Analyse récente de la stationnarité pluviométrique : cas du bassin

versant transfrontalier du Cavally

1
Résumé
Comprendre comment les précipitations annuelles et mensuelles évoluent localement est une
étape utile dans la mise en œuvre de stratégies d'adaptation efficaces aux impacts négatifs du
changement climatique. Cette étude vise à analyser les précipitations annuelles et mensuelles
sur le bassin du fleuve Cavally. Des méthodes statistiques sont utilisées pour mettre en évidence
l’évolution des cumuls de pluies annuelles et de la distribution des différentes saisons sur la
période 1980-2016. On observe que les périodes 1980-1996 et 1997-2016 peuvent être
considérées comme des périodes respectivement humides et sèches avec un déficit
pluviométrique de 18% après la rupture de 1996. Par ailleurs, on observe une diminution des
jours de pluie de fort cumul qui entrainent une baisse significative de pluviométrie totale
annuelle. Enfin, une augmentation anormale du nombre de jours pluvieux pendant la saison
sèche et la diminution du nombre de jour pluvieux pendant la saison des pluies ; indiquant ainsi
une irrégularité intra-saisonnière (raccourcissement de la saison des pluies et prolongement de
la saison sèche) des précipitations.

2
 1. Introduction
Le réchauffement climatique accélère le processus d'évapotranspiration qui modifie
davantage le régime des précipitations en raison de la capacité accrue de l'atmosphère à retenir
l'humidité selon la relation Clausius-Clapeyron (Klassou et Komi, 2021). Le régime des
précipitations et plus particulièrement de la pluviométrie est le facteur principal de la
productivité dans les pays en voie de développement. Elle conditionne la disponibilité en eau et
des produits agricoles en Afrique (Derving et al., 2019). Pourtant, depuis des décennies
l’ensemble des pays de l’Afrique de l’Ouest, connaît une forte variabilité climatique (Paturel
et al., 1997 ; Servat et al., 1997 ; Servat et al., 1998 ; Servat et al., 1999 ; Ardoin, 2004 ;
Kouassi et al., 2008). Celle-ci se manifeste par une modification du régime des précipitations
et par une diminution des hauteurs annuelles de pluie (Kouassi, et al., 2008 ; Sylla et al., 2016 ;
Ilori et al., 2020). Les effets néfastes de cette variabilité climatique (irrégularité pluviométrique,
incertitudes sur les évènements extrêmes et hausse de la température) influencent le rendement
des activités tributaires (barrages hydroélectrique, agricole, du bilan hydrologique et l’accès à
l’eau potable pour consommation humaine) de celle-ci (Doumbia et Depieu, 2013 ; Descroix
et al., 2015 ; M’po et al., 2017).

Ensuite, selon Descroix et al., 2013 et Bodian, 2014, après le très long (1968-1995),
très étendu (plus de 6 millions de km² très touchés) et très prononcé (de 10 à 40 % de diminution
des précipitations suivant les lieux) épisode sec qu’a connu l’Afrique de l’Ouest, on assiste à
une indéniable reprise de la pluviométrie dans cette zone. En Côte d’Ivoire, les travaux d’Irié
et al., 2015 ; et Koné et al., 2019 montrent une reprise dans le nord et le sud du pays
respectivement à partir de 2000 et 2003. En effet, l'analyse des changements récents des
précipitations à l'échelle locale (de bassin versant) est utile pour fournir des connaissances
scientifiques pour la gestion des ressources en eau afin de réduire la vulnérabilité des
communautés aux effets néfastes du changement climatique (Klassou et Komi, 2021).

Cependant, rare ou peu sont les études traitant d’une stationnarité récente de la
pluviométrique annuelle et saisonnière sur les 30000 km2 le bassin transfrontalier du Cavally.
Par conséquent, l'objectif principal de cette étude est de fournir une analyse holistique des
tendances observées des récentes précipitations sur le bassin du Cavally. Plus précisément, cette
étude vise à (i) examiner les changements spatio-temporels des cumuls pluviométriques
annuelles et mensuelles, (ii) identifier la nouvelle repartions des différentes saisons sur le
bassin.

3
 2. Matériel et méthodes
[Link] d’étude
Le Cavally est un fleuve transfrontalier (transnational), situé entre les longitudes 8°36’ et 6°48’
Ouest et les latitudes 7°57’22’’et 4°19’34’’ Nord (Figure 1). Il prend sa source en Guinée au
Nord du Mont Nimba à une altitude de 650 m et se jette dans l’océan atlantique au Sud-Est de
la Côte d’Ivoire. Long de 700 km jusqu’à l’embouchure, le bassin de ce fleuve draine une
superficie de 29997,840 km² dont le lit sert de frontière naturelle entre la Côte d’Ivoire et le
Libéria dans ses cours moyen et inférieur. La majorité du bassin se situe en Côte d’Ivoire
(53,93%), le Libéria possède environ 41,39% et quant à la Guinée, elle n’occupe que 4,68%.

Figure 1 : situation géographique du bassin du fleuve Cavally

4
 [Link]ées
La principale donnée utilisée dans ce travail est la pluviométrie (mensuelle et annuelle) mises à
notre disposition par la Société de Développement et d'Exploitation Aéroportuaire et
Météorologique (SODEXAM). Il s’agit des données provenant des stations pluviométriques et
synoptiques de Man, Danané, Zouan-Hounien, Guiglo, Buyo, Bloléquin, Niébé, Djakotobi,
Grabo,Tabou, Taï, Zérégbo et de Toulépleu en Côte d’Ivoire. Les données des stations de
Nzérékoré en Guinée ont été fournies par Direction Nationale de la Météorologie (DNM).
Celles provenant de la station de Zwedru et Cavala ont été fournie par mes services en charge
de la météorologie au Libéria. Ces données pluviométriques couvrent généralement la période
de 1980-2016. La Figure 2 présente les différentes stations pluviométrique et synoptique dont
les données ont été utilisées dans le cadre de cette étude.

Figure 2 : situation géographique du bassin du fleuve Cavally

5
3. Méthodes
3.1. Variabilité interannuelle et détection de tendance climatique
Le sujet de la détection de tendance dans les données hydrologiques a reçu beaucoup
d'attention dernièrement, surtout dans le contexte du changement climatique. Cependant,
l'existence de dépendances (autocorrélation), courte ou longue portée, peut affecter hostilement
les résultats d'une analyse de tendance (Biteye, 2009). En particulier, le test de Mann-Kendall
(Mann, 1945 ; Kendall, 1975) qui est généralement utilisé pour détecter les tendances dans des
données hydrologiques, devient fortement biaisé en présence d’une autocorrélation (Biteye,
2009). Le cumule des pluies mensuelles et annuelles ainsi que la moyenne mensuelle et annuelle
du des débits ont été utilisées pour réaliser les différents tests.

3.1.1. Filtre non récursif passe bas de Hanning d’ordre 2

Une meilleure observation des fluctuations interannuelles s'obtient en éliminant les
variations saisonnières. Le calcul des totaux des écoulements pondérés du filtre est effectué au
moyen des équations recommandées par Tyson et al., (1975). Selon cette méthode, chaque
terme de la série est calculé par l’équation 4 :
𝑿𝒕 = 𝟎. 𝟎𝟔𝒙𝒕−𝟐 + 𝟎. 𝟐𝟓𝒙𝒕−𝟏 + 𝟎. 𝟑𝟖𝒙𝒕 + 𝟎. 𝟐𝟓𝒙𝒕+𝟏 + 𝟎. 𝟎𝟔𝒙𝒕+𝟐
avec :
𝑥𝑡−2 et 𝑥𝑡−1 totaux des écoulements observés de deux termes qui précèdent immédiatement
le terme 𝑥𝑡 ;
𝑥𝑡+2 et 𝑥𝑡+1 totaux des écoulements observés de deux termes qui suivent immédiatement
le terme 𝑥𝑡 ;
Les totaux des écoulements pondérés des deux premiers (𝑋1 𝑒𝑡 𝑋2) et des deux derniers
(𝑋𝑛−1 𝑒𝑡 𝑋𝑛−2 )
termes de la série sont calculés au moyen des équations 5, 6, 7 et 8 (n étant la taille
de la série) :
𝑋1 = 0.54𝑥1 + 0.46𝑥2
𝑋2 = 0.25𝑥1 + 0.50𝑥2 + 0.25𝑥3
𝑋𝑛−1 = 0.25𝑥𝑛−2 + 0.50𝑥𝑛−1 + 0.25𝑥𝑛
𝑋𝑛 = 0.54𝑥𝑛 + 0.46𝑥𝑛−1
Pour mieux visualiser les périodes de déficit et d’excédent d’écoulement, les moyennes
mobiles sont centrées et réduites au moyen de l’équation …:

6
 (𝑥𝑡 − 𝑚)
𝑌𝑡 =
𝜎

m : est la moyenne de la série des moyennes pondérées et 𝜎 l’écart type de la série des
moyennes mobiles pondérées.
3.1.2. Méthodes de détection locale
[Link]. Test de de détection de tendance
[Link].1. Test classique de Mann-Kendall
Ce test vérifie s’il y’a une tendance dans les données de séries chronologiques. Il s'agit
d'un test non-paramétrique robuste à l'influence des extrêmes et permet son application à des
variables biaisées (Hamed, 2008). Plus particulièrement, ce test de tendance non paramétrique
est le résultat d'une amélioration du test d'abord étudié par Mann (1945) puis repris par Kendall
(1975) et finalement optimisé par (Hirsch and Slack 1984 ; Helsel and Hirsch 1992 ; Helsel
and Hirsch 2002).
Le test de Mann-Kendall est basé sur le signe de la différence entre les rangs d'une série
temporelle. Soit X = (x1 , x2 … . . xn ) une série temporelle, la statistique de Mann-Kendall est
donnée par :
𝐧−𝟏 𝐧

𝐒 = ∑ ∑ 𝐚𝐢𝐣
𝐢=𝟏 𝐣=𝐢+𝟏

Où :
𝟏 𝒔𝒊 𝐱 𝐣 > 𝐱 𝐢
𝒂𝒊𝒋 = 𝒔𝒊𝒈𝒏(𝐱 𝐣 − 𝐱 𝐢 ) = 𝒔𝒊𝒈𝒏(𝐑 𝐣 − 𝐑 𝐢 ) = { 𝟎 𝒔𝒊 𝐱 𝐣 = 𝐱 𝐢
−𝟏 𝒔𝒊 𝐱 𝐣 < 𝐱 𝐢
et R j , R i sont respectivement les rangs des observations x1 et x2 de la série. Sous l'hypothèse
que les données sont indépendantes et identiquement distribuées, la moyenne et la variance de
la statistique de test S ci-dessus sont données par Kendall, 1975 :
𝐄(𝐒) = 𝟎
𝐧(𝐧 − 𝟏)(𝟐𝐧 + 𝟓)
𝐕𝐚𝐫(𝐒) =
𝟏𝟖
où n est la taille de la série. L'existence d'observations égales dans la série entraine une réduction
de la variance de S qui devient :
𝐧(𝐧 − 𝟏)(𝟐𝐧 + 𝟓) ∑𝐦
𝐣=𝟏 𝐭 𝐣 (𝐭 𝐣 − 𝟏)(𝟐𝐭 𝐣 + 𝟓)
𝐕𝐚𝐫(𝐒) = −
𝟏𝟖 𝟏𝟖

7
où m est le nombre de groupe d'observations égales et t j le nombre d'observations égales dans
le groupe j.
On peut normaliser le statistique du test et on obtient une nouvelle statistique de test Z :
(𝐒 − 𝟏)
𝐬𝐢 𝐒 > 𝟎
√𝐕𝟎 (𝐒)
𝐙= 𝟎 𝐬𝐢 𝐒 = 𝟎
(𝐒 + 𝟏)
𝐬𝐢 𝐒 > 𝟎
{ √𝐕𝟎 (𝐒)
Une valeur positive (ou négative) de Z indique une tendance ascendante (ou
descendante) et sa significativité est comparée à la valeur critique α ou seuil de significativité
du test.
[Link].2. Test de Mann-Kendall modifié
La présence d’autocorrélation dans les données peut affecter sérieusement la puissance
des tests statistiques en engendrant une surestimation de la significativité statistique des
tendances. Dans les données de qualité des eaux naturelles, cette autocorrélation est
généralement engendrée par une cyclicité périodique dans l’évolution des données traduisant
une dépendance à des phénomènes externes (variation de la recharge, cycles d’applications).
Une approche complémentaire au test de Mann-Kendall classique est ainsi proposée afin de
prendre en compte ce phénomène d’autocorrélation. Le principe repose sur une modification du
test S de Mann-Kendal plutôt que de modifier les données elles-mêmes :
𝐕𝐚𝐫𝝆 (𝐒) = 𝜸 ∗ 𝐕𝐚𝐫𝝆=𝟎 (𝐒)
Où 𝜸 est un facteur correctif appliqué à la variance.

Deux méthodes sont relevées dans la littérature pour estimer ce facteur correctif.

 Yue et Wang (2004) proposent de corriger le test de Mann-Kendall de la façon

suivante :
𝝆𝒏+𝟏
𝟏 − 𝒏𝝆𝟐𝟏 + (𝒏 − 𝟏)𝝆𝟏
𝜸=𝟏+𝟐∗
𝒏 (𝝆𝟏 − 𝟏)𝟐
où 𝝆𝟏 désigne l’autocorrélation d’ordre 1
 Hamed et Rao (1998) proposent quant à eux une formule empirique spécifiquement
calculée pour corriger la statistique de Mann-Kendall :
𝐧−𝟏
𝟐
𝜸=𝟏+ ∑(𝒏 − 𝒌)(𝒏 − 𝒌 − 𝟏)(𝒏 − 𝒌 − 𝟐)𝝆𝒌
𝒏(𝒏 − 𝟏)(𝒏 − 𝟐)𝝆𝟏
𝐤=𝟏

8
 Dans cette étude, c’est le facteur correctif de Hamed et Rao (1998) qui a été utilisé. Car
les tests réalisés par Renard (2006) sur la puissance de ces méthodes, montre que la
modification proposée par Hamed et Rao est légèrement meilleure sous l’hypothèse AR (1)
que la formule de Yue et Wang. En effet, elle prend en compte l’autocorrélation des résidus de
régression calculées aux différents rangs si celles-ci sont significatives.

[Link].3. Test de Mann-Kendall Saisonnier

Ce test, est une autre variante du test Mann-Kendall utilisée pour l’estimation des
tendances de séries cycliques ou saisonnières.

Le principe, identique à celui du test de Mann-Kendall, est basé sur la classification des
données les unes par rapport aux autres en fonction de leur rang dans la série. Toutefois, dans
le cas du test de Mann-Kendall avec saisonnalité, le caractère saisonnier de la série est pris en
compte. Autrement dit pour des données mensuelles ayant une saisonnalité de 12 mois, on ne
va pas chercher à savoir s'il y une croissance au global sur la série, mais simplement si d'un
mois de janvier à l'autre, d'un mois de février à l'autre, et ainsi de suite, il y a une tendance.
Selon Hirsch et al. (1982), la statistique saisonnière de Mann-Kendall, Ŝ, pour l'ensemble de la
série est calculée selon :
𝒎

Ŝ = ∑ 𝒂𝒊𝒋
𝒈=𝟏

Pour ce test, l’ensemble des t (Tau) de Kendall pour chaque saison est calculé en
premier, permettant le calcul du t de Kendall moyen pour la série. La variance de la statistique
peut être calculée en faisant l'hypothèse que les séries sont indépendantes (par exemple les
valeurs des mois de janvier et des mois de février sont indépendantes) ou dépendantes, ce qui
requiert le calcul de covariances.
Pour le calcul de la p-value de ce test, une approximation normale pour la distribution de la
moyenne des t de Kendall est généralement utilisée.

[Link]. Test de détection de rupture : Méthode d'Alexandersson ou Test standard

normal d’homogénéité (TSNH)
La méthode d'Alcxandersson ou plus communément appelée SNHT (standard normal
homogeneity test) a été développée pour homogénéiser des séries de précipitations totales
annuelles (Alexandersson, 1986) ou de températures moyennes annuelles (Alexandersson and
Moberg, 1997). Easterling & Peterson (1995) apprécient que le SNHT est supérieur en
comparaison avec d'autres tests similaires pour révéler et rencontrer les changements soudains

9
et uniques dans les données climatiques. Sa performance se dégrade quand les points de
changement sont proches dans le temps ou le nombre des points de changement augmente. Une
ou plusieurs séries voisines homogènes et complètes sont utilisées pour créer une série de
différences :
∑𝒌𝒋=𝟏 𝝆𝟐𝒋 𝒙𝒊𝒋 𝒚
̅⁄𝒙
̅
𝑸𝒊 = 𝒀𝒊 −
∑𝒌𝒋=𝟏 𝝆𝟐𝒋

𝟏 ≤ 𝒊 ≤ 𝒏 𝒆𝒕 𝟏 ≤ 𝒋 ≤ 𝒌
La valeur de l'année i de la série de base est représentée par 𝒀𝒊 alors que 𝑿𝒋𝒊 dénote l'observation
i de la série de référence j. Le coefficient de corrélation entre la série de base et la série de
référence j est noté par 𝝆𝒋 . Sous l'hypothèse nulle, les ratios standardisés, Zi, sont distribués
normalement avec une moyenne nulle et un écart-type de 1. La contre-hypothèse est qu'il y a
un changement de moyenne à partir d'un certain point, noté par a, dans la série de base.
𝑯𝟎 : 𝒁𝒊 ~𝑵(𝟎, 𝟏) 𝒊 𝝐 {𝟏, … … … … , 𝒏}

𝒁𝒊 ~𝑵(𝝁𝟏 , 𝟏) 𝒊 𝝐 {𝟏, … … … … , 𝜶}
𝑯𝟏 : {
𝒁𝒊 ~𝑵(𝝁𝟐 , 𝟏) 𝒊 𝝐 {𝜶 + 𝟏, … … … … , 𝒏}

Pour trouver remplacement de ce point de changement, une série de moyennes pondérées est
créée :

𝟐 𝟐
𝑻𝜶 = 𝜶𝒁𝟏 + (𝒏 − 𝜶)𝒁𝟐 , 𝜶 = 𝟏, … , 𝒏 − 𝟏

Ou 𝒁𝟏 et 𝒁𝟐 sont les moyennes des ratios standardisés avant et après le saut respectivement
et n dénote le nombre total d'années dans la série. Le maximum de la série est extrait et la valeur
de α correspondante est l'année la plus probable pour un changement de moyenne. Si la
statistique 𝑻𝒎𝒂𝒙
𝜶 dépasse sa valeur critique alors il semble y avoir un saut de moyenne au temps
a. L'amplitude de ce saut est estimée par le rapport des ratios moyens avant et après le saut

𝒒𝟏 / 𝒒𝟐 . La série se corrige en multipliant le premier segment par ce ratio. En principe, les

mathématiques des deux tests (sauts et tendances) sont applicables à une discontinuité par série.
En pratique, on applique successivement le test jusqu'à ce que tous les segments de la série
soient considérés homogènes. Les valeurs critiques de ce test ont été déterminées en simulant
de longues séries de nombres aléatoires distribués normalement parce que la loi exacte de 𝑻𝒎𝒂𝒙
𝜶

est inconnue.

10
 3.1.3. Méthode d'interpolation à distance pondérée inverse (IWD)
Cette méthode est souvent désignée dans la littérature par l’acronyme IDW (Inverse Distance
Weighted). Elle se base sur le principe que, pour une même variable, l’influence relative d’un
point d’observation diminue avec la distance qui le sépare du point de l’espace dont on veut
estimer la valeur (Benjamin, 2007). On calcule la moyenne des mesures des points
d’observation environnants (stations climatiques, dans notre cas), avec un poids plus important
donné aux points les plus proches. La valeur prédite pour un point de l’espace est :

𝒌
∑𝑵
𝒊=𝟏 𝒁𝒊 ⁄𝒅𝒊
𝒁= 𝒌
∑𝑵
𝒊=𝟏 𝟏⁄𝒅𝒊

Avec :
Z = la variable estimée ;
Zi = la valeur connue au point de mesure i ;
di = la distance entre le point de valeur inconnue et le point de mesure i ;
N= est le nombre de sites utilisés pour l’interpolation ;
k = la puissance à laquelle est élevée la distance.
Dans la plupart des cas k =2. Toutefois, il peut être pertinent d’utiliser d’autres valeurs de k, en
fonction du pas de temps étudié. Il semble que pour la pluie, notamment, la meilleure valeur de
k pour les cumuls annuels est inférieure à 1,5 (Dirks et al., 1998).

11
4. Résultats & discussion
4.1. Variabilité interannuelle et analyse des tendances annuelles et saisonnière
de la pluviométrie
La variabilité interannuelle a été étudiée à l’aide du filtre pas-bas de Hanning d’ordre 2
et de la méthode IDW sur la période de référence 1980-2016. Tandis que, les tendances et
ruptures des séries pluviométriques annuelles et saisonnières des dix-sept stations, ont été
étudiées en utilisant le Test de Mann-Kendall saisonnier, le Test de Hamed (Test de Mann-
Kendall modifié) et le TSNH sur la période de référence 1980-2016

4.1.1. Analyse de l’indice pluviométriques annuelle

L’évolution interannuelle de la pluviométrie dans le bassin du fleuve Cavally est
présentée à la figure 3 et 4 L’analyse de cette évolution montre que l’ensemble du bassin est
marqué par une alternance de période d’excédent et déficit pluviométrique.

76% (13 sur 17) des stations ont été affecté par deux périodes climatiques qui ont
marquées leur variabilité pluviométrique. Les stations ont connu chacune, une période à
pluviométrie excédentaire allant généralement de 1980 à 1996 et une longue période à
pluviométrie déficitaire (généralement de 1996 à 2016). A l’exception des stations de Sauf la
station N’Zérékoré et Djakotobi dont la période excédentaire est de 1993 à 2016 et la déficitaire
est de 1980 à 1994. Ainsi celle de Buyo qui est marqué par une très longue période excédentaire
(1985 à 2013).

12
 indice indice indice
pluviométrqiue pluviométrqiue pluviométrique

-3,50
-1,50
0,50
2,50
-3,50
-1,50
0,50
2,50
-3,50
-1,50
0,50
2,50

1980 1980 1980

1984 1984 1984
1988 1988 1988
1992 1992 1992
Année
1996

Année

Année
1996 1996
2000 2000 2000

Station de Guiglo
Station de Danané

2004 2004 2004

Station de Blolequin

2008 2008 2008

2012 2012 2012
2016 2016 2016
indice indice indice
pluviométrqiue pluviométrqiue pluviométrqiue

-3,50
-1,50
0,50
2,50
0,50
2,50

-3,50
-1,50
-3,50
-1,50
2,50

0,50

1980 1980 1980

1984 1984 1984
1988 1988 1988
1992 1992 1992
1996 1996 1996

Année
Année
Année

2000 2000
Station de Taï

2000
Station de Zwedru
Station de Grabo

2004 2004 2004

2008 2008 2008
2012 2012 2012
2016 2016 2016

indice indice indice

pluviométrqiue pluviométrqiue pluviométrqiue
-3,50
-1,50
0,50
2,50
-3,50
0,50
2,50

-1,50
0,50
2,50

-3,50
-1,50

1980 1980 1980

1984 1984 1984
1988 1988 1988
1992 1992 1992
1996 1996
Année

1996
Année
Année

2000
2000 2000
2004
Station de Zagne

Station de zeregbo

2004 2004
Station de Toulepleu

2008
2008 2008
Figure 3 : Variabilité interannuelle de la pluviométrie avec deux périodes climatiques dans le bassin versant du fleuve Cavally (1980-2016)

2012
2012 2012
13

2016
2016 2016
 indice indice indice
pluviométrqiue pluviométrqiue pluviométrqiue

-3,50
-1,50
0,50
2,50

-3,50
-1,50
0,50
2,50
0,50
2,50

-3,50
-1,50
1980 1980 1980
1984 1984 1984
1988 1988 1988
1992 1992 1992
1996 1996 1996

Année
Année

Année
2000 2000 2000
Station de Tabou

Station de Cavala
2004 2004 2004
2008 2008 2008
Station de Zouan_Hounien

2012 2012 2012

2016 2016 2016
indice indice indice
pluviométrqiue pluviométrqiue pluviométrqiue

-1,50
0,50
2,50

-3,50
-3,50
-1,50
0,50
2,50

-3,50
-1,50
0,50
2,50

1980 1980 1980

1984 1984 1984
1988 1988 1988
1992 1992 1992
1996 1996 1996
Année

Année
Année

2000 2000 2000

Station de Soubré

2004 2004 2004

Station de Djakotobi
Station de Nzérékoré

2008 2008 2008

2012 2012 2012
2016 2016 2016

indice indice
pluviométrqiue pluviométrqiue
Figure 4 : Variabilité interannuelle de la pluviométrie dans le bassin versant du fleuve Cavally (1980-2016)
0,50
2,50

-3,50
-1,50
0,50
2,50

-3,50
-1,50

1981 1980
1985 1984
1989 1988
1993 1992
1996
Année

1997
Année

2001 2000
Station de Buyo
Station de Niébé

2005 2004

2009 2008

2013 2012
14

2016
 4.1.2. Analyse de la stationnarité locale de la pluviométrie
[Link]. Analyse saisonnière
La figure 5 présente les tendances relatives aux changements graduels des pluies
mensuelles du premier semestre (Janvier à Juin) de 1980 à 2016. Dans l’ensemble, très peu de
tendances significatives par mois (12% en janvier, 41% en février, 12% en mars, 5% en avril et
35% en juin) ont été enregistrés sur les séries de pluies mensuelles. Ces tendances significatives
indiquent une hausse de la pluviométrie mensuelle à toutes les stations affectées sauf aux
stations de Taï (en mars) et de Danané (en juin), où on observe une baisse au risque de 5%.
Quant au deuxième semestre (Juillet à décembre), la figure 6 présente les tendances
relatives aux changements graduels (tendances) de 1980 à 2016. Dans l’ensemble, on note un
passage et une évolution et/ou diminution des tendances significatives de la baisse aux
tendances significative à la hausse de juillet à décembre. Les significativités à la baisse ont été
observée sur les quatre premiers mois du semestre (juillet à octobre) avec un nombre de stations
affectées élevé (88%) dans le mois d’août et septembre. Tandis que celles à hausse, sont
observées sur les deux derniers mois (novembre et décembre) du semestre. Au mois de
novembre, 53% des stations sont affectées par cette tendance et 23% au mois de décembre.

15
Figure 5 : Distribution spatiale du test de Mann – Kendall pour les précipitations
saisonnières du bassin versant du Cavally de 1980-2016

16
Figure 6 : Distribution spatiale du test de Mann – Kendall pour les précipitations
saisonnières du bassin versant du Cavally de 1980-2016

17
[Link]. Analyse Annuelle
Le test de Mann-Kendall effectué sans tenir compte de l’autocorrélation sérielle, montre
que seulement 11% des stations (Djakotobi et Nzérékoré) présentent une tendance à la hausse
significative au risque de 10%. Tandis que 65% sont affectées par une tendance à la baisse au
risque de 1%, 5% et 10% (figure7).
Quant à celui tenant compte de l’autocorrélation, on note toujours que 11% des stations
présentent une tendance significative à la hausse. Mais cette fois avec une augmentation de la
significativité (de 10% à 1%) à la station de Djakotobi. 71% des stations sont affectées par une
tendance à la baisse. Parmi elles, certaines ont vu baisser leurs significativités (Blolequin,
Zwêdru, Zagne et Toulepleu) et d’autres, l’ont vu augmenter (Tabou et Cavala) (figure7).

Figure 7 : Significativité de la statistique du test de Hamed des séries pluviométriques

annuelles du bassin versant du Cavally (1980-2016)

L’application du SNHT a permis d’identifier des ruptures (changements brusques)

significatives dans les séries pluviométriques annuelles (figure 8) et les tendances après ces
années de ruptures (Tableau I). L’hypothèse nulle d’absence de rupture a été rejetée aux seuils
de confiance de 99 %, 95 % et 90 %.
La figure 8 montre que 82% des séries pluviométriques annuelles du bassin sont non
stationnaire et donc présente une rupture significative. On peut noter qu’un très grand nombre
de ces changements brusque (rupture) a été détecté au risque 99% et sont situées au centre-nord

18
du bassin. Tandis qu’au sud, sont basées les ruptures significatives au risque de 90% toutes
détectées en 2012.

Figure 8 : Significativité et date des ruptures détectées dans les séries pluviométriques
annuelle

Le tableau I montre les tendances après chaque rupture détectée. Toutes les stations du
bassin ont connu une baisse pluviométrique après l’année de rupture.

19
Tableau … : Années de rupture sur les débits moyen annuels
TSNH
Station
Année de rupture Période après rupture
Danané 1991 Baisse
Zérégbo 1996 Baisse
Zouan_Hounien 1996 Baisse
Toulepleu 2001 Baisse
Blolequin 1989 Baisse
Guiglo 1996 Baisse
Zagne 1989 Baisse
Buyo 1983 Hausse
Zwedru 2001 Baisse
Taï 1996 Baisse
Grabo 1989 Baisse
Cavala 2012 Baisse
Tabou 2012 Baisse

4.1.3. Variabilité spatiale de la pluviométrie annuelles par décennie

La figure 9 indique les variations spatiales des pluies annuelles par décennie sur la
periode 1980-2016.
Au cours de la décennie 1980-1989, on constate qu’il pleut plus dans la partie Sud () et
dans une petite partie du Centre de la zone d’étude, plus précisément, à Taï. Cela s’illustre par
l’apparition de l’isohyète de référence (isohyète 2000 mm) qui représente l’une des plus grandes
valeurs dans cette zone. Pour la deuxième et quatrième décennie (1990-1999), on note la
disparition de l’isohyète de référence. Et cela bien que la deuxième soit plus humide que la
dernière. Quant à la troisième décennie (2000-2009), elle réapparait mais dans une petite partie
du Sud. L’emplacement différent de l’isohyète 2000 mm (isohyète de référence), montre qu’au
fur et à mesure que les années passent, la pluviométrie diminue dans du Nord vers le Sud (Figure
9).

20
Figure 9 : Isohyètes de pluies annuelles décennale du bassin du Cavally de 1980-2016

21
4.2. Discussion
L’analyse des séries pluviométriques ont permis de caractériser la variabilité climatique
dans le bassin versant du Cavally.

 Variabilité interannuelle et rupture

Les méthodes statistiques (SNHT, IDW et filtre passe-bas de Hanning d’ordre 2)

effectuées sur les séries chronologiques des précipitations annuelles sur le bassin transfrontalier
du Cavally montrent que sa variabilité est marquée par deux périodes climatique.

Filtre passe-bas de Hanning d’ordre 2 montre en général que, toutes les séries
chronologiques montrent la présence d'une de périodes humides (généralement de 1980 à
1996) et sèches (1997 à 2016) avec des quantités annuelles décroissantes et régulière, à
l'exception de celles de N’Zérékoré, Buyo et Djakotobi. Cette baisse s’est manifestée par des
ruptures significative et non (Djakotobi, Niébé, Soubré et N’Zérékoré) au sein des séries
chronologiques. En effet, les dates 1983 (Buyo), 1996 (Zérégbo, Zouan-Hounien, Guiglo et
Taï), 1989 (Zagne et Blolequin), 1991(Danané), 2001(Toulepleu et Zwedru), et 2012
(Cavala et Tabou) sont des dates de ruptures significative identifiées par le test SNHT.
Ensuite, les déficits pluviométriques de ces différentes ruptures varient entre 20% et 45%.
Notons également que ces méthodes appliquées à la pluie moyenne annuelle (de 1980-2016)
du bassin versant transfrontalier du Cavally, met évidence deux périodes climatiques. Une
humide allant de 1980 à 1996 et une sèche de 1997 à 2016 avec un déficit de 18%. Ces deux
périodes sont séparées par une rupture en 1996 identifiée par le test SNHT. En outre, la
plupart des changements brusques apparaissent dans la période de sécheresse sévère (1968-
1990) et en 1996. Les ruptures de 1996 peuvent être un prolongement de la sécheresse
drastique qu’a connu l’Afrique de l’Ouest. Ces résultats sont en accord avec les différents
points de changement qui ont été détectés dans plusieurs études précédentes de la variabilité
pluviométrique en Afrique de l'Ouest (Paturel et al., 1998 ; Goula et al., 2012 ; Ozer et al.,
2014 ; Ozer et Perrin, 2014 ; Dai et al., 2004 ; Spinoni et al., 2014 ) et en Côte d’ivoire
(Kouassi, 2007 ; Kouakou et al., 2007 ; Soro et al., 2011). Enfin, les points de rupture
observés les autres années ne sont associés à aucune période et pourrait refléter donc de
nouvelle référence pour les études de stationnarité récente. Par ailleurs, la caractérisation de
la variation spatiale à l’aide de la méthode de IDW a permis d’observer que l’isohyète 2000,
appelé isohyète de référence, avait différentes positions du Nord vers le Sud du bassin et
disparaît parfois. Ceci confirme la diminution de la pluviométrie de 1980 à 2016 avec une

22
légère reprise lors de la décennie 2000-2009. Cette reprise est observée dans les travaux
récents (d’Irié et al., 2015 ; Koné et al., 2019). Ces auteurs ont noté une augmentation de
la pluie annuelle respectivement aux stations de Mankono et Sarhala à partir de 2003 et à la
station d’Adiopodoumé dans le sud du pays à partir de l’année 2000. Il est a noté que la
plupart des études antérieures ou récentes sur la variabilité climatique en Côte d’Ivoire et en
Afrique de l’ouest (Paturel et al., 1997 ; Servat et al., 1997 ; Servat et al., 1998 ; Servat
et al., 1999 ; Ardoin, 2004 ; Kouassi et al., 2008 ; Sylla et al., 2016 ; Ilori et al., 2020)
concluent une baisse de la pluie annuelle avec une reprise à partir de l’année 2000.

 Tendances locales

Le test de tendances de Mann-Kendall saisonnier appliqué aux précipitations

saisonnières du bassin du Cavally au cours de la période 1980-2016, met en évidence deux
saisons.
Une saison allant de novembre à mars correspondant à grande saison sèche du bassin.
Au cours de ces mois, très peu de tendances significatives par mois (53%, en novembre 23%
en décembre 12% en janvier, 41% en février, 12% en mars, 5% en avril et 35% en juin). Ces
tendances détectées, significatives ou pas indiquent une hausse de la pluviométrie mensuelle
c’est-à-dire une augmentation du nombre de jour pluvieux au cours de certains mois cette
saison. Klassou et Komi, 2021 ont trouvé que l’indice de période de sécheresse a montré des
tendances à la hausse dans grande partie de leur zone d’étude (bassin de la rivière Oti).
La deuxième saison avec deux épisodes pluvieux correspondant à la grande saison
pluvieuse (avril à octobre). Le premier épisode (avril à juin) au cours duquel les séries
présentent très souvent des tendances à la baisse mais pas significative. Quant au reste des mois
de cette saison (deuxième épisode), 60-80% des séries sont affectées par une diminution
significative de la pluviométrie avec un risque de significativité allant de 1% à 10%. Ces
résultats indiquent qu’au cours de la période d’étude, pendant la saison des pluies (les deux
épisodes), les précipitations du bassin versant du Cavally ont connu une baisse de leur apport
mensuel précisément du nombre de jour pluvieux. Ces baisses des forts évènement pluvieux
ont été observées dans la ZITC nord et les tropiques centrales (McGree et al., 2014). De plus,
en relation avec nos résultats concernant les fortes pluies, l'étude de M’po et al., 2017 ont prédit
une tendance à la baisse des indices de fortes précipitations dans le pire des scénarios de
changement climatique (RCP8.5) du Groupe d'experts international sur l'évolution du climat
sur le bassin de l'Ouémé en République du Bénin (Afrique de l'Ouest), tandis qu’Amousou et

23
al., 2020 ont mis en évidence une augmentation significative de l'intensité des fortes
précipitations d'ici 2050 dans le bassin du fleuve Mono (Togo et Bénin).

L’augmentation anormale du nombre de jours pluvieux pendant la saison sèche et la

diminution du nombre de jour pluvieux pendant la saison des pluies indiquent une irrégularité
intra-saisonnière des précipitations. Cela est peut-être due à une modification de la date de
démarrage et de fin de la saison pluvieuse dans le bassin du Cavally. Les travaux de Descroix
et al., 2015 ; M’po et al., 2017 ; Balme et al. (2005 et 2006), McGree et al., 2014 ; Sultan et
al. (2000 et 2005), et Marteau et al. (2009 et 2011), ont confirmés cette irrégularité. Selon eux,
les dates de début de la saison des pluies sont redevenues bien plus précoces, et les dates de fin
ont moins évolué. Précisément, Klassou et Komi, 2021 ont trouvé une réduction générale des
indices de précipitations extrêmes (à l'exception des périodes de sécheresse) et une très légère
tendance à la baisse de l'occurrence de fortes précipitations de périodes de retour plus élevées,
à savoir 25, 50, 75 et 100 ans ont été trouvées dans leurs travaux. De même, en Afrique centrale
et en Guinée Conakry, les conclusions d'Aguilar et al. (2009) sont accord avec nos résultats.
En effet, ces auteurs indiquent des tendances à la baisse des indices de fortes précipitations.

Le test de tendances de Mann-Kendall modifié appliqué aux précipitations annuelles du

bassin du Cavally au cours de la période 1980-2016 montre que 76% des séries présentent une
tendance significative sans tenir compte de l’autocorrélation avec un seuil allant de 1% à 10%.
Quant à celui effectué en tenant compte de l’autocorrélation, on note que 82% des stations
présentent une tendance significative. Mais cette fois avec une augmentation de la
significativité (de 10% à 1%) à la station de Djakotobi. Parmi elles, certaines ont vu varier la
statistique (Z) du test de leur séries c’est-à-dire leurs significativités baisser (Blolequin, Zwêdru,
Zagne et Toulepleu) et augmenter pour d’autres, (Tabou et Cavala) (figure 7). En effet, ces
résultats montrent que la présence d’autocorrélation dans les séries, biaise la significativité des
tests et donc peut conduite à des tendances aberrantes ou apparentes. Cette conclusion est en
accord avec les études de Soro et al., 2010 qui signalent que la tendance soit significative ou
non, la présence d’une structure d’autocorrélation positive dans une série de données
pluviométriques semble perturber considérablement les tests statistiques en introduisant des
tendances apparentes. Hamed (2008) abonde dans le même sens et fait remarquer que la
présence d’une autocorrélation positive dans la série augmente la probabilité d’avoir une
réponse significative, même en absence de tendance. Les tendances apparentes sont souvent
dues à la décroissance lente de la fonction d’autocorrélation. Dans le cas des séries fortement
auto-corrélées, les tendances apparentes proviennent rarement d’une évolution déterministe à

24
long terme. Certains auteurs (Yue et Wang, 2004 ; Hamed, 2009) indiquent que la présence
d’autocorrélation provoque un fort taux de rejet de l’hypothèse de stationnarité (absence de
tendance). Par contre, Yue et al. (2002) soulignent que la présence d’une autocorrélation
négative induit l’effet inverse.
Toutes les tendances significatives détectées sur les séries auto-corrélées ou non, sont
majoritairement (60% à 70%) à la baisse et minoritairement (11%) à la hausse. Cela signifie
que la pluviométrie annuelle des stations du bassin à diminuées significativement bien qu’il ait
eu une hausse à certaine station sur la période de 1980-2016. Ces résultats sont en accord avec
ceux trouvés dans les travaux de Yédjinnavènan Ahokpossi (2018) au Bénin. Cet auteur
affirme que la Des diminutions et des augmentations similaires des totaux annuels des
précipitations ont également été observées dans différentes parties du pays. Hulme et al. (2001)
ont également démontré que les précipitations en Afrique de l'Ouest ont diminué dans la
seconde moitié du XXe siècle. La quasi-totalité des études sur la variabilité climatique de
l’Afrique de l’Ouest (Nicholson, 2013 ; Sylla et al., 2016 ; Ilori et al., 2020), notamment en
Côte d’Ivoire (Goula et al., 2006, Kouakou et al., 2007 ; Kanohin, 2010), confirment la
tendance générale à la baisse de la pluviométrie qui serait dû au changement climatique en
raison du réchauffement climatique qui serait une conséquence des nombreuses activités
humaine.

25
5. Conclusion
L'évolution récente des précipitations du bassin versant du Cavally a été caractérisée dans cette
étude. L'évolution des précipitations annuelles, saisonnières et mensuelles, ont été étudiées. Les
tests de MK (original, modifié et saisonnière) ; le SNHT, la IDW et le filtre d’harnning ont été
appliquée à chaque série chronologique. Le bassin a connu en moyenne deux périodes
climatiques, toutes deux séparées par une rupture en 1996. La période humide part de 1980-
1996 et la sèche de 1997-2016. Des diminutions significatives de la quantité de pluie annuelle
avec le temps ont été observées, sauf pour certaines stations (Djakotobi et Nzérékoré) qui ont
connu une hausse significative. Les résultats de l'analyse mensuelle montrent des tendances
significatives à la baisse importantes pour juillet août et septembre pendant la saison des pluies
et une nette hausse sur certains mois de la saison sèche, illustrant ainsi l'impact de ces tendances
sur les précipitations annuelles totales. Les tendances détectées ne sont pas systématiquement
attribuables à un signal climatique. La spatialisation de la pluviométrie par décennie montre
une baisse régulière de la pluviométrie (de 1980-2016) avec une reprise pendant la décennie
2000-2009. Cette étude devrait être étendue sur tout les bassins en Côte d’Ivoire ou en Afrique
de l’Ouest pour statuer de la pertinence de la nouvelle rupture (1996) détectée.

26
Références
Aguilar, E., Barry, A. A., Brunet, M., Ekang, L., Fernandes, A., Massoukina, M., Mbah,
J., Mhanda, A., do Nascimento, D. J., Peterson, T. C., Umba, T. O.,
Tomou, M. & Zhang, X. 2009. Changes in temperature and precipitation
extremes in western central Africa, Guinea Conakry, and Zimbabwe, 1955–
2006.
Alexandersson H., 1986, A homogeneity test applied to precipitation data, Journal of
Climatology 6, 661–675.
Alexandersson, H., & A. Moberg, 1997: Homogenization of Swedish temperature data, I, A
homogeneity test for linear trends, International journal of climatology. 17,
25-34.
Amoussou E., Awoye, H., Vodounon, T. S. H., Obahoundje, S., Camberlin, P., Diedhiou,
A., Kouadio, K., Mahé, G., Houndénou, C. & Boko, M. 2020. Climate and
extreme rainfall events in the Mono River Basin (West Africa): investigating
future changes with regional climate models. Water 12, 833. doi:
10.3390/w12030833.
Ardoin B. S. (2004). Variabilité hydroclimatique et impacts sur les ressources en eau de
grands bassins hydrographiques en zone soudano-sahélienne. Thèse de
Doctorat, Université de Montpellier II, France, 225 p.
Balme M., Galle S. & Lebel T., 2005 : Démarrage de la saison des pluies au Sahel : variabilité
aux échelles hydrologique et agronomique, analyse à partir des données
EPSAT-Niger. Sécheresse, 16 (1), 15-22.
Balme M., Lebel T., Amani A., 2006 : Années sèches et années humides au Sahel : quo
vadimus ? Hydrological Sciences – Journal–des Sciences Hydrologiques, 51
(2),254-271.
BENJAMIN B. 2007. Cartographie agroclimatique à meso-echelle: méthodologie et
application à la variabilité spatiale du climat en gironde viticole.
Conséquences pour le développement de la vigne et la maturation du raisin.
Bioclimatologie. Thèse unique, Université Sciences et Technologies -
Bordeaux I, Français.
Biteye M., 2009. Evolutions dans les régimes hydrologiques extrêmes en France : changement
climatique et phénomène de Hurst. Sciences de l’environnement.

27
Dai, A. , Peter J. Lamb, Kevin E. Trenberth, Mike Hulme, Philip D. Jones, & Pingping
Xie. 2004. La récente sécheresse au Sahel est réelle. Journal international de
climatologie, 24 (11), 1323 – 1331. doi: 10.1002/joc.1083.
Derving B., Monsia J-C K., Ernest K. A., D’avilla A. A. A. & Teti P. T., 2019. Étude de la
variabilité spatiale de la pluviométrie par la méthode géostatistique et idw
(inverse distance weighted) au centre-ouest de la côte d’ivoire. American
Journal of Innovative Research and Applied Sciences. 9(2) : 2016-223
DESCROIX L., Aïda D. N., Gérémy P., Ansoumana B., Youssouph S., Honoré D.,
Moussa M. A., Jean-Pierre V. & Guillaume Q., 2015. « Évolution récente
de la pluviométrie en Afrique de l’ouest à travers deux régions : la Sénégambie
et le Bassin du Niger Moyen », Climatologie, p. 25-43
Descroix L., Diongue-Niang A., Dacosta H., Panthou G., Quantin G., Diedhiou A., 2013 :
Evolution des pluies extrêmes et recrudescence des crues au
Sahel. Climatologie, 10, 37-49.
Dirks, K. N., HAY, J. E., Stow, C.D. Et Harris, [Link]. 1998. Resolution studies of rainfall
on Norfolk Island. Part II: interpolation of rainfall data. Journal of Hydrology.;
208(3-4): 187-193.
Doumbia, S et Depieu, M.E. (2013). Perception paysanne du changement climatique et
stratégies d'adaptation en riziculture pluviale. Journal of Applied Biosciences 64
: 4822-4831.

Easterling D. R. & Peterson T. C., 1995. A new method for detecting undocumented
discontinuities in climatological time series. International journal of
climatology 15:369-377.
Goula B. T. A., Savane I., Konan B., Fadika V. et Kouadio G. B. (2006). Impact de la
variabilité climatique sur les ressources hydriques des bassins de N’Zo et N’Zi
en Côte d’Ivoire (Afrique tropicale humide). Vertigo, n°1, pp. 1-12.
Goula, A.B.T., Gneneyougo Soro, E., Kouassi, W. é Srohourou, B., 2012. Tendances et
ruptures au niveau des pluies journalières extrêmes en Côte d'Ivoire (Afrique
de l'Ouest). Hydrological Sciences Journal, 57 (6), 1067–1080.
Hamed K. H., 2008. Trend detection in hydrologic data: The Mann-Kendall trend test under
the scaling hypothesis, Journal of Hydrology, 349: 350 – 363.
[Link] jhydrol.2007.11.009.

28
Hamed K. H., 2009. Effect of persistence on the significance of Kendall’s tau as a measure
of correlation between natural time series. The European physical journal, 174
: 65 – 79.
Hamed, K.H.; Rao, R., 1998. A modified Mann-Kendall trend test for autocorrelated data. J.
Hydrol., 204, 182–196.
Helsel, D. R. & Hirsch R. M., 2002. Statistical Methods in Water Resources Techniques of
Water Resources Investigations, Livre 4, chapitre A3. Enquête géologique des
États-Unis. 522 pages
Helsel, D. R. & Hirsch, R. M. (1992) Statistical Methods in Water Resources. Studies in
Environmental Science 49. Elsevier, Amsterdam, The Netherlands.
Hirsch R. J. Slack, R. Smith., 1982. Techniques of Trend Analysis for Monthly Water Quality
Data, Water Resources Research 18, 107–121.
Hirsch, R. M. & Slack, J. R. (1984) A non-parametric test for seasonal data with seasonal
dependence. Water Resour. Res. 20, 727–732.
Hulme, M. , et al ., 2001 . Changement climatique en Afrique : 1900–2100. Recherche sur
le climat , 17 (2 SPECIAL 8), 145 - 168 . doi : 10.3354 / cr017145
Ilori, O.W. & Ajayi, V.O. (2020). Change Detection and Trend Analysis of Future
Temperature and Rainfall over West Africa. Earth Syst Environ 4, 493–512.
Irié G. R., Soro G. E. & Goula B. T. A. (2015). Changements d’états de surface et
évolutions spatio-temporelles des précipitations sur le bassin versant de la
Marahoué (Côte d’Ivoire), International Journal of Innovation and Applied.

Kanohin F. (2010). Evolution des ressources en eau de surface et souterraine dans un

contexte de variabilité climatique dans la région de Daoukro (Centre-Est de la
Côte d’Ivoire). Thèse unique de Doctorat, Université Abobo-Adjamé, Abidjan
(Côte d’Ivoire), 146 p
Kendall M. G., 1975, Rank correlation methods, 202 pp., Griffin, London.
Klassou K. S., & Komi K. 2021. Analysis of extreme rainfall in Oti River Basin (West Africa).
Journal of Water and Climate Change doi: 10.2166/wcc.2021.154
Koné K.H.C., Coulibaly K. & Konan K. S. (2019). Identification de quelques plantes
utilisées en médecine ethnovétérinaire à Sinématiali (Nord de la Côte
d’Ivoire). Journal of Applied Biosciences 135: 13766 – 13774.

Kouakou K. E., Goula B. T. A. et Savané I. (2007). Impacts de la variabilité climatique sur

les ressources en eau de surface en zone tropicale humide : Cas du bassin

29
 versant transfrontalier de la Comoé (Côte d’Ivoire - Burkina Faso). European
Journal of Scientific Research, 16 (1), pp. 31-43.
Kouassi A. M. (2007). Caractérisation d’une modification éventuelle de la relation pluiedébit
et ses impacts sur les ressources en eau en Afrique de l’Ouest : cas du bassin
versant du N’zi (Bandama) en Côte d’Ivoire. Thèse de Doctorat Unique,
Université de Cocody, Côte d’Ivoire, 210 p.
Kouassi A. M., Kouamé K. F., Goula B. T. A., Lasm T., Paturel J. E., Et Biémi J.
[Link] de la variabilité climatique et de la modification de l’occupation du sol
sur la relation pluie-débit à partir d’une modélisation globale du bassin versant du N’zi
(Bandama) en Côte d’Ivoire. Science et Technologie. ; 11 : 207-229.

M’Po, N. Y., Lawin, A. E., Yao, K. B., Oyerinde, T. G., Attogouinon, A. & Afouda, A. A.
2017. Decreasing past and mid-century rainfall indices over the Ouémé River
Basin, Benin (West Africa). Climate 5, 74. doi: 10.3390/cli5030074.
Mann H. B., 1945. Nonparametric tests against trend, Econometrica, 13, 245-259
Marteau R., Moron V. et Philippon N., 2009: Spatial coherence of monsoon onset over
Western and Central Sahel (1950-2000). Journal of Climate, 5, 1313-1324.
Marteau R., Sultan B., Moron V., Alhassane A., Baron C. et Traoré S.B., 2011: The onset
of the rainy season and farmers’ sowing strategy for pearl millet cultivation in
Southwest Niger. Agric. Forest Meteorol., 151, 10, 1356-1369,
doi: [Link]
McGree, S., Whan, K., Jones, D., Alexander, L. V., Imielska, A., Diamond, H., Ene, E.,
Finaulahi, S., Inape, K., Jacklick, L., Kumar, R., Laurent, V., Malala, H.,
Malsale, P., Moniz, T., Ngemaes, M., Peltier, A., Porteous, A., Pulehetoa-
Mitiepo, R., Seuseu, S., Skilling, E., Tahani, L., Teimitsi, F., Toorua, U. &
Vaiimene, M. 2014. An updated assessment of trends and variability in total
and extreme rainfall in the western Pacific. International Journal Climatology.
34 (8), 2775–2791. doi: 10.1002/joc.3874.
Nicholson S. E. (2013). The West African Sahel: a review of recent studies on the rainfall
regime and its interannual variability. ISRN Meteorol
2013:32. [Link]
Ozer, P., & Perrin, D., 2014. Eau et changement climatique. Tendances et perceptions en
Afrique de l’Ouest. Eau, milieux et aménagement. Une recherche au service
des territoires. Angers: Presses de l'Université d'Angers, 227–245.

30
Ozer, P., Hountondji Y. C., Gassani J. Djaby B. & DE Longueville F.,2014. Evolution
récente des extrêmes pluviométriques en Mauritanie (1933–2010). Sous la
direction de. In: XXVIIe Colloque de l’Association Internationale de
Climatologie, 2–5 juillet 2014, Dijon. Université de Bourgogne, 394–400.
Paturel J. E., Servat E. et Delattre M. O. (1998). Analyse de séries pluviométriques de
longue durée en Afrique de l'Ouest et centrale non sahélienne dans un contexte
de variabilité climatique. Journal des sciences hydrologiques, 43 (3), pp. 937-
945.
Paturel J.E., Servat E., Kouamé B., Lubès-Niel H., Ouedraogo M. & Masson J.M.
(1997). “Climatic variability in humid Africa along the Gulfe of Guinea. Part
two: an integrated regional approach”, Journal de l’ Hydrologie, vol. 191, 16-
36p.

Servat E., Paturel J. E., Kouamé B., Travaglio M., Ouedraogo M., Boyer J. F., LubèsNiel
H., Fritsch J. M., Masson J. M. et Marieu B. (1998). Identification,
caractérisation et conséquences d'une variabilité hydrologique en Afrique de
l'Ouest et Centrale. Internationale Association of Hydrological Sciences, 252,
pp. 323-337
Servat E., Paturel J. E., Lubès N. H., Kouamé B., Masson J. M., Travaglio M. et Marieu
B. (1999). De différents aspects de la variabilité de la pluviométrie en Afrique
de l’Ouest et Centrale non sahélienne. Revue des Sciences de l’Eau, 12 (2), pp.
363-387.
Servat., Paturel j.-E., Lubes H., Kouamé B., Ouedraogo M. & Masson J.M. (1997).
Variabilité climatique en Afrique humide le long du Golfe de Guinée.
Première partie : Analyse détaillée du phénomène en Côte d’Ivoire. In :
Journals of Hydrology, 191, 1 - 15 p
Soro G. E., Goula B. T. A., Kouassi F. W. & Srohourou B., 2010. Evolution des intensités
maximales annuelles des pluies horaires en Côte d’Ivoire Agronomie
Africaine, 22 (1) : 33 - 44.
Soro T. D., Soro N., Oga Y M-S., Lasm T., Soro G., Ahoussi K. E. et Biemi J. (2011). La
variabilité climatique et son impact sur les ressources en eau dans le degré
carré de GrandLahou (Sud-ouest de la Côte d'Ivoire), Physio-Géo, 5, pp. 55-
73.

31
Spinoni, J. , Gustavo N., Hugo C., Paulo B., Jürgen V.,2014 . Fréquence, durée et sévérité
des sécheresses mondiales pour 1951-2010. Journal international de
climatologie, 34 (8), 2792 - 2804. doi: 10.1002/joc.3875.
Sultan B. et Janicot S., 2000: Abrupt shift of the ITCZ over West Africa and intra-seasonal
variability. Geophysical Research Letters, 27 (20), 3353-3356.
Sultan B., Baron C., Dingkuhn M., Sarr B. et Janicot S., 2005: Agricultural impacts of large-
scale variability of the West African Monsoon. Agricultural and Forest
Meteorology, 128, 95-110.
Sylla M.B., Nikiema P.M., Gibba P., Kebe I., & Klutse N.A.B. (2016). Changement
climatique sur l’Afrique de l’Ouest : tendances récentes et projections futures.
Springer, New York. [Link]
Tyson P. D., Dyer T. G. J et Mametse M. N., 1975. Security changes in South African
rainfall: 1880 to 1972. Quarterly Journal of Royal Meteorological Society,
101, pp. 817-833.
Yédjinnavènan Ahokpossi (2018) Analyse de la variabilité et de l'évolution des précipitations
en République du Bénin (Afrique de l'Ouest), Hydrological Sciences
Journal, 63 :15-16, 2097 2123.
Yue S. & Wang C. Y., 2004. The Mann-Kendall test modified by effective sample size to
detect trend in serially correlated hydrological series. Water Ressources
Management, 18 : 201 - 218.

32