mai. La deuxième et la troisième décade du mois d’octobre marquent la fin
de la saison pluvieuse (tableau XVI).

Tableau XVI. Dates de début et de fin de la saison pluvieuse

Station Début de la saison Fin de la saison Durée de la
saison
Billiam-oursi 2e décade de juin 2e décade d’octobre 130 jours
Bongor 3e décade de juin 1ere décade d’octobre 110 jours
Fianga 3e décade de mai 2e décade d’octobre 150 jours
Guelendeng 3e décade de juin 1ere décade d’octobre 100 jours
Moulkou 2e décade de juin 2e décade d’octobre 130 jours

Ce tableau indique une durée inégale de la saison pluvieuse. Fianga enregistre

une longue saison pluvieuse (150 jours) par rapport à Guelendeng (100 jours). Billiam-
oursi et Moulkou ont une durée d’égale longueur (130 jours). La saison pluvieuse à
Bongor a une durée moyenne de 110 jours soit environ 4 mois pluvieux.
Cette détermination de la durée de la saison pluvieuse ne permet pas de dire si la
durée est précoce, tardive ou normale. Pour le savoir, on a appliqué la méthode des
quartiles à chaque station pour déterminer la précocité et le retard dans le démarrage et
l’arrêt de la saison pluvieuse. Ce critère est appliqué à des mois reconnus comme le
début des pluies potentiellement utiles : mai et juin.
La fin de saison est soumise à la même incertitude que le début de celle-ci. Le
choix d’un seuil de détermination de la fin de la saison pluvieuse doit tenir compte de
l’occurrence des pluies isolées, faibles et/ou tardives qui allongent artificiellement la
saison. Le seuil précédemment énoncé, c’est-à-dire 1 mm suivi de 20 jours consécutifs
secs est adopté comme le montre l’année 2000 à Fianga (figure 33).

110
 60

50

40

30
27 mai
20
9 oct.
10

0
03-Avr. 03-Mai 03-Juin 03-Juil. 03-Août 03-Sept. 03-Oct.

Figure 33. Détermination de la date de début et de fin de la saison de pluie

en 2000 à la station de Fianga

D’après le seuil déterminé, 27 mai marque la date d’installation de la saison de

pluie. Cette date est normale car elle se trouve entre les quartiles. Et aussi la fin de la
saison pluvieuse est normale par rapport à la limite fixée. Pour la station de Moulkou,
la situation en 2000 est différente de celle de Fianga (figure 34).

100
90
80
70
60
50
40 25 mai 05 oct.
30
20
10
0
05-Avr. 05-Mai 05-Juin 05-Juil. 05-Août 05-Sept. 05-Oct.

Figure 34. Détermination de la date de début et de fin de la saison de pluie

en 2000 à la station de Moulkou
Cette figure présente la détermination de la date de début de saison pluvieuse à
Moulkou. En prenant en compte le critère de 20 mm, la date du 25 mai est la date propice
de début de la saison pluvieuse et le 05 octobre marque aussi la fin de cette saison. La

111
durée de la saison pluvieuse cette année est de 130 jours. Ces dates montrent un début
précoce et un arrêt précoce de la saison pluvieuse qui ne sont pas très dommageables
pour les cultures. La situation à Billiam-oursi pourrait être différente de celle des autres
stations (figure 35).

100
90
80
70
60
50
16 mai 19 sept.
40
sseoctobre
30
20
10
0
24-Avr. 24-Mai 24-Juin 24-Juil. 24-Août 24-Sept.

Figure 35. Détermination de la date de début et de fin de la saison de pluie

en 2000 à la station de Billiam-oursi

Le démarrage effectif de la saison pluvieuse à la station de Billiam-oursi a lieu le

16 mai. Ce début est qualifié de précoce car d’après les résultats obtenus dans cette
station, la saison pluvieuse commence à la première décade du mois de juin. Cette date
se rapproche davantage du moment déterminé. L’arrêt de la saison pluvieuse est normal
car il intervient à la deuxième décade du mois d’octobre. Donc, en cette année, à la
station de Billiam-oursi, le démarrage de la saison pluvieuse est précoce et l’arrêt est
normal. A la station de Guelendeng, au nord de la plaine, la situation peut être différente
de celle de Billiam-oursi (figure 36).

112
 70

60 22 sept.
50

40
28 juin
30

20

10

10-Juil.
05-Juin
12-Juin
19-Juin
26-Juin
03-Juil.

17-Juil.
24-Juil.
31-Juil.
29-Mai

07-Août
14-Août
21-Août
28-Août
08-Mai
15-Mai
22-Mai

04-Sept.
11-Sept.
18-Sept.
Figure 36. Détermination de la date de début et de fin de la saison de pluie
en 2000 à la station de Guelendeng

Cette figure présente le début et l’arrêt de la saison pluvieuse à la station de

Guelendeng pour l’année 2000. Normalement, la deuxième décade de juin marque le
début de la saison pluvieuse dans cette station. Un décalage de quelques jours pour l’an
2000 est observé. L’arrêt de la saison pluvieuse doit intervenir à la deuxième décade
d’octobre. En cette année, c’est un arrêt précoce de la saison pluvieuse qui est constatée.
Donc la saison pluvieuse a commencé avec retard et s’est arrêté tôt en cette année à la
station de Guelendeng. A la station de Bongor, le début et la fin de la saison pluvieuse
sont également variables (figure 37).

113
 45
40
35 16 oct.
30
25
12 juillet
20
15
10
5
0
09-Avr. 09-Mai 09-Juin 09-Juil. 09-Août 09-Sept. 09-Oct.

Figure 37. Détermination de la date de début et de fin de la saison de pluie

en 2002 à la station de Bongor

Cette figure présente le démarrage et l’arrêt de la saison pluvieuse à la station de

Bongor pour l’année 2002. Les données montrent que c’est le 12 juillet qui marque le
début effectif de la saison pluvieuse et la fin définitive est le 16 octobre. En se référant
au tableau 16, c’est avec un retard de 2 décades que la saison pluvieuse a commencé,
donc c’est le début tardif de la saison pluvieuse. Même la fin de la saison pluvieuse
intervient normalement à la troisième décade du mois d’octobre, mais dans ce cas, on le
remarque à la deuxième décade du mois d’octobre. Ce qui veut dire que l’arrêt de la
saison pluvieuse est précoce à la station de Bongor.
Les résultats obtenus confirment aussi ceux de Camberlin et al. (2003) concernant
le Sénégal et le Kenya. Il y’a beaucoup d’incertitude dans l’installation de la saison
pluvieuse qu’à sa fin. En effet, ces auteurs ont fait ressortir que la variabilité de début
des saisons pluvieuses est plus prononcée que celle de la fin, c’est ce qui est aussi
constaté dans la plaine du Mayo-Kebbi.
Les retards dans le début de la saison pluvieuse sont perçus comme les
agriculteurs comme un signe de la colère des ‘‘dieux’’, ce qui amène à étudier les
perceptions paysannes des variabilités pluviométriques, surtout celles relatives aux
retards des pluies.

114
 II.1.3. Perceptions paysannes des retards de pluies et poids des mois pluvieux
sur la quantité annuelle
Le poids de la tradition dans les rapports société-environnement est indispensable
aujourd’hui car une gestion des écosystèmes doit tenir compte de sa connaissance. Il est
alors indispensable de coupler la perception pluviométrique locale à la réalité
scientifique. Perard (1992) a proposé d’enrichir l’application du « modèle scientifique »
météorologique, en le confrontant au « modèle traditionnel ». Ainsi, il est question
d’analyser les comportements adoptés en cas de retard de pluie.
Le premier comportement est la prière adressée à Dieu. Les agriculteurs croyants
(chrétiens et musulmans) organisent des prières dans leur lieu de culte. Ces prières ne
sont pas seulement organisées par les agriculteurs mais aussi par ceux qui sont en ville,
car ils sont dépendants de la production agricole. L’article d’un journal intitulé retard
de pluie informe mieux : « le samedi 5 juillet 2014, des fidèles musulmans ont répondu
à l’appel à la lecture du Coran et à la prière collective dans des mosquées (…) à
l’intérieur du pays. (…) Des hommes et des femmes ont lu, plusieurs fois, le saint Coran,
puis prié pour que la pluie tombe abondamment et que la campagne agricole soit
bonne ».3
Une autre catégorie des agriculteurs fait des sacrifices pour implorer la clémence
des ancêtres. On immole quelques poulets et le sang est aspergé pour demander pardon
aux divinités afin que ceux-ci apportent l’eau pour les cultures.
Un autre comportement observé est l’identification des empêcheurs de pluie. À
Tikem dans le Mont Illi, deux méthodes permettent de savoir si la cause du retard ou du
manque de pluie n’est pas le fait des hommes. D’abord, celui qui ne veut pas qu’il pleuve
recueille l’eau de la première pluie dans une petite gourde dans laquelle il met certains
produits. Il attache cette gourde au sommet d’un arbre touffu. Ainsi, il ne pleuvra pas
tant que la gourde reste intacte. Après une période de longue attente, les vieillards
envoient les jeunes habiles monter sur les grands arbres touffus pour voir si une gourde
n’y est pas attachée. S’ils trouvent et la cassent et, il y aura une grosse pluie.
La deuxième méthode consiste aussi à identifier l’empêcheur de pluie qui ne se
lave pas pendant tout ce temps. Et tant qu’il ne se lave pas, il n’y aura pas de la pluie.

3
Le Progrès n°3905
115
 Pour le démasquer, le chef de village demande à tout le monde d’aller se laver dans le
lac Tikem. Les habitants entrent dans l’eau quartier par quartier et on prend le soin de
vérifier la présence de chaque habitant. Dès que le détenteur des pouvoirs entre dans
l’eau, il y aura de la pluie ce jour-là.
Une fois le début et la fin de la saison pluvieuse déterminée, il s’agit analyser le
poids des mois pluvieux sur le total de l’année. Les mois pluvieux sont les seuls pendant
lesquels les travaux agricoles sont effectués. Ces mois ont un poids pluviométrique
différent sur la saison pluvieuse dans toutes les stations étudiées (tableau XVII).

Tableau XVII. Poids de chaque mois sur la quantité annuelle (en

pourcentage)
Station Avril Mai Juin Juillet Août Sept Oct. Poids des deux mois
(Juillet et Août)
Bongor 1,9 7,8 11,4 25,4 32,9 16,1 3,1 58,3
Billiam-oursi 3,4 7,4 12,04 24,05 32,3 16,7 3,7 56,35
Guelendeng 1,7 6,3 11,9 25,09 33,1 17,5 4,01 58,09
Fianga 2,6 9,1 14,3 26,3 26,9 16,7 3,5 53,2
Moulkou 2,4 6,4 13,6 25,1 30,9 18,3 2,8 56,0

Ce tableau montre que les mois de juillet et d’août cumulent plus de la moitié de
la quantité pluviométrique tombée. Le mois de juillet à Fianga cumule 26,3% et le mois
d’août 26,9% ; leur cumul fait 53,2%, ce qui constitue la moitié de ce qui est tombé. A
Bongor, le mois de juillet cumule 25,4% et le mois d’août 32,9%, le total fait 58,3%.
C’est précisément pendant ces deux mois que les activités agricoles sont croissantes et
le développement des cultures est assuré. Toutefois, une bonne quantité pendant ces
deux mois ne justifie une bonne production agricole. L’analyse à cette échelle ne permet
pas de cerner l’influence de la pluie sur la production agricole. Il faut procéder à une
analyse des séquences sèches et humides.

116
 II.2. DE L’ECHELLE MENSUELLE A L’ECHELLE DECADAIRE : UNE
ANALYSE DE LA CONNAISSANCE DU RYTHME PLUVIOMETRIQUE

La connaissance du rythme pluviométrique est indispensable dans les analyses

pluviométriques. Connaitre la variation décadaire permet de mieux conduire les activités
agricoles. Dans cette partie, il est question d’analyser la variation de la pluie à l’échelle
décadaire et les séquences sèches et humides survenant au cours de la saison pluvieuse.

II.2.1. Variation décadaire de la pluie

L’image moyenne de l’évolution pluviométrique est régulièrement analysée à
partir du rythme mensuel. Or cette distribution mensuelle masque certaines irrégularités
qui peuvent être perceptibles à une échelle plus fine. Il s’agit d’analyser la pertinence de
cette démarche sur les différentes stations afin de renforcer la logique d’analyse des
précipitations à l’échelle décadaire. Pour mieux observer cette analyse, les variations
mensuelles et décadaires moyennes de la pluie sont représentées graphiquement (figure
38).

Figure 38. Distribution mensuelle et décadaire moyenne des précipitations

à Fianga
La figure 38 présente la distribution mensuelle et décadaire moyenne des
précipitations à la station de Fianga. Les distributions décadaires et mensuelles de la
pluviométrie se suivent. Les variations décadaires subissent une certaine fluctuation

117
inter-décadaire alors que la moyenne mensuelle est croissante d’avril à août avant de
décroître en septembre et s’arrêter en octobre. Alors que pendant le mois d’août et de
septembre, on observe une fluctuation de la quantité de pluie décadaire. La station de
Bongor donne une autre image de la variation décadaire de la pluie (figure 39).

Figure 39. Distribution mensuelle et décadaire moyenne des précipitations

à Bongor
La figure 39 présente la distribution décadaire moyenne des précipitations à la
station de Bongor. Les graphiques révèlent que les pluies mensuelles dépassent
largement la répartition décadaire. Le pic est atteint au mois d’août pour les pluies
mensuelles et en juillet pour les pluies décadaires. Le constat est le même à Fianga car
les données journalières suivent globalement les données mensuelles comme révélées à
Billiam-oursi (figure 40).

Figure 40. Distribution mensuelle et décadaire moyenne des précipitations

à Billiam-oursi

118
 Cette figure présentant la distribution décadaire de la pluie à la station de Billiam-
oursi montre un accroissement progressif des quantités pluviométriques. Comme le
montre le régime pluviométrique qui est unimodal, les quantités élevées sont observées
au mois de juillet et d’août, les autres mois ont des quantités faibles car c’est pendant
ces mois que sont observés le démarrage et la fin de la saison pluvieuse. La situation
n’est pas trop différente des stations de Fianga et de Bongor. Il faut aussi analyser la
situation à la station de Moulkou pour comprendre aussi cette répartition (figure 41).

Figure 41. Distribution mensuelle et décadaire moyenne des précipitations

à Moulkou
Sur cette figure, c’est la même répartition qu’à la station de Billiam-oursi qui est
observée. La répartition décadaire de la pluie suit globalement celle mensuelle. Les mois
de juillet et août restent les plus arrosés, ceux d’avril, de mai et de juin marquent le début
de la saison pluvieuse et ceux de septembre et d’octobre marquent aussi la fin de la
saison des pluies. La situation à la station de Guelendeng, qui a un comportement global
différent des autres stations permet de mieux comprendre cette répartition décadaire
(figure 42).

119
 Figure 42. Distribution mensuelle et décadaire moyenne des précipitations
à Guelendeng

La figure 42 présente la distribution mensuelle et décadaire de la pluie à la station

de Guelendeng. Malgré le comportement pluviométrique différent de cette station avec
les autres, la distribution décadaire de la pluie suit celle mensuelle. Ceci est logique car
c’est de cette répartition décadaire qu’on a la quantité mensuelle.
L’affinement de l’échelle d’observation permet de mieux apprécier l’évolution
de la pluie à l’échelle décadaire. Cette évolution suit globalement la pluviométrie
mensuelle avec quelques irrégularités négligeables. Néanmoins, elle donne un aperçu
global de la pluie décadaire dans la plaine du Mayo-Kebbi.
L’analyse des séquences sèches et humides dans les stations de la plaine du
Mayo-Kebbi permet d’approfondir la connaissance de la répartition de la pluie afin de
mieux apprécier son effet sur la production agricole.

II.2.2. Profil des séquences sèches et humides dans la plaine du Mayo-Kebbi

Pendant la saison pluvieuse, l’interruption des pluies est fréquente. Cette
interruption est appelée séquence sèche. Le cumul de ces séquences influence la
répartition temporelle de la pluie et peut entraver la production agricole.
Les séquences caractéristiques sont prises en compte ici à partir de 2 jours
consécutifs secs. L’objectif recherché est de montrer les risques de stress engendrés par
l’absence de pluie. Deux jours consécutifs ne sont pas directement dommageables mais

120
leur rapprochement dans le temps peut constituer un risque évident pour les plantes. Les
différents relevés bruts analysés montrent qu’on peut atteindre jusqu’à 10 jours
consécutifs secs, surtout à Guelendeng, située un peu plus au nord de la plaine. L’image
moyenne dégagée par les différentes stations indique des fréquences maximales
annuelles de 3 à 4 évènements pour ces séquences de 10 jours ; mais d’une manière
générale, les séquences de 2 à 5 jours dominent dans toute la plaine. En effet, on observe
un nombre important de fréquences de 2 et 3 jours consécutifs secs et une diminution
progressive des évènements pour atteindre la fréquence moyenne de 1 à 3 pour les
séquences de 10 jours. Cette tendance qui est observée dans toutes les stations ne varie
qu’au niveau du nombre d’occurrence des évènements. L’apparition de ces séquences
varie avec le temps. En effet, au début et à la fin de la saison pluvieuse, il y a une
fréquence élevée des séquences longues de 7, 8 et 10 jours secs qui suivent un jour ou
deux jours de pluie ; ceci se confirme car la fréquence élevée de ces séquences marque
la fin progressive de la saison pluvieuse. Même au début de la saison pluvieuse, il y a
cette même fréquence d’apparition, entrainant de ce fait l’installation progressive de la
saison pluvieuse. Alors qu’au cœur de la saison, ce sont plutôt les fréquences de 1, 2 et
3 jours qui apparaissent régulièrement. Les résultats obtenus dans la plaine du Mayo-
Kebbi confirment ceux obtenus par Bring (2005) au Nord-Cameroun ; en effet, il précise
que « les séquences d’au moins 8 jours apparaissent dès les premiers mois de la saison
des pluies. Mais on peut les enregistrer tant au début qu’à la fin de saison des pluies ».
Afin de mieux comprendre cette variation temporelle des séquences sèches, il est
préférable de récupérer au cours de l’année, les périodes préférentielles d’apparition de
ces séquences à partir de l’échelle décadaire. Cela permet d’identifier les décades les
plus dommageables en termes d’interruption des pluies et celles les moins sèches. Cette
représentation restitue en fait la fréquence des différentes interruptions le long de la
période considérée, afin de ressortir la probabilité d’avoir préférentiellement quel type
de séquence durant quelle décade. De tout ce qui précède, les faits suivants peuvent être
retenus :
- toutes les décades peuvent enregistrer des séquences atteignant jusqu’à 5 jours
consécutifs secs ; en effet, bien que certaines d’entre elles n’enregistrent pas entre
3 et 5 jours, toutes les autres décades sont concernées. A partir de 6 jours

121
 consécutifs secs, on identifie clairement les décades concernées par ces
séquences. Elles indiquent les mois de démarrage et d’arrêt de la saison des pluies
comme par exemple à la station de Fianga (figure 43). Elles sont repérables par
des proportions importantes et indiquent l’aspect critique de ces séquences à
partir de ce seuil et aux décades concernées ;

Figure 43. Fréquence d’occurrence décadaire des séquences sèches à

Fianga
Les séquences sèches de 6 et 7 jours consécutifs ont une fréquence
d’apparition faible et ne s’observent qu’au début et à la fin de la saison pluvieuse.
A la station de Fianga prise en exemple, les séquences de 7 jours sont observées
au mois d’avril et d’octobre et les séquences de 6 jours sont également observées
pratiquement à la même période. L’apparition de ces séquences montre
l’installation timide de la saison pluvieuse.
- la tendance sèche est plus prononcée avec des fréquences importantes
d’interruption sèches pouvant toucher presque toutes les décades jusqu’à 4 jours
et même 5 jours consécutifs secs. La distribution de ces séquences montre que

122
 les difficultés d’installation des pluies s’étendent jusqu’au mois de juillet; ce type
de séquence est repérable à la station de Guelendeng (figure 44).

Figure 44. Fréquence d’occurrence décadaire des séquences sèches à

Guelendeng

La figure 44 présentant la station de Guelendeng montre l’apparition fréquente

des séquences de 5 jours. Ces séquences montrent les difficultés d’installation de la
saison pluvieuse. Après les séquences de 6, 7 et 8 jours qui apparaissent au début, ce
sont les séquences de 5 jours qui montrent cette difficulté d’installation.
Il ressort de ces graphiques que les séquences sèches peuvent apparaître
n’importe quand pendant la saison pluvieuse. La première analyse est que les séquences
de 8 jours apparaissent le plus souvent au début et/ou à la fin de la saison pluvieuse,
entraînant des pauses pluviométriques (Sivakumar, 1992 ; Salack, 2013). Au cœur de la
saison pluvieuse, le maximum de l’année est tombé et les séquences longues sont rares.
Ce sont le plus souvent les séquences d’un jour, de 2 jours et 3 jours consécutifs qui
représentent des séquences courtes observées à la station de Billiam-oursi (figure 45).

123
 Figure 45. Fréquence d'occurrence décadaire des séquences sèches à
Billiam-oursi

L’autre analyse révèle que les décades du mois de mai et de juin enregistrent les
séquences sèches de plusieurs jours, correspondant toujours ainsi à l’installation timide
de la saison pluvieuse. Ce résultat confirme les difficultés d’installation de la saison
pluvieuse telles qu’évoqués par Bring (2005) au Nord-Cameroun dont la situation est
presqu’analogue au Sud-ouest tchadien et par Baohoutou (2007). À partir du mois de
juillet, les autres décades n’enregistrent que les séquences d’un et de deux jours de
pluies. Ces séquences ne sont pas très dommageables pour les activités agricoles mais
leur rapprochement au cours du temps risque d’être dommageable.
Il reste aussi à identifier si l’apparition fréquente des séquences sèches longues
justifie la quantité annuelle précipitée. A Billiam-oursi, par exemple, en 2011, les
séquences sèches de plus de 5 jours apparaissent 7 fois et la quantité totale précipitée est
de 787,3mm, supérieure à la moyenne (779,18mm). A Bongor, ces séquences
apparaissent six fois et la quantité annuelle est 574,6mm. A Moulkou également, en
2001, ces séquences apparaissent dix (10) fois mais ne jouent pas sur la quantité annuelle

124
qui est 868,4mm. Ce qui explique que la fréquence élevée de ces séquences sèches n’agit
pas directement sur la quantité annuelle et justifie l’analyse des pluies maximales un peu
plus loin. Il s’agit maintenant de procéder à l’analyse de la pluie à l’échelle journalière.

II.2.3. Des variations journalières très marquées

La pluviométrie ne varie pas seulement à l’échelle annuelle et mensuelle. Même
à l’échelle journalière, cette variation s’observe à plusieurs niveaux. L’étude de la
variabilité journalière de la pluie est indispensable car elle permet d’établir des liens
entre la quantité pluviométrique annuelle et le nombre de jours pluvieux, d’analyser les
pluies extrêmes qui influencent la production agricole, de connaître les différentes
tranches pluviométriques pour connaitre leur fréquence et leur distribution dans le
temps. Ces analyses commencent par celles des jours pluvieux.

II.3.1. Analyse des jours pluvieux

L’analyse des jours pluvieux permet de connaitre leur variabilité dans l’espace,
c’est-à-dire d’une station à une autre et aussi dans le temps (d’une année à une autre).
Leur connaissance permet d’évaluer globalement la quantité pluviométrique tombée.
L’objectif visé est d’analyser les liens entre la hauteur pluviométrique tombée et le
nombre de jours pluvieux. Ce qui permet de montrer la corrélation entre la quantité
pluviométrique tombée et le nombre de jours pluvieux dans les stations étudiées (tableau
XVIII).
Tableau XVIII. Corrélation entre la quantité de pluie et le nombre de jours
pluvieux
Station Bongor Billiam-oursi Guelendeng Fianga Moulkou
Quantité pluviométrique 815,97 751,55 658,43 793,74 748,48
Nombre de jours pluvieux 55 66 46 53 54
Coefficient de corrélation 0,53 0,26 0,59 0,84 0,41

Les données du tableau XVIII montre que les précipitations sont corrélées
positivement au nombre des jours pluvieux. Parmi toutes les stations, celle de Fianga
présente la corrélation la plus élevée entre la quantité de pluies tombées et le nombre de

125
jours pluvieux (0,84) suivie de celle de Guelendeng avec 0,59. Ces valeurs montrent une
forte corrélation linéaire entre ces deux variables à Fianga et une faible corrélation à
Billiam-oursi. Les stations de Guelendeng, Bongor et Moulkou présentent des valeurs
de corrélation moyenne entre la quantité des pluies et le nombre de jours pluvieux. La
station de Billiam-oursi enregistre une faible corrélation (0,26). L’analyse des tranches
pluvieuses donne une bonne image de la distribution des pluies.

II.3.2. Apport des tranches pluvieuses sur l’évolution de cumul saisonnier

L’analyse des tranches pluvieuses permet de se rendre compte de l’influence des
seuils pluviométriques (tranches) sur l’évolution de la saison pluvieuse. Sont analysées
ici les tranches de moins de 10mm, celles comprises entre 10 et 30mm, entre 30 et 50mm
et les tranches supérieures à 50mm.
Considérant les moyennes des différentes tranches pluviométriques, celles
inférieures à 10mm dépassent largement les autres tranches. A Fianga par exemple, la
moyenne des tranches inférieures à 10mm est de 26,75 avec un écart-type de 5,17 pour
être de 2,90 avec un écart-type de 1,70 pour les tranches supérieures à 50mm. Dans
toutes les stations, la moyenne et l’écart-type des tranches inférieures à 10mm dépassent
les autres tranches (tableau XIX).

Tableau XIX. Moyenne des tranches pluviométriques par station

Tranches de pluie Inf. 10 mm 10-30 mm 30-50 mm Sup. 50 mm

Moy. E.T. Moy. E.T. Moy. E.T. Moy. E.T.

Billiam-oursi 39,64 6,3 18,5 4,3 5 2,24 2,20 1,48

Guelendeng 26,21 5,12 18,5 4,3 4,40 2,10 2 1,41
Fianga 26,75 5,17 17 4,12 5,92 2,43 2,90 1,70
Moulkou 29,79 5,46 18,79 4,33 4,87 2,21 2 1,41
Bongor 41,10 6,41 18,2 4,27 4,1 2,02 2,85 1,69

Moy= moyenne ; E.T. : écart-type

Sur ce tableau, une décroissance de la moyenne et de l’écart-type des tranches

pluviométriques supérieures à 50mm à celles plus inférieures est observée. Ces deux
126
valeurs (moyenne et écart-type) confirment que les tranches pluviométriques les plus
fréquentes sont celles qui sont faibles et que les tranches les plus rares sont celles
supérieures à 50mm (figure 46).

Ajustement à une loi de Poisson, station de Ajustement à une loi de Poisson, station
Billiam-oursi de Bongor
2,5 2,5
2 2
1,5 1,5
1
1
0,5
0,5
0
0 1 3 5 7 9111315171921232527293133353739414345474951
0 3 6 9 121518212427303336394245485154
(moy.=39,64 écart-type=6,30) #REF!
#REF! #REF!
Nb. exp. Nb. théo.

Ajustement à une loi de Poisson, station de Ajustement à une loi de Poisson, station
Fianga de Moulkou
2,5 3,5
3
2
2,5
1,5 2
1 1,5
1
0,5 0,5
0 0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 0 2 4 6 810121416182022242628303234363840424446
(moy.=26,75 écart-type=5,17) (moy.=29,79 écart-type=5,46)
Nb. exp. Nb. théo.
Nb. exp. Nb. théo.

Ajustement à une loi de Poisson, station de

Guelendeng
2,5
2
1,5
1
0,5
0
0 2 4 6 8 10121416182022242628303234363840424446
(moy.=26,21 écart-type=5,12)
Nb. exp. Nb. théo.

Figure 46. Ajustement à la loi de Poisson des tranches pluviométriques

inférieures à 10mm
Cette figure montre que les tranches pluviométriques inférieures à 10mm
s’ajustent bien à la loi de Poisson. Elle renseigne sur la moyenne et l’écart-type de la

127
tranche. Les valeurs attestent de la prépondérance des pluies inférieures à 10mm. Les
moyennes et les écart-types de chaque station le montrent.
Les variables expliquées dans cette figure sont les données pluviométriques. Les
valeurs théoriques sont les données que nous sommes censés avoir en ce qui concerne
les tranches inférieures à 10mm. Il n’y a pas que cette tranche, il y a aussi les tranches
comprises entre 10 et 30mm dont leur analyse s’avère intéressante (figure 47).

Ajustement à une loi de Poisson, station de

Moulkou
4
3
2
1
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
(moy.=18,79 écart-type=4,33)
Nb. exp. Nb. théo.

Ajustement à une loi de Poisson, station de Ajustement à une loi de Poisson, station
Billiam-oursi de Fianga
5 2,5
4 2
3 1,5
2 1
1 0,5
0 0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 0 2 4 6 8 10 12 14 16 18 20 22 24 26
(moy.=18,50 écart-type=4,30) (moy.=17,00 écart-type=4,12)

Nb. exp. Nb. théo. Nb. exp. Nb. théo.

Ajustement à une loi de Poisson, station de Ajustement à une loi de Poisson, station
Bongor de Guelendeng
3 3

2 2

1 1

0 0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 0 2 4 6 8 10 12 14 16 18 20 22 24 26
(moy.=18,20 écart-type=4,27) (moy.=18,50 écart-type=4,30)

Nb. exp. Nb. théo. Nb. exp. Nb. théo.

Figure 47. Ajustement à la loi de Poisson des tranches pluviométriques entre 10 et

30mm

128
 Cette figure présente les tranches pluviométriques de 10 à 30mm des différentes
stations. Globalement, cette tranche pluviométrique s’ajuste bien à la loin de Poisson.
Les moyennes obtenues dans les différentes stations ne diffèrent pas trop les unes des
autres, tout comme les écart-types. Néanmoins, ces valeurs sont inférieures à celles des
tranches de pluie inférieures à 10mm. L’analyse des tranches pluviométriques comprises
entre 30 et 50mm donne encore plus d’éclaircissement sur cette tranche (figure 48).

Ajustement à une loi de Poisson, station de

Bongor
4
3
2
1
0
0 1 2 3 4 5 6 7 8
(moy.=4,10 écart-type=2,02)
Nb. exp. Nb. théo.

Ajustement à une loi de Poisson, station de Ajustement à une loi de Poisson, station
Billiam-oursi de Guelendeng
6 8
5
6
4
3 4
2
2
1
0 0
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8
(moy.=5,00 écart-type=2,24) (moy.=4,40 écart-type=2,10)

Nb. exp. Nb. théo. Nb. exp. Nb. théo.

Ajustement à une loi de Poisson, station de Ajustement à une loi de Poisson, station
Fianga de Moulkou
3,5 5
3
4
2,5
2 3
1,5 2
1
0,5 1
0 0
0 1 2 3 4 5 6 7 8 9 10 11 0 1 2 3 4 5 6 7 8
(moy.=5,92 écart-type=2,43) (moy.=4,87 écart-type=2,21)

Nb. exp. Nb. théo. Nb. exp. Nb. théo.

Figure 48. Ajustement à la loi de Poisson des tranches pluviométriques entre 30

et 50mm

129
 Cette figure montre que les tranches de 30 à 50mm s’ajustent bien à la loi de
Poisson. La moyenne et l’écart-type de cette tranche sont inférieures à ceux des tranches
inférieures. Ce qui atteste de leur fréquence d’apparition faible par rapport aux autres
tranches. Il reste maintenant à analyser les tranches pluviométriques supérieures à 50mm
de toutes les stations dans la plaine du Mayo-Kebbi pour apprécier leur importance
(figure 49).
Ajustement à une loi de Poisson, station de
Moulkou
6

0
0 1 2 3
(moy.=2,00 écart-type=1,41)
Nb. exp. Nb. théo.

Ajustement à une loi de Poisson, station de Ajustement à une loi de Poisson, station
Guelendeng de Billiam-oursi
5 6
4 5
4
3
3
2 2
1 1
0 0
0 1 2 3 4 0 1 2 3 4

(moy.=2,00 écart-type=1,41) (moy.=2,20 écart-type=1,48)

Nb. exp. Nb. théo. Nb. exp.

Ajustement à une loi de Poisson, station de Ajustement à une loi de Poissonn station
Fianga de Bongor
7
5
6
4 5
3 4
2 3
2
1
1
0 0
0 1 2 3 4 5 0 1 2 3 4 5 6 7 8
(moy.=2,90 écart-type=1,70) (moy.=2,85 écart-type=1,69)

Nb. exp. Nb. théo. Nb. exp. Nb. théo.

Figure 49. Ajustement à la loi de Poisson des tranches de pluie supérieure à

50mm

130
 Globalement, les différentes figures montrent que les différentes tranches
pluviométriques s’ajustent bien à la loi de Poisson. La probabilité d’apparition des
différents seuils pluviométriques est variable dans le temps. Ces figures montrent que la
probabilité d’apparition des pluies de plus de 50mm est faible par rapport à celle des
tranches de 30 et 50mm. Les tranches entre 10 et 30mm sont moins fréquentes que celles
inférieures à 10mm, par contre elles sont supérieures aux tranches entre 30 et 50mm.
C’est dire que les pluies faibles sont prépondérantes par rapport aux fortes pluies. Ces
résultats confirment les analyses de Baohoutou (2007) qui révèle que les pluies faibles
sont la caractéristique des régions soudaniennes.
Prudenzano4 (1994) a classifié les pluies afin qu’elles tiennent de guide pour la
conduite des semis. Dans sa classification, il estime qu’un cumul pluviométrique de 5
mm est nul ; il est faible de 5 à 15 mm, modéré de 15 à 30 mm, moyen de 30 à 50 mm,
important de 50 à 75 mm et très important de 75 à 100 mm et plus. En se basant sur la
classification de l’OMM et d’après celle de Prudenzano, les pluies faibles (tranches
inférieures à 10mm et celles entre 10 à 30 mm) dominent dans la plaine du Mayo-Kebbi
(figure 50).

4
Auteur cité par Baohoutou (2007), page 42

131
 Source : DREM adaptée par Gouataine, 2015

Figure 50. Proportion des tranches pluviométriques dans la plaine du

Mayo-Kebbi

Cette figure présente la proportion des différentes tranches pluviométriques. Les

tranches de pluie inférieures à 10mm sont prépondérantes que toutes les autres tranches.
L’analyse de la pluie à l’échelle journalière ne peut être complète qu’avec l’analyse des
pluies extrêmes.

II.3.3. Les pluies extrêmes

Les pluies extrêmes, même si elles sont rares constituent un risque climatique
majeur pour les cultures. Ces événements sont souvent à l’origine de la destruction des

132
cultures. Vue ces conséquences désastreuses, elles retiennent l’attention de nombreux
chercheurs en agro climatologie. Une bonne connaissance de leur distribution
temporelle et spatiale est d’intérêt capital pour faire face aux risques agricoles. L’analyse
de leur distribution statistique pour voir à quelle loi elles s’ajustent permet de les
apprécier et d’estimer leurs différentes périodes de retour.
Pour pouvoir disposer d’une série des pluies journalières maximales qui peuvent
se prêter à l’analyse, on a récupéré pour chaque année une valeur maximale de pluie
tombée au cours de la saison pluvieuse pour les cinq (5) postes pluviométriques, durant
la période 2000 à 2012. Une première étape de l’analyse consiste à déterminer une loi
de distribution à laquelle ces données s’ajustent au mieux. Parmi les nombreuses lois
proposées pour les pluies extrêmes, la loi de Gumbel, universellement admise comme
la loi régissant les phénomènes extrêmes reste la plus utilisée (Laborde, 1998). Les
pluies maximales dans la plaine du Mayo Kebbi s’ajustent parfaitement à cette loi.
En fait, le modèle Gumbelien avec ses deux paramètres (moyenne =P et gradex
= g) apparaît comme un bon estimateur des pluies de fréquence rare par rapport à la loi
exponentielle double qui manque un peu de stabilité (quatre paramètres à ajuster) dans
les cinq stations (figure 51).

133
 Figure 52. Ajustement des pluies maximales à la loi de Gumbel

Au vu de ces graphiques, les pluies maximales s’ajustent parfaitement à la loi de

Gumbel. L’ajustement à cette loi permet aussi d’estimer les fréquences décennales et
centennales de ces pluies extrêmes.
La connaissance de la fréquence des événements extrêmes ou encore de leur
période de retour (T exprimé en nombre d’années) est d’importance capitale en agro
climatologie. Celle-ci permet d’évaluer leur importance, par conséquent de mieux
prendre des mesures contre leurs effets dévastateurs.
Pour estimer des pluies journalières extrêmes de fréquences décennale (P10) et
centennale (P100), nous avons travaillé directement sur les pluies journalières

134
maximales annuelles en calculant pour chacune au niveau de chaque station sa fréquence
théorique F(x) suivant la loi de Gumbel et sa période de retour théorique (T) telle que :
1
𝑇=
1 − 𝐹(𝑥)
Ainsi, un événement x de fréquence théorique F(x) = 0,9 ou F(x) =0,99 a une
période de retour de 10 ou 100 ans, tel qu’il a chaque année en moyenne une chance sur
dix ou sur cent d’être dépassée ou qu’il est en moyenne dépassé une fois tous les 10 ou
100 ans. Mais il faut admettre que cette période de retour est purement statistique et
caractérise la rareté d’un tel événement. Pour ces deux fréquences (0,9 et 0,99), les
valeurs de la variable réduite de Gumbel correspondantes qui s’obtient par la formule –
LN (-LN (F)) sont respectivement de 2,3 et 4,6. La crédibilité que l’on peut accorder à
une estimation est fonction de la taille de l’échantillon (Laborde, 1998). Dans le cas
d’étude, les échantillons sont de taille 12 et donnent les résultats variant selon les stations
(tableau XX).

Tableau XX. Mode, gradex et pluies fréquentielles décennales et centennales

Station Mode Gradex (g) Fréquence décennale Fréquence
(Po) (F=0,9) centennale (F=0,99)
Bongor 71,18 20,52 118,36 165,55
Billiam-oursi 60,22 18,34 102,406 144,59
Fianga 58,42 14,80 92,461 126,505
Moulkou 67,17 17,48 107,380 147,596
Guelendeng 57,44 15,70 93,549 129,657

En observant le tableau, la remarque à faire est que les pluies décennales sont
atteintes à Billiam-oursi (109,4mm en 2001 ; 110mm en 2012), Moulkou (108mm en
2009), Guelendeng (108mm en 2009). Ce sont les précipitations centennales qui ne sont
pas atteintes. Ces exemples confirment les résultats des analyses, pour dire qu’en 12 ans,
les probabilités d’atteindre les pluies décennales sont certaines.

135
 Conclusion
Il a été question dans ce chapitre d’analyser le comportement de la pluie à partir
des cumuls mensuels et journaliers. Il ressort que la corrélation entre la quantité de pluie
tombée et le nombre de jours pluvieux est bonne, ce qui atteste d’un bon rapprochement
entre ces deux paramètres. L’analyse des séquences sèches donne une autre image de la
pluie dans la plaine du Mayo-Kebbi. Il ressort que les séquences sèches de plus de 8
jours interviennent au début et à la fin de la saison pluvieuse et les séquences d’un, 2, 3
et 4 jours interviennent le plus souvent au cœur de la saison pluvieuse. Les séquences
de 5 et 6 jours peuvent intervenir de manière irrégulière dans certains sites créant des
« trous pluviométriques ».
De l’analyse des tranches pluviométriques, il ressort également que les tranches
pluvieuses inférieures à 10mm sont largement supérieures à d’autres, les plus faibles
sont les tranches supérieures à 50mm. L’analyse des pluies maximales journalières a
aussi donné aussi des informations intéressantes. L’analyse de leur fréquence montre
que les pluies décennales sont fréquemment atteintes certaines années dans certains
sites.
En fait, quels sont les effets de ces différentes variabilités sur les systèmes
agricoles ? En quoi la pluviométrie influence la production agricole ? Dans la seconde
partie de ce travail, ces aspects évoqués sont traités.

136
 DEUXIÈME PARTIE.
LES EFFETS DES VARIABILITÉS PLUVIOMETRIQUES
SUR LES SYSTÈMES VEGETATIFS DES PLANTES
CULTIVEES
Les variabilités pluviométriques étudiées influencent les systèmes végétatifs des
plantes cultivées de la plaine du Mayo-Kebbi. Ces fortes variabilités interannuelles et
spatiales désorganisent les systèmes végétatifs. Cette partie est consacrée à l’analyse des
effets de ces variabilités sur les systèmes végétatifs. Elle comporte aussi deux chapitres.
Le troisième est consacré à l’analyse des effets des variabilités pluviométriques sur les
systèmes de culture et le quatrième évoque l’analyse de ces variabilités sur les systèmes
végétatifs.

137
 CHAPITRE III.
DES PARAMETRES AGRICOLES FORTEMENT
PERTURBÉS PAR LES VARIABILITÉS PLUVIOMETRIQUES

138
 Le système cultural est un ensemble d’itinéraires techniques, c'est-à-dire des
successions ordonnées et datées de techniques et de pratiques culturales appliquées à
des espèces végétales cultivées en vue d’obtenir des produits. Dans le Sud tchadien en
général et dans la plaine du Mayo-Kebbi en particulier, le système cultural est tributaire
de la pluie. Sur toute l’étendue de la plaine, les activités agricoles dépendent totalement
du rythme climatique. Les systèmes de culture sont bouleversés dans leurs fondements
par les variabilités pluviométriques. Pour comprendre ce bouleversement, il est
indispensable d’analyser les effets de ces variabilités sur ces systèmes. Avant d’analyser
la relation entre la pluie annuelle et les systèmes de culture, il est important de connaitre
les différents secteurs agro-écologiques, de présenter globalement la situation de la
production agricole et des rendements de la plaine du Mayo-Kebbi et les relations
existantes entre ces paramètres. Sont aussi étudiées les corrélations entre les différents
paramètres agricoles et entre la pluie avec ces différents paramètres.

III.1. SECTEURS AGRO-ECOLOGIQUES ET SYSTEMES AGRICOLES

L’analyse des secteurs agro-écologiques et des systèmes culturaux amène à

connaitre le découpage agricole de la zone d’étude avec les cultures qui sont spécifiques
à chaque espace et les systèmes de cultures pratiqués. Il s’agit de détailler chaque secteur
agro-écologique et présenter les systèmes de culture en vigueur dans la plaine.

III.1.1. Secteurs agro-écologiques

La plaine du Mayo-Kebbi est divisée en plusieurs secteurs agro-écologiques. Ces

secteurs sont d’abord représentatifs du découpage administratif : la plaine du Mayo-
Lemié qui prend le département du même nom, la plaine du Mayo-Boneye qui tire son
nom du cours d’eau la traversant, donnant ainsi le nom du département et les dépressions
toupouri qui renvoient aux Monts Illi. Les principales cultures dominantes imposent
aussi cette répartition pour les différents secteurs écologiques (figure 52 et tableau XXI).

139
Figure 52. Secteurs agro-écologiques de la plaine du Mayo-Kebbi

140
 Tableau XXI. Caractéristiques de chaque secteur agro-écologique
Caractéristiques Systèmes de culture et observations
La plaine du Mayo-Boneye est constituée des sous-préfectures de Rhigaza Le système de culture est
(Billiam-oursi), de Bongor, de Moulkou, de Semga (Djarwaye), de Kim et de Kolobo. essentiellement basé sur le sorgho
Le climat est à deux saisons bien tranchées : une saison humide de mai ou juin rouge. Le maïs et le pénicillaire sont
Plaine du Mayo Boneye

à octobre et une saison sèche de septembre à mai. Le maximum annuel peut dépasser cultivés dans sa partie septentrionale.
les 1000mm certaines années. La moyenne est de 800mm. La période végétative est Le taro est cultivé dans la zone de
de 150 jours. Kim et Koyom au sud de la plaine. A
Les sols de cette plaine sont des sols peu évolués. Ce sont des sols sur alluvions l’ouest, c’est la culture du riz qui
sablo-limoneux correspondant aux sols alluviaux du Logone. Les sols à texture fine domine.
en surface (teneur élevée en argile, forte capacité de rétention de l’eau) conviennent
aux cultures de décrue.
La forte densité de la population et les risques élevés d’inondation de ces
localités ne permettent pas d’exploiter efficacement les sols. Toutefois, dans sa partie
septentrionale, la culture d’autres spéculations est élevée. La culture de contre-saison
est aussi beaucoup développée. Les conflits fonciers sont aussi élevés.

141
 C’est le secteur qui couvre les sous-préfectures de Katoa, Nanguigoto et En plus du sorgho rouge, le
Guelendeng. Quatre (4) cantons se partagent l’espace : le canton Katoa, Mogrom, pénicillaire est beaucoup labouré.
Plaine du Mayo Lemié

Malboum et Mito. La précipitation maximale n’excède pas 800mm et la durée de la Une autre variété du mil appelé ‘‘BZ’’
saison des pluies est très courte (3 à 4 mois). Cette zone assure la transition entre les est cultivé en septembre. Elle est
domaines sahélo-soudanien et sahélien. La période végétative est de 120 jours. précoce et dispose d’un fort potentiel
Les sols sont constitués de vertisols qui sont temporairement soumis à une de rendement. Les cultures
inondation due au débordement des fleuves. maraîchères sont aussi beaucoup
La densité de la population est relativement faible par rapport à celle du Mayo- développées.
Boneye. La disponibilité des terres est moyenne, c’est-à-dire que chaque exploitant
peut disposer d’un à deux hectares pour labourer.
Cette dépression couvre la zone de Fianga, Hollom-Gamé, Youé, Kera, Tikem. Le système cultural est
Le maximum pluviométrique dans cette zone est de 1055,7mm. La saison pluvieuse caractérisé par la pratique d’une seule
Dépression toupouri

est la plus longue de la zone d’étude. culture suivie de béré-béré qui est une
Les sols de cette plaine sont des sols ferrugineux tropicaux. Ils sont cultivés en culture de contre-saison. D’autres
mil, sorgho, manioc. Ces sols sont pauvres en matières organiques et l’apport cultures telles que l’arachide sont
d’engrais chimique ou une très longue durée de la jachère st nécessaire pour maintenir aussi pratiquées.
la fertilité. La densité de la population permet une exploitation de 2 à 3 ha par
exploitant. Le système locatif est aussi développé surtout à Tikem.

Source : Enquête de terrain, 2013, 2014

142
 III.1.2. Systèmes de culture
Les systèmes de culture mis en œuvre par les agriculteurs dans la plaine du Mayo-
Kebbi sont souvent complexes : successions de plusieurs cultures dans l’année,
associations de plantes dont le cycle et l’utilisation sont très diversifiés. La mise en
culture de cette plaine suppose tout d’abord le défrichement des champs. La culture sur
brulis est la règle.
Le brûlis est très souvent suivi des opérations de semis ou de bouturage, sans
grand travail du sol préalable. Les semences de céréales et de légumineuses, ainsi que
les boutures, peuvent être directement enfouies dans le sol. Plusieurs espèces et variétés
peuvent être étroitement associées sur la même parcelle, de façon à ce que les plantes
de tailles et de ports différents recouvrent rapidement la totalité du terrain et puissent
ainsi intercepter le maximum de rayonnement solaire. Le choix des espèces et des
écartements entre plantes tient compte aussi des risques d’invasion par les herbes
adventices.
Les systèmes culturaux, dans la plaine du Mayo-Kebbi, sont constitués de la
monoculture. Cette monoculture n’est constituée que de la culture pure. On parle de
culture pure lorsqu’une seule espèce est cultivée sur une parcelle. Avec la forte
variabilité interannuelle de la pluie, cette pratique culturale ne prend plus de l’ampleur
comme auparavant. 75% des enquêtés déclarent avoir basculé dans d’autres pratiques
agricoles.
L’association des cultures, pratiquée depuis toujours est plus accentuée
aujourd’hui. Les cycles culturaux des deux cultures (sorgho rouge-niébé ; sorgho rouge-
sésame ; sorgho rouge-pénicillaire) se chevauchent, sans pour autant être forcément
plantées ou récoltées en même temps. Ici, l’association culturale est mélangée puisqu’il
n’y a pas un arrangement géométrique nettement observable.
La culture par séquence constitue le moyen d’utiliser toutes les possibilités
agronomiques du sol sans l’épuiser. Cependant, l’association des cultures continue de
dominer dans les différentes localités (planche 1). Elle consiste à cultiver simultanément
sur une même parcelle deux ou plusieurs cultures.

143
 10°12’N et 15°12’N ; 10°54’N et 15°14’E
Cliché Gouataine, 2014

Planche 1. Association des cultures à Bawaliassou (Moulkou) et Tcharaye

(Bongor)
Cette planche montre l’association des cultures pratiquée de plus en plus dans
la plaine du Mayo-Kebbi comme une réponse à la variabilité pluviométrique. Cette
association concerne les cultures ayant des formes de développement différentes. Elle
est aujourd’hui la règle pour les agriculteurs.

La succession culturale est aussi un autre système de culture observé dans la

plaine du Mayo-Kebbi. Le champ de maïs, après récolte est nettoyé pour une autre
culture. Cette pratique n’a le plus souvent lieu que lorsque les pluies sont précoces. Les
variétés à cycle court sont très facilement adoptées et deux récoltes sont possibles au
cours de l’année. Mais avec la forte variabilité interannuelle de la pluie, elle tend à
disparaître.
La jachère est l’état d’une parcelle de terre entre la récolte d’une culture et la mise
en place d’une autre culture. La durée moyenne de la jachère est de 3 à 5 ans, ce qui
explique l’utilisation excessive d’engrais et de fertilisants. Le coefficient L d’Allan
calculé sur cette plaine montre que le sol se repose peu et est donc surexploitée. Ce
coefficient est égal à :

144
 (𝑪 + 𝑱)
𝑳=
𝑪
Avec
C= nombre d’années de mise en culture ;
J= nombre d’années de mise en jachère ou en repos.
Si L ≥ 5, le sol est exploité judicieusement et ne subit aucune pression ;
Si L  5, le sol est surexploité.
Ce coefficient permet de caractériser le niveau de fertilité des sols et les résultats
montrent qu’il existe quelques disparités d’un espace à un autre (tableau XXII).

Tableau XXII. Niveau d’exploitation des sols de la plaine du Mayo-Kebbi

Nom du Durée Durée de Coefficient
périmètre d’exploitation jachère L
Tcharaye 10 4 1,4
Djarabou 10 4 1,4

Gourneyda 7 3 1,42
Guelendeng 9 4 1,44
Moulkou 5 3 1,6
Bawaliassou 5 3 1,6
Fianga 8 4 1,5
Tikem 9 4 1,44
Source : Enquête de terrain, 2014

Le tableau XXII montre que la jachère est réduite dans la plaine du Mayo-Kebbi.
Sa courte durée ne permet pas au sol de se régénérer normalement. La durée
d’exploitation dépasse largement le temps de jachère qui se trouve réduit année après
année. Cette réduction conditionne aussi le cycle des travaux culturaux (tableau XXIII).

145
 Tableau XXIII. Cycle des travaux
Périodes Activités
Mai-début Juin Défrichement des champs
Juin Semis du sorgho, du maïs, du niébé, du sésame,…
Juillet Semis et repiquage du riz,
Août Sarclage du sorgho, du maïs, de l’arachide…
Septembre Sarclage du pénicillaire
Octobre Récolte maïs, arachide…
Novembre Récolte du riz
Décembre Récolte du pénicillaire et du riz
Source : Enquête de terrain, 2014

III.1.3. Techniques de culture

80% des enquêtés affirment utiliser les outils agricoles rudimentaires. La houe et
la machette demeurent les matériels agricoles les plus utilisés. 15% utilisent la charrue
et ont des bœufs pour la culture attelée. Les 5% restant ont accès aux motoculteurs-
tracteurs (figure 53). L’accès aux motoculteurs nécessite les moyens financiers, et
comme les producteurs agricoles n’ont pas assez de moyens financiers pour assurer la
location, ils ne peuvent revenir que sur les moyens rudimentaires.

Houe et machette Charrue Motoculteur-tracteur

Figure 53. Répartition de l’utilisation des matériels agricoles

146
 En ce qui concerne les procédés de labour, le sarclage a lieu deux (2) fois dans
l’année. Juste après le défrichement des champs, le champ est labouré afin d’être semé.
Ce labour est fait généralement avec les bœufs d’attelage. Le second sarclage intervient
après le semis, au moment où les grains ont poussé et atteint une certaine hauteur. Les
sillons ne sont pratiqués que pour la culture de la patate et le taro vers la zone de Kim.
L’analyse des systèmes de culture a permis d’avoir un aperçu global des pratiques
agricoles dans la plaine du Mayo-Kebbi. Il importe d’analyser les paramètres agricoles
issus de ces pratiques et systèmes de culture.

III.2. EVOLUTION DES PARAMETRES AGRICOLES

L’analyse des paramètres agricoles dans la plaine du Mayo-Kebbi permet de
mieux comprendre l’évolution et la variation de la production globale, du rendement et
des surfaces cultivables. L’intérêt d’une telle analyse réside dans le fait qu’elle facilite
la corrélation des paramètres agricoles à la pluviométrie. Sont présentées
successivement, l’évolution de la production globale, celle des rendements et des
surfaces agricoles.

III.2.1. Evolution de la production agricole dans la plaine du Mayo-Kebbi

La production agricole dans la plaine du Mayo-Kebbi n’est pas statique. Année
après année, elle subit des variations importantes. Les différentes cultures (sorgho, riz,
maïs, sésame, pénicillaire et arachide) sont représentées graphiquement de 1980 à 2015
suite aux difficultés d’avoir les données agricoles de 1960 à 2015 comme les données
pluviométriques. Les données stationnelles ne sont disponibles que pour une période de
seize ans (2000-2015). Les différentes graphiques montrent globalement que l’évolution
interannuelle de la production agricole dans la plaine du Mayo-Kebbi se fait en dents de
scie (figure 54).

147
 Figure 54. Evolution de la production agricole dans la plaine du Mayo-
Kebbi
La figure 54 montre que la première décennie enregistre des faibles productions
sur presque toutes les productions. Les productions continuent d’augmenter à la
deuxième décennie alors qu’à la troisième, elle est tantôt déficitaire, tantôt excédentaire.
En considérant le pénicillaire par exemple, la première et la troisième décennie ont
enregistré de faibles valeurs, sauf la seconde qui est excédentaire. Pour les autres
cultures, la situation est analogue à celle du pénicillaire. Cette production globalement
déficitaire à la première décennie s’explique par la sécheresse qui a frappé le sahel dont
la plaine du Mayo-Kebbi. La production de toutes les cultures est mauvaise au regard
de la rigueur climatique. A partir des années 90, la situation s’est stabilisée et les

148
 productions agricoles ont augmenté. La troisième décennie est déficitaire pour certaines
cultures (riz, arachide, sésame, pénicillaire) et stable pour le sorgho et le maïs. Les
données utilisées présentent les paramètres de dispersion des productions agricoles
autour de la moyenne (XXIV).

Tableau XXIV. Statistique descriptive des productions

Cultures Minimum Maximum Moyenne Écart-type Coefficient de variation
Sorgho 30148 85511 58384 14257 24,4%
Riz 175 9748 4199,7 2246,7 53,5%
Pénicillaire 2078 24986 11038 5861,4 53,1%
Maïs 4425 22398 11807 4602,3 39,0%
Arachide 15500 54867 28606 9573,6 33,5%
Sésame 413 2813 1357,8 596,74 44%

On retient de ce tableau que la moyenne la plus élevée est celle du sorgho suivie
de celle d’arachide. La moyenne la plus basse est celle du riz avec 4199,7t. Par contre,
le coefficient de variation du riz est le plus élevé (53,5%) par rapport à celui de
l’arachide (33,4%). Ces données montrent que la variabilité des productions est
inversement liée à la moyenne annuelle.
Au niveau des stations, la situation permet de mieux apprécier les liens entre la
pluie et la production agricole. Trois spéculations sont prises en compte pour présenter
la situation à l’échelle stationnelle. Il s’agit du riz, du maïs et de l’arachide (figure 55).
Les principaux secteurs représentant les secteurs agro-écologiques ont été pris en
compte dans cette évaluation : il s’agit de Bongor, Guelendeng et Fianga. Les données
sont exprimées en tonnes.

149
 Figure 55. Evolution de la production du maïs à l’échelle stationnelle

Cette figure présente l’évolution de la production du maïs à l’échelle des stations.

La production à Fianga est en véritable dents de scie. Il y’a une fluctuation interannuelle
de la production. Par contre, à Bongor, la production la plus élevée est enregistrée en
2008 avant de baisser en 2004 et 2005. A partir de 2009, on observe une forte fluctuation
de la production. A Guelendeng, la production n’est pas très élevée comme à Bongor et
Fianga. La plus forte production n’est observée qu’en 2007 et 2009. Tout de même, ces
graphiques ont montré la variabilité interannuelle de la production du maïs. L’autre
culture soumise à l’analyse de sa variabilité est le riz (figure 56).

150
 Figure 56. Evolution de la production du riz à l’échelle stationnelle

La figure 56 montre l’évolution de la production du riz. On observe qu’à Fianga,

la production est bonne dans l’ensemble sauf en 2008 et 2009 qu’elle est très déficitaire.
Les valeurs les plus élevées ne s’observent qu’en 2006, 2010 et 2012 avant de décroître.
A Bongor, on observe une fluctuation de la production. Cette zone étant la base de la
production du riz, les valeurs sont plus élevées qu’ailleurs. Les années 2004 et 2005
enregistrent les faibles productions alors que les autres en enregistrent les plus grandes.
De ces trois stations, celle de Guelendeng enregistre les plus faibles productions. N’étant
pas une zone à vocation rizicole, la culture du riz dans cette zone n’est pratiquée que
dans des petites surfaces. La production est stable dans cette zone.
En plus de la production du riz et du maïs, il y’a aussi la production de l’arachide
(figure 57).

151
 Figure 57. Evolution de la production de l’arachide à l’échelle stationnelle

L’évolution de la production de l’arachide n’est pas trop différente de celle des

autres spéculations. Dans toutes les trois stations, une oscillation de la production est
observée. La variation interannuelle de la production est commune à tous les sites. Elle
est beaucoup plus prononcée à Fianga qu’à Guelendeng, car il existe une forte baisse en
2003 et 2004 alors qu’à Guelendeng, la fluctuation interannuelle est modérée. La
situation de Bongor est semblable à celle de Guelendeng. Néanmoins, une baisse de la
production est observée en 2000, 2001, 2007, 2008 et 2011.
Ces figures montrent que pour les dix ans, les productions oscillent année après
année. Globalement, il y a une variation de la production agricole. L’oscillation de la
production à l’échelle stationnelle suit l’échelle globale dont la troisième décennie est
tantôt déficitaire, tantôt excédentaire. Il faut évaluer alors les rendements pour mieux
appréhender les liens pluie-production agricole.

152
 III.2.2. Evolution de rendement dans la plaine du Mayo-Kebbi
Le rendement des différentes cultures pratiquées dans la plaine est aussi variable
dans l’espace et dans le temps. Ce rendement calculé sur la même base que celle de la
production sur la période 1980-2015 permet de comprendre sa fluctuation interannuelle
et de corréler cette évolution avec les autres paramètres agricoles ainsi qu’avec la pluie.

Figure 58. Evolution de rendement des cultures de la plaine du Mayo-Kebbi

153
 La figure 58 montre la variation de rendement des différentes spéculations dans
la plaine du Mayo-Kebbi. Les figures attestent que les rendements subissent de
profondes variations. Dans le temps, la variation est forte parce que les années qui se
suivent ne se ressemblent pas. Les rendements des différentes cultures ne sont pas les
mêmes chaque année, la variation est observable au regard des graphiques.
Le rendement du sorgho est stable dans l’ensemble, ce n’est qu’à partir de 2004
que les fortes fluctuations sont observées. L’année 2007 apparait comme celle ayant
enregistrée un fort rendement et l’année 2005 comme celle ayant enregistré un faible
rendement. Pour le pénicillaire, la première décennie n’a subi que de faibles fluctuations
et ce n’est qu’à partir de 1990, que les fluctuations deviennent de plus en plus
importantes. La troisième décennie est celle ayant enregistré les plus faibles et forts
rendements. Contrairement au sorgho et au pénicillaire, le sésame enregistre les forts
rendements à la deuxième décennie (1996) et la plus faible en 2005. Les rendements du
maïs subissent une variation interannuelle forte de 1986 à 2015. La fluctuation est forte
pour cette culture. L’année 1993 a enregistré le plus faible rendement et 2012 le plus
fort. Pour le riz, les fluctuations sont de plus en plus fortes comme en témoigne le
graphique. Les années 1984 et 2005 ont enregistré les plus faibles rendements. Les écarts
de rendement d’une année à l’autre sont importants et montre le comportement
particulier des rendements de cette culture par rapport à d’autres. Les fluctuations de
rendements de l’arachide ne sont pas très fortes. Globalement, la deuxième décennie
enregistre les rendements les plus élevés alors que la troisième décennie enregistre des
faibles rendements (tableau XXV).

Tableau XXV. Statistique descriptive des rendements

Cultures Minimum Maximum Moyenne Écart-type Coefficient de
variation
Sorgho 456 1321 712,1 150,17 21,1%
Riz 32 1462 717,2 326,63 45,5%
Pénicillaire 299 853 573,13 121,62 21,2%
Maïs 475 1081 770,29 138,36 18,0%
Arachide 479 918 669,97 125,37 18,7%
Sésame 167 608 309,37 76,032 24,6%

154
 La situation des rendements est différente de celle des productions. La variabilité
des rendements n’est pas inversement liée à la moyenne. Le sésame enregistre la
moyenne des rendements les plus faibles alors que le maïs enregistre la moyenne la plus
élevée. Le riz présente la particularité d’enregistrer le rendement le plus faible et le
rendement le plus élevé. Cette culture enregistre aussi le coefficient de variation le plus
élevé (45,5%).
Cette analyse à l’échelle de la plaine ne donne qu’un aperçu global de l’évolution
des rendements. L’analyse à l’échelle stationnelle permet d’appréhender au mieux cette
variation lorsqu’on s’en tient par exemple aux rendements du riz à l’échelle stationnelle
(figure 59).

Figure 59. Evolution de rendement du riz à l’échelle stationnelle

Cette figure montre la variation interannuelle de rendement du riz. Comme pour

la production, la variation interannuelle est forte. On enregistre tantôt des années
déficitaires, tantôt des années excédentaires. Les années 2004 et 2005 sont celles qui ont

155
enregistré de très faibles rendements du riz à Bongor. Par contre, à Guelendeng, la
variation de rendement n’est pas très accentuée, des faibles rendements sont enregistrés
en 2000 et 2006. La situation à Fianga diffère des deux autres stations par la nature et la
croissance de la variation. Une variation interannuelle de la pluie est observée mais cette
variation est croissante. Les rendements obtenus sont améliorés au fur et à mesure au
cours des années. Ce n’est qu’à partir de 2006 que les rendements décroissent jusqu’en
2008 avant de s’améliorer en 2009.
La variation spatiale montre que Bongor est la station qui obtient les bons
rendements par rapport à Fianga et Guelendeng qui ont les faibles valeurs. Les faibles
valeurs enregistrées à Bongor constituent les valeurs moyennes dans les autres stations,
à cause de l’importance de rendement. Le cas observé pour l’arachide dans quelques
stations de la plaine du Mayo-Kebbi est à cet effet illustratif (figure 60).

Figure 60. Evolution de rendement de l’arachide à l’échelle stationnelle

156
 L’évolution de rendement de l’arachide à l’échelle stationnelle ne diffère pas de
celle du riz. La variation interannuelle est plus prononcée à Guelendeng. Alors qu’à
Fianga, c’est une régularité dans les rendements qui atténue la variation. A Bongor, le
rendement le plus élevé n’est observé qu’en 2002 et 2007 alors que les autres valeurs
sont moyennes. L’analyse de l’évolution de rendement de l’arachide complète l’image
globale des rendements dans la plaine du Mayo-Kebbi (figure 61).

Figure 61. Evolution de rendement de maïs à l’échelle stationnelle

Cette figure présente la variation de rendement de maïs dans quelques stations.

La fluctuation interannuelle de rendement est réelle dans les trois (3) sites mais quelques
irrégularités méritent d’être dégagées. A Bongor, les rendements élevés sont observés
en 2003 et 2008 alors que les années 2002 et 2012 ont enregistré les plus faibles
rendements. A Guelendeng, les rendements sont faibles et c’est à partir de 2008 et 2009
qu’une augmentation est constatée.

157
 L’observation des différentes figures montre une variation interannuelle des
rendements des différentes cultures. Ces variations se remarquent d’une année à une
autre et également d’une culture à une autre. Il s’agit maintenant d’analyser l’évolution
des surfaces agricoles.

III.2.3. Evolution des surfaces cultivées de la plaine du Mayo-Kebbi

L’analyse de l’évolution des surfaces cultivées permet de mieux comprendre
l’évolution des productions et des rendements dans la zone d’étude et dans quelques
sites. L’intérêt de cette analyse réside dans le fait qu’elle permet d’apprécier les relations
existantes avec les paramètres agricoles. Cette relation peut être appréciée par l’étude
des corrélations. Mais avant d’en arriver à cela, il importe d’analyser l’évolution des
emblavures (tableau XXVI).

Tableau XXVI. Statistique descriptive des surfaces agricoles

Cultures Minimum Maximum Moyenne Écart-type Coefficient de
variation
Sorgho 41115 121329 81554 16435 20,2%
Riz 2443 14730 5935,7 2968,8 50%
Pénicillaire 10946 38172 21691 7587,3 35%
Maïs 5531 52834 19111 12365 64,7%
Arachide 10678 66050 38113 12311 32,3%
Sésame 2039 8090 4352,4 1549,2 35,6%

La situation au niveau des emblavures donne des informations intéressantes. La

superficie la plus faible enregistrée est celle du riz avec 2443 ha alors que la plus élevée
est celle de l’arachide. Le coefficient de variation du maïs est le plus élevé (64,7%) alors
que celui du sorgho apparaît le plus faible (20,2%). Le coefficient de variation moyen
est celui du riz (50%). Au regard de ces coefficients, la surface de maïs subit plus de
variation que les autres cultures. Cette statistique ne permet pas de saisir les variations
interannuelles, il faut analyser l’évolution interannuelle des surfaces (figure 62).

158
 Figure 62. Evolution des surfaces emblavées (hectare)

La figure 62 montre les surfaces emblavées de chaque culture de la plaine. Ces

différentes graphiques montrent une oscillation des surfaces emblavées. La première
décennie est globalement déficitaire par rapport à la seconde. La troisième décennie est
stable pour certaines cultures et déficitaires pour d’autres.
La surface du sorgho a connu une fluctuation moyenne pendant la première
décennie. La seconde décennie a enregistré les surfaces les plus élevées alors que la
troisième décennie a enregistré les surfaces les plus basses. La surface du maïs a connu
une augmentation de 1986 à 2015. Les surfaces les plus petites sont cultivées pendant

159
la première décennie alors que les surfaces les plus grandes sont observées à la troisième
décennie.
La surface du sésame a connu une augmentation de 1980 à 2000 avant de
décroitre. La troisième décennie a enregistré la plus grande surface en 2000 et la plus
petite en 2008 et jusqu’en 2015. Pour l’arachide, c’est une situation en dents de scie qui
est observée. La deuxième décennie a enregistré les surfaces les plus élevées et la
troisième a enregistré les plus faibles surfaces. La surface du riz a connu aussi des
fluctuations de 1980 à 2015. De 1980 à 1989, les superficies cultivées ne sont pas
élevées. De 1990 à 1989, c’est une augmentation constante qui est observée. Les plus
grandes surfaces sont cultivées au début de la troisième décennie et les plus faibles
surfaces sont enregistrées de 2002 à 2009 avant de croitre jusqu’en 2015.
Enfin, la surface du pénicillaire a connu une fluctuation semblable à celle des
autres cultures. Le début de la première décennie a connu de faibles surfaces et cela se
comprend par les faibles précipitations enregistrées à cette période. Une augmentation
constante est observée pour atteindre l’optimum en 1986. Les autres années ont
enregistré de faibles surfaces jusqu’en 2006 pour s’augmenter légèrement avant de
décroître, croître à nouveau en 2010 et 2011. Ces analyses à l’échelle globale cachent
une disparité. Pour mieux comprendre les fluctuations des surfaces, une analyse à
l’échelle moyenne est aussi judicieuse pour mieux appréhender cette évolution (figure
63).

160
 Figure 63. Evolution de la surface du riz à l’échelle stationnelle par hectare

La figure 63 présente l’évolution de la surface du riz à l’échelle des stations. A

Bongor, les années 2000 et 2003 sont marquées par une réduction de la superficie
cultivable et l’année 2005 a enregistré la plus grande superficie. De 2005 à 2015, une
stabilisation des surfaces cultivables.
A Guelendeng, les superficies sont croissantes les trois premières années avant
de connaitre une faible fluctuation interannuelle. Pour Fianga, c’est aussi une fluctuation
de la surface cultivable qui est constatée. Les années 2001 et 2002 sont marquées par
des petites surfaces et les années 2003 et 2007 sont caractérisées par une augmentation
de la superficie emblavée. Les autres années sont soumises aux rythmes de variation des
surfaces emblavées. En plus du riz, il y a une autre culture, le maïs, dont l’analyse montre
une fluctuation interannuelle de son évolution (figure 64).

161
 Figure 64. Evolution de la surface du maïs à l’échelle stationnelle par
hectare

L’évolution de la surface du maïs montre une grande variation interannuelle. A

Bongor, après une augmentation des superficies emblavées de 2000 à 2002, une
diminution est observée en 2003, 2004, 2005 et 2006 et une croissance progressive est
remarquée pour atteindre le maximum en 2007 et ensuite on observe une fluctuation
interannuelle atténuée.
A la station de Guelendeng, l’année 2003 a enregistré la plus faible surface et
2006 la plus haute. Pour les autres années, c’est une fluctuation interannuelle semblable
à celle de la pluie qui est observée. La situation à la station de Fianga n’est pas trop
différente de celle des autres stations. Une fluctuation des surfaces emblavées est
observée mais cette fluctuation n’est pas trop prononcée. Il reste l’analyse de surface de
l’arachide à l’échelle stationnelle (figure 65).

162
 Figure 65. Evolution de la surface de l’arachide à l’échelle stationnelle par
hectare

L’analyse de surface à l’échelle des stations a permis d’apprécier l’évolution de

la surface emblavée. A Guelendeng, c’est en 2002 qu’est observée la surface emblavée
la plus élevée, celle-ci constitue le pic et les autres années ont enregistré des valeurs
moyennes. Les années 2008 et 2009 sont des années ayant enregistré des faibles surfaces
cultivables.
A Fianga, la variation interannuelle de la surface cultivable est plus marquée qu’à
Guelendeng. Une augmentation des emblavures est observée en 2005 et 2006 et une
diminution pendant les trois dernières années (2007, 2008 et 2009). A Bongor, de 2000
à 2003, les surfaces emblavées ont connu une stagnation avant de croître en 2004 et
2005. Une forte diminution est observée en 2006 avant de croître légèrement en 2007
pour décroître à nouveau en 2008 et 2015.
L’intérêt de l’analyse des surfaces emblavées réside dans le fait qu’elle permet
de mieux comprendre leur évolution et d’établir les liens avec les autres paramètres

163
agricoles. D’une manière globale, les surfaces agricoles dépendent plus des moyens
techniques et des pratiques de labour.
L’augmentation sensible des paramètres agricoles pourrait s’expliquer par
l’augmentation de la population. En effet, avant le découpage administratif qui a scindé
le Mayo-Kebbi en deux régions, la préfecture du Mayo-Kebbi compte cinq sous-
préfectures qui sont : Bongor, Fianga, Pala, Léré et Gounou-Gaya. Le nouveau
découpage l’a d’abord érigé en région, et ensuite l’a divisé en deux régions distinctes :
le Mayo-Kebbi Est et le Mayo-Kebbi Ouest. Le domaine d’étude qui se trouve dans le
Mayo-Kebbi Est comptait 338 471 habitants en 1993 scindée comme suit : la sous-
préfecture de Bongor qui couvrait le Mayo-Lemié et le Mayo-Boneye avec 187 984
habitants et Fianga avec 150 487 habitants. Le recensement de 2009 donne 242 845
habitants pour le Mayo-Boneye, 81 816 habitants pour le Mayo-Lemié soit 324 661
habitants pour l’ancienne sous-préfecture de Bongor et 228 366 habitants pour le Mont
Illi. Entre les deux recensements (1993-2009), c’est-à-dire 16 ans, la population a
augmenté de 40 382 habitants pour le Mayo-Boneye et le Mayo-Lemié et 77 879
habitants pour le Mont Illi soit 118 261 habitants pour le domaine d’étude. La densité
est de 22,7 habitants/km2 pour le Mayo-Lemié, 27,98 habitants/km2 pour le Mayo-
Boneye, 79,34 habitants/km2 pour le Mont Illi (figure 66). Ces chiffres justifient
l’augmentation considérable de la production et des surfaces agricoles.

164
 Figure 66. Densité de la population dans la plaine du Mayo-Kebbi en 2009

L’analyse au cas par cas de la production et du rendement agricole a l’avantage

de montrer les variations des différents paramètres agricoles. Ainsi, recherchons-nous
grâce à d’autres analyses, à représenter les perturbations globales subies par les
productions agricoles suite aux variabilités pluviométriques.

165
 III.3. LA PRODUCTION AGRICOLE PERTURBEE PAR LA
VARIATION PLUVIOMETRIQUE ANNUELLE

La production agricole, dans la plaine du Mayo-Kebbi est fortement perturbée

par la variation interannuelle de la pluie. L’évolution de son indice montre une grande
variation dans le temps et dans l’espace. Après analyse de son évolution, il est important
de la mettre en corrélation avec la production agricole pour en saisir la signification.
D’une part, sont analysés les indices pluviométriques et les indices agricoles et d’autre
part, la corrélation linéaire entre les paramètres pluviométriques et la production.

III.3.1. Relation pluie et production agricole

Pour comprendre les liens entre la pluie et les paramètres agricoles, il est
nécessaire d’analyser les indices qui donnent un aperçu global de cette relation. L’indice
des paramètres agricoles est calculé de la même manière que l’indice pluviométrique
standardisé. Représenter graphiquement les indices permet de comprendre aussi les liens
qui existent entre la pluie et les productions et entre la pluie et les rendements (figure
67A et 67B).

166
 2,5
2
1,5
1
0,5
0
-0,5 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1
-1,5
-2
-2,5
-3

Indice pluviométrique Indice de production du sorgho

0
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1

-2

-3

Indice pluviométrique Indice de production du sésame

0
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1

-2

-3

Indice pluviométrique Indice de production du riz

Figure 67A. Indice pluviométrique et indice de production des cultures dans la

plaine du Mayo-Kebbi

167
3

0
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1

-2

-3

Indice pluviométrique Indice de production du pénicillaire

0
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1

-2

-3

Indice pluviométrique Indice de production de l'arachide

3
2,5
2
1,5
1
0,5
0
1989
1986
1987
1988

1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015

-0,5
-1
-1,5
-2
-2,5

Indice pluviométrique Indice de production du mais

Figure 67B. Indice pluviométrique et indice de production des cultures dans la

plaine du Mayo-Kebbi

168
 Ces deux (2) figures présentent l’indice pluviométrique et l’indice de production.
Globalement, l’indice de production suit l’indice pluviométrique. En prenant culture par
culture, la production agricole reste dépendante de la pluviométrie. En prenant par
exemple le sésame, à partir de 1996, l’indice pluviométrique est négatif alors que
l’indice de production est positif, alors qu’en 2004, l’indice pluviométrique est positif
et l’indice de production est négatif. Mais globalement, cette figure montre que la
production agricole suit la pluviométrie. Il est aussi important de présenter l’indice
pluviométrique et l’indice de rendement pour en dégager les effets (figure 68A et 68B).

169
 5

0
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1

-2

-3

Indice pluviométrique Indice de rendement du sorgho

0
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1

-2

-3

Indice pluviométrique Indice de rendement du sésame

0
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1

-2

-3

Indice pluviométrique Indice de rendement du riz

Figure 68A. Evolution de l’indice pluviométrique et de l’indice de rendement

dans la plaine du Mayo-Kebbi

170
3

0
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1

-2

-3

Indice pluviométrique Indice de rendement du pénicillaire

2,5
2
1,5
1
0,5
0
1989
1986
1987
1988

1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
-0,5
-1
-1,5
-2
-2,5

Indice pluviométrique Indice de rendement du mais

2,5
2
1,5
1
0,5
0
-0,5 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
-1
-1,5
-2
-2,5
-3

Indice pluviométrique Indice de rendement de l'arachide

Figure 68B. Evolution de l’indice pluviométrique et de l’indice de rendement

dans la plaine du Mayo-Kebbi

171
 Les figures (68A et 68B) présentent l’indice pluviométrique et l’indice de
rendement. D’une part, les indices de pluie et de rendement se suivent et d’autre part,
les indices ne se suivent pas. Prenant l’arachide par exemple, à l’échelle de la plaine,
son rendement est tributaire de la pluie comme le confirment les deux indices. Les
indices de rendement positifs sont liés aux indices de pluie positifs et les indices de
rendement négatifs sont liés aux indices pluviométriques négatifs. En dehors de
quelques années dont une irrégularité est observée, dans l’ensemble, les indices de
production et de rendement restent dépendants des variations pluviométriques.
En somme, les figures précédentes montrent la variation interannuelle de la
pluviométrie, de la production et des rendements. Globalement, la production et le
rendement des cultures sont dans la plupart des cas, dépendants de la pluviométrie, mis
à part quelques valeurs. Celle-ci constitue un facteur déterminant dans la production
agricole. Pour mieux affiner l’analyse, il faut établir la corrélation linéaire entre ces
différentes variables.
La mise en relation statistique de la production agricole, du rendement et de la
pluviométrie de la plaine du Mayo-Kebbi montre des résultats significatifs. Le tableau
XXVII présente le résultat des corrélations.

Tableau XXVII. Corrélation entre les indices de pluie, de production et de

rendement dans la plaine du Mayo Kebbi

Cul- Sorgho Maïs Pénicillaire Arachide Riz Sésame

tures
Prod. Rdt. Prod Rdt. Prod. Rdt. Prod. Rdt. Prod. Rdt. Prod. Rdt
Pluie 0,33 0,25 0,04 0,10 0,03 0,09 0,47 0,43 0,47 0,52 0,15 -
0,0
1
Rdt. 0,66 // 0,27 // 0,25 // 0,74 // 0,51 // 0,13 //

Prod.= production ; Rdt. = rendement. Les valeurs représentent les corrélations

Ce tableau révèle que les corrélations sont significatives entre la pluie et la

production et aussi entre la pluie et le rendement de certaines cultures. La corrélation
entre la pluie et le sorgho, prise en exemple montre que le sorgho est dépendant de la
pluie ; il en est de même de l’arachide. Par contre, dans d’autres cultures telles que le

172
maïs et le pénicillaire, les corrélations sont faibles. La faiblesse de corrélation entre les
stations ne veut pas dire qu’il n’y a pas d’effet de la pluviométrie sur la production
agricole. C’est ce que montrent les corrélations existantes entre la pluie et la production
à l’échelle de la plaine (figure 69).

Figure 69. Résidus de régression linéaire de production des différentes

cultures dans la plaine du Mayo-Kebbi

Ces graphiques montrent que la corrélation existe entre la pluie et la production

des diverses cultures. Les coefficients de corrélation attestent de ce rapprochement et de
cette dépendance dans la plaine. La pluie explique pour une grande part, la variation de

173
la production globale. A l’échelle stationnelle, la corrélation entre la pluviométrie et la
production montre quelques individualités qu’il convient de dégager. La corrélation
existe entre la pluviométrie et la production dans les sites de Bongor, Fianga et
Guelendeng (tableau XXVIII).

Tableau XXVIII. Corrélation entre la pluie et la production agricole à

l’échelle stationnelle
Riz Sorgho Pénicillaire Arachide Maïs Sésame
Bongor 0,21 -0,28 0,07 0,10 0,27 0,73
Fianga 0,21 0,42 -0,01 0,01 0,13 0,44
Guelendeng 0,12 0,47 0,72 -0,37 -0,03 0,3

Les corrélations sont positives dans certaines zones mais pas dans d’autres. A
Bongor par exemple, la corrélation est positive entre la pluviométrie et le maïs et entre
la pluviométrie et le sésame. À Fianga, les corrélations sont positives entre la
pluviométrie et le sésame, entre la pluviométrie et le sorgho, par contre à Guelendeng,
toutes les cultures sont bien corrélées à la précipitation en dehors de l’arachide et du
maïs.
Bien que les corrélations soient positives entre la pluie et la production dans les
différentes stations, il est important de les représenter graphiquement pour mieux
comprendre les interrelations. Le cas de la corrélation entre les pluies et la production
du riz à l’échelle stationnelle est à cet effet significatif (figure 70).

174
 Figure 70. Résidus de régression linéaire de la production du riz à l’échelle
stationnelle

Cette figure présente les résidus de régression linéaire de la production du riz au

niveau des stations. Les corrélations sont positives entre la production du riz et la pluie.
Bien qu’elles soient positives, elles demeurent faibles, c’est ce qui est observé à travers
les valeurs : 0,12 pour Guelendeng, 0,21 pour Fianga et 0,21 pour Bongor. Ces valeurs
attestent de la dépendance de la production rizicole à la pluie.
L’analyse concerne aussi le maïs, dont la corrélation avec les pluies est présentée
dans les différentes stations (figure 71).

175
 Figure 71. Résidus de régression linéaire de production du maïs à l’échelle
stationnelle

Cette figure montre la régression linéaire simple entre la production du maïs et la

pluviométrie dans les stations. Les corrélations sont toutes positives : 0,27 à Bongor,
0,13 à Fianga et 0,03 à Guelendeng. Ces valeurs témoignent des liens qui existent entre
la pluie et la production. Même si les corrélations ne sont pas élevées comme à
Guelendeng, elles montrent au moins que les productions agricoles dépendent en partie
de la pluie, quand bien même son apport reste déterminant mais pas le seul. L’exemple
des corrélations qui existent entre les productions de l’arachide et les pluies à l’échelle
stationnelle peut aussi être significatif (figure 72).

176
 Figure 72. Résidus de régression linéaire de production de l’arachide à
l’échelle stationnelle

La figure 72 présente la corrélation qui existe entre la production de l’arachide et

la pluie à l’échelle stationnelle. Pour tous les trois sites, les corrélations sont positives
entre les productions et la pluie, même si elles sont restées faibles. A Bongor, cette
corrélation est de 0,1 ; par contre elle est de 0,3 à Guelendeng et de 0,01 à Fianga. Ce
qui montre que le niveau de dépendance de la production d’arachide à la pluie est faible.
Les corrélations sont toutes positives mais pas très significatives.
Les corrélations entre la pluie et la production à l’échelle stationnelle sont
positives dans leur ensemble. Elles sont faibles pour certaines cultures telles que
l’arachide (0,01) à Fianga, négatives pour d’autres (arachide :-0,37 à Guelendeng; maïs
:-0,03 à Guelendeng). D’une manière globale, le tableau atteste que la production reste

177
en partie dépendante de la pluviométrie. La corrélation entre les quantités de pluies et
les rendements dans les différentes spéculations est aussi envisageable.

III.3.2. Corrélation entre les pluies et les rendements des différentes cultures
La pluie n’agit pas seulement sur la production agricole. Elle conditionne aussi
le rendement des différentes cultures. Pour établir un lien entre la pluie et le rendement,
on a corrélé la pluviométrique moyenne annuelle avec le rendement annuel des
différentes cultures.
La corrélation entre la pluviométrie et le rendement est positive mais faible pour
les cultures telles que le sorgho (0,25), le maïs (0,10), le pénicillaire (0,09), sauf pour la
culture du riz où le coefficient de corrélation est moyen (0,52) et l’arachide (0,43) (figure
73).

178
 Figure 73. Résidus de régression de rendement des différentes cultures
dans la plaine du Mayo-Kebbi

Cette figure montre qu’il existe une relation entre la pluie et le rendement des
cultures. Même si les corrélations restent faibles, elles attestent de la dépendance des
rendements agricoles à la pluie. L’analyse à l’échelle des stations permet de comprendre
cette dépendance (figure 74).

179
 Figure 74. Résidus de régression linéaire de rendement du riz à l’échelle
stationnelle

La corrélation linéaire entre la pluie et le rendement du riz à l’échelle stationnelle

montre que toutes les corrélations sont positives entre la pluie et le rendement. La
corrélation la plus élevée est observée à la station de Guelendeng avec 0,38 et la plus
basse est à Fianga avec 0,21. A Bongor, la corrélation est de 0,28. Ces corrélations
confirment la dépendance des rendements du riz à la variabilité pluviométrique annuelle.
Ces corrélations montrent que le rendement du riz est dépendant de la pluie. La
corrélation de la pluie au rendement du riz est positive dans toutes les stations. Le cas
de l’arachide reste à envisager (figure 75).

180
 Figure 75. Résidus de régression linéaire de rendement de l’arachide à
l’échelle stationnelle

Cette figure présente les résidus de régression linéaire de rendement de l’arachide

par rapport à la pluie. Toutes les corrélations sont positives même si les valeurs sont
faibles. Que ce soit à Bongor, à Fianga ou à Guelendeng, les corrélations entre le
paramètre pluie et le rendement de l’arachide montre une dépendance, même si celle-ci
n’est pas trop élevée. Pour compléter le schéma, il est indispensable d’analyser la
corrélation entre la pluie et le rendement du maïs dans les stations (figure 76).

181
 Figure 76. Résidus de régression linéaire de rendement du maïs à l’échelle
stationnelle

La situation à la station de Fianga ne diffère pas trop de celle des autres stations.
La corrélation entre la pluie et le rendement du maïs est partout positive. Elle est plus
élevée à Guelendeng avec 0,43 dans l’intervalle de confiance de 70%. Dans les deux
autres stations, la corrélation est aussi positive. La corrélation linéaire entre les pluies et
les rendements des différentes cultures est positive sur toutes les cultures, excepté le
maïs à Fianga et l’arachide à Guelendeng. Pour d’autres cultures encore, les corrélations
sont faibles : il s’agit du maïs (0,05) et de l’arachide (0,06) à Bongor, le maïs (0,45) et
le riz (0,38) à Guelendeng.
Il existe une relation positive ou négative entre les anomalies pluviométriques et
les paramètres agricoles. En effet, d’une part, les anomalies pluviométriques sont
associées à des diminutions ou des augmentations sensibles des résultats agricoles

182
(relation positive) et d’autre part, l’analyse montre une dépendance entre les résultats
agricoles qui diminuent ou augmentent lorsque les pluies sont excédentaires ou
déficitaires (relation négative).
Faut-il alors comprendre que les différentes corrélations ne présentent pas de
dépendance marquée entre la variabilité pluviométrique annuelle et les fluctuations
agricoles ? Aussi, faut-il comprendre que la péjoration pluviométrique actuelle est sans
effet sur les différentes cultures vivrières dans la plaine du Mayo-Kebbi ? En réalité, la
relation pluie-production agricole est une relation très complexe. Certes, la pluviométrie
constitue un facteur limitant, mais d’autres éléments ou facteurs pas toujours visibles
agissent d’une manière décisive sur la production agricole. L’évolution de la production
agricole n’est-elle pas aussi liée à l’augmentation des emblavures ? Une analyse des
surfaces emblavées de la plaine d’une manière globale et au niveau stationnelle pourrait
permettre de confirmer ou d’infirmer cette hypothèse. L’analyse des corrélations entre
ces deux paramètres (production-surface agricole) aide à mieux comprendre la
dynamique agricole.

III.3.3. Corrélation entre les surfaces emblavées et les autres paramètres

agricoles
Dans la plaine du Mayo-Kebbi, les surfaces emblavées varient d’une année à une
autre. Elles sont aussi variables d’une culture à une autre et d’une zone à une autre. Le
tableau XXIX présente la corrélation entre la production et la surface dans la plaine du
Mayo-Kebbi.

Tableau XXIX. Corrélation entre la surface, la production et le rendement

Cultures Sorgho Maïs Pénicillaire Arachide Riz

Prod Rdt Prod Rdt Prod Rdt Prod Rdt Prod Rdt
Surface 0,55 -0,24 0,79 0,09 -0,24 0,21 0,69 0,51 0,20 0,27
Prod = production ; Rdt =rendement. Les valeurs représentent les corrélations

183
 Ce tableau montre la corrélation qui existe entre la surface cultivée et la
production d’une part et entre la surface et le rendement d’autre part. Nous remarquons
que la corrélation est positive entre :
- la surface et la production du sorgho (0,55) ;
- la surface et la production du maïs (0,79) ;
- la surface et la production de l’arachide (0,69).

Elle est faible en ce qui concerne le riz (0,20). Par contre, elle est négative pour
la culture du pénicillaire (-0,24).
Ces résultats montrent que globalement, dans la plaine du Mayo-Kebbi, la
production agricole suit l’augmentation ou la réduction des surfaces cultivées. Si la
production agricole peut aussi être expliquée par la surface, est ce que le rendement des
différentes spéculations peut aussi expliquée par la surface emblavée ?
Les corrélations sont négatives entre la surface et le rendement du sorgho (-0,24),
très faible entre la surface et le rendement du maïs (0,09), faible pour les cultures du
pénicillaire (0,21) et le riz (0,27). Elle est bonne entre la surface et le rendement de
l’arachide (0,51). Ces quelques données attestent que le rendement des cultures n’est
pas lié à la surface agricole. L’analyse à l’échelle stationnelle donne quelques
éclaircissements (tableau XXX).

Tableau XXX. Corrélation entre la surface, la production et le rendement à

l’échelle stationnelle
Stations Bongor Guelendeng Fianga
Cultures Production Rendement Production Rendement Production Rendement
Surface

Maïs 0,35 -0,69 -0,59 -0,56 0,005 0,53

Riz -0,3 -0,46 -0,07 0,033 0,36 0,14
Arachide -0,26 0,39 -0,04 -0,56 0,25 -0,16
NB : Les valeurs représentent les corrélations

Ce tableau fournit des informations intéressantes. La remarque faite est que pour
toutes les cultures, le coefficient de corrélation entre la surface et la production est
négatif, sauf à Fianga que la corrélation est positive pour la culture du riz et à Bongor

184
pour la culture du maïs. Pour le rendement, la corrélation avec la surface est positive à
Bongor pour l’arachide (0,39), à Fianga pour le maïs (0,53) et le riz (0,14). Il ressort
globalement que statistiquement, il existe un lien particulier entre la surface et les autres
paramètres agricoles (production et rendement) quand bien même les corrélations sont
négatives. C’est ce qui est d’ailleurs confirmé par Essotalani et al. (2009 et 2010) au
Togo. En effet, ils ont fait savoir que l’absence de corrélation ou la faiblesse des
corrélations ne veut pas dire qu’il n’y a pas un lien entre les paramètres agricoles.
D’une manière générale, il ressort que dans la plaine, il existe un lien statistique
entre la pluviométrie et les paramètres agricoles (production et rendement). Même la
surface agricole est bien corrélée avec la production mais avec le rendement, seules les
surfaces de quelques cultures y sont bien corrélées. A l’échelle stationnelle, la même
tendance ne se dégage pas partout. Il y a une corrélation entre la pluviométrie, la
production et les rendements des cultures mais avec la surface, les corrélations sont
restées faibles.

Conclusion
Au terme de ce chapitre, quelques points importants méritent d’être rappelés. La
plaine du Mayo-Kebbi est divisée en plusieurs secteurs agro-écologiques dont les limites
sont définies par les plaines inondables et les zones exondées. Cette répartition donne
un aperçu global de la production agricole et de mieux comprendre les dynamiques
agricoles de chaque zone.
Dans la plaine, la production et le rendement des céréales sont dépendants de la
variabilité pluviométrique annuelle. Les différentes corrélations établies attestent cela.
Les corrélations entre la production et la surface des différentes cultures est également
bonne, ce qui atteste aussi que la production est dépendante de l’augmentation et de la
diminution des surfaces emblavées. Par contre, la corrélation est faible entre la surface
et le rendement des cultures.
A l’échelle stationnelle, les résultats de l’analyse ne s’écartent pas trop de
l’échelle globale. Les corrélations sont bonnes entre la pluie et les indices agricoles
(production et rendement). Malgré quelques individualités, la relation est bonne dans
l’ensemble. Ce n’est que la surface agricole qui ne s’est pas bien corrélée avec les indices

185
agricoles. Il ressort en fait que les cultures annuelles restent dépendantes de la pluie. Les
paramètres agricoles (production et rendement) s’augmentent et s’abaissent au gré des
variations pluviométriques annuelles. Pour comprendre davantage les effets des
variabilités pluviométriques sur les cultures, il reste à analyser les effets des variabilités
des pluies mensuelles et journalières.

186
 CHAPITRE IV.
LES EFFETS DES VARIABILITÉS PLUVIOMETRIQUES
SUR LES PLANTES CULTIVÉES

187
 Les variabilités pluviométriques n’influencent pas seulement les cultures d’une
manière globale mais agit aussi sur les plantes cultivées. L’étude des effets de ces
variabilités sur ces dernières sont très peu connues dans le Mayo-Kebbi et ceci expose
davantage les paysans aux risques agricoles. Dans ce chapitre, il est question d’analyser
les effets des variabilités pluviométriques mensuelles, décadaires et journalières sur les
plantes. Ces effets vont de la perturbation du cycle cultural à travers la longueur de la
saison pluvieuse et le nombre de jours pluvieux, de la variation décadaire de la pluie et
du besoin en eau des cultures, du déficit et de l’excès d’eau à certains stades du cycle
végétatif des plantes. Ces effets sont aussi analysés par la simulation des rendements et
l’évaluation de leur perte qui sont réalisées avec CropWat.

IV.1. VARIABILITES PLUVIOMETRIQUES ET DEVELOPPEMENT

DES CULTURES

La pluviométrie n’influence pas seulement les cultures dans la production et le

rendement annuel. A ce stade, les effets des pluies annuelles sur les cultures sont globaux
et ne permettent pas de bien comprendre les liens entre la dynamique de la pluie et celle
des paramètres agricoles. A une échelle plus fine, les effets de la pluie sont mieux perçus.
Ceux-ci influencent également le cycle cultural et le développement des cultures aux
différents stades végétatifs de leur développement. Dans cette sous-partie, les liens entre
la longueur de la saison pluvieuse et la longueur du cycle des cultures sont traités
premièrement et ensuite les liens entre le nombre des jours pluvieux et la production
agricole.

IV.1.1. Effets de la réduction de la saison et du nombre des jours pluvieux

La pluviométrie influence le cycle cultural des plantes. Avec les fortes
fluctuations pluviométriques, avec des décalages dans le démarrage et l’arrêt de la saison
pluvieuse, le cycle cultural est gravement affecté. L’intérêt de cette analyse est de savoir
si globalement, la longueur de la saison pluvieuse permet aux différentes variétés de
cultures de boucler leur cycle végétatif.
Les différentes cultures pratiquées dans la plaine du Mayo-Kebbi ont un cycle
qui dure au maximum 120 jours. Celui-ci est le cycle le plus long des cultures. Les

188
variétés à cycle court (90 jours) concernent beaucoup plus l’arachide et le maïs. Les
variétés de sorgho à cycle très long (6 mois) ne sont plus pratiquées depuis des années.
90% des enquêtés à Fianga affirment avoir abandonné cette culture car elle est plus
exigeante en eau. La péjoration pluviométrique de ces dernières années les y oblige.
Cette variété de sorgho n’arrive pas à maturité avant la fin des pluies. 10% affirment
avoir repris avec cette variété de sorgho mais sur de petites parcelles car les quantités
pluviométriques de ces dernières années les ont amenés à réessayer cette variété. Le
tableau XVI montre qu’à Fianga, la durée de la saison pluvieuse est d’environ 6 mois
mais cette durée cache une autre réalité, les séquences sèches qui interviennent le plus
souvent au cœur de l’hivernage perturbent le bon développement des cultures. C’est ce
qui explique la reprise timide de cette variété.
Par rapport au tableau XVI, théoriquement, le cycle des cultures n’est pas
influencé par la longueur de la saison pluvieuse. Mais comme les risques de faux-départs
sont élevés et le démarrage de la saison est aussi variable dans le temps et très incertain,
les variétés longues (120 jours) bouclent difficilement leur cycle.
La production agricole, dans la plaine du Mayo-Kebbi, n’est pas seulement
dépendante de la répartition interannuelle et spatiale de la pluviométrie. Elle est aussi
tributaire du nombre des jours pluvieux. Pour identifier cette relation, il est important
d’établir une corrélation linéaire entre le nombre de jours pluvieux et les différentes
productions. En effet, les jours pluvieux peuvent agir considérablement sur la production
et le rendement des cultures (tableau XXXI).

Tableau XXXI. Corrélation entre le nombre de jours pluvieux et la

production agricole
Riz Arachide Maïs
Bongor 0,6467 -0,1125 0,4766
Guelendeng 0,2963 -0,1556 -0,0521
Fianga -0,0021 -0,4172 0,3447

Ce tableau montre que la corrélation entre le nombre de jours pluvieux et la

production est bonne pour le riz et le maïs à Bongor (0,64 et 0,47), pour le riz à

189
Guelendeng (0,29) et le maïs à Fianga (0,34). La corrélation est négative entre le nombre
de jours pluvieux et la production de l’arachide, et aussi à Fianga, la corrélation est
négative pour le riz. À Guelendeng, la corrélation est négative pour la culture du maïs.
Globalement, le constat est qu’il existe un lien entre le nombre de jours pluvieux
et la production agricole. L’analyse des rendements permet d’approfondir la
connaissance des corrélations entre le nombre de jours pluvieux et le rendement de
certaines cultures (tableau XXXII).

Tableau XXXIII. Corrélation entre le nombre de jours pluvieux et le

rendement agricole
Riz Arachide Maïs
Bongor 0,7323 0,4878 -0,4481
Guelendeng 0,4325 -0,4212 -0,1945
Fianga -0,3249 -0,136 -0,4666

L’observation de ce tableau permet de comprendre que la corrélation entre le

nombre de jours pluvieux et le rendement du riz est positive à Bongor et à Guelendeng,
par contre elle est négative à Fianga. Cette corrélation est aussi positive concernant
l’arachide à Bongor mais négative à Guelendeng et à Fianga. Pour le maïs, la corrélation
est négative que ce soit à Bongor, à Guelendeng qu’à Fianga. Cette analyse atteste que
le nombre de jours pluvieux influence aussi le rendement des cultures sur les différents
sites. La répartition de ces jours pluvieux dans le temps agit sur le rendement. Il n’y a
pas que la longueur de la saison pluvieuse et le nombre de jours pluvieux qui influencent
la production et le rendement des cultures, il y a aussi la pluie décadaire à laquelle il faut
s’intéresser pour analyser les effets. Dans cette partie, l’évaluation des besoins en eau
décadaires et ses effets sur le développement des différentes cultures est faite.

IV.1.2. Variations extrême et décadaire de la pluie et besoin en eau cultural

Les différentes cultures ont un besoin en eau qui varie d’une décade à une autre.
A partir du moment où les graines sont semées, une certaine quantité d’eau est nécessaire
pour la faire germer, c’est la réserve utile maximale. Et après la germination, il faut aussi

190
de l’eau pour en assurer la croissance. La quantité décadaire de pluie tombée peut-elle
permettre aux différentes cultures de boucler leur cycle végétatif ? Il est important
d’évaluer graphiquement les besoins en eau décadaires des différentes cultures et la
quantité de pluie tombée aussi à l’échelle décadaire pour comprendre si cette variation
permet la satisfaction des besoins en eau. Ce qui est observé pour le cas des pluies
décadaires et les besoins en eau décadaires du riz, du maïs et du mil à Bongor, Fianga
et Guelendeng (figure 77).

120
100
80
60
40
20
0

Pluie décadaire/Guelendeng
Besoin en eau décadaire du riz pluvial

191
Figure 77. Pluie décadaire et besoin en eau décadaire des différentes
cultures
192
 Les différentes graphiques montrent les niveaux de satisfaction des besoins en
eau des différentes cultures (maïs, riz et mil). Pour le mil, les besoins en eau sont
largement satisfaits aux différentes décades. La barre des besoins en eau est en dessous
de celle de la pluie décadaire. A Bongor par exemple, à partir de la quatrième décade,
la pluie décadaire est très élevée, dépassant le besoin en eau décadaire. Le risque encouru
ici est l’engorgement du mil, la pourriture des plants si certains n’ont pas atteint une
certaine taille. À Billiam-oursi, c’est à la sixième décade que les pluies sont plus
excédentaires par rapport aux besoins en eau du mil, ceci peut aussi provoquer la
destruction du mil qui n’est pas encore arrivé à maturation. À Guelendeng, c’est à la
septième décade que les besoins en eau sont dépassés par la pluie décadaire. Nous
estimons que les dégâts seront moindres à Guelendeng qu’à Bongor et Billiam-oursi, car
les besoins excessifs d’eau n’apparaissent qu’après 70 jours de développement des
plantes. À ce niveau, les déficits et les excès ne jouent pas beaucoup sur la production
sauf si les autres éléments du climat tels que les vents violents interviennent.
En ce qui concerne le maïs, le constat est qu’à Bongor, les trois premières décades
sont excédentaires, la quatrième déficitaire et les autres sont excédentaires. Cette
variation temporelle de la pluie contribue à l’obtention des mauvais rendements. A
Billiam-oursi, la situation est totalement différente, les cinq premières décades sont
déficitaires, les besoins en eau du maïs ne sont pas satisfaits. La sixième décade dépasse
le besoin en eau alors que la septième décade ne satisfait pas. Ce n’est qu’à partir de la
huitième jusqu’à la dixième décade que les besoins en eau sont satisfaits, mais ces
quantités ne sont pas trop indispensables pour le maïs, surtout à ce stade de
développement. Cette fluctuation pluviométrique explique également l’intensification
de la culture du riz dans ce secteur car une bonne partie est inondable. Sa proximité avec
le fleuve Logone justifie l’installation du casier A pour la culture du riz. A Guelendeng,
les six premières décades sont déficitaires et les quatre dernières (7e à 10e) sont
excédentaires. Là aussi, les besoins en eau prioritaires ne sont pas satisfaits, c’est
d’ailleurs ce qui explique la faiblesse de la corrélation qui existe entre la pluie et la
production du maïs dans cette zone.
Pour la culture du riz pluvial, les besoins en eau décadaires sont difficilement
satisfaits à Guelendeng. Les six premières décades sont déficitaires et ne permettent pas

193
au riz de se développer normalement. A partir de la septième décade, les besoins en eau
sont satisfaits, mais comme la culture a déjà subi une péjoration pluviométrique, le
rendement ainsi que la production ne peuvent qu’être déficitaires. Il en est de même à
Billiam-oursi où les cinq premières décades n’ont pas satisfait les besoins en eau du riz,
c’est aussi à partir de la sixième décade que les besoins sont atteints. Il faut relever une
chose à ce niveau, Billiam-oursi est une zone inondable, alors l’eau reste le plus souvent
à la surface pour permettre la satisfaction des besoins en eau. D’ailleurs, c’est ce qui
explique la production élevée dans cette zone. La situation qui se présente à Bongor est
différente des autres localités.
Les résultats obtenus confirment aussi ceux de Sarr et al. (2011) qui précisent que
le maïs est très sensible aux variations décadaires des quantités pluviométriques
précipitées. Et Kanohin et al. (2012) de renchérir que les cultures supportent
difficilement la non satisfaction de leur besoins en eau aux stades critiques de leur
croissance. Cette satisfaction biaisée provoque un déséquilibre sur le développement de
la plante entrainant le non remplissage des grains. La figure 78 reprend graphiquement
les situations d’insatisfaction des besoins en eau des maïs précoce et tardif à Bongor.

194
 Décades
Stade apex
Formation des soies (fleurs femelles)
Floraison mâle
Floraison femelle
Maïs Grain laiteux
tardif Maturité physiologique

Phase végétative Phase de reproduction Remplissage du grain

Stade apex
Formation des soies
(fleurs femelles)
Floraison mâle
Floraison femelle
Grain laiteux
Maïs Maturité physiologique
précoce

Phase végétative Phase de reproduction Remplissage du grain

TRES SENSIBLE
SENSIBLE PEU
SENSIBLE

TRES SENSIBLE
SENSIBLE
PEU SENSIBLE

Figure 79. Périodes de sensibilité de maïs de 90 et 120 jours à Bongor en 2004

Aussi, la saison maïsicole 2004 à Bongor a connu des excès de pluies durant les
deux premières décades. Ces précipitations auraient donc nuit à la germination, à la
levée et la croissance des jeunes plants. Conséquemment, on observerait la pourriture
des semences, des levées de maïs inégales, une croissance difficile suite à l’engorgement
des sols qui provoquerait l’asphyxie des plants et le développement des adventices. A
partir de la 5e décade, les précipitations ont complètement changé de tendance. Aussi,
les 5e, 6e, 7e et 8e décades qui correspondent aux différentes périodes particulièrement
sensibles au stress hydrique sont totalement déficitaires. Ce déficit hydrique autour de
la floraison réduirait sans nul doute les rendements maïsicoles. C’est ce que confirment

195
Tardieu et al. (2007) en affirmant que si le stress hydrique dure pendant la floraison mâle
et l’élongation de l’épi, avant la floraison femelle, les pertes peuvent atteindre 20 voire
45%. Toutefois, poursuit-il le stade le plus crucial en terme de répercussions
économiques est celui où les soies sortent de l’épi et où le pollen est libéré de la panicule.
Un manque d’eau à ce stade précis peut entraîner une chute de production de plus de
75%. De plus, il est possible que le déficit hydrique nuise à la synchronisation entre la
libération du pollen et la présence de soies réceptives. Le stress hydrique qui persiste
après la pollinisation et la fécondation peut aisément faire avorter les grains aux stades
de pré gonflement et de gonflement ou les empêcher de bien se remplir. Enfin, les
épisodes pluvieux fréquents et parfois abondants auraient rendu les récoltes de la variété
tardive difficiles et occasionné beaucoup de pertes.
Les pluies extrêmes agissent aussi sur les cultures, ce qui amène à analyser ses
effets.
Les pluies extrêmes. Elles constituent un risque majeur pour les activités
agricoles car elles sont souvent à l’origine de la destruction des cultures. Avec ses
conséquences désastreuses, les agro climatologues ont mis un accent particulier dans
leur étude. Une bonne connaissance de leur distribution temporelle et spatiale est
d’intérêt capital pour faire face aux risques agricoles.
Les pluies extrêmes provoquent les inondations. Dans toute la plaine, la
vulnérabilité à l’inondation est élevée. L’analyse des pluies à l’échelle décadaire a
montré qu’à partir de la quatrième (4e) décade, les cultures sont soumises à un
engorgement d’eau qui empêche leur bon développement. A Bongor, le risque
d’inondation est très élevé. Les quantités de pluies tombées sont largement au-dessus
des besoins en eau provoquant l’engorgement et la destruction des cultures. Les pluies
exceptionnelles de 2010 et 2012 à Bongor ont provoqué des inondations détruisant ainsi
les cultures (photo 1).

196
 10°14’N et 15°51’E
Cliché Gouataine, juillet 2010

Photo 1. Champ de riz inondé à Bongor

La photo 1 représente des champs inondés à Bongor. On remarque sur cette
photo que toute la surface est inondée. Les plants du riz sont engorgés. Cette submersion
n’est pas bonne pour les agriculteurs qui doivent drainer l’eau des champs inondés et
repiquer le riz.

En 1997, une période de famine s’est installée après une période de retour des
pluies depuis le début de la décennie 90. L’abondance des pluies pendant l’année 1998
a provoqué une inondation détruisant les cultures. Dans sa parution de février 1999,
FEWS souligne : « Pendant que la zone sahélienne du Tchad plonge dans une sécurité
alimentaire, la zone soudanienne fait face à une famine qui nécessite une assistance.
Cette zone qui connait habituellement une autosuffisance alimentaire à cause de la
bonne production agricole se trouve éprouver par une famine sévère dès le mois de juin
1997 à cause de la mauvaise production agricole de cette année ». Cette mauvaise
production n’est pas due à un déficit pluviométrique mais plutôt aux inondations
provoquées par les fortes pluies du début de la saison. Les inondations de 2009, 2010 et
2012 ont causé d’énormes dégâts à Bongor : perte des récoltes, perte des habitations,
pertes humaines, augmentation du risque de paludisme et d’autres maladies liées à l’eau.

Les pluies extrêmes accélèrent aussi l’érosion et fragilisent les sols agricoles. La
capacité érosive de ces pluies est élevée. L’indice de Fournier calculé pour les cinq
stations montre que le degré d’agressivité des pluies est élevé (figure 79).

197
 Fianga

Guelendeng
Station

Moulkou

Billiam-oursi

Bongor

0 10 20 30 40 50 60 70 80 90 100
Indice de Fournier

Figure 80. Indice d’agressivité climatique dans la plaine du Mayo-Kebbi

Le constat fait sur cette figure est la sévérité de la pluie sur les sols. Les valeurs
de l’indice sont élevées et montrent l’agressivité des pluies extrêmes sur les sols. Fianga
apparaît comme étant moins touché par rapport aux autres stations. Moulkou est le plus
vulnérable par rapport à Billiam-oursi et Bongor. En dehors des pluies extrêmes qui
agissent sur les plantes, l’absence et la rareté des pluies provoquent aussi des dégâts sur
les cultures.

La rareté des pluies. Évoquer la rareté des pluies sur les cultures ramène à parler
d’abord des sécheresses qui ont sévit au Sahel pendant les décennies 1970 et 1980 avant
de parler des effets des séquences sèches sur les cultures. La période de rupture identifiée
avec les tests de Buishand et de Pettitt est intervenue en 1984. Cette année est celle de
la grande famine. Les enquêtes de terrain ont révélé que cette période est surnommée
« pauline » du nom donnée à des herbes sauvages apparentées au riz dont la
consommation s’est accrue pendant cette période de disette. 55% des enquêtés ont
affirmé que cette période a été la plus dure de leur existence. Ils ont connu par le passé
(décennie 1970-1979) des périodes sèches mais celle-ci a été la plus dure, c’est ce que
confirme Magrin (2001). Les enquêtes ont montré aussi que la famine de 1984 est la
plus célèbre puisqu’elle a touché l’ensemble des pays du Sahel avant de s’étendre à la

198
zone soudanienne. Structurellement, cette famine est liée aux années sèches de 1983-84
; mais elle est aussi d’ordre conjoncturel (situation politico-militaire de la région). En
effet, subissant une situation structurelle grave marquée par le déficit pluviométrique
sans précédent des années 1983-84, les agriculteurs sont en même temps pris entre deux
feux (les forces gouvernementales et les rebelles connus sous le nom de “ Codo ”), si
bien qu’aucune activité agricole n’est possible. C’est ainsi que la famine s’est installée
et généralisée dans toute la région, causant des dégâts très graves. Certes, les années
1973-74 ont aussi connu une baisse de pluviométrie et par conséquent celle de
rendements agricoles, mais elles ne sont accompagnées que par des disettes localisées
aux conséquences sociales limitées.

La péjoration pluviométrique de 2011 due aux nombreuses séquences sèches

longues conduit au flétrissement des cultures telles que le riz dont l’absence d’eau aux
périodes critiques de sa croissance freine son développement (photo 2).

10°12’N et 15°22’E
Cliché Gouataine, 2011

Photo 2. Flétrissement du riz à Bongor

Cette photo présente un champ de riz affecté suite au manque d’eau à une période
critique de son développement. On observe sur cette photo que toute la surface est
affectée et cette situation compromet le rendement à la fin de la saison. Les feuilles sont
déjà jaunies et le rendement à l’hectare serait faible.

Dans l’évaluation des pertes de rendements, les effets des séquences sèches sont
encore évoqués. Après avoir analysé les effets des pluies mensuelles et décadaires sur
199
la production et le rendement des cultures, les effets des pluies extrêmes et des raretés
de pluies, il reste à analyser le déficit hydrique des différentes cultures.

IV.1.3. Déficit hydrique des cultures

La variabilité temporelle des précipitations affecte les cultures dans leur
développement. En prenant par exemple le maïs en 2002 à Bongor, on constate que le
déficit affecte la culture à partir de la période de croissance jusqu’à la fin de la dernière
phase (arrière-saison) comme le montre le tableau XXXIII.

Tableau XXXIII. Déficit en eau du maïs en 2002 à Bongor

Mois Déc. Phase Kc ETc (mm/j) ETc (mm/dec) Pluie efficace Besoins d’eau
(mm/dec) supplém. (mm/dec)
Juin 3 Initiale 0,3 1,78 14,3 16,8 0
Juillet 1 Initiale 0,3 1,74 17,4 29,6 0
Juillet 2 Croissance 0,4 2,28 22,8 41,1 0
Juillet 3 Croissance 0,68 3,78 37,8 50,4 0
Août 1 Croissance 0,98 5,37 59,1 48,9 10,2
Août 2 Mi-saison 1,16 6,24 62,4 46,8 15,6
Août 3 Mi-saison 1,16 6,17 61,7 46,7 15
Sept. 1 Mi-saison 1,16 6,28 69,1 44,4 24,7
Sept. 2 Mi-saison 1,16 6,38 63,8 43,7 20,1
Sept. 3 Arrière-saison 1,01 5,66 56,6 42,5 14,1
Oct. 1 Arrière-saison 0,74 4,16 41,6 32,8 8,8
Oct. 2 Arrière-saison 0,47 2,66 26,6 20,8 5,8

Ce tableau présente le déficit hydrique du maïs à Bongor en 2002. On constate

que tout au long du cycle, la plante enregistre des déficits. Le besoin d’eau s’est déjà fait
sentir à la deuxième phase (celle de la croissance). La période de croissance est de 30
jours et le déficit intervient à la dernière décade. Toutes les autres décades suivant celle
de la croissance sont aussi affectées par le déficit. C’est la première décade du mois de
septembre qui enregistre le déficit le plus élevé (24,7). Le déficit est très élevé à tel point
qu’à la fin de la saison pluvieuse, on enregistre 114,3mm. Ce déficit reste considérable
et ses effets sur le rendement final sont certains.

200
 Le coefficient cultural (Kc) qui est le rapport du besoin en eau sur l’évaporation
varie aussi d’une décade à une autre. De 0,3 à la première décade, il est 0,47 à la fin de
saison. Il montre ainsi une variation de l’évaporation d’une décade à une autre, affectant
aussi le rendement final.
L’ETc correspondant à la Crop Water Requirement est le besoin en eau des
cultures. La pluie efficace est celle qui est effectivement utile à la plante après
soustraction des quantités perdues. La différence entre le besoin en eau du maïs en 2002
considérant les paramètres climatiques et la pluie efficace est considérable. Ainsi la
figure 77 montre un déficit d’eau de la 3e à la 5e décade et ceci affecte la culture à chaque
stade végétatif de son développement (photo 3).

10°58’ N et 15°69’ E
Cliché Deïrou, 2014

Photo 3. Assèchement précoce des tiges du maïs à Guelendeng

Cette photo montre l’assèchement précoce du maïs suite aux manques d’eau. On
constate que les feuilles sont devenues jaunes à cause du manque d’eau. Cette situation
qui affecte ce périmètre agricole est récurrente en cas de séquence sèche longue.

Il y a aussi le sorgho qui subit aussi les variations des paramètres climatiques
(tableau XXXIV).

201
 Tableau XXXIV. Déficit hydrique du sorgho en 2004 à Guelendeng
Mois Déc. Phase Kc ETc(mm/j ETc(mm/dec) Pluie efficace Besoins d’eau supplém.
) (mm/dec) (mm/dec)
Juillet 2 Initiale 0,30 1,61 16,1 19,9 0
Juillet 3 Croissance 0,30 1,63 17,9 29,6 0
Août 1 Croissance 0,45 2,40 24,0 45,1 0
Août 2 Croissance 0,67 3,62 36,2 56,0 0
Août 3 Mi- saison 0,90 4,87 53,6 46,0 7,6
Sept. 1 Mi- saison 0,97 5,28 52,8 33,0 19,8
Sept. 2 Mi- saison 0,97 5,30 53,0 25,0 28,0
Sept. 3 Mi- saison 0,97 5,39 53,9 19,5 34,4
Oct. 1 Arrière- saison 0,97 5,47 54,7 13,6 41,1
Oct. 2 Arrière- saison 0,87 4,98 49,8 7,4 42,3
Oct. 3 Arrière- saison 0,72 4,19 46,1 5,0 41,2
Nov. 1 Arrière- saison 0,59 3,51 24,5 0,1 24,4

L’observation de ce tableau montre que le déficit hydrique affecte aussi le sorgho

à la troisième période. Les deux premières périodes (initiale et croissance) ne sont pas
affectées par le déficit d’eau. Dès que le sorgho a entamé la période de mi- saison qui
est celle de sa croissance normale, le déficit s’est fait aussitôt sentir et ce jusqu’à la fin
de la saison. Cette période se situe à la troisième décade d’août jusqu’à la première
décade de novembre. Ce déficit observé décade après décade influence le rendement
final. C’est la même situation observée pour le maïs à Fianga (tableau XXXV).

202
 Tableau XXXV. Déficit hydrique du maïs à Fianga en 2009
Mois Déc Phase Kc ETc(mm/j) ETc(mm/dec) Pluie efficace Besoins d’eau
. (mm/dec) supplém. (mm/dec)
Juin 2 Initiale 0,30 1,38 13,8 8,8 5,0
Juin 3 Initiale 0,30 1,47 14,7 15,1 0,0
Juillet 1 Croissance 0,46 2,41 24,1 22,3 1,8
Juillet 2 Croissance 0,74 4,06 40,6 28,1 12,5
Juillet 3 Mi- saison 1,03 5,63 62,0 32,7 29,2
Août 1 Mi- saison 1,15 6,21 62,1 40,9 21,2
Août 2 Mi- saison 1,15 6,16 61,6 47,6 14,1
Août 3 Mi- saison 1,15 6,22 68,4 37,3 31,1
Sept. 1 Arrière-saison 1,14 6,23 62,3 23,7 38,6
Sept. 2 Arrière-saison 0,95 5,23 52,3 14,6 37,7
Sept. 3 Arrière-saison 0,68 3,78 37,8 12,2 25,6
Oct. 1 Arrière-saison 0,44 2,47 19,7 8,3 9,4

Ce tableau présente le déficit du maïs à Fianga. On constate directement que la

pluie efficace ne suffit pas d’emblée la culture du maïs à la première période et cette
situation a affecté tout le cycle végétatif de cette culture. Sans apport extérieur, le
rendement agricole est faible comme montré précédemment. Le maïs est une culture très
sensible à une variation de la quantité de pluie.
Les effets des pluies sur les cultures étant connus, il reste à tester l’outil CropWat
qui permet non seulement de simuler les rendements mais aussi d’évaluer leur
diminution en fonction de la date d’installation de la pluie, de la réserve utile dans le sol
et aussi du site.

IV.2. CONTRIBUTION DE CROPWAT DANS LA SIMULATION DES

RENDEMENTS AGRICOLES
Cette partie a pour objectif de tester le modèle CropWat dans la simulation des
rendements des cultures. Fondée sur l’évaluation des performances, du réalisme et de
l’incertitude des simulations, la démarche proposée ici est appliquée dans la plaine du
Mayo-Kebbi. Les critères d’efficacité choisis permettent de mettre en évidence la
robustesse ou non du modèle à simuler les rendements.

203
 CropWat est un modèle particulièrement adapté à l’analyse de l’évaporation, des
besoins en eau des cultures, la conception et la gestion des méthodes d’irrigation. Il est
ensuite adapté pour déterminer le rendement agricole. Dans cette étude où ne sont
utilisées que les cultures pluviales, il est possible qu’avec ce modèle, les calculs soient
faits en excluant le facteur irrigation. L’objectif recherché en utilisant ce modèle est
d’évaluer la capacité productive des différentes cultures connaissant les potentialités
climatologiques, pédologiques et les techniques culturales. Les paramètres et modules
associés au modèle, le schéma de fonctionnement ainsi que le calcul des rendements
sont détaillées dans cette partie.

IV.2.1. Paramètres et modules associés au modèle

Les modules et paramètres associés au modèle sont les différents types de
données qui entrent dans la simulation du rendement. Ce sont les données climatiques,
pluviométriques, les données sur les types de culture, le module schéma de planification
des cultures, le module des propriétés des sols et le module méthode de calcul. Le
contenu de chaque paramètre et module est détaillée ci-après.
Les données climatiques rentrées dans CropWat, permettent au logiciel de
calculer l’évapotranspiration théorique ou potentielle (ETo). Pour cela, le programme
utilise la formule de Penman-Monteith. Cette formule prend en compte la pression de
vapeur, les radiations solaires nettes, le flux de chaleur du sol, la température, la vitesse
du vent. En plus des données climatiques, il y’a les données pluviométriques.
CropWat utilise les données pluviométriques mensuelles pour calculer les
précipitations efficaces. Le logiciel permet de rentrer des données pluviométriques
mensuelles, il est aussi possible de saisir des valeurs journalières, si elles sont
disponibles. Dans le cas de l’indisponibilité des données journalières, le logiciel
interpole les valeurs mensuelles pour obtenir des valeurs journalières.
Afin de déterminer les besoins en eau d’une plante, CropWat a besoin de
connaître les différents paramètres propres à cette dernière. Pour cela, sont entrés dans
le logiciel les caractéristiques de chaque phase de développement de la plante. Ces
caractéristiques sont la durée de chaque phase, paramètre variant suivant le lieu de

204
culture et la période dans l'année. Le logiciel divise la vie de la plante en 4 étapes (initial,
développement, mi- saison, et enfin arrière- saison).
Le coefficient cultural Kc est le rapport de l'évapotranspiration maximale d'une
culture pendant une période déterminée de son cycle végétatif c'est-à-dire dans des
conditions optimales, sur l'évapotranspiration potentielle. Le facteur de réponse du
rendement Ky permet d'estimer les réductions de rendement dues au stress hydrique. Il
lie les pourcentages de rendement actuel et de l'évapotranspiration. Le logiciel a
également besoin de la profondeur des racines, du tarissement admissible (p) qui
représente le niveau critique de la réserve à partir de laquelle, le stress dû au manque
d'eau se fait sentir. Il est bon de noter que le logiciel contient de nombreux fichiers avec
les caractéristiques de certaines plantes (figure 80).

Figure 80. Données sur les types de culture

Ce module permet de charger les données sur le type de culture, la date de semis
et la proportion qu’elles occupent sur la parcelle. Il est possible de diviser un type de
culture en différents blocs et de préciser l’intervalle de temps, en jours, entre la date de
semis de chaque bloc. Cet intervalle est constant entre tous les blocs. Les cultures
différentes comme par exemple le maïs et le riz sont aussi rentrées dans le logiciel. Pour

205
cette étude, les cultures de maïs, de l’arachide et de riz occupant 100% de la surface,
c’est-à-dire en culture pure ont été utilisées.
Il rassemble l’ensemble des données qui caractérise le sol, la réserve utile
maximale, la vitesse maximale d’infiltration qui permet une estimation de l'écoulement
de surface (ruissellement) pour le calcul des pluies efficaces. La profondeur maximale
que peuvent atteindre les racines est aussi entrée dans ce module. Le tarissement initial
de la réserve utile peut également être défini et ainsi que la détermination du stock
initialement disponible dans le sol. Avec le logiciel, trois fichiers de sol prédéfinis (light,
medium et heavy) sont incorporés.
A partir des modules qui viennent d’être brièvement décrits, CropWat est capable
de calculer tous les paramètres, si tous les modules sont complètement remplis. En
revanche, de nombreux processus ne sont pas pris en compte par le logiciel. En effet,
des paramètres comme la quantité d’éléments nutritifs nécessaire à la plante pour son
développement, tel que l’azote ou le phosphore, ne sont pas pris en compte. Dans le
calcul de l’humidité du sol, ne sont pas pris en compte des paramètres comme
l’infiltration vers les nappes profondes et donc la diminution des réserves pour la culture.
Dans ce module, il est possible de paramétrer quatre éléments :
- l'irrigation, qui n’est pas décrite car les cultures sont pluviales ;
- l'ETo, en modifiant les paramètres a et b (coefficient d’Angstrom) qui permettent
de calculer le rayonnement solaire. Le mode de représentation graphique de l'ETo
peut aussi être déterminé ;
- les précipitations : le nombre de jours entre deux événements pluvieux peut être
choisi, ce qui permet au logiciel d'interpoler les données mensuelles en
journalières ;
- les précipitations efficaces dont leur mode de calcul est choisi soit avec un
pourcentage fixé des précipitations, avec une formule empirique dont les
paramètres sont fixés ou les paramètres peuvent être modifiés et enfin l’utilisation
des formules du USDA – SCS, méthode qui est aussi utilisée.

206
 IV.2.2. Schéma de fonctionnement du logiciel
Ce module détaille le fonctionnement de CropWat. La première catégorie des
données concerne celles qui sont directement saisies sur le modèle. La deuxième
catégorie revoit aux données calculées sur la base des données saisies. Enfin, le schéma
présente le résultat obtenu. Avant d’arriver aux résultats, la figure 81 montre la condition
dans laquelle certains calculs peuvent se faire et l’équation utilisée.

207
 Donnée culture
Température Max et Min Kc
% Humidité } Ky
Durée ensoleillement Ajustement Donnée sol P
Vit. Vent Réserve utile max Profondeur des racines
utilisateur

Précipitation

SCS Penman-Monteith CROPWAT

Précipitation RU
efficace
ETo ETm Si SMDi-1>RFU
RU
RFU RFU
ETc Ks
SMDi-1

Irr requise

SMDi= SMDi-1-Peff-Irr+ETc Légende

-Données rentrées
-Données calculées
SMDRFU SMD>RFU -Condition
Condition optimum Stress hydrique -Equation utilisée
de culture -Résultat

Irrigation requise Yr = 0 Yr = (1-ETc/ETm) Ky

Figure 81. Schéma de fonctionnement du modèle CropWat

208
 Chaque formule utilisée dans ce modèle de simulation et le calcul de
l’évaporation prenant en compte la formule de Penman-Monteith sont détaillés dans la
méthodologie.

IV.2.3. Calcul des rendements

L’ajustement des paramètres décrits ci-haut permet de calculer les rendements
dans la plaine du Mayo-Kebbi et dans quelques sites (Bongor, Fianga, Guelendeng). On
va procéder à la comparaison de ces rendements à l’échelle interannuelle et spatiale, et
aussi au calcul de ces rendements.
Comparer les rendements conduit d’abord à déterminer la date de semis. Cette
date correspond au début effectif de la saison pluvieuse déterminé précédemment.
Pour la comparaison interannuelle, les données météorologiques et
pluviométriques de chaque station sont utilisées. Un sol medium avec une réserve utile
initiale nulle est considéré dans cette comparaison. La baisse des rendements de
l’arachide, du riz et du maïs à Guelendeng, Fianga et Bongor permet de mieux apprécier
cette situation (tableau XXXVI).

Tableau XXXVI. Comparaison annuelle de diminution de rendement (en

pourcentage)
Année Bongor Fianga Guelendeng
Maïs Riz Arachide Maïs Riz Arachide Maïs Riz Arachide
2002 0,0 0,0 0,0 0,0 14,3 6,5 0,0 6,8 0,0
2003 0,0 2,2 1,5 0,0 0,2 0,0 0,0 0,7 0,0
2004 0,0 8,3 0,0 0,0 1,1 0,0 20,8 33,7 21,2
2005 0,0 1,4 1,3 0,0 8,1 6,9 0,0 0,0 0,0
2006 0,0 0,0 0,0 0,0 7,2 0,0 0,0 3,3 0,0
2007 0,0 0,0 0,0 0,0 0,0 0,0 0,0 4,1 1,1
2008 0,0 6,5 0,1 0,0 0,0 0,0 0,0 7,5 9,4
2009 0,0 0,2 0,2 0,0 3,3 1,6 8,8 15,7 4,6
Source : Simulation avec CROPWAT 8.0

209
 Le constat fait sur le tableau XXXVI est que le rendement de l’arachide n’est pas
influencé par la pluviométrie. La baisse de rendement est partout nulle sauf à
Guelendeng où en 2004, une baisse de 21,2%, en 2008 une baisse de 9,4% et à Fianga
en 2002 une baisse de 6,5% sont constatées. Le même constat est fait pour le maïs, sauf
à Guelendeng que des diminutions de 20,8% en 2004 et de 8,8% en 2009 sont constatées.
Ces deux années sont marquées par une diminution de la pluviométrie (539,5 en 2004
et 405,7 en 2009). Ceci montre que la baisse de la pluviométrie influence le rendement.
La culture la plus sensible est le riz dont la baisse est observée sur les trois sites. Le
pourcentage de diminution est faible à Bongor (aucun ne dépasse 10%), par contre à
Fianga, la baisse de rendement est de 14,3% en 2002. C’est à Guelendeng que le
pourcentage de déficit se fait le plus sentir (33,7 en 2004 et 15,7 en 2009). Toutes les
années sont affectées par le déficit de rendement sauf en 2005 que cette baisse est nulle.
Les années humides sont caractérisées par une baisse nulle alors que les années
sèches ont connu des baisses de rendement. La date de semis est aussi un facteur
indispensable dans la baisse des rendements. Lorsque la date de semis est retardée, le
risque d’avoir une forte baisse de rendement est élevé car le cycle végétatif de la culture
n’est pas bouclé. Les années 2004 et 2009 à Guelendeng ont enregistré plus de pertes de
rendement par le retard dans la date de semis et la quantité annuelle de la pluie.
En conclusion, le climat influence plus le rendement du riz sur les trois sites que
l’arachide et le maïs. Il faut aussi comparer le rendement en fonction du type de sol.
Pour faire cette comparaison, trois (3) fichiers "Soil" fournis avec le modèle sont
utilisés. Ces fichiers sont medium, light et heavy. Les caractéristiques des types de sols
sont présentées à l’annexe. L'observation de cette table montre que le seul paramètre
variant entre les différents types de sols est la réserve utile maximale. La comparaison
des rendements est faite dans chaque secteur agro-écologique pour connaitre les secteurs
beaucoup plus affectés que d’autres. Cette comparaison est aussi faite en fonction du
type de sol (tableau XXXVII).

210
 Tableau XXXVII. Comparaison de rendement en fonction du sol à Bongor
(%)
Année Maïs Riz Arachide
Medium Light Heavy Medium Light Heavy Medium Light Heavy

2002 0,0 0,0 0,0 0,0 0,0 0,7 0,0 3,2 3,2
2003 0,0 5,6 0,0 2,2 4,7 4,7 1,5 15,1 4,7
2004 0,0 7,1 0,0 8,3 15,5 14,5 0,0 14,9 1,7
2005 0,0 6,3 0,0 1,4 1,0 4,1 1,3 15,0 4,5
2006 0,0 0,7 0,0 0,0 0,0 1,0 0,0 11,4 1,2
2007 0,0 0,0 0,0 0,0 0,0 0,3 0,0 2,7 0,0
2008 0,0 0,0 0,0 6,5 13,3 9,8 0,1 14,1 1,6
2009 0,0 0,2 0,0 0,2 0,0 1,7 0,2 12,5 2,1
Source : Simulation CROPWAT 8.0

Le tableau XXXVII fournit des informations intéressantes. Les sols ‘‘medium’’

enregistrent des très faibles baisses de rendement. Que ce soit le maïs, le riz ou
l’arachide, la baisse de rendement est faible. Elle est presque nulle pour le maïs et
l’arachide, faible pour le riz. La valeur la plus élevée est de 8,3% en 2004. Il est souligné
un peu plus haut que la pluviométrie est mauvaise en cette année et influence
probablement le rendement agricole.
Pour les sols ‘‘light (sand)’’ avec une réserve en eau utile maximale inférieure à
celle des sols ‘‘medium’’, la baisse de rendement est plus prononcée. Elle est de 7,1%
pour le maïs en 2004, 15,1% pour l’arachide en 2003, 15,5% pour le riz en 2004. En
observant minutieusement ce tableau, quatre (4) années sur huit (8) ont enregistré des
baisses de rendement pour le maïs (2003, 2004, 2005 et 2006), quatre(4) années sur huit
(8) pour le riz (2003, 2004, 2005, 2008) et toutes les années pour l’arachide. Les sols
avec une réserve utile maximale équivalente à 60mm/m enregistrent plus des baisses de
rendement que les sols ‘‘medium’’. Les années sèches comme 2004 dont la hauteur
pluviométrique est faible enregistrent des baisses considérables de rendement.
Pour les sols ‘‘heavy’’, dont la réserve utile maximale est égale à 200mm/m, la
baisse de rendement n’est pas trop observée. Le maïs n’enregistre pas de baisse de

211
rendement, l’arachide enregistre des baisses de rendement faible (la plus forte baisse est
observée en 2003 avec 4,7%), le riz enregistre en 2004 une baisse de rendement évaluée
à 14,5%. Le riz est trop sensible au déficit d’eau car à la première phase, celle initiale,
la baisse est de 0,4, à la deuxième phase qui est celle de croissance, elle est de 18,9. A
la troisième phase, celle de mi- saison, elle est de 18,9 et à la dernière phase, celle de
l’arrière-saison, elle est de 6,9. C’est la moyenne qui est de 14,5 qui a impacté le
rendement du riz en 2004. La baisse cumulée est de 38,9, celle-ci est considérable pour
le rendement agricole. Donc les sols ayant une réserve utile maximale faible enregistrent
plus de baisse de rendement que les sols moyens. La situation à Guelendeng est
significative (tableau XXXVIII).

Tableau XXXVIII. Comparaison de rendement par type de sol à Guelendeng

(%)
Année Riz Maïs Arachide
Medium Light Heavy Medium Light Heavy Medium Light Heavy

2002 6,8 12,6 13,5 0,0 16,4 0,0 0,0 15,9 1,6
2003 0,7 0,2 3,2 0,0 5,6 0,0 0,0 3,9 0,0
2004 33,7 42,4 41,5 20,8 67,0 37,2 21,2 40,6 28,2
2005 0,0 0,0 1,3 0,0 2,5 0,0 0,0 8,8 0,6
2006 3,3 0,6 7,3 0,0 2,9 0,0 0,0 6,6 0,2
2007 4,1 7,5 7,7 0,0 16,6 0,0 1,1 13,3 4,6
2008 7,5 11,3 11,4 0,0 18,7 0,2 9,4 27,1 15,2
2009 15,7 24,3 22,1 8,8 53,0 23,7 4,6 20,9 9,4
Source : Simulation CROPWAT 8.0

Le tableau XXXVIII présente la comparaison des types de rendement en fonction

du type de sol à Guelendeng. Globalement, la baisse de rendement des cultures prises
en exemple est plus forte pour les sols ‘‘light’’ que les sols ‘‘medium’’ et ‘‘heavy’’. Le
riz enregistre des très fortes baisses qui vont jusqu’à 42,4 % en 2004 et 24,3% en 2009
pour les sols ‘‘light’’ suivi de l’arachide qui enregistre une baisse de 40,6% en 2004 et
27,1% en 2008. L’année 2004 est considérée comme une année charnière pour les

212
cultures à Guelendeng car les baisses de rendement sont fortes en cette année, quelle
que soit la réserve utile maximale en eau de la plante (figure 82).

Figure 82. Stress hydrique du maïs en 2004 à Guelendeng

La baisse de rendement est plus observée à la période de mi- saison (88,1%).

C’est à cette période que le besoin en eau est plus ressenti, or à cette période, le déficit
d’eau est plus accentué et cela n’a pas joué en faveur de la culture surtout lorsqu’on
compare la baisse des rendements à Fianga (tableau XXXIX).
Tableau XXXIX. Comparaison de rendement par type de sol à Fianga (%)
Année Maïs Riz Arachide
Medium Light Heavy Medium Light Heavy Medium Light Heavy

2002 0,0 33,7 6,3 14,3 21,2 19,9 6,5 23,3 11,7
2003 0,0 6,7 0,0 0,2 0,1 1,8 0,0 10,7 1,9
2004 0,0 0,5 0,0 1,1 0,0 4,6 0,0 3,1 0,0
2005 0,0 31,8 4,7 8,1 9,7 13,3 6,9 24,9 12,1
2006 0,0 17,5 0,4 7,2 8,7 12,2 0,0 11,1 1,7
2007 0,0 0,4 0,0 0,0 0,0 0,1 0,0 5,8 0,0
2008 0,0 3,6 0,0 0,0 0,0 1,1 0,0 9,7 0,8
2009 0,0 15,8 0,0 3,3 4,8 6,9 1,6 15,5 5,3
Source : Simulation CROPWAT 8.0

213
 Le tableau XXXIX présentant la baisse de rendement à Fianga ne se diffère pas
beaucoup de deux autres stations. En ce qui concerne le sol ‘‘medium’’, la baisse de
rendement est nulle pour le maïs, presque nulle pour l’arachide car trois (3) années sur
huit (8) enregistrent des baisses de rendement (2002, 2005 et 2009), par contre elle est
significative pour le riz. Six années sur huit enregistrent des baisses de rendement (2002,
2003, 2004, 2005, 2006, 2009), l’année 2002 apparaît la plus touchée avec une baisse
de 14,3%. Pour les sols ‘‘light (sand)’’, dont la réserve utile maximale est de 60mm/m,
le maïs est la culture la plus touchée par le stress hydrique que les autres cultures.
L’année 2002 enregistre des baisses de 33,7% pour le maïs contre 21,3% pour le riz et
23,3% pour l’arachide. Toutes les années sur lesquelles ont porté les analyses ont
enregistré des baisses de rendement en ce qui concerne le maïs, sauf en 2004 et 2007
dont la baisse est négligeable. Cinq (5) années sur huit (8) pour le riz (2002, 2003, 2005,
2006, 2009) et toutes les années pour l’arachide ont enregistré des baisses de rendement.
En comparant ces valeurs avec celles des sols ‘‘medium’’, la conclusion à tirer est la
suivante : la réserve utile maximale est un facteur déterminant dans le rendement des
cultures.
Sur les sols ‘‘heavy’’, l’arachide enregistre des baisses de rendement sauf en 2004
et 2007. Le maïs enregistre des baisses de rendement en 2002, 2005 et 2006 alors que le
riz enregistre chaque année de baisse de rendement. La baisse de rendement du maïs est
négligeable au vue des valeurs (6,3%, 4,7% et 0,4%) par rapport à l’arachide (11,7% en
2002, 12,1% en 2005 et 5,3% en 2009) alors que le riz a enregistré des baisses un peu
considérables telles qu’en 2002 (19,9%) et en 2006 (12,2%). Le riz est trop sensible au
déficit pluviométrique.
En somme, il ressort de cette analyse que l’arachide reste sensible à la variation
pluviométrique. L’arachide présente une sensibilité variable à la sécheresse : les besoins
en eau sont élevés au moment de l’imbibition de la graine qui, une fois la germination
amorcée, craint l’excès d’eau. La période de floraison-formation des gousses (30-70
jours après semis) correspond à une phase de sensibilité à la sécheresse, alors que la
phase finale de maturation est favorisée par une sécheresse relative, des pluies à ce stade
pouvant en outre provoquer des germinations sur pied chez les variétés non dormantes.

214
 Le maïs reste aussi sensible à la mauvaise pluviométrie. Un stress aura donc des
conséquences négatives sur le rendement quelle que soit la période où il se produit. Mais
les phases au cours desquelles il a les conséquences les plus graves sont d’une part le
semis et les deux semaines qui le suivent, d’autre part les deux semaines qui précèdent
et les deux semaines qui suivent la floraison.
Le riz reste une culture exigeante en eau. Que ce soit le riz pluvial ou irrigué, le
besoin en eau est plus élevé. Les conditions optimales de culture sont l’absence
d’immersion du champ à la levée et maturation et immersion pour le reste. Il ne doit
surtout pas manquer d’eau à la levée (stades repères), avant et au moment de la floraison
et à l’épiaison. Une fois les rendements comparés, il est aussi nécessaire de calculer le
rendement théorique obtenu à partir des données issues de CropWat.

Calcul des rendements théoriques

Pour calculer le rendement théorique autour des stations de la plaine du Mayo-
Kebbi, les données de chaque culture et les données issues des sols dont la réserve en
eau maximale est de 60mm/m sont utilisées. Le rendement maximal du maïs produit
dans les conditions normales est de 9t/ha (Fabien, 2006), tout comme celui du riz
(Mémento de l’agronome, 2009). Par contre, le rendement de l’arachide produit dans les
mêmes conditions est de 1t/ha en Afrique (Mémento de l’agronome, 2009).
Les rendements par secteur agro-écologique sont présentés successivement, car
les stations choisies sont représentatives de ces secteurs. Les rendements théoriques et
réels des différentes cultures permettent d’apprécier cette situation (figure 83).

215
 Figure 83. Comparaison des rendements théoriques et réels du maïs dans
la plaine du Mayo-Kebbi

Cette figure présente la comparaison des rendements théoriques et réels du maïs

dans les stations de Bongor, Guelendeng et Fianga. Tous les rendements théoriques
dépassent largement les rendements réels pour toutes les années et aussi pour toutes les
stations. Le rendement réel est le rendement obtenu sur le terrain dans les conditions
actuelles de variabilités pluviométriques. Le rendement théorique est celui calculé sur
la base du rendement maximal.
Les années choisies sont celles pendant lesquelles la baisse est significative. Pour
celles dont la baisse est nulle ou très faible, on a simplement laissé car les calculs
donnent des valeurs presque nulles. Il est aussi important de comparer les rendements
du riz pour mieux comprendre cette situation (figure 84).

216
 Figure 84. Comparaison des rendements théoriques et réels du riz dans la
plaine du Mayo-Kebbi

Cette figure présente les graphiques montrant les rendements théoriques et réels
du riz. La comparaison de ces rendements théoriques et réels montre aussi que le
rendement théorique évalué à partir du logiciel dépasse celui obtenu sur le terrain.
L’écart entre ces deux rendements est élevé. A Bongor, alors que le rendement théorique
a dépassé 8 tonnes en 2003, les rendements réels ne sont que de 2 tonnes. L’écart est de
6 tonnes et reste considérable. C’est la même situation qui est observée dans les trois
stations pour le cas de l’arachide (figure 85).

217
 Figure 85. Comparaison des rendements théoriques et réels de l’arachide
dans la plaine du Mayo-Kebbi

La figure 85 montre que le rendement théorique est largement supérieur au

rendement réel, sauf en 2004, 2008 et 2009 à Guelendeng que le rendement réel obtenu
sur le terrain dépasse le rendement théorique fourni par CropWat. La même situation est
observée pour l’arachide à Fianga. Pour les autres cultures et pour tous les sites, le
rendement théorique dépasse le rendement réel. Plusieurs causes peuvent expliquer cela.
D’abord, pour calculer le rendement théorique, un rendement maximal de 9t/ha
est considéré pour le maïs et le riz, or il est probable que cette valeur ne soit pas
représentative des régions sahéliennes et surtout celles ayant un climat similaire à la
plaine du Mayo-Kebbi. Le logiciel CropWat ne prend en compte que les besoins en eau
de la plante. Alors que d’autres besoins tels que ceux en nutriments, et autres éléments
nécessaires à la croissance de la plante ne sont pas utilisés dans le calcul du rendement.

218
 Il est souligné plus haut que la durée de la jachère est réduite, et ceci favorise la
baisse de rendement. Ainsi, il y a un appauvrissement des sols, paramètre qui n'est pas
pris en compte par le logiciel. De plus, étant une agriculture vivrière, elle rapporte peu
de revenu aux agriculteurs qui ne peuvent pas investir dans des produits phytosanitaires,
et ainsi combler le déficit du sol. Finalement, dans ce calcul de rendement, ne sont pas
pris en compte les paramètres comme les maladies, le fait que les plants de maïs, de riz
et d’arachide peuvent être mangés par des animaux, ou tous les autres paramètres
naturels.

Conclusion
Au terme de ce chapitre, il ressort beaucoup d’éléments de notre analyse qu’il
convient de dégager. La longueur de la saison pluvieuse en tant que telle n’influence pas
le cycle cultural mais les incertitudes dans le démarrage de la saison pluvieuse, les
fréquentes séquences sèches et les arrêts précoces ne permettent pas aux variétés longues
de boucler leur cycle végétatif.
Les jours pluvieux influencent aussi la production et le rendement des cultures.
Les corrélations entre ces jours et les paramètres agricoles (production et rendement)
ont montré qu’il y’a une dépendance de ces paramètres aux jours pluvieux.
L’analyse des différentes données pluviométriques à l’échelle décadaire pour
faire ressortir les besoins en eau des différentes cultures a relevé que les cultures sont
totalement dépendantes de la pluie. La non-satisfaction des besoins en eau des cultures
aux différents stades végétatifs de leur développement influencent le rendement et la
production globale. De même, l’excès d’eau provoque l’engorgement et la destruction
des différentes cultures et jouent sur la production globale. Le déficit d’eau provoque le
flétrissement des plantes.
L’évaluation des pertes de rendement avec CropWat montre que la pluie affecte
réellement le rendement agricole. Que ce soit à Bongor, Guelendeng ou Fianga, le
rendement subit des fluctuations année après année. Le rendement du riz s’avère être
plus affecté par la pluie que celui du maïs et de l’arachide. Il ressort aussi de la
comparaison par type de sol que dans les sols dont la réserve utile maximale est égale à

219
60mm/m, la baisse de rendement est plus prononcée que les deux autres types de sols
(medium et heavy).
Le calcul du rendement théorique par culture montre que le rendement théorique
dépasse largement le rendement réel obtenu sur le terrain. Cette différence s’observe sur
toutes les cultures sauf l’arachide à Guelendeng. Il ressort aussi que la variation de la
pluie à l’échelle temporelle influence le rendement des cultures. Alors, face à cette
baisse, les producteurs agricoles ont fourni des efforts et développent des stratégies.
Dans la partie suivante, sont décrites les adaptations à ces variabilités pluviométriques.

220
 TROISIÈME PARTIE.
FORMES D’ADAPTATION ET DE STRATEGIES DES
AGRICULTEURS AUX VARIABILITÉS PLUVIOMETRIQUES

L’analyse des variabilités pluviométriques aux différentes échelles a permis

d’avoir une connaissance du comportement pluviométrique dans la plaine du Mayo-
Kebbi. Ces variabilités influencent les productions et les rendements des cultures et le
développement des cultures elles-mêmes. Face à ces effets, les agriculteurs ont
développé différentes stratégies. Dans cette perspective, il est question d’analyser les
adaptations endogènes des agriculteurs et d’évoquer les perspectives d’amélioration de
la production.

221
 CHAPITRE V.
ADAPTATIONS ENDOGÈNES DES AGRICULTEURS
AUX VARIABILITÉS PLUVIOMETRIQUES

222
 La variabilité pluviométrique accentue le risque de mauvaise récolte, bouleverse
les calendriers agricoles, impose des modes de vie et des techniques différentes de
culture. Elle change la vision de la perception du climat dans la plaine du Mayo-Kebbi.
La persistance de la crise climatique exige des efforts d’adaptation pour diminuer les
effets et surmonter les risques.
Ce chapitre décrit les adaptations endogènes des agriculteurs en réaction aux
variabilités pluviométriques. Ces adaptations visent l’accroissement ou le maintien du
niveau de production actuelle. Il est très important de préciser que l’ensemble de ces
adaptations évoquées n’étaient pas au départ des buts de lutte contre les variabilités
pluviométriques. C’est plutôt l’ensemble des problèmes et contraintes qui touchent les
moyens et les modes d’existence, au nombre desquels les variabilités pluviométriques.
Ainsi, les bouleversements pluviométriques n’ont fait qu’accentuer le développement
de ces pratiques et les innovations dans la prise de ces mesures de recherche d’un mieux-
être.
Généralement, les mesures d’adaptation à la variabilité pluviométrique
développées par les communautés rurales ont un caractère fortement culturel et cultuel.
Il s’agit d’analyser d’abord les adaptations directement liées aux variabilités
pluviométriques, ensuite d’évoquer celles indirectement liées à ces variabilités.

V.1. ADAPTATION DIRECTES AUX VARIABILITES

PLUVIOMETRIQUES

Les pluies par leur répartition interannuelle influencent les productions, les
rendements et les systèmes de culture. Pour y faire face, les agriculteurs ont développé
des adaptations particulières. Ces adaptations se résument à la réadaptation du calendrier
cultural, à la pratique d’autres cultures, à l’augmentation des emblavures.

V.1.1. Réadaptation du calendrier cultural à la variabilité pluviométrique

Comme semble indiquée la tendance à un retard dans le démarrage des pluies, les
paysans affirment mettre du retard dans la mise en place des cultures. En effet, 90% des
paysans enquêtés font les semis à partir de la troisième décade de juin, alors qu’ils le
faisaient aux deuxième et troisième décades de mai (figure 86), tandis que les 10%
223
 s’adonnent à des semis allant à la première décade du mois de juillet. Ces derniers
qualifient eux-mêmes leur semis de « semis à risque ». Le fait est que les semis de la
première décade du mois de juillet auraient une forte probabilité d’aboutir par rapport à
ceux effectués de manière précoce. Cette perception est bien justifiée car le risque de
faux départ des précipitations est très élevé durant le mois de mai comme indiqué. Il est
important de caler le calendrier cultural aux conditions pluviométriques dans la plaine
du Mayo-Kebbi.
Le calendrier agricole paysan a aussi subit une profonde mutation, effet des
variabilités pluviométriques. Les activités qui se déroulaient pendant un mois précis sont
décalés dans un autre mois. L’exemple pris pour le calendrier agricole traditionnel massa
montre ce décalage dans le déroulement des activités (figure 86).

Activités Ancien calendrier

Jan. Fév. Mars Avril Mai Juin Juil. Août Sept. Oct. Nov. Déc.
Défrichage
Labour
Semis
Sarclage
Récolte
Nouveau calendrier
Défrichage
Labour
Semis
Sarclage
Récolte

Source : Enquête de terrain, 2014

Figure 86. Calendrier agricole traditionnel massa

224
 Ce calendrier est global et montre la modification subie par l’agriculteur massa.
Les activités menées subissent une profonde mutation d’un mois à un autre. Les semis
qui se faisaient au mois de juin sont décalés au mois de juillet. Avant les fortes
modifications pluviométriques, le mois d’octobre correspondait à la consommation du
nouveau mil alors que dans le décalage, il faut attendre le mois de novembre pour en
consommer. En plus du calendrier global qui a subi une modification, il y a aussi les
dates et les techniques de semis dont il est question un peu plus loin dans ce travail.

V.1.2. Pratique d’autres cultures et augmentation des emblavures

La pratique d’autres cultures a déjà été révélée par Baohoutou (2007) et
Gouataine (2010, 2016). Les résultats des enquêtes ont montré que 90% des agriculteurs
pratiquent d’autres cultures. Ceci est lié à un souci de préservation de la sécurité
alimentaire et nutritionnelle du ménage. En effet, les paysans sont dans une politique de
multiplication de chances de garantir un minimum de récolte en fin de saison. « Si l’un
échoue, l’autre peut réussir » est l’assertion qui symbolise la parfaite illustration de cette
logique.
A Guelendeng, la culture des pastèques est très élevée. 45% des enquêtés
affirment cultiver les pastèques qui alimentent constamment N’Djamena. La production
à Bongor est moins élevée (15%) par rapport à celle de Guelendeng. La pastèque
constitue véritablement une culture de rente (photo 4) car elle alimente les autres villes
(Bongor, Guelendeng, N’Djamena).

10°8’N et 15°54’
Cliché Rahila, Mars 2016

Photo 4. Champ de pastèques à Djarabou

225
 Cette photo montre un champ de pastèques à Djarabou. En avant-plan, on
observe le fruit qui n’est pas encore arrivé à maturation et en arrière-plan, ce sont les
fleurs et les bourgeons. La pastèque constitue une véritable parade en ces dernières
années où on enregistre de fortes fluctuations pluviométriques.

A Bongor, 20% des agriculteurs ont préféré cultiver l’oignon en plus du sorgho
rouge mais cette pratique ne s’est pas généralisée. Les 80% restants cultivent le sorgho
rouge qui est l’aliment de base et les autres céréales.
Un autre type d’adaptation est l’augmentation des emblavures (terrains
ensemencés). Cette technique permet de maximiser la production car en augmentant la
surface cultivable, il est probable d’avoir une production élevée. L’augmentation des
emblavures a été et continue d’être une stratégie développée par les populations
paysannes de la plaine du Mayo-Kebbi. Pour 44 % des agriculteurs, l’accroissement des
emblavures par culture est un moyen pour maintenir à un niveau acceptable la
production agricole annuelle en dépit de la baisse des rendements. Cette réaction
adaptative paysanne est confirmée par les statistiques sur les emblavures concernant
cette région en ce que les superficies ont effectivement et régulièrement connu une
augmentation par an pour les principales cultures. Le chapitre 3 évoquant l’évolution
des surfaces agricoles a révélé une augmentation de ces surfaces. De ce fait, les paysans
ouvrent facilement d’autres champs et pratiquent les cultures sur des vastes superficies.
Du fait de l’extension des surfaces cultivées, on observe partout une diminution de la
réserve en terres (jachères de longue durée). Parallèlement, les surfaces des jachères,
même de courte durée, se restreignent et sont de plus en plus cantonnées aux terrains les
moins fertiles. Leur durée est raccourcie et compromet ainsi leur rôle de régénération de
la fertilité, d’autant plus que la production de la biomasse est limitée par le manque
d’eau. Certains agriculteurs ont progressivement mis en culture des terres marginales
peu fertiles (faible profondeur de sol) et y obtiennent des rendements médiocres.

V.1.3. Mise en valeur des bas-fonds et des berges des cours d’eau
Le bas-fond n’était fondamentalement pas exploité par les populations paysannes
de la plaine du Mayo-Kebbi. Les raisons évoquées sont multiples et portent

226
essentiellement sur le difficile billonnage du fait de la lourdeur des sols, du désherbage
multiple en raison de la croissance rapide des adventices. Mais aujourd’hui, nombreux
sont les paysans qui ont investi ce milieu tant dans le Mayo-Lemié que dans le Mayo-
Boneye et le Mont Illi. Selon 37 % des populations enquêtées, la mise en valeur récente
des bas-fonds est liée à la baisse de la pluviométrie et à la grande tendance de l’extension
de la période de la saison sèche (photo 5).
Mais les enquêtes de terrain ont permis d’identifier deux raisons fondamentales
qui semblent orienter le choix des paysans. Il y a d’une part, la présence prolongée de
l’humidité dans ces écosystèmes et la fertilité de ces milieux fertiles et d’autre part, ce
sont des milieux favorables à la production des cultures pratiquées par les populations
paysannes dans la plaine du Mayo-Kebbi.

10°24’N et 15°2’E
Cliché Gouataine, 2016

Photo 5. Mise en valeur des berges du Logone

La photo 5 montre l’exploitation des berges du Logone. Ces berges sont
beaucoup exploitées pour les cultures maraichères pour compléter la production
agricole pluviale déficitaire. Cette mise en valeur des berges est indispensable pour le
développement agricole de la plaine du Mayo-Kebbi.

Les bas-fonds et les marécages sont occupés pour les différentes cultures et sont
de plus en plus aménagés par les populations paysannes. Mais l’efficacité à long terme
de cette stratégie serait à relativiser. En effet, les variabilités pluviométriques
provoqueront une baisse des réserves en eau du sol à cause de l’augmentation de
227
l’évaporation au niveau des essences végétales et du sol due à l’élévation des
températures. Par ailleurs, la sécheresse accrue au cœur de la saison pluvieuse
occasionne une forte salinisation des marécages, ce qui rend ces écosystèmes impropres
aux cultures vivrières. En plus de la mise en valeur des bas-fonds et des berges des cours
d’eau, les agriculteurs développent le maraichage.

V.2. LE MARAICHAGE ET LA MODIFICATION DES PRATIQUES DE

LABOUR COMME AUTRES ADAPTATIONS DIRECTES
Un autre type d’adaptation aux variabilités pluviométriques concerne le
maraîchage et la modification des pratiques de labour. Ces formes d’adaptation
permettent de contourner le risque, de minimiser les dégâts, d’augmenter la production
et d’assurer l’alimentation.

V.2.1. Développement du maraîchage et des cultures irriguées

Le maraîchage constitue un autre aspect de l’adaptation des agriculteurs aux
variabilités pluviométriques. Cette activité alimente constamment les centres urbains
tels que Bongor, Guelendeng, Fianga et N’Djamena en produits frais. La majeure partie
de la main d’œuvre dans le maraîchage est féminine. Les contraintes telles que l’accès
au foncier et l’accessibilité aux intrants constituent des limites au maraîchage. Ces
contraintes doivent être levées pour leur permettre de participer activement au
développement agricole. Les conditions d’octroi de crédit aux femmes doivent être
simplifiées pour permettre aux femmes d’avoir des moyens d’acheter des intrants. La
majorité des enquêtés affirment que le maraîchage occupe plus les femmes que les
hommes. Les différentes surfaces des cultures pour une période de 5 ans sont en nette
croissance (tableau XL).

228
Tableau XL. Evolution des surfaces de maraîchage dans le Mayo-Boneye
Année Surface (ha)
2011 47 095
2012 51 700
2013 51 070
2014 55 562
2015 57 634
Source : ONDR, 2016

Ce tableau montre clairement que les surfaces sont croissantes d’une année à une
autre. Les cultures maraichères sont constituées en grande partie des légumes (planche
2).

10°25’N et 15°18’E ; 10°24’N et 15°18’E

Cliché Gouataine, 2014 et 2015, Bongor

Planche 2. Maraîchage à Bongor

Cette planche montre le maraîchage à Bongor. L’image de gauche présente une
femme entrain de puiser de l’eau pour arroser son champ et l’image de droite montre
quelques cultures. Le maraichage occupe une place importante dans la plaine et occupe
plus les femmes que les hommes.

229
 Au regard de la faible production agricole, la culture irriguée est davantage
encouragée. Celle-ci ne date pas de l’avènement des changements climatiques. En 1965,
des projets encourageant la culture irriguée sont mis en place. La plaine du Mayo-Kebbi
occupe une place de choix car divers investissements ont eu lieu pour augmenter la
capacité productive. Même si le début était difficile, les sécheresses des années 70 et 80
ont accéléré ce processus d’exploitation des terres par l’irrigation.
En effet, le casier A de Bongor, destiné à la culture du coton, a été reconverti
pour la culture du riz à cause de la qualité du sol. La superficie initiale était de 57000ha
mais elle a finalement été ramenée à moins de 2000 ha. C’était dans l’optique de prélever
les eaux du Logone qui borde la zone d’étude. Les différents équipements ont été pillés
pendant la guerre civile de 1979 et la reprise est difficile, et ce jusqu’aujourd’hui.
Le casier B de Bongor, plus proche de la ville que le précédent car situé à 36km
de la ville, est érigée en 1965 et a une superficie d’environ 900ha dont 300 en maitrise
partielle d’eau. Ces dernières bénéficient d’un aménagement gravitaire classique, mais
l’irrigation dépend totalement des eaux de crue du Logone. L’exploitation ne porte
actuellement que sur environ 150ha gérés par un groupement de 422 agriculteurs avec
l’appui de l’ONDR. La production est d’environ 350tonnes de paddy pour une
consommation en eau qui peut être évaluée à 1,2 million de m3 totalement prélevés en
période de hautes eaux. Relancé en 1985 sur une initiative de la présidence de la
République, le casier B a fait l’objet d’une première tentative de réhabilitation financée
par la BADEA et exécutée par la FAO. Cette première phase a échoué compte tenu de
l’inadaptation des techniques culturales.
Une seconde tentative de réhabilitation lancée par le Ministère de l’Agriculture a
eu lieu en mars-avril 1989. Cette seconde phase vise essentiellement à étudier les
possibilités de relance de la riziculture dans cette plaine. Mais l’inadaptation des
techniques comme en 1985 a conduit à son échec. Associé à tout cela, la prise du pouvoir
par le MPS en 1990 a désorganisé les structures.
Ainsi, un vent nouveau et prometteur de relance de la filière riz semble souffler.
La coopération taïwanaise a voulu relancer le casier B de Bongor mais ce projet a connu
un double échec :

230
 - premièrement, la mauvaise adaptation des moyens techniques pour la riziculture.
Les techniques et les matériels installés ne sont pas facilement utilisables pour
les nouveaux venus. A ce problème de matériels auquel est confronté la Chine
Taiwan, s’ajoutent l’insuffisance du personnel technique, la mauvaise adaptation
des engrais aux conditions agro écologiques de Bongor. Cette situation a poussé
la coopération taïwanaise a aménagé un autre secteur (Tcharaye, Djarabou et
Gourneyda) pour la riziculture pluviale.
- ensuite, la reprise des relations diplomatiques avec la Chine populaire a entrainé
le départ de la Chine Taiwan qui a abandonné son périmètre. Ce périmètre est
resté de nos jours exploité de manière traditionnelle et irrégulière.

Les infrastructures réalisées dans le casier B de Bongor sont encore en bon état
et demandent quand même quelques aménagements mineurs (planche 3).

10°12’N et 15°26’E ; 10°12’N et 15°27’E

Cliché Gouataine, 2016

Planche 3. Aménagement agricole à Bongor

Cette planche montre les aménagements hydro-agricoles réalisés à Bongor. Ces
photos présentent le canal d’écoulement de l’eau dans les champs et le bassin de
rétention d’eau avant son écoulement. Sur la photo de gauche, en avant-plan, c’est le
canal principal d’écoulement de l’eau avec le bassin de rétention. Sur la photo de droite,
on observe le grand bassin de rétention d’eau entourée de grands murs d’environ quatre
(4) mètres de hauteur.

231
 Ces aménagements, s’ils sont réussis, allaient amorcer le développement
économique de cette partie du territoire tchadien car toutes les potentialités sont réunies
telles que la proximité du fleuve Logone et des vastes surfaces riches (planche 4).

10°33’N et 15°22’E ; 10°42’N et 15°26’E

Cliché Gouataine, 2014 et 2015

Planche 4. Atouts de la plaine du Mayo-Kebbi

Cette planche présente les atouts de la plaine du Mayo-Kebbi. La proximité avec
le Logone qui borde la zone d’étude (photo de gauche) et les sols de bonne qualité (photo
de droite) sont des avantages pour avoir une bonne production agricole.

V.2.2. Dispersion des dates de semis et adoption des variétés à cycle court
La pratique à laquelle les paysans font recours dans la gestion des risques
pluviométriques est la dispersion des dates de semis des cultures. Celle-ci intervient le
plus souvent quand il y’a des difficultés d’installation de la saison pluvieuse. Elle est
développée par 47 % des paysans et est appelée « semis échelonnées ». Elle consiste à
semer la même culture sur deux parcelles différentes ou même sur une seule parcelle à
des dates différentes, ceci en espérant que le rythme pluviométrique correspondrait aux
phases de croissance d’une au moins des cultures par rapport à leur date de semis. Cette
technique répond aussi à un autre objectif : minimiser le risque de fluctuation des prix
des produits sur le marché. Pour pallier au problème de sécheresse en début de saison
agricole et s’adapter à la persistance des faux départs de saison de culture, les paysans

232
pratiquent des ressemis dans la plupart des cas pendant la première et la deuxième
décade du mois de juillet.
Ainsi, le calendrier agricole classique est en pleine phase d’abandon du fait des
fortes variabilités temporelles de la pluviométrie. Ce résultat d’abandon du calendrier
agricole empirique confirme les travaux de Ogouwalé (2006) au Bénin qui avait rapporté
les propos d’un quadragénaire : « le calendrier agricole paysan, depuis une vingtaine
d’année, se comporte comme la monnaie nigériane : le naira ».
Par ailleurs, les semis répétés sont une autre stratégie mise en œuvre par les
populations paysannes dans le cadre d’une adaptation des activités agricoles aux
péjorations pluviométriques. Cette stratégie consiste à semer plusieurs fois la même
variété culturale sur les mêmes parcelles au cours de la même saison culturale. En effet,
lorsque les précipitations connaissent un début tardif ou un arrêt en phase de croissance,
ces cultures jaunissent et sèchent surtout lorsque la rupture des pluies se prolonge. A la
reprise normale des pluies, le paysan procède au "ressemis" qui consiste à un
remplacement des plants fanés par d’autres semences. Il convient toutefois de souligner
qu’avant les semis ultérieurs, le paysan arrache les plants non viables et conserve ceux
qui connaissent une croissance normale (tableau XLI).

233
 Tableau XLI. Dates de semis de 2000 à 2015
Bongor Billiam-oursi Guelendeng Fianga Moulkou
2000 5 juin 29 mai 28 juin 26 juin 18 juin
2001 14 juin 09 juin 30 juin 24 juin 09 juin
2002 24 juin 10 juin 5 juillet 14 juin 10 juillet
2003 23 juin 23 juin 29 juin 12 juin 12 juin
2004 1er juin 1er juin 21 juillet 19 mai 30 juin
2005 27 juin 16 juin 10 juillet 06 juin 04 juin
2006 23 juillet 02 juillet 11 juillet 02 mai 02 juillet
2007 28 juin 12 juin 8 juillet 1er juin 13 juin
2008 25 juin 08 juin 5 juillet 25 mai 09 juin
2009 19 juin 06 juillet 12 juillet 11 juin 29 juin
2010 24 juin 20 juin 28 juin 4 juin 22 juin
2011 23 juin 18 juin 27 juin 6 juin 15 juin
2012 20 juin 22 juin 2 juillet 4 juin 24 juin
2013 28 juin 27 juin 1er juillet 24 mai 27 juin
2014 27 juin 24 juin 28 juin 6 juin 22 juin
2015 21 juin 18 juin 24 juin 10 juin 15 juin
Source : DREM, 2016

Ce tableau montre la variation des dates de semis suite aux fluctuations

pluviométriques. Ces dates subissent assez de variations et ne permettent pas à
l’agriculteur de caler une période précise pour les semis. Guelendeng enregistre les dates
les plus tardives dans les semis alors que Fianga enregistre les dates précoces. Billiam-
oursi, Bongor et Moulkou enregistrent les dates moyennes. Toutefois, il faut relever que
ces dates subissent un retard par rapport au début de la saison pluvieuse et bouleversent
le calendrier agricole. Elles sont aussi soumises aux nombreuses séquences sèches qui
ralentissent la croissance des cultures.
Un autre type d’adaptation est l’adoption des variétés à cycle court. Les
agriculteurs considèrent les variétés précoces comme une réponse au début tardif des
pluies. Les variétés précoces sont fournies par l’ITRAD, elles sont assez exigeantes en

234
termes de fertilité du sol car elles doivent produire une certaine quantité en moins de
temps. Et pour cela, la plante a beaucoup plus besoin de l’eau et aussi de nutriments.
Ces variétés arrivent à maturité avant les variétés traditionnelles et sont aussi très
vulnérables aux attaques aviaires.
Les variétés de sorgho cultivées actuellement dans la plaine du Mayo-Kebbi sont
Guinéa-caudatum, Durra-caudatum et Guinéa-bicolor. Ce sont des variétés hybrides.
Les variétés locales appréciées à la cuisson et au goût sont de moins en moins cultivées
car leur cycle est long et elles sont très sensibles au Striga. La variété de sorgho
introduite en 2011 est le K3R et a un rendement potentiel de 1,5 à 2 t/ha. La variété du
riz introduite en 2012 est le NERICA-L28. C’est une variété de 90 jours dont le
rendement potentiel est de 4-5t/ha tel que résumé dans le tableau XLII.

Tableau XLII. Comparaison des rendements des différentes variétés de

cultures
Espèces Ancienne Rendement Nouvelle Rendements
variété (kg/ha) variété (kg/ha)
Sorgho Djakadji 400-500 K3R 90-1500

Galidje 500-900 Kolmon 500-900

Maïs Mexican- 1500-2000 CMS8507 2000-2500
early
CH3 2000-3000 TOX728-1 3500-5000
Riz Pandira 2500-3000 WITA-4 4000-5000
IR46 2000-3000 NERICA-L28 4000-5000
Arachide 55-437 1000-1500 57-313 2500-3000

Fleur 11 1000-1500 73-33 2000-2500

Niébé IT81D994 700-800 VITA 5 1000-1500

Bouga 250-300 Mendjinda 400-500

Source : ONDR, 2016

235
 Ce tableau montre que toutes les variétés nouvelles, c’est-à-dire celles qui sont
introduites ont un rendement élevé par rapport aux anciennes variétés. En plus de
l’adoption des variétés à cycle court, il y’a aussi la modification des pratiques de labour.

V.2.3. Modification des pratiques de labour

Les variabilités pluviométriques influencent aussi les pratiques de labour et les
systèmes de culture. A Moulkou et à Guelendeng, 65% et 58% respectivement des
agriculteurs disposaient de variétés précoces qui leur permettaient d’enchainer une
culture de mil et une culture de niébé sur la même parcelle. Le raccourcissement de la
saison des pluies interdit désormais cette pratique. Le mil et le niébé sont aujourd’hui
cultivés en parallèle sur des parcelles différentes, ce qui aboutit à une extension
importante des surfaces mises en culture.
A Bongor et à Billiam-oursi, 80% des agriculteurs s’orientent de plus en plus vers
la pratique des pépinières. Ces pépinières concernent plus la culture du riz pluvial. Cette
pratique a un double objectif : limiter les dégâts de la montée des eaux de pluie et
repiquer le riz afin d’obtenir une bonne production en fin de saison. Cette pratique
intervient lorsque les premiers semis sont faits à la troisième décade de juin. Après les
premières pluies qui détruisent les jeunes plants, les producteurs, pour ceux qui ont fait
les pépinières, repiquent le riz qui atteint quelquefois 10 à 15cm, taille permettant à la
culture de mieux se développer et de supporter l’engorgement d’eau.
En plus des pépinières, les agriculteurs de la plaine du Mayo-Kebbi sarclent de
plus en plus leur champ. La fréquence élevée de sarclage contribue à diminuer la fertilité
des sols. Les enquêtes de terrain ont révélé qu’avant les bouleversements
pluviométriques, le sarclage a lieu deux fois l’an. Mais avec les fortes fluctuations
pluviométriques, la fréquence est élevée (F>2). Cette fréquence a pour but d’éliminer
les mauvaises herbes qui croissent au même niveau que les cultures. 70% des enquêtés
à Moulkou affirment sarcler le champ plus de deux fois à cause des mauvaises herbes,
à Guelendeng, 68% ont affirmé la même chose. Par contre à Fianga, c’est le même
rythme de sarclage qui est conservé, c’est-à-dire deux fois par an.
La mise en œuvre de ces pratiques est liée à la perception qu’ont les paysans des
causes de la forte variabilité pluviométrique. Du fait déjà qu’ils perçoivent la variabilité

236
pluviométrique comme relevant de l’ordre de la nature et de Dieu, il s’en suit que
l’homme ne pourra faire autrement que d’invoquer la clémence de Dieu et des mânes
des ancêtres. C’est ainsi qu’en situation de retard de pluie, les paysans font recours aux
faiseurs de pluies qui sont des personnes réputées pour les sacrifices en vue d’implorer
le pardon des divinités. Ces mêmes personnes sont sollicitées pour « arrêter la pluie »
en cas d’excès, même si cette dernière pratique est reconnue par l’ensemble des
personnes enquêtées d’efficacité très faible.
De ce qui précède, il ressort que les populations paysannes de la plaine du Mayo-
Kebbi ne sont pas restées passives face à la dégradation des conditions agricoles. Elles
ont développé des adaptations qui leur ont permis de réduire la vulnérabilité des cultures
aux variabilités pluviométriques. Mais, dans l’ensemble, certaines de ces adaptations du
fait de leurs contraintes/limites (tableau XLIII) ne permettent pas aux populations
paysannes de réduire convenablement les effets négatifs des variabilités
pluviométriques sur les systèmes agricoles.

237
 Tableau XLIII. Contraintes et évaluation des coûts des adaptations endogènes dans la plaine du Mayo-Kebbi
Stratégies Contraintes/limites Coûts
Réadaptation du calendrier cultural Difficile maîtrise du nouveau calendrier Surtravail

Dispersion des dates de semis et adoption Impossibilité de faire la récolte au même Main d’œuvre abondante ;
de nouvelles variétés moment ; Demande élevée de semis
Temps élevé de semis ;
Difficulté de conservation de récolte ;
Dépendance paysanne en
approvisionnement de semences.
Modification des pratiques de labour Désherbages multiples Surtravail
Pratique d’autres cultures et Champs de plus en plus loin du lieu Demande de la main d’œuvre
augmentation des emblavures d’habitation ; supplémentaire
Terres fertiles de plus en plus rare
Utilisation des engrais Nécessité de faire la demande à temps Investissement pour s’approvisionner en
semence
Source : Enquête de terrain, 2015

238
 Ce tableau décrit les contraintes, les limites et les coûts des stratégies endogènes
qui ont un poids énorme sur les agriculteurs et freinent les efforts de certains d’entre
eux.

V.3. ADAPTATIONS INDIRECTES ET STRATEGIES DE LUTTE

CONTRE LES VARIABILITES PLUVIOMETRIQUES
Les variabilités pluviométriques ont bouleversé les systèmes agricoles et perturbé
le calendrier paysan. Malgré cela, l’agriculteur ne cesse de s’y adapter par des moyens
et techniques pour maintenir et augmenter son niveau de production. Les adaptations
décrites sont celles directement liées à la variation pluviométrique. D’autres types
d’adaptations indirectement liées à la pluie sont aussi développés par les agriculteurs. Il
s’agit de la diversification des activités, de l’épargne, de la migration, des choix
stratégiques d’investissement.

V.3.1. Diversification des activités et épargne de précaution

La variabilité pluviométrique rend incertaine la saison agricole. Pour éviter les
risques de famine, les producteurs ont développé d’autres adaptations qui sont entre
autres la diversification des activités qui génèrent les revenus et l’épargne de précaution.
L’instabilité des revenus agricoles dans la plaine du Mayo-Kebbi est majeure du
fait des variabilités pluviométriques. Pour obtenir un complément de revenu et stabiliser
leur revenu, les ménages se tournent donc vers d’autres activités que l’agriculture. 70 %
exercent au moins une activité en plus de l’agriculture. Ces activités complémentaires
sont : le commerce, l’élevage, la pêche, le salariat agricole, le transport. Ces activités
complémentaires constituent une source de revenu non négligeable. Ces activités
contribuent pour 30% au revenu total (encadré 1).

239
Encadré 1. Je n’aime pas le travail agricole ces dernières années car c’est trop difficile et
moins rémunérateur. En plus, cela ne permet pas d’acheter les bœufs, de construire et se
soigner aussi comme nos parents l’ont fait. Je dois faire autre chose pour avoir un peu d’argent
et prendre en charge ma famille. En ce qui me concerne, je vends du carburant au bord de la
route pour augmenter mes revenus. J’achète aussi le mil pendant la récolte et je revends
quelques mois plus tard quand le prix augmente au marché. Si je ne fais pas de cette manière,
ma famille aura beaucoup de problèmes en cas de maladie.
Source : Enquête de terrain, 2015

Ces activités secondaires sont cependant précaires car largement soumises aux
aléas conjoncturels et n’offrent donc qu’une protection partielle des conditions de vie
des ménages. Par exemple, les activités de commerce subissent le coup de la baisse du
pouvoir d’achat à un choc négatif qu’il soit climatique, économique ou politique. Et
aussi, les difficultés de communication durant la saison des pluies, liées au mauvais état
des routes, rendent les déplacements plus difficiles et onéreux et limitent donc les
activités de petit commerce. De la même façon, le salariat agricole est fortement réduit
en période de choc négatif touchant l’ensemble de la zone puisque l’appel à la main
d’œuvre dépend des disponibilités monétaires. Enfin, les ménages les plus vulnérables
et les moins bien dotés en superficie agricole s’appuient essentiellement sur le salariat
agricole pour obtenir un complément de revenu nécessaire à la survie de leur famille. Ils
sont particulièrement touchés en cas de choc négatif. Il est important de rappeler que la
diversification des activités n’offre donc qu’une protection partielle en cas de choc
(Gondard-Delcroix et Rousseau, 2004). Cependant les mécanismes d’assurance
informels peuvent, dans une certaine mesure, atténuer les conséquences d’un choc
négatif. En dehors des activités génératrices de revenus, il y a aussi l’épargne de
précaution.

L’épargne de précaution est une autre pratique répandue dans la zone d’étude.
Elle ne date pas de l’avènement des changements climatiques, mais est de plus en plus
réputée pour la gestion des périodes difficiles du fait des risques climatiques (75 % des
producteurs l’ont affirmé). Elle constitue un mécanisme d’assurance informelle. Le

240
capital social constitue un mécanisme d’assurance pour les plus démunis. L’entraide, le
prêt gratuit (emprunt à taux d’intérêt nul), les transferts monétaires et non monétaires
donnent une idée du capital social à la disposition de ces ménages. Ce capital social est
beaucoup sollicité pour la gestion de dégâts pluviométriques, plus précisément à la suite
de pluie violente : destruction d’habitats, de greniers, de cultures. Il faut toutefois le
souligner, l’appartenance à un groupe de tontine est une pratique aussi très répandue.
Cette pratique permet aux agriculteurs d’épargner un peu d’argent pour faire face non
seulement aux effets néfastes des variabilités pluviométriques mais aussi aux autres
difficultés. Un agriculteur de Billiam-oursi évoque cette pratique (encadré 2).

Encadré 2. Avec les difficultés qu’on a actuellement avec la production agricole, je suis
obligé de mettre un peu d’argent de côté pour les imprévus. Dès que je vends la récolte,
j’épargne une partie de l’argent à la caisse d’épargne et de crédit. Je ne touche pas à cet argent
sauf en cas de problème grave. Quand le montant à dépenser n’est pas élevé, je préfère
m’endetter auprès des autres pour régler la situation. C’est lorsque ce montant est élevé que
je pars retirer cet argent. La production n’est pas bonne ces derniers temps et il faut faire de
cette manière pour s’en sortir.

Source : Enquête de terrain, 2014

L’encadré 2 illustre clairement le rôle important de l’épargne de précaution dans

l’adaptation aux variabilités pluviométriques. Les migrations successives constituent
d’autres types d’adaptation à ces variabilités.

V.3.2. Les mouvements migratoires

Les mouvements migratoires sont une manière de répondre au cumul de plusieurs
contraintes induisant un problème foncier : péjoration pluviométrique et pression
démographique notamment. Ils concernent en général les hommes jeunes avec ou sans
famille. Avant 1990, la plaine du Mayo-Boneye accueillait une main d’œuvre abondante
car la culture du riz y est très développée. Le lieu de départ est la Tandjilé qui partage
la limite sud de la zone d’étude. En effet, les Marba sont majoritaires et constituaient
non seulement la main d’œuvre agricole la plus répandue mais possèdent aussi des
champs. Ils constituent 35% des enquêtés à Moulkou et Bongor.

241
 Les migrations ne s’arrêtent pas seulement au niveau local mais aussi traversent
les frontières. A Bongor, 68% des enquêtés affirment que le problème de la main
d’œuvre se pose sérieusement pour les travaux champêtres. Le Nord-Cameroun est la
zone d’accueil de cette migration. Gonné (2008) a montré que la main d’œuvre agricole
dans les champs de karal est constituée à 60% des tchadiens dont le lieu de provenance
est pour la grande partie la plaine du Mayo-Kebbi. Les localités d’accueil sont entre
autres le Mayo-Danay et le Mayo-Kani. La période favorable de cette migration se situe
en juillet, août et septembre. Cette période correspond aussi à celle des travaux
champêtres dans la zone de départ, réduisant ainsi la main d’œuvre. La population jeune,
à la recherche des gains élevés, quitte son terroir pour d’autres afin d’augmenter son
revenu. Cette zone qui, avant 1980 constituait la zone d’accueil (figure 87) des migrants
est devenue à la longue pourvoyeur d’autres zones, car les variabilités pluviométriques
ont marqué et continuent de marquer négativement les agriculteurs.

242
Source : Gonné, 2008 et enquêtes de terrain, 2015 Réalisation : Gouataine, mai 2016

Figure 87. Migrations des populations dans la plaine du Mayo-Kebbi suite

aux variabilités pluviométriques

243
 Il s’agit là des stratégies qui permettent de déplacer le risque, mais pas toujours
de le réduire. De plus, les agriculteurs ne disposent pas toujours de savoir-faire ou des
ressources nécessaires (variétés adaptées par exemple) pour la mise en valeur des
nouveaux espaces. Le temps d’adaptation peut être assez long, surtout si les agriculteurs
ne bénéficient pas d’un accompagnement.

V.3.3. Les choix stratégiques d’investissement

Les agriculteurs tentent de contrôler le niveau de risque en raisonnant les
investissements en moyens de production (fumure et travail notamment) selon les
chances de réussite qu’ils attribuent à telle ou telle parcelle. Deux options sont observées
selon les cas : soit les moyens de production sont concentrés dans les zones à priori plus
favorables (parcelles qui ont bien démarré) soit ces moyens sont au contraire repartis sur
toutes les parcelles, ce qui correspond à une stratégie anti-risque. Dans tous les cas, le
choix implique un pronostic sur la suite de l’année pluviométrique, et le risque de perdre
n’est pas nul. Cette technique n’est adoptée que par 25% des enquêtés à Fianga, 55% à
Bongor et 20% à Guelendeng.

Conclusion
Les adaptations endogènes aux variabilités pluviométriques sont multiples et
variées. Elles concernent tout d’abord les adaptations directes qui vont de la réadaptation
du calendrier agricole, de la mise en valeur des bas-fonds, de la modification des
pratiques de labour et de l’adoption des variétés à cycle court. Les savoirs faires paysans
sont d’une considérable importance dans la lutte contre les effets néfastes des
variabilités pluviométriques. Ces adaptations sont insuffisantes et directement liées à
ces variabilités. D’autres formes d’adaptation indirectes existent. Elles concernent la
diversification des activités génératrices de revenus, de l’épargne de précaution, des
migrations et des choix stratégiques d’investissement. Toutes ces adaptations ne
permettent pas à l’agriculteur de relever son niveau de production. Les pouvoirs publics
apportent leur appui dans l’adaptation aux variabilités pluviométriques. Les perspectives
d’amélioration de la production agricole sont nombreuses et variées, elles sont décrites
dans le chapitre suivant.

244
 CHAPITRE VI.
QUELQUES PERSPECTIVES D’AMÉLIORATION DE LA
PRODUCTION AGRICOLE DANS LA PLAINE DU MAYO-
KEBBI DANS UN CONTEXTE DE VARIABILITE
PLUVIOMETRIQUE

245
 Les variabilités pluviométriques influencent les productions agricoles et les
systèmes de culture. Face à ces effets, les agriculteurs ont développé des adaptations
diversifiées. Ces adaptations adaptées aux différentes variabilités ne permettent à
l’agriculteur d’améliorer sa production. Le secteur agricole se trouve ainsi fragilisé. Pour
améliorer la production, il est nécessaire que les pouvoirs publics appuient ce secteur.
Ce chapitre décrit les appuis des pouvoirs publics et les perspectives pour améliorer la
production.

VI.1. APPUI DES POUVOIRS PUBLICS

Les adaptations dont il est fait mention plus haut constituent celles qui permettent
de supporter les fluctuations de plus en plus fortes de la pluie. Elles sont adoptées pour
essayer de tirer profit des variabilités de la pluie et jouent un rôle préventif. Elles sont
de deux types. Il y a celles qui sont élaborés et profitables aux communautés rurales et
vulgarisées par l’État à travers ses partenaires qui œuvrent dans le monde rural et il y a
aussi celles qui sont des programmes sociaux développés par les structures privées. Ces
programmes sont créés bien avant les bouleversements climatiques et ont pour rôle
d’aider le monde rural à améliorer sa production mais avec ces bouleversements, leurs
rôles sont de plus en plus renforcés afin d’accroître la production et le rendement.

VI.1.1. Programmes d’assistance de soutien et de recherche

L’atteinte de l’autosuffisance alimentaire et de la sécurité alimentaire constitue
la priorité des autorités publiques. Le gouvernement a placé le monde rural au centre de
ses préoccupations à travers plusieurs programmes (PNSA, ONASA, ONDR,
ITRAD,…). Ces programmes œuvrent chacun dans son domaine à l’amélioration des
conditions de vie des populations rurales qui sont plus vulnérables aux fortes variations
pluviométriques.
L’ONDR est un organisme parapublic créé en juillet 1965 et chargé de
l’exécution des programmes de développement agricole. Il est responsable des
programmes de développement agricole, de l’animation des groupements villageois, de
l’approvisionnement des producteurs en facteurs et moyens de production.

246
 L’ONASA est créé par la loi n°002/PR/2001 du 21 Février 2001 et est placé sous
la tutelle du Ministère de l’Agriculture. Ses missions sont les suivantes :
- la constitution, la conservation et la gestion d’un stock de réserves de produits
vivriers lui permettant d’agir en cas de nécessité ou d’urgence ;
- le traitement et la conservation du stock ;
- la participation au financement des aménagements ruraux et des infrastructures
utiles aux organisations et populations rurales ;
- le concours aux opérations de distribution des aides alimentaires dans le respect
de son autonomie financière ;
- la constitution d’un fonds de sécurité alimentaire ;
- l’appui à la protection des cultures par le financement des produits et matériels
phytosanitaires ;
- l’appui aux organismes internationaux concernés par le suivi des marchés et
produits vivriers.

Il y a aussi la DGRHA qui dépend du Ministère de l’Agriculture. Elle est chargée :

- de planifier, programmer, coordonner et gérer les études et travaux
d’aménagement des périmètres agricoles relevant du secteur public ou
parapublic ;
- d’étudier et d’exécuter les programmes d’utilisation des eaux à des fins
agricoles ;
- de centraliser ou d’actualiser l’ensemble des données relatives aux ouvrages de
génie rural et d’hydraulique agricole ;
- de réglementer la création des périmètres et aires d’irrigation, de suivre la
gestion, l’exploitation et la maintenance des aménagements hydro-agricoles,
d’autoriser les prélèvements et l’utilisation des eaux à des fins agricoles et
d’attribuer les permis d’exploitation des moyens de pompage et d’exhaure ;
- de conseiller et d’appuyer techniquement les organisations professionnelles dans
les domaines de gestion, de l’exploitation et de la maintenance des
aménagements hydro-agricoles ;
- de participer avec les autres services concernés aux études d’impact précédant la
réalisation de périmètres irrigués ;
247
 La DSA est chargée de la collecte, du traitement et de la publication des données
annuelles relatives à la production de toutes les cultures par zone agro-écologique.
Un autre programme, le PPDC concernait le Chari-Baguirmi et le Mayo-Kebbi.
Ses domaines d’intervention sont la sécurité alimentaire et la promotion de l’économie
rurale, la sauvegarde des ressources naturelles et l’amélioration des conditions de vie
des populations rurales. Piloté sous le contrôle de l’ONDR, le projet a travaillé de 1988
à 1993.
Le Programme de Développement Rural a non seulement concerné le Mayo-
Kebbi, mais aussi le lac Tchad et le Chari-Baguirmi. Financé par le FED, ce projet
intervient dans plusieurs secteurs du monde rural.
Le PGRN a pour objectif la conservation des ressources naturelles. C’est un
projet financé par le GTZ et a permis de mieux gérer les ressources naturelles. Les
retombées de ce projet s’observent encore aujourd’hui dans certains villages dont la
gestion des ressources naturelles est très rigoureuse.
Le PSSA mis en place en 1999 s’est orienté vers la réalisation d’un programme-
pilote de promotion de la maîtrise de l’eau permettant l’intensification de la production
agricole par l’introduction de techniques de mobilisation des ressources en eau adaptés
aux conditions locales. Financé par la FAO, ce projet a pris fin en 2001.
Les UCEC mises en place par l’église catholique ont permis aux paysans de
conserver leurs récoltes et de les vendre au moment convenable. Ces coopératives
octroient des crédits aux paysans pour mener d’autres activités afin d’attendre le
moment propice de vente de récolte. Le taux de remboursement de ce crédit est faible,
et cela encourage les paysans à s’y adhérer massivement.
Tous ces programmes œuvrent pour améliorer les conditions de vie du monde
rural. Toutefois, ils ne prennent pas en compte la problématique d’une variation du
climat, que ce soit dans leur formulation que dans leur mise en œuvre et c’est là l’une
de leurs grandes faiblesses. De plus, leurs impacts restent et demeurent fortement limités
dans la mesure où la grande partie des ressources allouées est destinée plus aux frais de
fonctionnement qu’à la réalisation des actions, mêmes parcellaires, devant contribuer à
la résolution des problèmes afférant à l’insécurité alimentaire.

248
 VI.1.2. Renforcement des adaptations aux variabilités pluviométriques et
des structures de recherche
Le renforcement des stratégies d’adaptation consiste à appuyer les structures de
recherche et les adaptations endogènes. Ces structures de recherche sont indispensables
dans la recherche des solutions aux problèmes liés aux variabilités pluviométriques, qui
sont une contrainte majeure à la production agricole.
L’atteinte de l’autosuffisance et même de la sécurité alimentaire ne peut être
possible qu’avec le renforcement des structures de recherche. Ces structures devraient
avoir déjà une connaissance avérée dans le domaine du climat et pourraient mieux
travailler pour asseoir l’autosuffisance alimentaire. Il est nécessaire, qu’à partir des
connaissances existantes d’élaborer des mesures visant l’atténuation des impacts des
variabilités pluviométriques.
Il est aussi important de procéder à la formation et au recyclage permanent des
membres des Groupements Villageois (GV) et des Groupements Féminins (GF) et aussi
de quelques ONG qui opèrent dans le secteur agricole. Les institutions telles que
l’ITRAD, l’ONASA, le PNSA, etc. doivent se familiariser à l’utilisation des données
climatiques. Leur travail doit beaucoup plus s’orienter vers une agriculture intensive
pour parer les impacts des variabilités pluviométriques. Ceci va consister en la mise en
place des techniques qui visent à optimiser la prise de décision grâce à une surveillance
étroite des conditions de croissance des cultures.
Les autres initiatives des pouvoirs publics pour moderniser l’agriculture se
heurtent toujours à un certain nombre de problèmes dont l’instabilité pluviométrique. Et
pour combler ce manque d’eau, d’autres stratégies sont utilisées telles que l’appui
matériel.

VI.1.3. Appuis matériels de l’agriculture

L’appui matériel joue pour beaucoup dans l’amélioration de la production
agricole. Les pouvoirs publics ont appuyé le monde rural avec les matériels tels que les
tracteurs (planche 5). Ces tracteurs, montés au Tchad par la SIMATRAC, sont distribués
aux différentes régions du Tchad. Ils sont gérés par le PNSA et loués aux paysans à
hauteur de 10000 F CFA par hectare.

249
 10°20’N et 15°14’E
Cliché Gouataine, 2015

Planche 5. Matériels agricoles à Bongor

La planche 6 présente les matériels agricoles mis à la disposition des
agriculteurs. Ils sont garés dans les locaux de l’ONDR à Bongor. Ces matériels
distribués par le PNSA permettent de labourer rapidement les champs et limiter le
travail manuel.

La gestion de ces tracteurs pose d’énormes problèmes et vue les difficultés,

certains enquêtés continuent de labourer avec leurs matériels rudimentaires. D’autres
évoquent le coût de location élevé. Les adaptations endogènes et les appuis des pouvoirs
publics sont indispensables pour faire face aux effets néfastes des variabilités
pluviométriques. Mais ces adaptations ne résolvent pas tout le problème. Pour cela,
d’autres perspectives sont envisagés.

VI.2. OPTIONS ET STRATEGIES POUR UNE PLANIFICATION DE LA

SECURITE ALIMENTAIRE
La production agricole dans la plaine du Mayo-Kebbi est confrontée à la forte
variabilité spatio-temporelle des précipitations. Les adaptations paysannes et l’appui des
pouvoirs publics ne permettent pas d’améliorer considérablement la production. Mais
250
ces adaptations demeurent insuffisantes car elles ne permettent pas à elles seules,
d’assurer une bonne production. Cette partie propose d’autres types d’adaptation à
mettre en œuvre pour faire face aux effets des variabilités pluviométriques. À partir
d’une analyse multisectorielle fondée sur les différentes échelles de décision, des
adaptations potentielles sont développées et un modèle de prise de décision est proposé
afin d’améliorer la production agricole.

VI.2.1. Réduction considérable de l’importation des produits alimentaires

Au regard de la situation alimentaire de la plaine du Mayo-Kebbi, cette
proposition parait irrationnelle. Mais si on part du principe que c’est le local qui doit
nourrir le local, le Tchad peut considérer cette réduction et même sa suspension comme
un préalable avant les stratégies. Vue l’augmentation actuelle des cours mondiaux des
céréales et la chute des prix des autres produits tels que le pétrole, le Tchad ne peut
qu’investir davantage dans le secteur agricole afin de réduire considérablement
l’importation des céréales.
Cette importation des produits alimentaires rend vulnérable et dépendant le
Tchad, et pour asseoir son indépendance alimentaire, le pays ne peut qu’appliquer cette
solution. D’autres sont proposées pour garantir l’autosuffisance alimentaire dans un
contexte de forte variabilité pluviométrique.

VI.2.2. Intensification des aménagements hydro-agricoles et mobilisation

des eaux de ruissellement
Il est souligné plus haut que la production agricole dans la plaine du Mayo-Kebbi
est tributaire du climat. La forte variabilité spatio-temporelle des précipitations affecte
sérieusement la production et les rendements agricoles. Pour cela, il faut songer à la
mise en place des dispositifs de recueillement des eaux de ruissellement pour une
irrigation à moindre coût. Dans les conditions actuelles, les eaux de pluie, pour des
raisons diverses, ne sont pas infiltrées dans les sols mais ruissellent à la surface, ce qui
diminue le volume d’eau disponible pour la croissance des espèces végétales, arrache la
couche arable et compromet sérieusement les régimes hydrologiques.

251
 À Moulkou, il faut développer des mécanismes de recueillement des eaux de
pluie. Ces aménagements de taille moyenne permettent de collecter les eaux de pluie
pour une utilisation efficiente. Ils doivent permettre aussi de conserver les eaux de pluie
et de les utiliser pour augmenter la production et les rendements des différentes cultures
au moment où les pluies sont irrégulières et insuffisantes. Les avantages sont
indiscutables car la récupération des eaux est alliée à une gestion intégrée des
nutriments.
Le système de captage des eaux de ruissellement à mettre en place sera caractérisé
par la présence d’une surface de ruissellement comme un bassin versant et d’une aire de
réception où s’accumulera l’eau ruisselée. Cette surface peut être des citernes enfouies
au sol, des bassins au niveau des fermes ou de grandes retenues d’eau d’accumulation
(figure 88).

Figure 88. Système de mobilisation des eaux de ruissellement

La construction des impluviums a côté de certains bâtiments est à promouvoir,

afin de recueillir l’eau qui peut aussi être utilisée pour les mêmes fins. À Guelendeng,
l’utilisation de l’eau du Chari pour intensifier le maraichage ainsi que d’autres cultures
irriguées est aussi indispensable. Les aménagements hydro-agricoles réalisés à Bongor
doivent être revus et valorisés pour augmenter la capacité productive. À Fianga, les

252
aménagements agricoles sont à encourager aux abords du lac Tikem pour valoriser le
maraîchage.

VI.2.3. Amélioration de la fertilité des sols et promotion de la culture attelée

Les enquêtes de terrain et les études antérieures (Gouataine, 2010, 2014) ont
attesté la baisse de la fertilité des terres dans la plaine du Mayo-Kebbi. Pour améliorer
cette fertilité, la reconstitution biologique par la jachère à base de Mucuna pruriens est
indispensable. Il s’agit ici de la jachère plantée. La protection de la culture principale
par des plantes améliorantes telles que Leucena, Cajanus cajan sont à poursuivre.
Les pratiques culturales comme la succession culturale, l’association et la
rotation culturale sont aussi à promouvoir et vulgariser. La répartition ordonnée dans
l’espace des cultures pures ou associées permettent de valoriser les gradients de fertilité
des sols. Le simple fait de semer les légumineuses telles que le Mucuna en couloir dans
les cultures vivrières assure la protection des sols et l’enrichissement organique des
terres. Les parcs à acacia albida sont aussi à encourager dans cette plaine. Certains
agriculteurs ont planté cette espèce dans leur champ pour augmenter justement la
fertilité du sol.
La protection physique des terres est aussi une autre pratique à encourager. Des
études menées par l’IITA ont mis en évidence l’augmentation de rendement résultant
d’un bon travail du sol. L’utilisation des outils à dents de types croc à bêcher qui permet
d’extirper les racines au lieu de les biner à la houe est aussi à promouvoir.
La culture attelée est indispensable car elle permet d’amortir le coût de la main
d’œuvre. Dans le Mont Illi, ce système de culture est à encourager car l’élevage bovin
est beaucoup développé. Par contre, dans les autres localités telles que Bongor, Billiam-
oursi, Guelendeng et Moulkou, l’élevage est peu développé. Ce sont juste quelques têtes
de bœufs qui font partie du patrimoine familial. Très peu de ménages disposent de bétails
et ceux qui n’en disposent pas continuent de labourer manuellement leurs champs. Or,
la promotion de cette culture permet d’accroître non seulement la production mais aussi
les surfaces agricoles.

253
 VI.3. ACTIONS POUR L’ATTEINTE DE LA SECURITE ALIMENTAIRE
Pour arriver à l’autosuffisance alimentaire et atteindre la sécurité alimentaire,
des actions sont entreprises. Elles concernent les informations sur les variabilités
pluviométriques et la sensibilisation des paysans, l’amélioration des systèmes de
conservation et la mise en place d’une veille pour la sécurité alimentaire.

VI.3.1. Information sur les variabilités pluviométriques et sensibilisation des

paysans
L’information joue un rôle indispensable car elle amène les communautés à
intégrer dans leurs comportements quotidiens les préoccupations de l’adaptation à la
variabilité pluviométrique. Il est donc important d’informer la population sur le
phénomène de variabilité pluviométrique et de son impact. Aussi, il faut que les paysans
soient persuadés d’adopter les stratégies proposées.
La mise en œuvre de cette stratégie passerait surtout par voie radiophonique. La
‘‘Radio Terre Nouvelle’’ qui couvre toute la zone d’étude peut diffuser des émissions
dans les langues locales (Arabe, Ngambaye, Massa, Toupouri, Mousseye, Foulbé…).
Cette diffusion peut aussi se faire par l’édition des bulletins agro-météorologiques à
l’échelle décadaire et par l’organisation des séances d’information et de partage sur les
variabilités pluviométriques à l’endroit des agents de développement rural et des
responsables des organisations paysannes.

VI.3.2. Amélioration des systèmes de conservation et de techniques de

transformation des produits agricoles
Pour assurer l’autosuffisance alimentaire et atteindre la sécurité alimentaire, il est
aussi important d’évoquer les systèmes de conservation des produits agricoles. Les
systèmes existants ont montré leurs limites car les pertes de récoltes sont fréquentes.
Le crédit « Warrantage » mis en place par les UCEC est à encourager et
vulgariser. Il consiste à garder la récolte dans un grenier communautaire et la revendre
au moment où le prix augmente sur le marché. Entretemps, l’UCEC accorde de crédit
aux paysans pour faire face aux difficultés courantes. Ainsi, la vente des céréales juste
après la récolte est repoussée jusqu’au moment favorable.

254
 Il est aussi important de promouvoir la transformation artisanale. Celle-ci est
souple car elle s’adapte plus facilement aux variations de l’offre des produits à
transformer et assure des productions bien adaptées aux goûts des consommateurs. On
peut aussi procéder au couplage transformation artisanale/transformation industrielle en
ce sens qu’il permet de mieux produire par rapport à la consommation locale et
régionale. Et aussi dans ce couplage, il sera nécessaire de favoriser les opérateurs locaux
par la mise en place d’une série de tarifs aux importations des intrants qui entrent dans
les dispositifs de transformation.

VI.3.3. Veille pour la sécurité alimentaire (VSA)

Pour asseoir une véritable prévention des effets néfastes des variabilités
pluviométriques, un schéma institutionnel peut être mis en place. Ce schéma sera établi
par la mise en place de la Veille pour la Sécurité Alimentaire (VSA) à travers le Système
d’Information et d’Alerte Rapide (SIAR) permettant le suivi de la variabilité
pluviométrique afin d’une préparation éventuelle. Ce système permettra d’établir
périodiquement la situation pluviométrique de chaque zone de la plaine du Mayo-Kebbi.
Pour cela, il est important de rehausser le niveau de prélèvement des données
pluviométriques à travers la formation des agents de la DREM et renforcer la structure
spatiale des stations. Le SIAR qui est proposé s’occupera aussi de la disponibilité des
ressources en eau et de leur utilisation, ceci dans le but de mieux orienter sur les risques
d’inondation.
La VSA sera aussi alimentée par le Système d’Information Agricole et sur la
Nutrition (SIAN). Ce dernier sera élaboré ensemble avec les ministères en charge de
l’agriculture, de l’élevage et de la pêche qui fournissent les données sur les différentes
modes de production agricole, le commerce des produits agricoles et les intrants. Ces
données permettront à chaque zone agro-écologique de bien simuler les rendements pour
une bonne production agricole.
L’ONASA sera mis à contribution pour dresser les indicateurs de nutrition à
partir des enquêtes d’ECOSIT. Ainsi le SIAN sera orienté vers une meilleure
connaissance des besoins d’information liés à la disponibilité des produits alimentaires.

255
 Comme les impacts des variabilités pluviométriques ne s’arrêtent pas seulement
au niveau agricole, il est aussi important d’élaborer le Système d’Information sur les
Marchés (SIM) qui sera alimenté par les données de l’INSEED. Ce système donnera les
informations sur les prix des produits et des intrants agricoles, les perspectives
commerciales et d’autres données permettant d’améliorer le fonctionnement des
marchés agricoles.
À côté de ces systèmes, il faut aussi le Système d’Information Sanitaire (SIS) qui
doit être mis en place conjointement avec le Ministère de la Santé Publique. Ce système
regroupe des données sur les maladies et d’autres informations socio-sanitaires.
La VSA (figure 89) ainsi conçue sera un outil fondé sur un ensemble de
composantes intégrées et implique beaucoup d’acteurs (décideurs politiques,
chercheurs, paysans, etc.).

Figure 89. Schéma conceptuel de la VSA

La VSA pourrait permettre une meilleure adaptation aux variabilités

pluviométriques. Elle constitue un système de diagnostic multifonction d’information et
d’outil d’aide à la décision pour estimer la production des principales cultures, évaluer

256
le niveau de la production par secteur agro-écologique et prendre des mesures
nécessaires pour contrecarrer les déficits des rendements et de production agricole.
L’ensemble de mesures et stratégies proposées permettraient de faire des
prévisions et de détecter rapidement les crises alimentaires.

Conclusion
En conclusion, ce chapitre montre que les autres formes d’adaptation aux
variabilités pluviométriques sont nombreuses. Mais elles demeurent inconnues car peu
étudiées. Pour ce faire, les stratégies proposées ne seront efficaces que si elles sont
combinées. Dès lors, la réduction considérable de l’importation des produits
alimentaires constitue un préalable. De même, il est nécessaire que si on décide de
réduire l’importation, d’autres stratégies doivent être accentuées. Comme solution,
l’appui aux structures de recherche, la promotion de maraîchage, la promotion de la
culture attelée sont d’autres formes d’adaptation qui sont essentielles à mettre en œuvre
pour rehausser le développement agricole dans la plaine du Mayo-Kebbi.
Aussi, les adaptations proposées qui vont de l’intensification des aménagements
hydro-agricoles et de l’amélioration de la fertilité des sols sont indispensables pour le
développement agricole de la plaine. L’information sur les variabilités pluviométriques
et l’amélioration des systèmes de conservation et des techniques de transformation des
produits agricoles sont aussi nécessaires.
La mise en place de la Veille pour la Sécurité Alimentaire (VSA) donnera un
coup d’accélérateur pour une amélioration globale de la production des systèmes
agricoles. Sa mise en place, son organisation, ses différentes entités permettront à tous
les partenaires de bien appréhender la question des variabilités pluviométriques et de
leurs impacts sur les systèmes agricoles.

257
DISCUSSION ET LIMITES DE LA RECHERCHE

258
 La problématique examinée dans cette thèse s’inscrit dans la série des travaux de
recherches sur le développement agricole et est axée sur les effets des variabilités
pluviométriques sur les systèmes végétatifs et l’adaptation des agriculteurs à ces
variabilités. Avant de conclure la présente étude, certains des résultats obtenus méritent
d’être discutés.
Cette étude montre que les variabilités pluviométriques sont réelles dans la plaine
du Mayo-Kebbi. Les pluies ont connu une baisse sensible pendant les décennies 70 et
80 avant de se stabiliser mais avec de profondes disparités. Les résultats obtenus, même
s’ils sont intéressants et représentatifs du Sud-ouest tchadien, ne peuvent pas être
extrapolés à l’ensemble du Sud du Tchad. De même, le nombre restreint des stations
(Bongor, Billiam-oursi, Moulkou, Guelendeng et Fianga) permet de saisir les variations
qu’à l’échelle de la plaine. Cette restriction n’a pas aussi permis de mieux apprécier les
variabilités pluviométriques sur ces différentes facettes. Comme l’a souligné Baohoutou
(2007), la faiblesse du réseau ne permet pas de faire des analyses représentatives du Sud
du Tchad. Aussi, les cinq stations sur lesquelles l’étude a porté sont soit climatologiques
soit pluviométriques. En effet, pour les simulations, on a besoin des données
climatologiques de toutes les stations (insolation, radiation globale, humidité, vitesse du
vent). Les quelques données parcellaires obtenues ont permis de faire les simulations.
Néanmoins, les données parcellaires extraites ont permis d’identifier les ruptures dans
les séries pluviométriques attestant des variabilités pluviométriques.
Qui plus est, les variabilités pluviométriques annuelles, mensuelles et
journalières constatées dans la plaine du Mayo-Kebbi confirment les résultats obtenus
en Afrique de l’ouest en général et au Tchad en particulier. En effet, les sécheresses des
années 70 et 80 ont marqué les séries pluviométriques provoquant une rupture de
stationnarité et modifié les comportements des agriculteurs. La première hypothèse est
ainsi vérifiée et confirmée.
Les effets des variabilités pluviométriques sur les systèmes végétatifs sont aussi
confirmés lorsqu’on s’en tient aux mauvaises productions agricoles obtenues pendant
les années déficitaires et aussi pendant les années dont les pluies sont extrêmes. Les faits
climatiques propres à la région qui ont affectée les systèmes agricoles sont la succession
de deux décennies relativement sèches avec un seuil critique en 1984, la variabilité intra

259
saisonnière de la pluviométrie marquée par des écarts importants dans les dates de
démarrage et de fin de pluie et une concentration tant en fréquence qu’en hauteur des
pluies au cœur de la saison. Chacun de ces faits a imprimé de sa marque particulière la
plaine du Mayo-Kebbi. Aussi, les hypothèses selon lesquelles les variabilités
pluviométriques constituent une menace pour les systèmes végétatifs et que les plantes
subissent les effets de ces variabilités aux différents stades végétatifs de leur
développement sont vérifiées.
Les nombreuses séquences observées pendant la saison pluvieuse ont aussi
perturbées le développement des cultures. Leur apparition fréquente désorganise le
travail agricole à tel point que le rendement à la fin de la période reste compromis. Mais
d’autres effets secondaires, conséquences de ces séquences sèches ne sont pas assez
développées. Dès lors, une étude plus approfondie dans ce domaine reste à envisager.
De prime abord, la succession des années sèches a entrainé une diminution des
rendements agricoles, sources de famine et de disette ayant poussé aux migrations
saisonnières. La population restant sur place adoptait diverses stratégies pour s’adapter
aux variabilités.
Les variations intra saisonnières de la pluviométrie imposent la recherche des
cultivars les mieux adaptés pour faire face au contexte climatique actuel. C’est ainsi que
la plupart des variétés locales sont abandonnées au profit de nouvelles variétés
généralement à cycle court, mais sans pour autant atteindre l’objectif visé, autrement dit
l’amélioration des rendements. La situation exige encore des recherches accrues et de
préférence axées sur les variétés locales si l’on veut satisfaire les besoins alimentaires
de la population de cette zone devenue de plus en plus nombreuse.
Par ailleurs, la simulation et l’évaluation des rendements agricoles est faite avec
CropWat. Ce logiciel a permis d’évaluer le rendement et d’estimer le rendement
potentiel. A partir des dates prédéterminées, l’évaluation des pertes de rendements est
faite. Aussi, le rendement théorique est obtenu dans les conditions normales de
précipitations. Ces résultats obtenus sont intéressants car elles ont permis de comparer
les rendements théoriques et réels obtenus sur le terrain. Cependant, il faut dire que ce
logiciel manque de précision car il ne prend en compte que les besoins en eau de la
plante alors que d’autres besoins en nutriments et autres éléments nécessaires à la

260
croissance de la plante ne sont pas utilisés dans le calcul du rendement. Néanmoins, les
résultats présentés permettent de connaitre le niveau de vulnérabilité des cultures et leur
sensibilité aux variations de la pluie. La situation actuelle permet ainsi de mieux
proposer des cultivars adaptés à la nouvelle donne pluviométrique.
Les adaptations des agriculteurs de la plaine du Mayo-Kebbi aux différentes
variabilités pluviométriques ont montré la réalité de ces variabilités. Les différents types
d’adaptation à chaque variabilité ont attesté de la capacité des agriculteurs à s’adapter
aux variations extrêmes des précipitations. Les différents travaux menés sur le sujet au
Cameroun notamment par Feumba et Tsalefac (2003), Bring (2005), au Bénin par
Ogouwalé (2006) et Vodounon (2016) et au Tchad par Baohoutou (2007), Gouataine et
al. (2016) ont aussi montré la capacité d’adaptation des agriculteurs face aux contraintes
climatiques et les résultats actuels viennent confirmer les résultats de ces travaux. Ces
différents résultats montrent aussi que toutes les zones agro-écologiques sont sujettes
aux variabilités climatiques, conséquences des changements climatiques globaux.
La théorie du climat moyen avec les variations autour de la moyenne est
représentative de la plaine du Mayo-Kebbi. Les différentes fluctuations des valeurs
observées autour de la moyenne de la série pluviométrique s’inscrivent dans la logique
de la théorie du climat moyen évoquée par Milankovitch. Les tendances pluviométriques
confirment la péjoration climatique.
La théorie de la relation entre le climat et les plantes cultivées est vérifiée par les
analyses du rapport entre la pluie et la production agricole. Il se dégage de ces analyses
que la pluie demeure l’élément fondamental de production agricole et que cette dernière
est tributaire de sa répartition tant spatiale que temporelle.
Les différents aspects de la théorie d’adaptation évoquée dans cette étude sont
vérifiés sur le terrain. L’adaptation peut être comportementale comme l’a souligné
Bates. Le comportement paysan a changé au regard des fortes variabilités
pluviométriques, surtout au retard des pluies.
Cette étude n’a pas pris en compte la disponibilité des ressources alimentaires de
la zone d’étude. Si on tient compte de la disponibilité des aliments, on peut faire des
simulations pour voir la situation future de la plaine sur le plan alimentaire en fonction
du taux d’accroissement de la population.

261
 La méthodologie utilisée a donné des résultats satisfaisants. Les différents
éléments calculés sur la période de l’étude a donné un aperçu de la situation climatique
du Sud-ouest tchadien. Les résultats obtenus dans cette étude ont confirmé celles
obtenues dans d’autres zones géographiques. Tout en reconnaissant la qualité et la
validité de la méthodologie et des résultats obtenus, un élargissement du champ d’étude
et l’intégration d’autres paramètres climatologiques en détail donneront encore plus des
résultats intéressants et ouvriront d’autres perspectives de recherche.
Les systèmes de production agricole ne sont pas assez développés dans cette
étude. Et pourtant, à côté de la pluviométrie, ces facteurs entrent en compte dans la
production agricole. La culture du riz par exemple demande une main d’œuvre forte et
une force de travail élevée. Les aspects économiques et sociaux ne sont pas étudiés.
Malgré cela, les résultats présentés ont donné un état des lieux des productions agricoles
soumises aux variabilités pluviométriques et les difficultés qu’ont les agriculteurs à
développer leurs activités. Une étude dans ce sens devrait être aussi envisagée.
En somme, les résultats obtenus donnent un état global de l’environnement
agricole de la plaine du Mayo-Kebbi. Ces résultats ont confirmé l’existence d’une
rupture de stationnarité, conséquence des changements climatiques ayant affecté le sahel
depuis les années 70 et 80, ils permettent aux agriculteurs de mieux organiser les
moments propices de cultures et d’anticiper les risques agricoles, et de mobiliser les
pouvoirs publics ainsi que les communautés en faveur de toute action visant la
stabilisation du climat.

262
CONCLUSION GENERALE

263
 L’objectif global de la présente étude était d’analyser la dynamique
pluviométrique dans la plaine du Mayo-Kebbi et l’adaptation des agriculteurs à ces
différentes variabilités. Ceci pour proposer des outils d’intervention en vue de participer
à l’atteinte des objectifs de sécurité alimentaire et de lutte contre la pauvreté.
Au terme de cette étude, on peut se satisfaire des résultats qui donnent un état des
lieux de la dynamique de la pluie dans la plaine du Mayo-Kebbi. Quelques aspects
majeurs méritent d’être rappelés en fonction de la démarche suivie.
La variabilité interannuelle et spatiale des précipitations est un facteur
indispensable pour la production agricole. L’analyse de la pluie à différentes échelles a
donné des résultats intéressants. La pluie annuelle s’ajuste normalement à la loi racine-
normale. Cet ajustement a permis d’estimer les fréquences d’apparition de ces pluies
ainsi que les différentes périodes de retour. Quelle que soit l’échelle, les pluies
minimales et maximales ont une certaine fréquence d’apparition. La pluie annuelle varie
non seulement selon le site mais aussi selon les années. La rupture dans les séries
pluviométriques est observée pendant les années qualifiées de « sèches » scindant la
série pluviométrique en deux sous-séries de longueur variable. La répartition
interannuelle montre qu’il y a des années très sèches ainsi que celles qui sont humides.
Dans sa répartition spatiale, les stations les plus au nord de la plaine telles que
Guelendeng sont moins arrosées par rapport à celles plus au sud comme Fianga. En plus
de la longitude et de la latitude, l’altitude conditionne aussi la répartition de la pluie
comme le montrent les coefficients de corrélation obtenus. Enfin, la pluie varie
également d’une décennie à une autre. L’analyse des pluies décennales a montré que la
décennie 1980-1989 est la plus sèche dans toutes les stations alors que celle de 1960-
1969 est la plus humide. Les analyses thermométriques ont montré une tendance à la
hausse de 1985 à 2013.
Les pluies mensuelles s’ajustent bien à la loi racine-normale comme les pluies
annuelles. Les analyses fréquentielles ont montré que les pluies mensuelles moyennes
se rapprochent plus de la fréquence biennale (F=0,5). L’analyse du régime
pluviométrique laisse apparaître que les premières pluies sont enregistrées au mois
d’avril et les dernières pluies en octobre, mais fortement perturbées. L’analyse des dates
de début et de fin de la saison pluvieuse d’après les critères bien définies ont montré très

264
clairement que les premières pluies ne marquent pas nécessairement le début de la saison
pluvieuse car le risque de ‘‘faux-départ’’ est élevé. Les stations de Guelendeng et Fianga
situées aux extrémités nord et sud du domaine d’étude ont des durées de saison pluvieuse
différentes.
Il ressort aussi de l’analyse de la pluie à l’échelle mensuelle que la pluie est
variable selon les mois. En effet, les mois de juillet et août recueillent à eux seuls la
moitié de la quantité pluviométrique tombée, soit plus de 50% de la quantité précipitée.
L’analyse de la pluie décadaire a révélé que celle-ci suit globalement celle mensuelle
car c’est le cumul de la pluie décadaire qui donne la quantité mensuelle.
L’analyse des séquences sèches au cours de l’hivernage a montré que les
séquences de 2 à 5 jours dominent dans la plaine et que les séquences de 7 jours et plus
apparaissent au début et à la fin de la saison pluvieuse. Il ressort aussi que la quantité de
pluie précipitée n’est pas liée à la fréquence d’apparition des séquences sèches.
Par ailleurs, les pluies mensuelles analysées ont aussi donné une image de la
répartition pluviométrique. La corrélation entre le nombre de jours pluvieux et la
quantité annuelle précipitée est variable d’une station à une autre. Cette variation montre
que le lien statistique entre la pluie annuelle et le nombre de jours pluvieux existe car
les coefficients de corrélation sont toutes positives entre ces deux variables.
L’analyse des tranches pluvieuses a aussi montré que les tranches inférieures à
10mm et celles comprises entre 10 et 30 mm sont les plus nombreuses. Les tranches
supérieures à 50 mm sont rares, ce qui laisse comprendre que les grosses pluies sont peu
nombreuses et que les pluies fines sont abondantes. L’analyse des pluies extrêmes a
montré leur parfait ajustement à la loi de Gumbel et que ses fréquences d’apparition sont
plus décennales que centennales.
La péjoration pluviométrique ne fait que s’accentuer, résultat d’un changement
climatique global. Cette péjoration est sans conséquence sur les systèmes agricoles.
Ces variabilités pluviométriques évoquées ont des effets sur les systèmes
agricoles et sur les cultures de la plaine du Mayo-Kebbi. Scindée en trois secteurs agro-
écologiques, la plaine du Mayo-Kebbi est soumise à la monoculture. Cependant,
l’association culturale est fortement pratiquée comme réponse aux variabilités

265
pluviométriques. Le coefficient d’Allan a montré une surexploitation des sols dans cette
plaine. Les techniques culturales ainsi que les outils utilisés sont rudimentaires.
Les paramètres agricoles ont évolué d’une année à une autre, que ce soit à
l’échelle de la plaine qu’à l’échelle stationnelle. La mise en relation statistique des
paramètres agricoles a permis de comprendre les corrélations qui existent entre ces
différents paramètres. Concernant les effets, la production et le rendement agricoles sont
conditionnés par la pluie comme l’ont montré les coefficients de corrélation obtenus.
Il ressort de l’analyse de la production agricole que toutes les cultures sont
dépendantes de la pluie. La courbe de la production agricole de quelques cultures prises
en exemple montre que les variabilités de la pluie influencent la production agricole. Il
en est de même du rendement et des surfaces agricoles.
Les effets des variabilités pluviométriques mensuelles et journalières concernent
le bouclage du cycle cultural conditionné par la longueur de la saison pluvieuse. D’une
manière globale, la longueur de la saison pluvieuse n’influence pas le cycle cultural des
différentes spéculations mais les nombreuses séquences sèches qui y apparaissent
perturbent le développement des cultures. Aussi, le nombre de jours pluvieux influence
aussi la production agricole car les corrélations existantes entre ces deux paramètres sont
positives. La variation décadaire de la pluie conditionne le besoin en eau de certaines
spéculations qui se retrouvent déficitaires à des stades critiques de leur développement.
La contribution de CropWat dans la simulation et l’évaluation des pertes de
rendements a montré que les pluies restent et demeurent le facteur essentiel de la
production agricole car sa variation conditionne le rendement.
Les différentes adaptations des agriculteurs aux variabilités pluviométriques sont
insuffisantes. Ces stratégies partent de la modification du calendrier cultural et des
pratiques de labour, de la pratique d’autres cultures et de l’augmentation des
emblavures, de la mise en valeur des bas-fonds et des berges des cours d’eau. Toutes
ces adaptations n’ont permis qu’à atténuer les effets des fluctuations pluviométriques
sur les systèmes agricoles. D’autres agriculteurs répondent par la dispersion des dates
de semis, l’adoption des variétés à cycle court, la modification des pratiques de labour.
Les différentes adaptations utilisées ne peuvent réussir que si elles sont
appliquées en tandem. Prises isolément, ces stratégies sont difficiles à appliquer et ne

266
donnent pas les résultats escomptés. Mais si elles sont mises ensemble, elles permettront
à la plaine du Mayo-Kebbi de rehausser son niveau de production.
L’étude a montré que les stratégies paysannes d’adaptation sont des réactions
spontanées aux aléas qui n’intègrent pas réellement l’anticipation et la gestion du risque.
Ces adaptations concernent les calendriers, l’organisation spatiale, les itinéraires
techniques de production. Elles constituent un point de départ indispensable à la
réflexion sur l’adaptation paysanne. Les interventions de développement pertinentes
dans un contexte de variabilité pluviométrique amènent à :
- proposer des solutions adaptées : les réponses techniques, notamment celles qui
concernent la gestion de l’eau sont utiles, voire urgentes dans certaines localités
du domaine d’étude. Il est aussi nécessaire d’insérer ces réponses dans les
systèmes de culture, car le plus souvent elles sont connues mais ne sont pas
appliquées. L’autre paramètre important est la dimension collective. Les
solutions individuelles posent beaucoup de problèmes et sont souvent risquées ;
- favoriser l’autonomisation dans l’adaptation : cette autonomisation passe par la
proposition des solutions évolutives mais surtout le renforcement des capacités à
innover de façon autonome, pour faire face aux changements à venir. Car,
certaines solutions techniques pertinentes aujourd’hui peuvent se révéler
inadaptées ultérieurement puisque le sens d’évolution du climat à l’échelle locale
n’est pas toujours facile à prévoir ;
- réduire la vulnérabilité des systèmes : cette résilience passe par deux aspects. Le
premier, écologique, dispose des systèmes économes en ressources en eau,
rigides (le niveau de production est moins sensible aux aléas) et durables
contribuant à renforcer les aptitudes du milieu. Le deuxième aspect est
économique. A ce niveau, la pérennité des exploitations est consolidée par la
valorisation des produits, la diversité des productions et des activités.

La démarche méthodologique utilisée est pertinente car elle a permis d’identifier

la tendance pluviométrique de la plaine du Mayo-Kebbi et les adaptations y afférentes.
Les différentes facettes de la pluie, élément principal conditionnant la production
agricole, sont connues parce que les différentes analyses l’ont révélé. Cette
méthodologie qui part de l’existant a donné un état des lieux des adaptations paysannes
267
face aux variabilités pluviométriques et propose des améliorations pour relever le niveau
de production.
Les différentes théories mobilisées, celle du climat moyen, celle du rapport entre
climat et plantes cultivées et celle de l’adaptation sont validées dans cette présente étude.
Les différentes fluctuations pluviométriques ont confirmé la théorie du climat moyen.
Après une rupture dans les années 80 provoquant une baisse extrême des quantités
pluviométriques, un retour aux meilleures conditions pluviométriques s’observe
timidement cette fois avec de profondes disparités désorganisant totalement les systèmes
agricoles. Cette perturbation confirme la théorie du climat moyen évoquée.
Les rapports entre la pluviométrie et les plantes cultivées ont confirmé la théorie
concernant le lien climat-plantes cultivées. Dans la plaine du Mayo-Kebbi, les cultures
sont dépendantes de la répartition spatio-temporelle de la pluie. Aussi, les fluctuations
internes pendant la saison pluvieuse perturbent le bon développement des plantes et
influencent négativement les rendements agricoles.
La théorie de l’adaptation est aussi validée. L’adaptation est d’abord
comportementale et elle évolue en fonction des conditions climatiques. En partant des
adaptations existantes, cette théorie convoquée se trouve parfaitement validée. Les
différents aspects de cette théorie sont vérifiés par les analyses de terrain.
Les résultats obtenus dans cette thèse sont significatifs. Ainsi, les travaux futurs
sur le plan scientifique pourraient s’orienter vers les champs suivants :
- l’approfondissement des recherches sur les variabilités climatiques. Ce travail n’a
pris en compte que la pluie comme le paramètre le plus important alors que
d’autres facteurs secondaires tels que la température, l’insolation, l’humidité
conditionnent aussi la croissance des cultures. Le premier axe de recherche
concernera l’étude approfondie de tous les paramètres climatiques essentiels à la
production agricole ;
- la simulation des rendements des différentes cultures à l’échelle de la plaine du
Mayo-Kebbi et du sud tchadien. Dans cette étude, CropWat est utilisé non
seulement pour simuler les rendements mais aussi pour les calculer en fonction
de la date de début de la saison pluvieuse et du cycle végétatif. D’autres outils
tels que SARRA-H, STICS et DSSAT seront utilisés dans les travaux futurs pour

268
 permettre de mieux simuler les rendements. En effet, ces différents outils qui
permettent une modélisation des rendements nécessitent l’utilisation des données
climatologiques variées. Cet axe dépend du premier par la disponibilité des
données ;
- l’élaboration des cartes de vulnérabilité des populations paysannes par secteur
agro-écologique. Cette élaboration sera établie par rapport à la croissance
démographique, à la disponibilité des ressources alimentaires et au bilan
céréalier ;
- l’étude de l’impact des variabilités climatiques sur le rythme de développement
tant régional que national. Le Tchad, étant un pays dont l’économie est basée sur
l’agriculture et l’élevage, est soumis à une forte variabilité climatique. Ses effets
affectent non seulement ces deux aspects mais aussi la santé de la population avec
les maladies telles que le paludisme, l’économie avec la baisse des revenus. Son
étude approfondie pourrait permettre de caler sa variation au rythme de
développement non seulement d’une région mais aussi du pays ;
- l’approfondissement des études sur les adaptations paysannes aux variabilités
climatiques dans l’ensemble des écosystèmes similaires à ceux de la plaine du
Mayo-Kebbi tchadien.

269
REFERENCES BIBLIOGRAPHIQUES

270
Afouda F., 1990. L’eau et les cultures dans le Bénin central et méridional : étude de la
variabilité des bilans de l’eau dans leur relation avec le milieu rural de la savane
africaine. Thèse de Doctorat, Géographie, Université de Paris IV Sorbonne (France),
428 p.

Afouda F., Salakou Pierre M. A., Yabi I., 2014. Instabilité intra-saisonnière des pluies
de la grande saison agricole dans la commune de Kétou au Bénin, Revue de géographie
du laboratoire Leïdi, N°12, décembre 2014, pp. 26-47.

Akindélé A., Ogouwalé E., Yabi I., 2013. Vulnérabilité et adaptation de la production
vivrière aux contraintes climatiques dans la commune d’Adja-Ouéré, Association
Internationale de Climatologie, Vol. 26, pp. 45-50.

Alland A. Jr., 1975. Adaptation, Annual Review of Anthropology, Revue en ligne, Vol.
4, pp. 59-73, http://www.jstor.org/stable/2949349, (Consulté le 9 juillet 2015).

Allé U. C., Vissin E. W., Vissoh P. V., Guibert H., Agbossou E. K., Afouda A., 2013,
Perceptions paysannes de la variabilité climatique entre 1951 et 2010 au sud du Benin,
Association Internationale de Climatologie, vol. 26, pp. 57-62.

Amani M. K., Fernand K. K., Yao B. et al., 2010. Analyse de la variabilité climatique
et de ses influences sur les régions pluviométriques saisonniers en Afrique de l’ouest :
cas du bassin-versant du N’zi (Bandama) en Côte d’Ivoire en ligne, European Journal
of Geography, article 513, disponible sur http : //cybergeo.revues.org/23388>
(Consulté le 26 septembre 2013).

Amani Yao C., 2013. Production agricole et changement climatique : vers une tragédie
des comportements paysans à Tiassilé ? European Scientific Journal , Vol. 8 N° 16, pp.
227-244.

Amougou Joseph A. ., Abessolo S., Soleil Batha. R. A., 2013. Dynamique du climat et
impacts sur la production du maïs dans la région de l’ouest du Cameroun, Revue
Ivoirienne des Sciences et Technologies, 21 et 22, pp. 209-234.

Amougou Joseph A., Soleil Batha R. A., 2014. Dynamique spatio-temporelle des
précipitations de 1960 à 2010 et essai d’élaboration d’un calendrier agricole dans la zone

271
des hauts plateaux du Cameroun, Revue Ivoirienne des Sciences et Technologies 23 pp.
153-177.

André B., 2012. Dynamique des systèmes agraires et des modes de gestion de l'espace
dans le bassin du Mayo Kebbi (sud-ouest du Tchad), Thèse de doctorat, Géographie,
Université de Lomé (Togo), 389 p.

Anne W., 2009. L’adaptation au changement climatique et l’atténuation de ses effets en

Afrique sub-saharienne au moyen des pratiques et de gestion durable des terres,
TerrAfrica, 90 p.

Annerose D., 1990. Recherche sur les mécanismes d’adaptation à la sécheresse.

Application au cas de l’arachide (Arachis hypogea L.) cultivée au Sénégal, Thèse de
Doctorat, Université de Paris VII (France), 282 p.

Ansoumana B., Dacosta H., Dezetter A., 2011. Caractérisation spatio-temporelle du

régime pluviométrique du haut bassin du fleuve Sénégal dans un contexte de variabilité
climatique, Physio-Géo (en ligne), Vol 5. Disponible sur : http://physio-
geo.revues.org/1958>. (Consulté le 09 décembre 2014).

Assani A., 1999. Analyse de la variabilité temporelle des précipitations (1916-1996) à

Lubumbashi (Congo-Kinshasa) en relation avec certains indicateurs de la circulation
atmosphérique (oscillation austral et océanique. El Nino/Nina), Sécheresse, 10(4), pp.
245-252.

Ardoin-Bardin S., 2004. Variabilité hydro climatique et impacts sur les ressources en
eau de grands bassins hydrographiques en zone soudano-sahélienne, Thèse de doctorat,
Université Montpellier II (France), 240 p.

Aubreville A., 1950. Flore Forestière soudano-guinéenne-AOF-Cameroun-AEF-Paris,

Soc. d’Ed. Géogr. maritimes et col. 523 p.

Badji M., 1984. Utilisation de l'eau du sol par une culture (Brachiaria ruziziensis) en
conditions climatiques semi-arides : Analyse expérimentale et simulation numérique,
Thèse de doctorat, Sciences agronomiques, Faculté des sciences agronomiques, K.Ù.
Leuven, Belgique.

272
Baohoutou L., 2007. Les précipitations en zone soudanienne tchadienne durant les
quatre dernières décennies (60-99) : variabilités et impacts, Thèse de doctorat,
Géographie, Université de Nice (France), 245 p.

Baohoutou L., Abdoulaye B., Clobite B., Mbanghoguinan A., Issak A., 2013.
Variabilités climatiques et ruptures dans les séries de précipitations en République du
Tchad, Revue Ivoirienne des Sciences et Technologies, 21, pp. 187-208.

Baohoutou L., Abdoulaye B., Clobite B., Mbanghoguinan A., Issak A., 2014. Impact de
la variabilité pluviométrique et de la sécheresse au sud du Tchad : effets du changement
climatique, Revue Ivoirienne des Sciences et Technologies, 23, pp. 13-30.

Bard E., 2002. Climate shock: abrupt changes over millennial time scales, Physics
Today, 55 (12), pp. 32-38.

Baron de Liebig, 1934. Les lois naturelles de l’agriculture, Paris, Librairie agricole de
la maison rustique, Tome I, 184 p.

Bates D. G., 2001. Human Adaptive Strategies: Ecology, Culture, and Politics, Boston
(MA): Allyn and Bacon.

Beauvilain A., 1995. Tableau de la pluviométrie dans les bassins du Tchad et de la

Bénoué (de la création des stations à décembre 1994), Travaux et Documentations
Scientifiques du Tchad; Document pour la Recherche III, CNAR, Tchad.

Bennett J.W., 2005. The Ecological Transition: Cultural Anthropology and Human
Adaptation, New Brunswick, New Jersey, Transaction Publishers.

Benoit S., Traore S., Salack, S., 2007. Évaluation de l’incidence des changements
climatiques sur les rendements des cultures céréalières en Afrique soudano-sahélienne,
Centre Régional Agrhymet, CILSS, Niamey.

Benoit S., Luc K., Sanoussi A., 2011. Identification des risques climatiques de la culture
du maïs au Burkina Faso, Int. Journal Biol. Chem. Sci. 5 (4), pp. 1659-1675.

Beran M. A., Rodier J. A., 1987. Aspects hydrologiques des sécheresses, UNESCO,
OMM, Gemblouo, Belgique, 172 p.

273
Berger A., 2001. Le climat et ses variations depuis l’origine de la Terre. In Gargaud M.,
Despois D. et Parisot J-P. (éds.), L’Environnement de la Terre Primitive, Presses
Universitaires de Bordeaux, pp. 131-162.

Berger A., Duplessy J.-Cl., 2004. Paléoclimatologie, C.R. Geoscience, tome 336,
fascicule 7, pp. 599-750.

Brand D., Durosset M., 1995. Dictionnaire thématique Histoire-Géographie, 4e édition,

SIREY, Paris, 541 p.

Bigot S., 1997. Les précipitations et les convections profondes en Afrique centrale.
Cycle saisonnier, Variabilité interannuelle et impact sur la végétation. Thèse de
doctorat, CRC/CNRS, Université de Bourgogne, Dijon (France), 283 p.

Boko M., 1988. Climats et communautés rurales du Bénin : Rythmes climatiques et

rythmes de développement. Thèse de doctorat d’État ès Lettres et Sciences Humaines,
Université de Bourgogne, Dijon (France), 601 p.

Bokonon-Ganta E., 1990. Contraintes climatiques et développement dans la région du

Golfe du Bénin (Ghana, Togo, Bénin) WMO/TD n° 353 Genève, pp. 225-232.

Bring, 2005. Évaluation des ressources en eau atmosphérique au Nord Cameroun à

l’aide des méthodes conventionnelles et satellitales, Thèse de doctorat, Géographie,
Université de Ngaoundéré (Cameroun), 358 p.

Bring, 2007. Les séquences pluvieuses caractéristiques dans l’organisation de la saison

des pluies dans l’Extrême-Nord du Cameroun, Association Internationale de
Climatologie, vol. 20, pp. 162-167.

Brossier J., 1987. Système et système de production, note sur les concepts, Cahier de
Sciences Humaines, 23 (3-4), pp. 377-390.

Bruce J. P., 1991. The World Climate Programme, Achievement and challenge. In Jäger
J., Ferguson H. L. (eds), Climate Change, science, impact and policy. Cambridge
University Press, Great Britain, pp.149-156.

Bruel G., 1930, L’Afrique Équatoriale Française, Larose, Paris, 252 p.

274
Camberlin P., Okoola R., Diop M., Valimba P., 2003. Identification des dates de
démarrage et de fin de saison des pluies : applications à l’Afrique de l’est et au Sénégal,
Association Internationale de Climatologie, vol. 15, pp. 295-303.

Carbonnel J. P., Hubert P., 1992. Pluviométrie en Afrique de l’Ouest soudano sahélienne
: Remise en cause de la stationnarité des séries. In : L’aridité : une contrainte pour le
développement, Paris, ORSTOM, pp. 37-51.

Chapelle J., 1986. Le peuple tchadien, ses racines et sa vie quotidienne, Paris,
Harmattan, 303 p.

Chauvat G., Reau J. P., 2002. Statistiques descriptives, Paris, Masson, 205 p.

Chauvet M., 2015. Nicolai Vavilov, la théorie des centres d’origine des plantes
cultivées, Editions Petit Génie, 176 p.

Chemla G., 1997. Statistique appliquée à la géographie. Représentations graphiques,

sources et méthodes, Paris, Nathan, 159 p.

Choisnel E., 1988. L’analyse spatiale du bilan hydrique en agro climatologie. In La

Météorologie VIIème N°43, pp. 31-42.

CIRAD, 1984. La sécheresse en zone intertropicale. Actes de colloque – Résistance à

la sécheresse en milieu intertropical : quelles recherches pour le moyen terme, 24- 27
septembre 1984, Dakar (Sénégal), 583p.

CIRAD, CTA, 2009. Mémento de l’agronome, Paris, GRET, Quæ, 1691 p.

Courel M.-F., 1984. Étude de l’évolution récente des milieux sahéliens à partir des
mesures fournies par les satellites, Thèse de Doctorat d’État, Géographie, Paris
(France), 440 p.

Dabin B, 1969. Étude générale des conditions d'utilisation des sols de la cuvette
tchadienne, Travaux et Documents, Paris, ORSTOM, 195 p.

Dancette C., 1983. Estimation des besoins en eau des principales cultures pluviales en
zone soudano sahélienne, L'Agronomie Tropicale, 31 (4). pp. 281-293.

Darwin C., 1921. L’origine des espèces au moyen de la sélection naturelle ou la lutte
pour l’existence dans la nature, Paris, Alfred Costes, 604 p.

275
Demangeot J., 1989. Les milieux ‘’naturels’’ du globe, Paris, Armand Colin, 316 p.

Dettwiller J, 1965. Note sur la structure du FIT boréal sur le nord-ouest de l’Afrique, La
Météorologie. N° 80, pp. 337-347.

Dhonneur G., 1985. Traité de Météorologie Tropicale : application au cas particulier

de l’Afrique Occidentale et Centrale, Direction de la Météorologie Nationale, Paris, 151
p.

Diane B., 2006. Le climat et l’homme, facteurs de déséquilibres de milieux sensibles

sahéliens : le cas des rives sud du Lac-Tchad, Thèse doctorat, Géographie, Université
Paris I-Panthéon Sorbonne (France), 330 p.

Diop Cheikh A., 1979. Nations Nègres et culture, Tome I, Paris, Éditions Présence
Africaine.

DSA, 1976. Statistiques météo, Ministère de l’Agriculture, N’djamena, 27 p.

Djangrang M., 2011. Pratiques agropastorales endogènes et territorialisation dans la

plaine du Mayo-Boneye : état des lieux et modélisation (1985-2025), Thèse de doctorat,
Géographie, Université de N’Gaoundéré (Cameroun), 412 p.

Djondang K., 2003. Gestion d'exploitations agricoles dans un contexte de culture de

coton : l’exemple de la zone soudanienne au Tchad, Thèse de Doctorat. Toulouse,
(France), 359 p.

Donfack P., Seignobos C., 1996. Des plantes indicatrices dans un agro système incluant
la jachère : les exemples des Peuls et des Giziga du Nord-Cameroun, Journ. d’Agric.
Trad. et de Bota. Appl., XXXVIII (1), pp. 231-250.

Doorenbos J., Pruitt W., 1976. Besoins en eau des cultures, FAO, Rome, 198 p.

Dorsouma A., Melanie R.-D., 2004. Variabilité climatique, désertification et

biodiversité en Afrique : s’adapter, une approche intégrée.

Dugué M.-J., 2012. Caractérisation des stratégies d’adaptation au changement

climatique en agriculture paysanne, AVSF, Lyon, Paris, 50 p.

276
Elliot M., Labeyrie L., Duplessy J.-C., 2002. Changes in North Atlantic deep-water
formation associated with the Dansgaard-Oeschger temperature oscillations (60-10 ka),
Quaternary Science Reviews, 21 (10), pp. 1153-1165.

Eric S., Paturel Jean. E., Lubes-Niels H., Kouamé B., Masson J. M., Fritsch J. M., 1997.
Manifestations d'une variabilité hydrologique en Afrique de l'Ouest et Centrale, IAHS
Publications. No. 240, pp. 21-30.

Eric S., Paturel Jean. E., Lubes-Niels H., Kouamé M., Masson J. M., Travaglio M.,
Marieu B., 1999. Des différents aspects de la variabilité de la pluviométrie en Afrique
de l’Ouest et Centrale non-sahélienne, Revue des Sciences de l’eau, pp. 363-387.

Essotalani A., Badameli K.., Vincent D., 2009. Influence de la péjoration

pluviométrique sur les productions agricoles au Togo, Geographia Technica, numéro
spécial, pp. 17-22.

Essotalani A., Badameli K., Vincent D., 2010. Evolution des saisons de pluie
potentiellement utiles au Togo de 1950 à 2000, Climatologie, vol. 7, pp. 89-107.

Estienne P., Godard A., 1970. Climatologie, Paris, Armand Colin, 368 p.

Eténé Cyr G., 2010. Contraintes hydro-pluviométriques et problèmes

d’approvisionnement en eau dans le Bénin central : cas de la commune de Savè,
Association Internationale de Climatologie, vol. 26, pp. 218-223.

FAO, 1978. Calendriers culturaux, Rome, 57 p.

FAO, 1995. L’agriculture mondiale à l’horizon 2010, Rome et Polytechnica, Paris, 472
p.

FAO, 2002. L’état de l’insécurité alimentaire, 36 p.

FAO, 2002. Annuaire statistique de productions, vol. 56, No 176, Rome.

Feddes R., Kowalik P., Zaradny H., 1978. Simulation of field water use and crop yield,
Wageningen, Simulation Monographs, Pudoc, Pays-Bas.

Feumba R., Tsalefac M., 2003. Variabilité pluviométrique saisonnière et stratégies des
cultivateurs de tomates à Bantoum, Annales de la Faculté des Arts, Lettres et Sciences
Humaines, Université de Ngaoundéré, Vol. VII, pp. 265-285.

277
FEWS, 2007. Rapport Mensuel sur la Sécurité Alimentaire. Sahel et l’Afrique de
l’Ouest, Janvier 2007.

FEWS, 1999. Bulletin, 30 septembre, AFR/9-09, USAID.

Floret Ch., Pontanier R., 1978. Relations climat-sol-végétation dans quelques

formations végétales spontanées du sud tunisien (production végétale et bilan hydrique
des sols, Tunisie, ORSTOM, 164 p.

Franquin P., 1969. Analyse agro climatique en régions tropicales : saison pluvieuse et
saison humide, Cahiers ORSTOM, série biologie, N° 9, pp. 65-95.

Franquin P., 1984. Agro climatologie et agro météorologie en zone tropicale sèche
d’Afrique, L’Agronomie Tropicale, 39-4, pp. 301-307.

Frère M., Popov G., 1987. Suivi agro météorologique des cultures et prévisions des
rendements, FAO, Rome, 170 p.

George P., Verger F., 2009. Dictionnaire de la géographie, Paris, PUF, 10e édition, 480
p.

Gollan T., Turner N., Schulze E. D, 1985. The responses of stomata and leaf gas
exchange to vapour pressure deficits and water soil content. In: The scleropyllous woody
species, Nerium oleander, 65, pp. 56-62.

Gondard-Delcroix C., Rousseau, S., 2004. Vulnérabilité et stratégies durables de

gestion des risques : Une étude appliquée aux ménages ruraux de Madagascar,
Développement durable et territoire, Dossier 3.

Gonné B., 2008. Les migrations saisonnières transfrontalières de la main d’œuvre

agricole tchadienne à l’Extrême Nord du Cameroun, 2èmes Journées de recherches en
sciences sociales, INRA SFER CIRAD, France, 11 au 12 décembre 2008.

Gonné B., 2014. Pression foncière sur les plaines argileuses à karal de l’Extrême-Nord
du Cameroun. Fondements, manifestations et configuration spatiale, Paris, Harmattan,
151 p.

Gouataine Seingué R., 2010. Le rendement de la culture du riz pluvial à Bongor :

analyse des contraintes et stratégies d’adaptation, Mémoire de Master, Géographie,
Université de N’Gaoundéré (Cameroun), 140 p.
278
Gouataine Seingué R., 2014. Évaluation des contraintes pédoclimatiques au
développement des cultures sur la plaine du Bongor, Revue Scientifique du Tchad,
CNAR, vol. 1(4), pp. 32-39.

Gouataine Seingué R., 2017, Influence des variabilités pluviométriques sur la variation
des prix des produits agricoles dans le Mayo-Kebbi, Revue Ivoirienne de Géographie
des Savanes, N°3, pp. 107-117.

Gouataine Seingué R., Baohoutou L., 2015. Mise en évidence de la variabilité

pluviométrique sur la plaine du Mayo-Kebbi, sud-ouest du Tchad, Revue Ivoirienne des
Sciences et Technologies, N°25, pp. 93-109.

Gouataine Seingué R., Moctar Sina F., 2015. Impact de la variabilité pluviométrique sur
la saison agricole à l’ouest du Tchad, Afrique Science, 11(15), pp. 159-171.

Gouataine Seingué R., Magloire Dadoum D., Mbaihadjim J., 2016. Dynamique de la
pluie et production agricole au Sud-ouest du Tchad, Revue Ivoirienne des Sciences et
Tehnologies, N°28, pp. 408-417.

Gouataine Seingué R., Magloire Dadoum D., Baohoutou L., 2016. Stratégies paysannes
d’adaptation face aux risques d’instabilité pluviométriques annuelles dans la plaine du
Mayo-Kebbi, Geotrope, N° 2, pp.51-62.

Hallal T., Hellal B., Bardadi A., Ayad N., Bensmira Z., 2014. Incidences de la
pluviométrie sur la culture des céréales dans la steppe du sud de la préfecture de Sidi
Bel’Abbès (Algérie occidentale), European Scientific Journal, N°17, Vol 10, pp. 364-
374.

Houndenou C., 1992. Variabilité pluviométrique et conséquences socio-économiques

dans les plateaux du bas-Bénin (Afrique de l'Ouest), Mémoire de DEA, Université de
Bourgogne, Dijon (France), 90 p.

Houndenou C., Perard J., Boko M., Hernandez K., 2002. Mise en évidence du rôle des
précipitations tardives dans la variabilité pluviométrique du bassin béninois du Niger
(Afrique de l’Ouest), Association Internationale de Climatologie, vol 14, pp.127-133.

IFPRI, 1995. 2020 Vision for food, agriculture and the environment, Washington, 45 p.

279
IPCC, 2001. Incidences de l’évolution du climat dans les régions : Rapport spécial sur
l’évaluation de la vulnérabilité en Afrique, Island Press, Washington, 53 p.

Isidor S. M., Mbaye D., Tidiane S., 2007. Perceptions paysannes des changements
climatiques et stratégies d’adaptation au Sénégal, Association Internationale de
Climatologie, vol. 20, pp. 514-519.

Issa Mama S., 1995. Impacts potentiels d’un changement climatique dû au doublement
du CO2 atmosphérique sur l’agriculture en République du Bénin, Mémoire de DESS,
Université Senghor d’Alexandrie (Égypte), 113 p.

Kanohin F., Saley Mahaman B., Aké E., Savané I., Bernard Kouakou D., 2012.
Variabilité climatique et production de café et cacao en zone tropicale humide : cas de
la région de Daoukro (centre-est de la Côte d’Ivoire), International Journal of
Innovation and Applied Studies, vol 1, n°2, pp. 194-215.

Kossou D., Aho, N., 1997. Précis d’agriculture tropicale : Bases et éléments
d’applications, Bénin, Flamboyant.

Laborde J. P., 2009. Éléments d’hydrologie de surface, Université de Nice-Sophia-

Antipolis, 192 p.

Laborde J. P., Mouhous N, 1998. Notice d’utilisation du logiciel Hydrolab, Université

de Nice Sophia Antipolis, 43 p.

Langlois F., 2006. Influence de la variabilité de la pluie sur la production agricole dans
le bassin de la Volta : exemple du maïs, Volta Basin Focal Project Report No 1, IRD,
Montpellier, France and CPWF, Colombo, Sri Lanka, 51 p.

Langtangar Y., 1991. Particularité de la répartition spatio-temporelle des champs de

nuages et des précipitations au Tchad, Thèse de doctorat, Odessa, 178 p.

Letey J., 1966. Measuring aeration, Proceedings. In: The Conference on drainage for
efficient crop production, American Society of Agricultural Engineers, St. Joseph,
Michigan, pp. 6-10.

Letey J., Kemper W., 1967. Soil aeration. In Hagan R. et al. (eds.), Irrigation
agricultural lands, Madison, Wisconsin, American Society of Agronomy, pp. 941-949.

280
Levitt J., 1980, Responses of plants to environmental stresses, Volume II, Water,
radiation, salt and other stresses, Academic Press, 606 p.

Levitt J., Sullivan C. Y., Krull E., 1960. Some problems in drought resistance, Bull. Res
Coun Israel, 80, pp. 73-80.

Madjigoto R., 1994. Étude monographique d’un village soudano-sahélien et de son

évolution en rapport avec les aléas pluviométriques : l’exemple de Moudourou,
Mémoire de maîtrise, Université de N’Djamena (Tchad), 63 p.

Madjigoto R., 2007. Evolution socio-économique et environnementale de la région du

pétrolière du Logone Oriental (TCHAD), Thèse de doctorat, Université Paris I-Panthéon
Sorbonne (France), 405 p.

Magrin G., 2001. Le sud du Tchad en mutation, des champs de coton aux sirènes de l’or
noir, CIRAD-PRASAC-SEPIA, 427 p.

Mahaman K., Barrage M., Balla A., Adam T., Yamba B., 2011. Influence des
fluctuations pluviométriques sur la saison agricole dans la zone géographique de Mayadi
et Aguié au Niger, Revue Cames- Série A, 12 (2), pp. 170-175.

Mahamat Ali M., 1993. Les grandes vallées soudano-sahéliennes (Niger, Sénégal,
Logone et Chari), contribution à l’étude des aménagements hydro agricoles et des
mouvements de populations, Thèse de doctorat, Géographie, Université Cheikh Anta
Diop, Dakar (Sénégal), 252 p.

Mahé G., 1993. Les écoulements fluviaux sur la façade atlantique de l’Afrique. Étude
des éléments du bilan hydrique et variabilité interannuelle, analyse des situations
hydroclimatiques moyennes et extrêmes, Paris, ORSTOM, 438 p.

Mahé G., Diello P., Paturel Jean E., Barbier B., Karambiri H., Dezetter A., Dieullin C.,
Rouché N., 2010. Baisse des pluies et augmentation des écoulements au Sahel : impact
climatique et anthropique sur les écoulements du Nakambé au Burkina-Faso,
Sécheresse; N°1, Vol. 21, pp. 1-6.

Maissengar K., 2015. Adaptation des riziculteurs de la plaine de Satégui-Déressia au

Tchad face aux changements climatiques, Mémoire de Master, Géographie, Université
de Maroua (Cameroun), 165 p.

281
Mathey M., 1992. Régimes agroclimatiques du Tchad.

M’biandoun M., Guibert H., Olina J.P., 2003. Caractérisation du climat dans quatre
terroirs de la zone soudano-sahélienne au Nord-Cameroun et conséquences pour
l’agriculture. In Jamin J. Y. (éds), Seiny Boukar L.(éds), Floret C. (éds), Savanes
africaines : des espaces en mutation, des acteurs face à de nouveaux défis, Actes du
colloque, mai 2002, Garoua, Cameroun, Prasac, N’Djamena, Tchad-Cirad, Montpellier,
France.

Milankovitch M., 1941. Canon of insolation and ice age problem, US department of
Commerce and the National Science Foundation, 122 p.

Ndong J.B., 2003. Caractérisation de la saison des pluies dans le centre-ouest du

Sénégal, Association Internationale de Climatologie, Vol. 15, pp. 326-332.

Niasse M., Afouda A. et Amani A., 2004. Réduire la vulnérabilité de l’Afrique de

l’Ouest aux impacts du climat sur les ressources en eau, les zones humides et la
désertification : Éléments de stratégie régionale de préparation et d’adaptation, UICN,
Gland (Suisse) et Cambridge (Royaume Uni), 71 p.

Nicholson S. E., 1989. Long-term changes in African rainfall, Weather, Vol. 44, pp. 47-
56.

Norman D., 1980. La méthode de recherche sur les systèmes d’exploitation agricole:
son applicabilité au petit exploitant, Rural Development Papers, MSU, 29 p.

Nuttens F., 2002. Les productions vivrières en zone soudanienne (cartes, graphiques et
tableaux), ONDR/DSN, 115 p.

Ogouwalé E., 2006. Changements climatiques dans le Bénin méridional et central :

indicateurs, scénarios et prospective de la sécurité alimentaire, Thèse de Doctorat,
Géographie, Université d’Abomey-Calavi (Bénin), 302 p.

Ogouwalé R., Donou B., Boko M., 2008. Variabilité spatio-temporelle des
précipitations et stratégies d’adaptation paysannes dans le bassin du fleuve Ouémé
(Benin), Association Internationale de Climatologie, vol. 21, pp. 503-508.

Olivier de SARDAN J.-P., 1995. Anthropologie et développement, Essai en socio-

anthropologie du changement social, Paris, Karthala, 287 p.

282
Olivry J. C., 1983. Le point en 1982 sur l’évolution de la sécheresse en Sénégambie et
aux îles du Cap-Vert. Examen de quelques séries de longue durée (débits et
précipitations), Cahiers ORSTOM, série Hydrologie, Vol. XX, n°1, pp. 47-69.

OMM, 2012. Guide d’utilisation de l’indice de précipitation normalisé, n°1090,

Genève, 17 p.

Ozer P., Hountondji Y.-C., Laminou M.O., 2009. Evolution des caractéristiques
pluviométriques dans l'est du Niger de 1940 à 2007, Geo-Eco-Trop. 33, pp. 11-30.

Pagney P., Nieuwolt S., 1986. Études de climatologie tropicale, Masson, Paris, 206 p.

Passinring K., 2006, Milieux naturels et paysages du bassin-versant des lacs de Léré,
Thèse de Doctorat, Géographie, Université de Provence, Aix-Marseille I (France), 302
p.

Pedelaborde P., 1991. Introduction à l’étude scientifique du climat, SEDES, Paris, 1e

édition 1983, 352 p.

Péguy C. P., 1970. Précis de climatologie, Masson, Paris, 468 p.

Perard J., 1992. Orages au Bénin : modèle scientifique, modèle traditionnel. In : Cahier
du centre de recherches de climatologie n° 14, URA, 909-CNRS, Dijon France, pp. 33-
40.

Peters D., 1965. Water availability. In Black I. (éds.): Methods of soil analysis,
American Society of Agronomy, pp. 279-289.

Quivy R., Van Campenhoudt L., 2003. Manuel de recherche en sciences sociales, 2ème
édition, Psycho Sup, Paris, Dunod, 287 p.

Ramade F., 2008. Dictionnaire encyclopédique des sciences de la nature et de la

biodiversité, Paris, Dunod, 726 p.

République Française, Ministère de la France d’Outre-Mer, 1954. Étude pédologique du

bassin alluvionnaire du Logone-Chari, Paris, Paris, 234 p.

Rome S., 1998. Part de la variabilité climatique sur les fluctuations de la production
agricole au Pérou, Thèse de Doctorat, Géographie, Université Paris VII (France), 324
p.

283
Salack S., 2013. Analyse des pauses pluviométriques et évaluation des incertitudes de
la pluie des modèles régionaux de climat à l’aide d’un modèle de culture, Thèse de
doctorat, Géographie, Université Cheikh Anta Diop, Dakar (Sénégal).

Schneider J. L., Wolff J.P, 1992. Carte géologique et cartes hydrogéologiques à 1/1500
000 de la République du Tchad. Mémoire explicatif, Paris, Éditions BRGM, Vol 2, 387
p.

Sebillote M., 1974. Agronomie et agriculture, Essai d’analyse des tâches de l’agronome,
Cahiers ORSTOM, série Biologie., N°24, pp. 3-25.

Seignobos C. et Iyebi-Mandjek O., 2000. Atlas de la province Extrême-Nord Cameroun,

IRD, 172 p.

Senahoun, J., 1994. Risques, pratiques anti-risques et attitudes des paysans face aux
risques sur le plateau Adja. Thèse d’Ingénieur Agronome, Université d’Abomey-
Calavi.

Sircoulon J., 1976. Les données hydro pluviométriques de la sécheresse récente en

Afrique intertropicale. Comparaison avec les sécheresses « 1973 » et « 1940 », Cahiers
ORSTOM, série hydrologique, N°2, Vol. 13, pp. 75-174.

Sircoulon J., 1990. Impact possible des changements climatiques à venir sur les
ressources en eau des régions arides et semi-arides, WMO/TD-N°380, 87 p.

Sivakumar M., 1992. Empirical analysis of dry-spells for agricultural applications in

West Africa, Journal of Climate, Vol. 5. pp. 532-539.

Sivakumar M. et al., 1993. Agroclimatologie de l’Afrique de l’Ouest : Le Mali. Bull.

d’information de l’ICRISAT, N°5, 108 p.

Smadhi D., Zella L., 2012. Variabilité de la pluviométrie et son impact sur la production
céréalière au nord de l’Algérie, période (1970-2009), Sciences et Technologie, N°35, C,
pp. 55-63.

Sombroek W. G., Gommes R., 1997. L’énigme : changement de climat-agriculture. In :

Changement du climat et production agricole, FAO, pp. 3-17.

Some L., Ouattara K., 2005. Irrigation de complément et culture du sorgho au Burkina
Faso, Agronomie Africaine, N°17, pp. 201-209.
284
Steffen W., Andreae M., Bolin B., Cox P., Crutzen P., Cubash U., Held H., Nakicenovic
N., Scholes R. J., Talaue-Mcmanus L., Turner III B. L., 2004. Abrupt changes, the
Achilles heels of the Earth system, Environment, N°3, Vol. 46, pp. 8-19.

Steinberg J., 1996. Cartographie pratique pour la géographie et l’aménagement,

SEDES, Paris, 130 p.

Stern et al., 1981. The start of the rains in West Africa, J. Climat., N°1.

Suchel, J.B., 1972. La répartition des pluies et les régimes pluviométriques au

Cameroun. Travaux et documents de géographie Tropicale, Bordeaux, Talence France

Suchel, J.B., 1988. Les climats du Cameroun, Thèse d’État, Géographie, Université de
Bordeaux (France), 4 tomes, 1188p.

Tapsoba D., 1997. Caractérisation événementielle des régimes pluviométriques ouest -

africains et de leur récent changement, Thèse de Doctorat, Géographie, Université Paris
XI (France), 300 p.

Tchiadeu G., Tsalefac M., Mbayi R., 1999. La délimitation de la saison des pluies dans
le Nord-Cameroun (6°-11°N), Association Internationale de Climatologie, Vol. 12, pp.
150-158.

Tidjania M., Akponikbé P., 2012. Évaluation des stratégies paysannes d’adaptation aux
changements climatiques : cas de la production du maïs au Nord-Bénin, African Crop
Science Journal, vol 20, pp. 425-441.

Turner N., 1986. Adaptation to water deficits: A changing perspective, Aust J. Plant
Physiology, Vol. 13, pp. 75-90.

Ulrich C., Allé Y., Christian B., Hervé G., Euloge K., Abel A., 2014. Choix et risques
de stratégies de gestion du calendrier agricole : application à la culture du maïs au Sud-
Bénin, International Journal of Innovation and Applied Studies, N°3, Vol. 7, pp. 1137-
1147.

Vaidjoua G., 1998. Étude sur la gestion intégrée des ressources en eau au Tchad,
Commission Économique pour l’Afrique, SOGEC International, N’Djamena, 68 p.

Veyret Y. (sous la dir.), 2012. Dictionnaire de l’environnement, Paris, Armand Colin,

404 p.
285
Viers G. et Vigneau J. P., 2001. Éléments de climatologie, Paris, Nathan, 2e édition, 223
p.

Vissin E., Boko M., Pérard J., Houndenou C., 2003. Recherche de ruptures dans les
séries pluviométriques et hydrologiques du bassin béninois du fleuve Niger (Bénin,
Afrique de l’ouest), Association Internationale de Climatologie, Vol. 15, pp. 368-376.

Vissin E., 2007. Impact de la variabilité climatique et de la dynamique des états de

surface sur les écoulements du bassin béninois du fleuve Niger, Thèse de doctorat,
Géographie, Université de Bourgogne (France), 310 p.

Vizier J. F., Sayol R., 1970. Notice explicative n°43 de la carte pédologique de
reconnaissance à 1/200.000 de la feuille de Bongor, Centre ORSTOM, 69 p.

Vodounou J. B., 2016. Changements climatiques et production agricole : capitalisation

des pratiques culturales pour la sécurité alimentaire au Benin, International Journal of
Innovation and Scientific Research, N°1, Vol. 23, pp. 78-97.

Wakponou A., 2004. Dynamique géomorphologique des basses terres soudano-

sahéliennes dans l’Extrême Nord Cameroun, Thèse de doctorat NR, Laboratoire de
Géographie zonale pour le développement, Université de Reims Champagne-Ardenne,
Reims, 229 p.

Wakponou A., Mainguet M., Dumay F., 2007. L’homme et l’arbre dans les aires sèches
du Nord Cameroun, Journal Algérien des Régions Arides, n°6, 13p.

Yabi I., Ogouwalé E., Afouda F., Boko M., 2011. Contraintes climatiques et
développement agricole au Bénin, Annales de la Faculté des Lettres, Arts et Sciences
Humaine de l’Université d’Abomey-Calavi (Bénin), N°17, Vol. 2, pp. 13-30.

Yabi I., Chabi A., Yedegue Ph. B., Wokou G., 2013. Perturbations pluviométriques de
la seconde saison agricole dans le Département des collines au Bénin, Revue de
Géographie de Lomé, pp. 142-153.

Yao T. B., Akindes F., Bigot S., 2005. La variabilité climatique en Côte d’Ivoire : entre
perceptions sociales et réponses agricoles, Cahiers d’agriculture, N° 6, novembre-
décembre 2005, Vol. 14, pp. 533-540.

286
ANNEXES

287
 Annexe 1

Questionnaire d’enquête
Bonjour Madame, Monsieur. Dans le cadre de nos travaux de thèse à l’Université
de Maroua, nous menons une enquête sur les variabilités climatiques et l’adaptation des
agriculteurs dans la plaine du Mayo-Kebbi (sud-ouest du Tchad).
Nous vous serons reconnaissants de nous consacrer un peu de votre temps pour
répondre à ce questionnaire. Il ne vous prendra que quelques minutes. Les réponses
seront traitées de manière anonyme.

Groupe cible : paysans, ménages

Q1. Type d’acteur
Propriétaire Ouvrier Opérateur économique

Q2. Tranche d’âge

20-30 ans 30-40 ans 40-50 ans Plus de 50 ans

Q3. Appartenance ethnique

Massa Mousseye Marba Toupouri Moudang Ngambaye Autre

Q4. Quelle est la superficie des terres cultivées par habitant dans la localité ?
-1 ha 1- 3 ha 3-5 ha 5-7 ha 7-9 ha +10 ha

Q5. Quelle est la qualité des terres ?

Médiocre Peu fertile Fertile Très fertile

288
 Q6. Quelles cultures pratiquez-vous ?
Maïs Arachide Riz Manioc Pois de terre Niébé Pénicillaire Sorgho Sorgho Béré-béré
blanc rouge

Q7. Pourquoi ce choix de culture ?

Raison culturelle Rendement Qualité

Q8. Quelles sont les cultures que vous ne pratiquez plus ?

Quelles sont les raisons ? OUI NON

Bouleversement des saisons
Péjoration pluviométrique de ces dernières années
Baisse de la fertilité des sols

Q9. Quels sont les instruments agricoles utilisés ?

Houe Machette Charrue Motoculteur

Autres instruments agricoles

Q10. Quelles sont les techniques utilisées ?

Semis échelonné Rotation Culture sur brûlis Jachère

289
 Q11. Quelles sont les autres techniques utilisées par culture ?
Culture Système Type de Autres
d’irrigation fertilisation
Maïs
Arachide
Riz
Manioc
Pois de terre
Niébé
Pénicillaire
Sorgho blanc
Sorgho rouge
Béré-béré

Q12. Quelle est l’évolution des rendements au cours des dix dernières
années ?
Baisse Stagnation Evolution

Q13. Quelle est la cause de variation des rendements ?

Cause Oui Non
Climat
Choix des variétés
Changement de système de culture
Autre

290
 Q14. Quelles sont les causes de variation de la production globale ?
Cause Oui Non
Climat
Variation des superficies emblavées
Faiblesse des prix des produits agricoles
Autre

Q15. Quels sont les signes annonciateurs de la saison de pluie ?

Signes Oui Non
Prépondérance des vents de direction Sud-Nord
Abondance de nuages suivis de grondement
Éclosion de fleurs de certains arbres
Autre

Q16. Quels problèmes pluviométriques rencontrez-vous par rapport aux

cultures ?
Inondation Manque d’eau Retard de pluie Arrêt précoce de pluie

Q17. En cas de manque d’eau, que faites-vous ?

Irrigation Arrosage Autres

Q18. En cas de retard de pluie, comment vous vous comportez ?

Pratiques Oui Non
Prière dans les églises et les mosquées
Offrandes/sacrifices aux divinités de la pluie
Réparation de l’offense faite aux divinités

291
Contribution des faiseurs de pluie pour attirer la
pluie

Q19. Au cas où la pluie s’arrête tôt, comment réagissez-vous ?

Pratiques Oui Non
Prière dans les églises et les mosquées
Offrandes/sacrifices aux divinités de la pluie
Réparation de l’offense faite aux divinités
Contribution des faiseurs de pluie pour attirer la
pluie
Arrosage
Irrigation

Q20. En cas d’excédent de pluie, que faites-vous pour protéger vos cultures ?
Pratiques Oui Non
Évacuation des eaux par les rigoles
Autre

Q21. Quelles sont les stratégies que vous utilisez ?

Pratiques Oui Non
Modification des dates et de la technique de l’opération de semis
Modification des pratiques de labour
Diversification des activités génératrices de revenus
Épargne de précaution
Pratiques d’autres cultures, assolement
Abandon des cultures exigeantes en eau

292
 Événements climatiques extrêmes et crises alimentaires
Q22. Les sécheresses
1 Terminologies
2 Manifestations
3 Années ou repères

Q23. La mémoire des sécheresses et de leurs impacts sur la production

agricole
4 Dictons
5 Proverbes
6 Autres (à préciser)

Q24. Les excès pluviométriques et inondations

1 Terminologies
2 Manifestations
3 Années ou repères

Q25. La mémoire des excès pluviométriques et de leurs impacts sur la

production agricole
4 Dictons
5 Proverbes
6 Autres (à préciser)

Q26. Quelles sont les mesures prises pour faire face aux crises de sécheresse
que vous avez connues ?
Mesures prises Contraintes liées à la mesure

293
 Q27. Quelles sont les mesures prises pour faire face aux excès
pluviométriques que vous avez connues ?
Mesures prises Contraintes liées à la mesure

Q28. Nom et signification de chaque mois de l’année

Nom en Nom en langue locale Signification et activités agricoles
français ou non caractéristiques
Janvier
Février
Mars
Avril
Mai
Juin
Juillet
Août
Septembre
Octobre
Novembre
Décembre

Q29. Nom et signification de chaque saison de l’année

Nom en français Nom en langue
Saison sèche
Saison pluvieuse

294
 Annexe 2 : Fiches de relevés des données
RELEVES JOURNALIERS PLUVIOMETRIQUES (en millimètres)

Station__________ Latitude_______ Longitude_______ Année______

Janv. Fév. Mars Avril Mai Juin Juillet Août Sept Oct. Nov. Déc.
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 10
Total 1èreDécade

11 11
12 12
13 13
14 14
15 15
16 16
17 17
18 18
19 19
20 20
Total 2èDécade

21 21
22 22
23 23
24 24
25 25
26 26
27 27
28 28
29 29
30 30
31 31
Total 3èDécade Total de la
saison
Nombre de
jours de pluie
par mois
Total mensuel

295
 STATION______________________

Paramètre : Température

Période : _____________________

J F M A M J Jt A S O N D
Moyenne des minimums (Tn)
Moyennes des maximums Tx)
Moyenne [(Tn+Tx)/2]
A l’ombre

Ecart à la moyenne
Minimum absolu (et date)
Maximum absolu (et date)
Moyenne quotidienne la plus basse (et date)
Moyenne quotidienne la plus élevée (et date)
A 6h GMT et à 10cm
A 12h et à 10cm
Dans le sol

A 18h et à 10cm
A 12h et à 20cm
A 12h et à 50cm
A 12h et à 100cm

296
 STATION______________________
Paramètre : Humidité, Insolation, Évaporation
Période : ______________________

J F M A M J Jt A S O N D
Moyenne
relative (en %)

Minimum absolu (et date)

Humidité

Maximum absolu (et date)

Moyenne quotidienne la plus basse (et date)
Moyenne quotidienne la plus élevée (et date)
Valeur totale
(en heure et

Valeur mensuelle
Insolation

dixième)

Valeur quotidienne la plus basse (et date)

Valeur quotidienne la plus élevée (et date)

Valeur totale (Piche)

Valeur quotidienne la plus basse (et date) (Piche)

(en mm et dixième)
Evaporation

Valeur quotidienne la plus élevée (et date) (Piche)

Valeur totale (Bac classe « A »)

Valeur quotidienne la plus basse (et date) (Bac

classe « A »)
Valeur quotidienne la plus élevée (et date) (Bac
classe « A »)

297
 ANNEXE 3. CARACTERISTIQUES DES SOLS DANS CROPWAT

Type de sol
Caractéristiques du sol Medium Light Heavy
Eau disponible totale (mm/m) 290 60 200
Taux d’infiltration maximum de l’eau de pluie 40 40 40
(mm/jour)
Profondeur maximum d’enracinement (cm) 900 900 900
Épuisement de la teneur en eau initiale (%) 0 0 0

Eau disponible initiale (mm/mm) 290 60 200

298
 ANNEXE 4. AJUSTEMENT DES PLUIES MENSUELLES A LA LOI
RACINE-NORMALE

Avril/Bongor Septembre/Bongor
40 40
35 35
30 30
25 25
20
Racine de x

Racine de x
15 20
10 15
5 10
0 5
-2,5 -1,5 -0,5 0,5 1,5 2,5 0
-2,5 -1,5 -0,5 0,5 1,5 2,5
( Moy. de Vx =26,50, E.T. de Vx =2,65, ( Moy. de Vx =26,50, E.T. de Vx =2,65, taille 50et
taille 50et I.C. à 80% ) I.C. à 80% )

Mai/Bongor Octobre/Bongor
40 40
35 35
30 30
25 25
Racine de x
Racine de x

20 20
15 15
10 10
5 5
0 0
-2,5 -1,5 -0,5 0,5 1,5 2,5 -2,5 -1,5 -0,5 0,5 1,5 2,5
( Moy. de Vx =26,50, E.T. de Vx =2,65, taille 50et
( Moy. de Vx =26,50, E.T. de Vx =2,65, I.C. à 80% )
taille 50et I.C. à 80% )

Avril/Fianga
Juin/Bongor
40
40
35
35
30
30
25
25
Racine de x
Racine de x

20
20
15
15
10
10
5
5
0
0
-2,5 -1,5 -0,5 0,5 1,5 2,5
-2,5 -1,5 -0,5 0,5 1,5 2,5
( Moy. de Vx =26,50, E.T. de Vx =2,65, ( Moy. de Vx =26,50, E.T. de Vx =2,65, taille 50et
taille 50et I.C. à 80% ) I.C. à 80% )

299
 Mai/Fianga Octobre/Fianga
40 40
35 35
30 30
25
25
Racine de x

Racine de x
20
20
15
10 15
5 10
0 5
-2,5 -1,5 -0,5 0,5 1,5 2,5 0
-2,5 -1,5 -0,5 0,5 1,5 2,5
( Moy. de Vx =26,50, E.T. de Vx =2,65, ( Moy. de Vx =26,50, E.T. de Vx =2,65, taille 50et
taille 50et I.C. à 80% ) I.C. à 80% )

Juin/Fianga Avril/Guelendeng
40 40
35 35
30 30
25 25
Racine de x

Racine de x
20
20
15
15
10
10
5
5
0
-2,5 -1,5 -0,5 0,5 1,5 2,5 0
-2,5 -1,5 -0,5 0,5 1,5 2,5
( Moy. de Vx =26,50, E.T. de Vx =2,65, ( Moy. de Vx =26,50, E.T. de Vx =2,65, taille 50et
taille 50et I.C. à 80% ) I.C. à 80% )

Septembre/Fianga Mai/Guelendeng
40 40
35 35
30 30
25 25
Racine de x
Racine de x

20 20
15 15
10 10
5 5
0 0
-2,5 -1,5 -0,5 0,5 1,5 2,5 -2,5 -1,5 -0,5 0,5 1,5 2,5
( Moy. de Vx =26,50, E.T. de Vx =2,65, taille ( Moy. de Vx =26,50, E.T. de Vx =2,65, taille 50et
50et I.C. à 80% ) I.C. à 80% )

300
 Juin/Guelendeng Septembre/Guelendeng
40 40
35 35
30 30
25 25
Racine de x

Racine de x
20 20
15 15
10 10
5 5
0 0
-2,5 -1,5 -0,5 0,5 1,5 2,5 -2,5 -1,5 -0,5 0,5 1,5 2,5
( Moy. de Vx =26,50, E.T. de Vx =2,65, ( Moy. de Vx =26,50, E.T. de Vx =2,65, taille
taille 50et I.C. à 80% ) 50et I.C. à 80% )

Octobre/Guelendeng

40
35
30
25
Racine de x

20
15
10
5
0
-2,5 -1,5 -0,5 0,5 1,5 2,5

( Moy. de Vx =26,50, E.T. de Vx =2,65, taille

50et I.C. à 80% )

301
 ANNEXE 5. EXEMPLE D’UTILISATION DE CROPWAT
Pour cet exemple d’utilisation, on va simplement décrire l’environnement de
CropWat et l’insertion des données afin d’obtenir des résultats. La figure suivante décrit
l’environnement de CropWat.

Comme le montre la figure ci-dessus, l’interface de CROPWAT 8.0 se compose

de quatre parties :
- Une barre de menu principal (fichier, édition, calculs…) ;
- Une barre d’icônes située sous la barre de menu principal (nouveau, ouvrir,
enregistrer, fermer, …) ;
- Une barre de raccourcis contenant un ensemble d’icônes relatifs aux données
nécessaires au calcul des besoins en eau des cultures, à l’établissement du
calendrier d’irrigation et au calcul des besoins en eaux des périmètres
(climat/ETo, précipitations, culture, …) ;
- Une barre de résumé qui indique les noms des fichiers de données sélectionnés
(fichier ETo, fichier Précipitations, fichier Culture, …)

302
TABLE DES MATIÈRES

303
Dédicace ........................................................................................................................... i
Remerciements ................................................................................................................ ii
Résumé ........................................................................................................................... iii
Abstract .......................................................................................................................... iv
Table des tableaux............................................................................................................v
Table des figures ........................................................................................................... vii
Table des photographies ............................................................................................... xii
Table des planches ....................................................................................................... xiii
Sigles, acronymes et abréviations .................................................................................xiv
Sommaire ......................................................................................................................xvi
INTRODUCTION GENERALE ..................................................................................1
Contexte général de la recherche ....................................................................................2
Revue de la littérature ....................................................................................................5
Problématique ............................................................................................................. 11
Questions de recherche ................................................................................................ 13
Hypothèses ................................................................................................................. 14
Objectifs de recherche ................................................................................................. 14
Cadre théorique ........................................................................................................... 15
Cadre conceptuel ......................................................................................................... 29
Délimitation spatiale .................................................................................................... 36
Cadre méthodologique ................................................................................................. 37
Intérêt et organisation du plan de rédaction ................................................................... 60
PREMIERE PARTIE. ANALYSE DES VARIABILITES PLUVIOMETRIQUES
DANS LA PLAINE DU MAYO-KEBBI ................................................................... 63
CHAPITRE I. DES VARIABILITES PLUVIOMETRIQUES ANNUELLES TRES
CONTRASTEES DANS LA PLAINE DU MAYO-KEBBI ........................................ 64
I.1. Homogeneisation des données et identification des ruptures dans les séries
pluviométriques.............................................................................................................. 65
I.1.1. Homogéneisation des données .......................................................................... 65
I.1.2.Test de Buishand.............................................................................................. 69
I.1.3. Test de Pettitt .................................................................................................. 72

304
 I.2. Choix d’une loi statistique de distribution et détermination du climat ................ 76
I.2.1. Loi statistique de distribution ........................................................................... 76
I.2.2. Estimation fréquentielle des pluies annuelles et périodes de retour ..................... 78
I.2.3. Détermination du climat ................................................................................... 82
I.3. Variation interannuelle et spatiale des précipitations ........................................... 83
I.3.1. Variation interannuelle des précipitations .......................................................... 83
I.3.2. Variation spatiale des quantités d’eau recueillies ............................................... 93
I.3.3. Variation decennale de la pluviométrie ............................................................. 97
Conclusion ..................................................................................................................... 99
CHAPITRE II. DISPARITES SPATIO-TEMPORELLES DES VARIABILITES
PLUVIOMETRIQUES MENSUELLES ET JOURNALIERES DANS LA PLAINE
DU MAYO-KEBBI ..................................................................................................... 100
II.1. Des variations mensuelles très nettes ................................................................ 101
II.1.1. Choix d’une loi statistique de distribution et estimation des pluies .................. 101
II.1.2. Régime pluviométrique moyen et délimitation de la saison pluvieuse .............. 106
II.1.3. Perceptions paysannes des retards de pluies et poids des mois pluvieux sur la
quantité annuelle ............................................................................................................ 115
II.2. De l’échelle mensuelle à l’échelle décadaire : une analyse de la connaissance du
rythme pluviométrique ................................................................................................. 117
II.2.1. Variation décadaire de la pluie. ..................................................................... 117
II.2.2. Pofil des séquences sèches et humides dans la plaine du Mayo-Kebbi............. 120
II.3. Des variations journalières très marquées ......................................................... 125
II.3.1. Analyse des jours pluvieux ........................................................................... 125
II.3.2. Apport des tranches pluvieuses sur l’évolution des cumuls saisonniers ............ 126
II.3.3.Les pluies extrêmes ....................................................................................... 132
Conclusion ................................................................................................................... 136
DEUXIEME PARTIE. LES EFFETS DES VARIABILITES
PLUVIOMETRIQUES SUR LES SYSTEMES VEGETATIFS DES PLANTES
CULTIVEES .............................................................................................................. 137
CHAPITRE III. DES PARAMETRES AGRICOLES FORTEMENT PERTURBES
PAR LES VARIABILITES PLUVIOMETRIQUES .................................................. 138
III.1. Secteurs agro-écologiques et systèmes agricoles............................................. 139

305
 III.1.1. Secteurs agro-écologiques............................................................................ 139
III.1.2. Systèmes de culture ..................................................................................... 143
III.3.3. Techniques de culture .................................................................................. 146
III.2. Evolution des paramètres agricoles ................................................................. 147
III.2.1. Evolution de la production agricole dans la plaine du Mayo-Kebbi ................ 147
III.2.2. Evolution de rendement dans la plaine du Mayo-Kebbi ................................ 153
III.2.3. Evolution des surfaces cultivées dans la plaine du Mayo-Kebbi ................... 158
III.3. La production agricole perturbée par la variation annuelle de la pluie ........... 166
III.3.1. Relation pluie et production agricole ............................................................ 166
III.3.2. Corrélation entre les pluies et les rendements des différentes cultures............. 178
III.3.3. Corrélation entre les surfaces emblavées et les autres paramètres agricoles .... 183
Conclusion ................................................................................................................... 185
CHAPITRE IV. LES EFFETS DES VARIABILITES PLUVIOMETRIQUES SUR
LES PLANTES CULTIVEES ..................................................................................... 187
IV.1. Variations pluviométriques et développement des cultures ............................ 188
IV.1.1. Effets de la réduction de la saison et du nombre des jours pluvieux................ 188
IV.1.2. Variations extrêmes et décadaires de la pluie et besoin en eau cultural ........... 190
IV.1.3. Déficit hydrique des cultures ....................................................................... 200
IV.2. Contribution de CropWat dans la simulation des rendements agricoles ......... 203
IV.2.1. Paramètres et modules associés au modèle ................................................... 204
IV.3.2. Schéma de fonctionnement du logiciel ......................................................... 207
IV.3.3. Calcul des rendements ................................................................................. 209
Conclusion ................................................................................................................... 219
TROISIEME PARTIE. FORMES D’ADAPTATION ET DE STRATEGIES DES
AGRICULTEURS AUX VARIABILITES PLUVIOMETRIQUES .................... 221
CHAPITRE V. ADAPTATIONS ENDOGENES DES AGRICULTEURS AUX
VARIABILITES PLUVIOMETRIQUES ........................................................................ 222
V.1. Adaptations directes aux variabilités pluviométriques ..................................... 223
V.1.1. Réadaptation du calendrier cultural à la variabilité pluviométrique ................. 223
V.1.2. Pratique d’autres cultures et augmentation des emblavures ............................. 225
V.1.3. Mise en valeur des bas-fonds et des berges des cours d’eau ............................ 226

306
 V.2.Le maraîchage et la modification des pratiques de labour comme autres
adaptations directes ...................................................................................................... 228
V.2.1. Développement du maraîchage et des cultures irriguées ................................. 228
V.2.2. Dispersion des dates de semis et adoption des variétés à cycle court ............... 232
V.2.3. Modification des pratiques de labour ............................................................. 236
V.3. Adaptation indirectes et stratégies de lutte contre les variabilités
pluviométriques............................................................................................................ 239
V.3.1. Diversification des activités et épargne.......................................................... 239
V.3.2. Les mouvements migratoires ........................................................................ 241
V.3.3. Les choix stratégiques d’investissement ......................................................... 244
Conclusion ................................................................................................................... 244
CHAPITRE VI. QUELQUES PERSPECTIVES D’AMELIORATION DE LA
PRODUCTION AGRICOLE DANS LA PLAINE DU MAYO-KEBBI DANS UN
CONTEXTE DE VARIABILITE PLUVIOMETRIQUE ........................................... 245
VI.1. Appui des pouvoirs publics ............................................................................. 246
VI.1.1. Programmes d’assistance de soutien et de recherche ..................................... 246
VI.1.2. Renforcement des adaptations et des structures de recherche ......................... 249
VI.1.3. Appuis matériels de l’agriculture ................................................................. 249
VI.2. Options et stratégies pour une planification de la sécurité alimentaire ........... 250
VI.2.1. Réduction considérable de l’importation des produits alimentaires ................. 251
VI.2.2. Intensification des aménagements hydro-agricoles et mobilisation des eaux de
ruissellement .................................................................................................................. 251
VI.2.3. Amélioration de la fertilité des sols et promotion de la culture attelée ........... 253
VI.3. Actions pour l’atteinte de la sécurité alimentaire ............................................ 254
VI.3.1. Information sur les variabilités climatiques et sensibilisation des paysans ...... 254
VI.3.2. Amélioration des systèmes de conservation et de techniques de transformation
des produits agricoles ..................................................................................................... 254
VI.3.3. Veille pour la Sécurité Alimentaire (VSA) ................................................... 255
Conclusion ................................................................................................................... 257
Discussion et limites de la recherche ........................................................................... 258
CONCLUSION GENERALE ................................................................................... 263
Références bibliographiques ........................................................................................ 270

307
Annexes ........................................................................................................................ 287
Annexe 1. Questionnaire d’enquête ............................................................................ 288
Annexe 2. Fiches de relevés des données .................................................................... 295
Relevés journaliers pluviométriques ............................................................................. 295
Relevés de température .............................................................................................. 296
Relevés d’humidite, insolation, évaporation .................................................................. 297
Annexe 3. Caractéristique des sols dans CropWat ....................................................... 298
Annexe 4. Ajustement des pluies a la loi racine-normale ............................................. 299
Annexe 5. Exemple d'utilisation de CropWat ............................................................. 302
Table des matières ...................................................................................................... 303

308