See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/385491363

Évolution des régimes de pluie et des précipitations extrêmes en contexte de

changement climatique : le cas d'Haïti.

Thesis · July 2023

DOI: 10.13140/RG.2.2.34813.37601

CITATIONS READS

0 192

1 author:

Romual Chery

8 PUBLICATIONS 18 CITATIONS

SEE PROFILE

All content following this page was uploaded by Romual Chery on 02 November 2024.

The user has requested enhancement of the downloaded file.

 UNIVERSITÉ DES ANTILLES

Évolution des régimes de pluie et des précipitations

extrêmes en contexte de changement climatique : le cas
d’Haïti
Thèse de doctorat de l’Université des Antilles

École Doctorale no 636

Dynamique des environnements dans l’espace Caraïbes-Amériques (DEECA)
Spécialité : Physique de l’Atmosphère
Faculté des Sciences Exactes et Naturelles

Thèse présentée et soutenue à Pointe-à-Pitre le 18 juillet 2023 par

Romual CHÉRY

Composition du Jury
Professeur, Institut de Recherche Dupuy de
Blaise NSOM Rapporteur
Lôme, Université de Bretagne Occidentale
HDR, Observatoire de l’Eau et de l’Érosion aux
Céline DESSERT Antilles, Institut de Physique du Globe de Paris, Rapporteur
Université Paris Cité
Narcisse ZAHIBO Professeur, Université des Antilles Examinateur
Didier Clément Maître de conférences - HDR, Université des
Directeur de thèse
BERNARD Antilles
Directeur, Unité Hydrométéorologique d’Haïti
Marcelin ESTERLIN Représentant permanent d’Haïti auprès de Invité
l’Organisation Météorologique Mondiale
Président, Espace-Temps Consult
Expert international en gestion des risques
Jean Noël DESGRACE hydrométéorologiques et climatiques et en Invité
alerte précoce, Conseiller / Expert auprès de
l’Organisation Météorologique Mondiale et la
Banque Mondiale dans la Caraïbe.
 « Soyons honnêtes. La plupart du temps, nous nous
retrouvons que très rarement dans des situations horribles que
nous devons endurer. Il s’agit plutôt d’inconvénients mineurs ou
de conditions défavorables qui nous affligent. Ou alors, nous
essayons de faire quelque chose de très difficile et nous sommes
dépassés, débordés ou à court d’idées. Eh bien, soit ! Retournons
le problème. Trouvons un avantage. Prenons-le comme un coup
de pouce.
C’est aussi simple que ça, mais évidemment, ce n’est pas
facile. »
RYAN HOLIDAY
L’OBSTACLE EST LE CHEMIN, Page 13

2
Thèse | Romual Chery
 Remerciements

Je tiens à remercier Monsieur Didier Clément BERNARD, pointilleux directeur de thèse

d’une pédagogie et d’une logique scientifique musclées. Mister, merci pour l’énergie communicative
et l’humanité dont vous avez fait preuve durant toute la thèse. Merci de m’avoir inculqué la passion
pour la recherche. Au regard du suivi scientifique solide accordé à ces travaux et de votre patience,
des remerciements ne suffiront jamais. Je vous assure simplement ma franche collaboration dans la
suite de nos travaux scientifiques.
Merci aux rapporteurs et membres du jury Monsieur Blaise NSOM, Madame Céline
DESSERT et Monsieur Narcisse ZAHIBO d’avoir accepté d’évaluer et d’examiner mon travail de
thèse. Merci de s’être rendus disponibles.
Merci à Emmanuel BIABIANY et Raphaël CÉCÉ pour les conseils avisés et échanges
enrichissants, et surtout pour l’aide précieuse apportée dans la mise en œuvre de codes numériques.
Certains chapitres leur doivent beaucoup. Merci également d’avoir lu et corrigé tout le manuscrit.
Un grand merci à Marcelin ESTERLIN, coordonnateur de l’Unité Hydrométéorologique
d’Haïti, et Jean Noël DESGRACE qui m’ont accueilli à l’Unité et manifesté leur franche
collaboration dès le début de l’aventure. Merci à Marcelin pour la mise à disposition des données
pluviométriques. Merci à tous les employés de l’unité que j’ai côtoyés.
Merci à Sandra JACOBY-KOALY, Jean VAILLANT et Christophe MONTOUT : c’est à la
fin de cette thèse que j’aperçois la portée de nombreux conseils et explications émis lors des comités
de suivi de thèse.
Merci à Fabrice pour ses encouragements réguliers. Merci aux stagiaires Naoufal, Rood et
Maliana pour les échanges et encouragements.
Merci à Berard CÉNATUS, membre du conseil de l’École Normale Supérieure à Port-au-
Prince, pour le suivi financier. Directeur ! Cette thèse n’aurait pas été possible sans votre intervention.
Merci d’avoir pris le pari de vous engager dans des projets ambitieux comme celui-ci. Je n’oublierai
pas l’appel téléphonique qui m’a motivé davantage.

Un grand merci à Nobert, Bernadette, Junior, Béatrice et Romuald CHÉRY (NÈG ANM) de
m’avoir supporté durant mes parcours scolaire et universitaire aussi bien à Camp-Perrin qu’à Port-

3
Thèse | Romual Chery
au-Prince. Vous avez grandement contribué à l’accomplissement de ce doctorat. Je ne saurai
témoigner toute ma reconnaissance à Junior CHÉRY qui m’a emmené à Port-au-Prince pour entamer
des études universitaires.
Merci aux cousines et cousins qui ont toujours vu en moi l’exemple à suivre (Louisa,
Dolowès, Erlande, Vladimir, Mirlène…).
Merci aux amis/doctorants/docteurs (David, Daniel, Rigaud, Josué, Richard, Prosper Junior,
Milou, Virgine, Guinther, Djems, Jean Réné, Jackson, Urbain, Yves François, Wendy, Pegaud, Marie
Ginette, Peterson, Rosemond, Égide, Marckens, Jean Mary, Fabre, Charles, Arnel, Guarry, Timothée,
Verdieu, Walguen, Estive, Watson, Thony, Jeffrey, Enel, Alexis, Woody, Ashley, Jeanelle, Manex,
Ivena, Wilson, Walson, Stanislas, Inoncent, Fares, Michel, Milot, Ebed, Waking-Balaguer, Stanley).
Vos conseils, vos encouragements, l’ambiance à chaque pot de thèse et les nombreuses séances de
football sont parmi ceux que je n’oublierai pas. Un merci particulier à Géthro JEAN, ZANMI M’DEPI
LEKÒL KAY MADAN Sténio PERRIN.
Merci aux révérends Pierre CHERY et Thierry St CLAIR de partager avec moi des moments
de convivialité aux heures non réservées à la recherche. Une pensée spéciale à Pierre qui lutte contre
la maladie. Je suis persuadé que tu vaincras.

Merci aux familles CHÉRY, DUCLÉRON, JOSEPH et CALIXTE.

Des remerciements chaleureux à ma maman Gislène, ma sœur Claudette et mes frères Petro
et Jameson de m’avoir épaulé durant ce long voyage. Grâce à votre soutien et votre confiance, je n’ai
jamais dévié de l’objectif ultime. PAPA serait très content d’être à notre côté pour fêter. Dommage !!!
Mille mercis à mon épouse, Freudeline, de m’avoir supporté. Votre soutien m’est si important
pour traverser les hauts et les bas de la thèse. Merci pour Thaly. Je crois que tu peux être fière du
travail accompli pendant mon absence.

Enfin, merci à ma fille, Thaly-Coeurwhey Romuall CHÉRY, qui a le mieux illustré l’aspect
« encouragement » par ses performances scolaires. Ma chérie, merci pour les moments de dialogue
bienveillants. Que cette thèse te serve de boussole pour la suite ! TOUT LE MEILEUR !!!

4
Thèse | Romual Chery
 Cette thèse a été réalisée au Laboratoire de Recherche en Énergies et Géosciences
(LaRGE) de l’Université des Antilles. Je remercie l’Ambassade de France en Haïti de m’avoir
octroyé la Bourse du Gouvernement Français, la Fondasyson Konesans Ak Libète (FOKAL) et
le LaRGE pour leurs aides financières pendant mes années de thèse.

5
Thèse | Romual Chery
Dédicace

Ce doctorat est dédicacé à mon feu père aimant,

Dominique CHÉRY.
Que la soutenance des travaux de recherche qui y
sont figurés apaise mon deuil !!!

6
Thèse | Romual Chery
Résumé

L’objectif de cette thèse est d’actualiser les connaissances sur les régimes de précipitations et
l’intensification des précipitations intenses et extrêmes en République d’Haïti, en contexte de
changement climatique. Ce territoire a connu des impacts majeurs humains et matériels liés aux aléas
météorologiques qui ont touché la région des Grandes Antilles pendant ces cinquante dernières
années. Haïti atteste d’une carence d’études hydro-climatiques pouvant apporter des éléments de
réponse à sa politique de gestion de risques environnementaux. Il est donc important d’évaluer
quantitativement les évolutions des précipitations dans ce pays sur plusieurs décennies. Actuellement,
le réseau de mesure de ce territoire reste dégradé et ne permet pas l’observation complète de la
répartition spatio-temporelle des précipitations. De ce fait, en complément des données de stations
pluviométriques de l’Unité Hydrométéorologique d’Haïti (UHM), pour combler cette absence les
précipitations maillées de la base Climate Hazards Group InfraRed Precipitation with Station data
(CHIRPS) combinant des observations in-situ, des observations satellites et des réanalyses ont été
utilisées pour réaliser cette étude.

Après avoir présenté les éléments du contexte historique de la climatologie des précipitations
dans la Caraïbe et en particulier pour la République d’Haïti, une première partie de la thèse réactualise
les évolutions récentes des précipitations observées au sol. Puis, nous évaluons aux échelles annuelles
et trimestrielles les performances des données CHIRPS par comparaison avec les données observées
au sol. Il s’agit de répondre à l’interrogation suivante, liée à l’obsolescence du réseau de mesure
existant : la base CHIRPS peut-elle servir aux études hydro-climatiques en Haïti ?
Dans la deuxième partie, des méthodes de partitionnement automatique fondées sur une
mesure de dissimilarité appelée « Distance Experte » nous ont permis de séparer les champs spatio-
temporels de précipitations mensuelles maillées CHIRPS sur la période de 1981 à 2020. Nous avons
identifié sept régimes pluviométriques spatio-temporels à partir de ceux-ci. Après examen de la
dynamique temporelle de ces régimes, nous proposons un nouveau regroupement pour étudier la
saisonnalité des précipitations en Haïti.
Dans une troisième partie, nous nous sommes intéressés à la caractérisation et l’évolution des
précipitations extrêmes, aléas météorologiques dont les impacts peuvent être catastrophiques sur les
communautés et les infrastructures. À l’aide des modèles linéaires généralisés, nous montrons que

7
Thèse | Romual Chery
les fréquences de dépassement pour des seuils de cumuls journaliers intenses (50 à 100 mm jour -1)
ont une tendance à la hausse entre 1981 et 2012. Pendant cette même période (1981-2010), les
fréquences de dépassement pour des seuils extrêmes (>100 mm jour-1) ont aussi augmenté durant la
saison sèche (décembre - février) et la première saison des pluies (mars - mai). Cependant, de 1991 à
2019, le schéma diffère. Des tendances à la diminution sont observées durant la première saison des
pluies, tandis que c’est une augmentation qui prédomine durant la seconde saison des pluies
(septembre - novembre).

Mots clés : régimes de pluies, pluies intenses et extrêmes, mesures au sol, CHIRPS, classification,
modèles linéaires généralisés, changement climatique, Haïti, Caraïbes.

8
Thèse | Romual Chery
 Abstract

The present PHD thesis aims to update knowledge on rainfall patterns and the intensification
of the heavy and extreme rains in the Republic of Haiti, in the context of climate change. This country
has suffered from enormous human and material losses induced by the weather-related hazards
occurring in the Greater Antilles region over the past fifty years. Haiti attests to a lack of hydro-
climatic studies aimed at improving the risk management policy in Haiti. Therefore, it is necessary
to assess changes in rainfall patterns over Haiti during several decades. The local weather station
network remains poorly developed, so it does not allow the analysis of the rain space-time
distribution. Consequently, in addition to the local rain gauge data from the Haiti
Hydrometeorological office, the gridded rainfall fields from the Climate Hazards Group Infrared
Precipitation with Station data (CHIRPS) combining in-situ observations, remote sensing data and
reanalysis, were also used in the present study.

After an overview of the historical background of precipitation climatology in the Caribbean

Region and Haiti, the first part of the thesis updates the recent changes of rainfall patterns observed
by the local rain gauge network. Then, the performance of CHIRPS data is yearly and quarterly
evaluated. The question here is: Could the CHIRPS data be used for hydroclimatic studies in Haiti to
address the lack of rain gauge data?
In the second part, clustering methods based on a measure of dissimilarity called “Expert
Distance” allowed to split the monthly gridded rain space-time CHIRPS fields from 1981 to 2020.
Seven space-time rainfall patterns were identified based on these gridded rain data. After the analysis
of the seven rainfall pattern dynamics, we propose a new clustering to study the seasonality of rains
in Haiti.
In the third part, we examine the characterisation and evolution of extreme precipitation, a
meteorological hazard with potentially catastrophic impacts on communities and infrastructure.
Using generalized linear models, we show that the occurrences of daily intense rain threshold overrun
(between 50 and 100 mm) tend to increase from 1981 to 2012. During the same period (1981 to 2010),
the occurrences of daily extreme rain threshold overrun (above 100 mm) increase during the dry
season (from December to February) and the first rain season (from March to May).

9
Thèse | Romual Chery
 However, from 1991 to 2019, the pattern differs. Decreasing trends are observed during the
first season, while an increase predominates during the second rainy season (from September to
November).

Keywords: rain patterns, intense rains, data clustering, rain gauge data, CHIRPS, generalized linear
models, climate change, Haiti, Caribbean Region.

10
Thèse | Romual Chery
Table des matières
Remerciements ............................................................................................................................................. 3
Dédicace ........................................................................................................................................................ 6
Résumé .......................................................................................................................................................... 7
Abstract ......................................................................................................................................................... 9
Liste des figures........................................................................................................................................... 14
Liste des tableaux ........................................................................................................................................ 19
Liste des Abréviations et acronymes ........................................................................................................... 21
Introduction ................................................................................................................................................... 24
1.1 Contexte........................................................................................................................................... 25
1.2 Objectifs et Structure de la Thèse .................................................................................................... 28
Chapitre 2 État de l’art de la climatologie des précipitations dans les Antilles .................................. 30
2.1 Description physiographique de la République d’Haïti................................................................... 31
2.1.1 Contexte géographique et administratif................................................................................... 31
2.1.2 Climatologie des précipitations en Haïti : du 18ème au 21ème siècle ......................................... 35
2.1.2.1 Mesures et observations au 18ème siècle ......................................................................... 35
2.1.2.2 Mesures et observations aux 19ème et 20ème siècles ........................................................ 39
2.2 Structures climatologiques induisant des précipitations dans les Antilles ...................................... 41
2.2.1 Inducteurs à l’échelle globale et interannuelle ........................................................................ 41
2.2.2 Inducteurs aux échelles régionale et saisonnière ..................................................................... 44
2.2.3 Inducteurs à l’échelle intra saisonnière et autres facteurs ....................................................... 46
2.3 Variabilité intra et interannuelle des précipitations dans la Caraïbe .............................................. 48
2.4 Pluies extrêmes et leur évolution dans la Caraïbe .......................................................................... 54
2.5 Bilan et contextualisation de la problématique .............................................................................. 56
2.5.1 Bilan des études sur la climatologie saisonnière et la dynamique des précipitations ............ 56
2.6 Présentation de l’état des lieux en Haïti ......................................................................................... 59
2.6.1 Unité Hydrométéorologique d’Haïti ........................................................................................ 59
2.6.2 Risque météorologique et catastrophes en Haïti...................................................................... 61
2.6.3 Quels mécanismes ? ................................................................................................................ 66
2.6.4 Synthèse .................................................................................................................................. 69
Chapitre 3 Données de précipitations et outils ....................................................................................... 70
3.1 Bases de données internationales................................................................................................... 71

11
Thèse | Romual Chery
 3.1.1 Mesures par postes pluviométriques ...................................................................................... 71
3.1.1.1 Climate Research Unit Time Series (CRU TS) ................................................................... 71
3.1.1.2 Global Precipitation Climatology Centre (GPCC) ............................................................. 72
3.1.1.3 Global Historical Climatology Network (GHCN) .............................................................. 72
3.1.2 Mesures par satellite ............................................................................................................... 74
3.1.3 Bases de données globales ...................................................................................................... 78
3.1.3.1 Tropical Rainfall Measuring Mission (TRMM) ................................................................. 78
3.1.3.2 Global Precipitation Measurement (GPM) ...................................................................... 79
3.1.3.3 Climate Prediction Center MORPHing Technique (CMORPH) ......................................... 79
3.1.3.4 PERSIANN CDR ................................................................................................................. 79
3.1.3.5 Réanalyses ....................................................................................................................... 80
3.1.3.6 Climate Hazards InfraRed Precipitation with Stations (CHIRPS) ..................................... 80
3.1.4 Tableau récapitulatif................................................................................................................ 83
3.2 Bases de données utilisées dans cette étude .................................................................................. 84
3.2.1 Données d’observation de l’UHM ........................................................................................... 84
3.2.2 Base de données globales : Climate Hazards InfraRed Precipitation with Stations (CHIRPS) . 90
3.3 Synthèse des méthodes d’analyse .................................................................................................. 92
3.3.1 Mesure des performances des bases de données ..................................................................... 93
3.3.1.1 Racine carrée de l’erreur quadratique moyenne (RMSE) ............................................... 93
3.3.1.2 Critère d’efficacité de Kling-Gupta .................................................................................. 93
3.3.2 Mise en évidence des tendances .............................................................................................. 94
3.3.2.1 Régression linéaire orthogonale de Deming ................................................................... 94
3.3.2.2 Décomposition saisonnière de séries .............................................................................. 94
3.3.2.3 Autocorrélation des séries............................................................................................... 95
3.3.3 Classification et identification de régimes pluviométriques .................................................... 96
3.3.3.1 Découpage spatial ........................................................................................................... 96
3.3.3.2 Changement de représentation ...................................................................................... 97
3.3.3.3 Divergence de Kullback -Leibler et distance experte ...................................................... 97
3.3.4 Évolution des pluies extrêmes ............................................................................................... 100
3.3.5 Mesure de la significativité des résultats ............................................................................... 102
3.3.5.1 Bootstrap et indice de silhouette .................................................................................. 102
3.3.5.2 Test d’hypothèses.......................................................................................................... 103
Chapitre 4 Climatologie générale - Mesures des performances ......................................................... 104

12
Thèse | Romual Chery
 4.1 Répartition spatio-temporelle des cumuls annuels ........................................................................ 106
4.1.1 Cas des séries temporelles issues des observations au sol ..................................................... 106
4.1.2 Cas des données globales CHIRPS ....................................................................................... 109
4.1.3 Analyse et bilan ..................................................................................................................... 113
4.2 Évaluation de la performance des données sol et CHIRPS ........................................................... 115
4.2.1 Erreur quadratique moyenne (RMSE) ................................................................................... 116
4.2.2 Kling-Gupta Efficiency (KGE) ............................................................................................. 117
4.2.3 Régression orthogonale : Biais entre données sol et CHIRPS .............................................. 123
4.2.4 Analyse et bilan ..................................................................................................................... 127
4.3 Évolution des cumuls pluviométriques : échelle annuelle et trimestrielle..................................... 130
4.3.1 Tendances sur les cumuls pluviométriques annuels : stations sol ......................................... 130
4.3.2 Tendances sur les cumuls pluviométriques annuels : CHIRPS ............................................. 133
4.3.3 Composante saisonnière ........................................................................................................ 134
4.3.4 Transformée en Ondelettes .................................................................................................. 137
4.3.5 Détection de changement dans les séries temporelles : cas de la moyenne ........................... 139
4.3.6 Tendances journalières ......................................................................................................... 144
4.4 Analyse et bilan ............................................................................................................................. 146
Chapitre 5 Classification automatique : Détection de régimes ........................................................... 149
5.1 Indice de précipitations normalisé ................................................................................................. 151
5.1.1 Analyse SPI12 des stations sol .............................................................................................. 151
5.2 Classification automatique ............................................................................................................ 155
5.2.1 Découpage spatial .................................................................................................................. 155
5.2.2 Régimes pluviométriques en Haïti ........................................................................................ 160
5.2.2.1 Précipitations moyennes associées aux sept régimes pluviométriques ....................... 162
5.3 Analyse et bilan ............................................................................................................................. 168
Chapitre 6 Précipitations extrêmes : Analyse des tendances observationnelles en Haïti ................. 174
6.1 Pluies extrêmes .............................................................................................................................. 176
6.1.1 Fréquence moyenne de dépassement ..................................................................................... 176
6.1.2 Modèle linéaire généralisé .................................................................................................... 180
6.2 Analyse et bilan ............................................................................................................................. 186
Conclusions et perspectives ........................................................................................................................ 188
Références bibliographiques....................................................................................................................... 194

13
Thèse | Romual Chery
 Liste des figures
Figure 2-1: Carte topographique de la République d’Haïti, Shuttle Radar Topography Mission
(SRTM GL1) Global 30 m. ................................................................................................................32
Figure 2-2: Subdivisions de la République d’Haïti. Les polygones coloriés représentent les 10
départements. .....................................................................................................................................34
Figure 2-3: Carte de la partie française de l’île de Saint-Domingue au XVIIIe siècle. (Moreau de St
Méry : "Description de la partie française de l’Ile de Saint Domingue.", cité par C. Fitzhugh Talman
en 1906). .............................................................................................................................................36
Figure 2-4: Distribution de cumuls annuels moyens à Hispaniola, publiée par Albert Léo en 1940
dans Monthly Weather Review. .........................................................................................................40
Figure 2-5: Schéma des caractéristiques associées au cycle saisonnier des précipitations dans les
Caraïbes. Les zones ombrées en bleu sont les bandes de convergence. Les zones en marron indiquent
une divergence transitoire. Les flèches blanches indiquent leur mouvement au cours d’une saison
donnée. Les flèches bleues et brunes ombrées indiquent les vecteurs de vent convergents et
divergents, respectivement. Le grand "H" désigne l’anticyclone subtropical de l’Atlantique Nord. Le
petit « H » désigne l’anticyclone continental. La piscine chaude indique des SST supérieures à
28,5 °C est surlignée en marron, Martinez et al.,2019. .....................................................................52
Figure 2-6 : Localisation des 35 stations de surface (points rouges) utilisés par Jury et al. (2007) et
les cycles pluviométriques annuels des quatre clusters identifiés pour la Caraïbe. ...........................57
Figure 2-7 : Figures montrant des stations utilisées dans des études climatiques récentes sur la
Caraïbe. Elles analysent les tendances des températures et des précipitations quotidiennes et extrêmes.
............................................................................................................................................................68
Figure 3-1: Aperçu du processus et de la validation de CHIRPS. Schéma de production et
d’application de CHIRPS (Funk et al. 2015). ....................................................................................81
Figure 3-2 : Évolution du nombre de stations de mesure au sol par mois sur le territoire de 1900 à
2019 : plage 1 (1900 à 1920), plage 2 (1921 à 1968), plage 3 (1969-1976), plage 4 (1977 à 1996) et
plage 5 (1997-2019). ..........................................................................................................................86
Figure 3-3 : Disponibilité par mois des stations de mesure de précipitations en Haïti pour la période
de 1863 à 2006 (par rapport à 156 stations considérées (couleur orange) dont 78 (couleur rouge) ayant
au moins 240 mois de 1922 à 1968, (Vincent Moron et al. 2015). ....................................................86
Figure 3-4 : Localisation des stations pluviométriques en fonctionnement (en rouge) pendant les
périodes de a)1900-1920, b)1921-1968, c)1969-1976, d)1977-1996 et e)1997-2019. Les points
coloriés en noir localisent les chefs-lieux des départements. Les points rouges identifient les stations.
Contributeurs : FIC et UHM. .............................................................................................................87
Figure 3-5 : Réseau des 10 stations sol retenues comme stations de référence dans cette étude ;
Contributeurs FIC et UHM. Pas quotidien : Cap-Haïtien, Cayes, Delmas, Jacmel, Jérémie et
Ouanaminthe. Pas mensuel : l’ensemble des stations sauf celle de Jérémie. .....................................89
Figure 3-6 : Points de grille du réseau CHIRPS sur la République d’Haïti, Résolution : 0.05° x 0.05°.
............................................................................................................................................................91

14
Thèse | Romual Chery
Figure 3-7: Figures montrant le nombre de séries chronologiques d’observation au sol d’Haïti, de la
République Dominicaine, de Cuba et de la Jamaïque pris en compte dans le processus de construction
de CHIRPS pour 1981-2022. .............................................................................................................91
Figure 3-8: Illustration de la procédure de mise en œuvre dans cette étude. Les flèches noires décrivent
le flux de données. Les rouges décrivent les flux de commande et de données. ...............................99
Figure 4-1 : Répartition annuelle des cumuls mensuels moyens pour les neuf stations sol de l’Unité
Hydrométéorologique d’Haïti, période 1961-2018. .........................................................................107
Figure 4-2 : Boîtes à moustaches de cumuls annuels des neuf stations sol de l’Unité
Hydrométéorologique d’Haïti. Les points rouges représentent les cumuls annuels de 1961-2018. La
moyenne est représentée par le point noir. .......................................................................................107
Figure 4-3 : Première composante des précipitations mensuelles des 62 stations de surface de la
République d’Haïti, période 1981-1990. ..........................................................................................110
Figure 4-4 : Évolution temporelle de la première composante de 62 stations d’observation (bleu) et
de celle des 62 mailles proches de CHIRPS (rouge), période 1981-1990. ......................................110
Figure 4-5 : Précipitations moyennes annuelles sur la République d’Haïti : a) période 1981-2010 et
b) période 1991-2020. ......................................................................................................................112
Figure 4-6: Boxplots des RMSE entre des observations sol et des données du réseau CHIRPS à
l’échelle annuelle (a) et trimestrielle DJF (b), MAM (c) et SON (d), période 1981-2018. La moyenne
est représentée par le point rouge. ....................................................................................................116
Figure 4-7 : Boxplots du KGE annuel (a) et trimestriel DJF (b), MAM (c) et SON (d) sur trente-huit
ans. Les boxplots montrent la distribution des scores d’un ensemble de points CHIRPS proches des
stations sol regroupées par région : Nord, Ouest et Sud. Les moyennes sont représentées par les points
rouges. ..............................................................................................................................................119
Figure 4-8 : Boxplots de la corrélation à l’échelle annuelle (a) et trimestrielle DJF (b), MAM (c) et
SON (d) sur trente-huit ans. Les boxplots montrent la distribution des scores d’un ensemble de points
CHIRPS proches des stations sol regroupées par région : Nord, Ouest et Sud. Les moyennes sont
représentées par les points rouges. ...................................................................................................120
Figure 4-9 : Boxplots du rapport des moyennes à l’échelle annuelle (a) et trimestrielle DJF (b), MAM
(c) et SON (d) sur trente-huit ans. Les boxplots montrent la distribution des scores d’un ensemble de
points CHIRPS proches des stations sol regroupées par région : Nord, Ouest et Sud. Les moyennes
sont représentées par les points rouges. ...........................................................................................121
Figure 4-10 : Boxplots du rapport des écart types à l’échelle annuelle (a) et trimestrielle DJF (b),
MAM (c) et SON (d) sur trente-huit ans. Les boxplots montrent la distribution des scores d’un
ensemble de points CHIRPS proches des stations sol regroupées par région : Nord, Ouest et Sud. Les
moyennes sont représentées par les point rouges. ............................................................................122
Figure 4-11 : Droites de régression orthogonale et biais entre les cumuls annuels de CHIRPS et les
cumuls annuels mesurés au sol (a et b), droites de régression orthogonale et biais entre les cumuls
trimestriels de CHIRPS et les cumuls trimestriels mesurés au sol : DJF (c et d), MAM (e et f) et SON
(g et h). Les droites bleues en trait plein représentent l’ajustement proposé. Les droites rouges en
pointillés correspondraient aux modèles idéaux (si les deux séries de données sol et CHIRPS avaient
la même variance). ...........................................................................................................................125

15
Thèse | Romual Chery
Figure 4-12: Droites de régression orthogonale et biais entre les cumuls trimestriels de CHIRPS et
les cumuls trimestriels mesurés au sol des stations du Cap-Haïtien et Cayes. HAUT : a) droite de
régression de MAM et b) biais associé, BAS : c) droite de régression de SON et d) biais associé. Les
droites bleues en trait plein représentent l’ajustement proposé. Les droites rouges en pointillés
correspondraient aux modèles idéaux (si les deux séries de données sol et CHIRPS avaient la même
variance). ..........................................................................................................................................126
Figure 4-13 : Fluctuations interannuelles des précipitations sol, période 1961-2018, par rapport à la
normale 1981-2010. Les barres des histogrammes indiquent les cumuls plus humides/plus secs que
la moyenne de 1961-2018 pour les stations au sol : Cap-Haïtien, Cayes, Jacmel, Ouanaminthe, Port-
au-Prince et Ridorée. La courbe en fuchsia représente la moyenne mobile sur 10 ans. Les flèches de
couleur bleue indiquent des périodes continues avec des écarts à la moyenne positifs et celles de
couleur marron indiquent des périodes continues avec des écarts à la moyenne négatifs. ..............132
Figure 4-14: Pente positive (gauche) et négative (droite) des cumuls annuels calculés par une
moyenne glissante (10 ans) pendant la période 1965-2013. Les nombres à l’intérieur des bandes
colorées indiquent la pente (mm.an-1) lorsqu’elle est significative. La bande colorée indique la
période pendant laquelle une diminution ou une augmentation a été observée. ..............................132
Figure 4-15: Fluctuations interannuelles des précipitations du produit global CHIRPS, période
1981- 2020, par rapport à la normale 1981-2010 en République d’Haïti. La courbe en rose représente
la moyenne glissante des fluctuations sur 10 ans. La flèche de couleur marron indique des périodes
continues avec des écarts à la moyenne négatifs. ............................................................................133
Figure 4-16: Décomposition des séries pluviométriques d’observation sol (a, c, e), Stations : Port-au-
Prince, Cap-Haïtien et des Cayes, période 1961-2018 et décomposition des séries pluviométriques
des mailles de la base CHIRPS (b, d, f.) proches des trois stations sol citées, période 1980-2020. 135
Figure 4-17: Composante saisonnière des séries chronologiques de Cap-Haïtien, Cayes et Port-au-
Prince, sol (gauche) et CHIRPS (droite) montrant l’ERS, la LRS et le MSD. ................................136
Figure 4-18: Transformée en ondelettes permettant de mettre en évidence la variabilité inter et intra
annuelle des précipitations des stations au sol de Port-au-Prince, du Cap-Haïtien et des Cayes, période
1961-2018. .......................................................................................................................................138
Figure 4-19: Cartographie des points maillés CHIRPS montrant a) une augmentation (bleue) et c) une
diminution (marron) du cumul pluviométrique annuel, période 1981-2020. Isolignes (b, d) en
pourcent des rapports des moyennes des cumuls annuels calculés avant et après
augmentation /diminution ou vice versa. ........................................................................................142
Figure 4-20 : Cartographie des points maillés CHIRPS (a, c) montrant une augmentation (bleue) du
cumul pluviométrique trimestriel, période 1981-2020. Isolignes (b, d) en pourcent des rapports des
moyennes des cumuls trimestriels calculés avant et après augmentation. .......................................143
Figure 4-21: Tendances des précipitations journalières CHIRPS supérieures à 1 mm.jour-1 par
département, période 1981-2020. Les triangles pleins indiquent des tendances significatives au niveau
de 5%. a) Échelle annuelle, Échelle trimestrielle : b) MAM, c) SON. ............................................145
Figure 5-1 : Indice de précipitations normalisé calculé sur une échelle de 12 mois à partir des séries
temporelles mensuelles des stations Sol de Cap-Haïtien, Ouanaminthe, Cayes, Jacmel, Juvénat et
Port-au-Prince. .................................................................................................................................152

16
Thèse | Romual Chery
Figure 5-2: Graphe des individus dans le plan factoriel 1-2, cas des mois a) de mai (gauche) et b)
d’octobre (droite). ............................................................................................................................156
Figure 5-3: Graphe des variables dans le plan factoriel 1-2, cas des mois a) de mai (gauche) et b)
d’octobre (droite). Les variables en noir sont les variables actives, celles en bleu sont les variables
quantitatives supplémentaires. .........................................................................................................156
Figure 5-4: Clusters obtenus par la méthode CAH pour les séries temporelles SPI12 des quarante
mois de mai (gauche) et d’octobre (droite) : cluster1(noir), cluster2 (rouge), cluster3 (vert) et cluster4
(bleu). La CAH est appliquée au résultat d’une ACP dont la matrice est composée des 921 pixels de
CHIRPS (individus) séparés par des valeurs de SPI12 (variables) calculées préalablement pour 40
années. ..............................................................................................................................................158
Figure 5-5: Évolution de l’indice de Silhouette en fonction du nombre de groupes ou clusters (k). La
courbe rouge donne la valeur de l’indice de silhouette pour les clusters obtenus par l’algorithme K-
Médians avec ED (KMED-ED) et la courbe noire pour le K-Médians avec la distance euclidienne
(KMED-L2). .....................................................................................................................................161
Figure 5-6: Parangons des clusters 1, 2, 3 obtenus après classification des cumuls mensuels CHIRPS
(colonne gauche) et leurs équivalents obtenus à partir des cumuls mensuels de ERA5 (colonne du
milieu) et fréquence d’occurrence intra annuelle des clusters (colonne droite). L’échelle est comprise
entre 0 et 600 mm.mois-1 pour CHIRPS et entre 0 et 7 mm.mois-1 pour ERA5. .............................164
Figure 5-7 : Parangons des clusters 4, 5, 6 obtenus après classification à partir des cumuls mensuels
CHIRPS (colonne gauche) et leurs équivalents obtenus à partir des cumuls mensuels de ERA5
(colonne du milieu) et fréquence d’occurrence intra annuelle des clusters (colonne droite). L’échelle
est comprise entre 0 et 600 mm.mois-1 pour CHIRPS et entre 0 et 7 mm.mois-1 pour ERA5. ........165
Figure 5-8: Parangons du cluster 7 obtenus après classification à partir des cumuls mensuels CHIRPS
(colonne gauche) et leurs équivalents obtenus à partir des cumuls mensuels de ERA5 (colonne du
milieu) et fréquence d’occurrence intra annuelle des clusters (colonne droite). L’échelle est comprise
entre 0 et 600 mm.mois-1 pour CHIRPS et entre 0 et 7 mm.mois-1 pour ERA5. .............................166
Figure 5-9: Fréquence d’occurrence de la variable année dans la construction des sept clusters....171
Figure 5-10: Dynamique des sept clusters .......................................................................................172
Figure 6-1: Fréquences moyennes (nombre de jours par an) de dépassement de seuil de précipitations
journalières intenses et extrêmes des six stations sol sur la période 1981-2018 aux trimestres DJF
(courbe rouge), MAM (courbe verte) et SON (courbe bleue). ........................................................177
Figure 6-2 : Fréquences moyennes de dépassement de seuil de précipitations journalières intenses et
extrêmes a) pour les (29) pixels proches des stations sol de l’UHM et b) pour les 921 pixels de
CHIRPS sur la période 1981-2020 aux trimestres DJF (courbe rouge), MAM (courbe verte) et SON
(courbe bleue)...................................................................................................................................177
Figure 6-3 : Nombre d’événements ayant apporté au moins 50 et 100 mm de pluie en une journée en
Haïti. Le code de couleur indique la fréquence des cumuls journaliers supérieurs ou égaux à un seuil
fixé de 1981 à 2020. .........................................................................................................................179
Figure 6-4: Significativité / p-value de la pente du modèle GLM (Poisson, Quasi-Poisson, Binomiale
Négative) du nombre de jours de pluie en fonction de différents seuils pour des périodes de 30 ans.
L’axe horizontal représente les 11 périodes de 30 années de 1981-2018 (observation sol) et l’axe

17
Thèse | Romual Chery
vertical représente les différentes gammes de seuil. Les trimestres concernés sont MAM et SON. Les
abréviations P, BN, QP désignent respectivement les modèles Poisson, Binomiale Négative et Quasi-
Poisson. ............................................................................................................................................181
Figure 6-5: Significativité / p-value de la pente du modèle GLM (Poisson, Quasi-Poisson, Binomiale
Négative) du nombre de jours de pluie en fonction de différents seuils pour des périodes de 30 ans,
L’axe horizontal représente les 11 périodes de 30 années de 1981-2020 (CHIRPS) et l’axe vertical
représente les différentes gammes de seuil, Les trimestres concernés sont DJF, MAM et SON. Les
abréviations P, BN, QP désignent respectivement les modèles Poisson, Binomiale Négative et Quasi-
Poisson. ............................................................................................................................................184
Figure 6-6: Évolution du nombre de jours de pluies pour les seuils de : a) 80 mm en SON 1981-2010
au sol, b) 200 mm en MAM 1981-2010 et c) 120 mm en MAM 1991-2020 pour CHIRPS. ..........185

18
Thèse | Romual Chery
 Liste des tableaux
Tableau 2-1 : Précipitations annuelles totales du cluster 3 des travaux de Jury et al. (2007) et
contributions de précipitations saisonnières au total annuel. .............................................................57
Tableau 2-2: Événements, types d’aléas et impacts en Haïti pour la période de 1980-2023, Types
d’aléas : A = Tempêtes, B = Cyclones et D = Fortes pluies. Les dates coloriées en bleu correspondent
à la période cyclonique et celles coloriées en marron correspondent à la période hors cyclone. ......65
Tableau 3-1: Information sur les bases de données internationales mentionnées dans la sous-section
3.1.3. ...................................................................................................................................................83
Tableau 3-2 : Coordonnées des stations de données pluviométriques journalières. Les deux dernières
colonnes indiquent le pourcentage de données manquantes et leur période de disponibilité. ...........88
Tableau 4-1 : Statistiques des 9 stations sol, Période 1961-2018. ...................................................108
Tableau 4-2 : Normales climatiques des séries de précipitations sol. Périodes : 1961-1990, 1971-2000
et 1981-2010.....................................................................................................................................108
Tableau 4-3: Résultats du test de Wilcoxon entre les distributions des cumuls annuels pour les 9
stations sol, période 1961-2018. Les p-value < 0.05 sont matérialisées par la couleur jaune. ........108
Tableau 4-4 : Statistiques des normales 1981-2010 et 1991-2020 calculées pour les cumuls annuels
des 921 points maillés de la base de données CHIRPS. ..................................................................111
Tableau 4-5 : Valeurs médianes (4-8 mailles proches) du KGE et de ses composantes aux échelles
annuelle et trimestrielle (DJF, MAM et SON) pour les régions Nord (Cap-Haïtien et Ouanaminthe),
Sud (Jacmel, Ridorée et Cayes) et Ouest (Port-au-Prince, Juvénat, Delmas et Damien). ...............118
Tableau 4-6 : Valeurs moyennes (4-8 mailles proches) du KGE et de ses composantes aux échelles
annuelle et trimestrielle (DJF, MAM et SON) pour les régions Nord (Cap-Haïtien et Ouanaminthe),
Sud (Jacmel, Ridorée et Cayes) et Ouest (Port-au-Prince, Juvénat, Delmas et Damien). ...............118
Tableau 4-7 : Valeurs du KGE et de ses composantes dans le cas d’une maille (la plus proche), aux
échelles annuelle et trimestrielle (DJF, MAM et SON), pour les stations de Cap-Haïtien (CapH), Port-
au-Prince (PauP) et Cayes. ...............................................................................................................118
Tableau 4-8 : Équations des modèles et coefficient de Pearson des régressions orthogonales obtenues
pour les cumuls annuels et trimestriels DJF, MAM et SON. L’axe 𝑦 représente les cumuls de CHIRPS
et l’axe 𝑥 les cumuls observés au sol. ..............................................................................................123
Tableau 4-9 : Changement de moyenne dans les séries temporelles de cumuls annuels des stations sol
de l’UHM pour la période de 1961-2018. ........................................................................................140
Tableau 4-10 : Changement de moyenne dans les séries temporelles de cumuls du trimestre DJF des
stations sol de l’UHM pour la période de 1961-2018. .....................................................................140
Tableau 4-11 : Changement de moyenne dans les séries temporelles de cumuls du trimestre MAM
des stations sol de l’UHM pour la période de 1961-2018. ...............................................................140
Tableau 4-12 : Changement de moyenne dans les séries temporelles de cumuls du trimestre SON des
stations sol de l’UHM pour la période de 1961-2018. .....................................................................141
Tableau 5-1 : Classification des valeurs de l’indice SPI, OMM 2012. ............................................152

19
Thèse | Romual Chery
Tableau 5-2: Proportions en pourcentage des plages temporelles des catégories du SPI 12 pour les
stations Port-au-Prince, Cap-Haïtien, Ouanaminthe, Cayes, Jacmel, Juvénat et Port-au-Prince. ....153
Tableau 5-3: Années d’auto-corrélation pour le trimestre MAM aux stations des Cayes et du Cap-
Haïtien et valeurs de SPI correspondantes. ......................................................................................154
Tableau 5-4: Coordonnées (Coord), contributions (Ctrb), cosinus carré (Cos2) et statistiques
descriptifs de SPI12 des variables, mois de mai 2004, 2006 (dimension 1) et 1987, 1988
(dimension 2). .................................................................................................................................157
Tableau 5-5: Coordonnées (Coord), contributions (Ctrb), cosinus carré (Cos2) et statistiques
descriptifs de SPI12 des variables, mois d’octobre 2004, 2019 (dimension1) et 2017, 1993 (dimesion
2). .....................................................................................................................................................157
Tableau 5-6: Évolution du nombre de pixels de chaque cluster obtenu par la CAH pour les mois de
mai et d’octobre................................................................................................................................159
Tableau 5-7: Bornes des classes d’histogrammes utilisées pour quantifier les données de
précipitations mensuelles, Elles ont été obtenues à partir des déciles du jeu de données CHIRPS
(1981-2020). .....................................................................................................................................161
Tableau 5-8: Statistiques des parangons et des clusters. Min = minimum, Q1 = premier quartile, Q2
=médiane, .........................................................................................................................................167
Tableau 5-9: Fréquence d’occurrence des mois de l’année dans la construction des sept clusters. 171
Tableau 6-1 : Statistiques des précipitations quotidiennes hors cyclones de 1981 à 2020. .............176
Tableau 6-2: Fréquences moyennes de dépassement aux seuils de 50, 100, 150 et 200 mm des stations
sol et des mailles CHIRPS les plus proches pour la période 1981-2020. ........................................178
Tableau 6-3: Fréquences moyennes de dépassement aux seuils de 50, 100, 150 et 200 mm de CHIRPS
en Haïti, période 1981-2020. ............................................................................................................178
Tableau 6-4: Pente du modèle GLM (Poisson, Quasi-Poisson et Binomiale Négative) observée pour
les stations sol à différents seuils journaliers, pour des périodes de 30 ans. Les trimestres concernés
sont MAM et SON, sol 1981-2018. .................................................................................................180
Tableau 6-5: Pente du modèle GLM (Poisson, Quasi-Poisson et Binomiale Négative) du nombre de
jours de pluie en fonction de différents seuils pour des périodes de 30 ans. Le trimestre concerné est
DJF, CHIRPS 1981-2020, ................................................................................................................183
Tableau 6-6: Pente du modèle GLM (Poisson, Quasi-Poisson et Binomiale Négative) du nombre de
jours de pluie en fonction de différents seuils pour des périodes de 30 ans. Le trimestre concerné est
MAM et SON, CHIRPS 1981-2020.................................................................................................183

20
Thèse | Romual Chery
 Liste des Abréviations et acronymes

ACP Analyse en Composantes Principales

AMJ Avril, Mai et Juin
AMSR Advanced Microwave Scanning Radiometer
AMSU Advanced Microwave Soundings Unit
ARC2 African Rainfall Climatology version 2
ASCAT Advanced SCATterometer
ASO Août, Septembre et Octobre
AWP Atlantic Warm Pool
CCD Cold Cloud Duration
CERES Clouds and Earth’s Radiant Energy System
CFS Coupled Forecast System
CFSR Climate Forecast System Reanalysis
CHC Climate Hazard Center
CHPClim Climate Hazards Center ’s Precipitation Climatology
CIMH Caribbean Institute for Meteorology and Hydrology
CHIRP Climate Hazards InfraRed Precipitation
CHIRPS Climate Hazards InfraRed Precipitation with Stations
CLLJ Caribbean Low-Level Jet
CNM Centre National de Météorologie
CPC Climate Prediction Center
CRU TS Climatic Research Unit gridded Tim Series
CMORPH Climate Prediction Center MORPHing
COADS Comprehensive Ocean-Atmosphere Data Set
CS Caraïbes
CT Cyclones Tropicaux
DDC Distance de Décroissance de la Corrélation
DJF Décembre, Janvier et Février
DJFMAM Décembre, Janvier, Février, Mars, Avril, Mai
DMSP Defense Meteorological Satellite Program
DPR Radar de précipitations à double fréquence
DWD Deutscher Wetter Dienst
ECMWF European Centre for Medium-Range Weather Forecasts
ENE Est Nord-Est
ENSO El Nino-Southern Oscillation
ERA European Reanalysis
ERS Early Rainy Season
EOF Empirical Orthogonal Fucntion
FAO Food and Agriculture Organization of the United Nations
FEWS NET Famine Early Warming System Network
FIC Frères de l’Instruction Chrétienne
FGGE GARP Global Experiment
FMA Février, Mars et Avril
GA Grand’Anse

21
Thèse | Romual Chery
GARP Global Atmospheric Research Program
GHCN Global Historical Climate Network
GIEC Groupe d’experts intergouvernemental sur l’évolution du climat
GMAO Global Modeling and Assimilation Office
GPCC Global Precipitation Climatology Center
GPCP Global Precipitation Climattology Project
GPM Global Precipitation Measurement
GPM CO Global Precipitation Measurement Core Observatory
GMSRA GOES Multispectral Rainfall Algorithm
GMI GPM Microwave Imager
GPS Global Positioning System
GriSat Global Gridded Satellite
GSOD Global Summary of Day dataset
HE Hydroestimateur
HYDROMET HYDROlogical and METeorological hazards
IASI Infrared Atmospheric Sounding Interferometer
IFS Integrated Forecast System
IHSI Institut Haïtien de Statistique et d’Informatique
IMERG Integrated Multi-Source Retrievals for GPM
IR Infrarouge
IR-VIS Infrarouge - Visible
ISCCP International Satellite Cloud Climatology Project
JAS Juillet, Août et Septembre
JAXA Japan Aerospace and Exploration Agency
JFM Janvier, Février et Mars
JJA Juin, Juillet et Août
JMA Japanese Meteorological Agency
JRA-25 Japanese 25- year Reanalysis
JRA-55 Japanese 55- year Reanalysis
KGE Kling-Glupta Efficiency
LEO Low Earth Orbit
LIS Lightning Imaging System
LGL & Associés Lalonde Girouard Letendre & Associés Ltée
LRS Late Rainy Season
MAM Mars, Avril et Mai
MARNDR Ministère de l’Agriculture, des Ressources Naturelles et du Développement
Rural
MERRA Modern-Era Retropective analysis for Research and Applications
MODIS Moderate Resolution Imaging Spectrometer
MEF Ministère de l’Économie et des Finances
MJJ Mars, Avril et Mai
MRF Medium Range Forecasting
MSU Microwave Soundings Unit
MSWEP Multi-Source Weighted - Ensemble Precipitation
MWHS-2 Micro-Wave Sounder-2
MWRI Microwave Radiation Imager
MSD Mid-summer Drought
22
Thèse | Romual Chery
MSH Microwave Humidity Sounder
NASA National Aeronautics and Space Administration
NSADA National Space Development Agency
NAO North Atlantic Oscillation
NASH North Atlantic Subtropical High
NCAR National Center for Atmospheric Research
NCEP National Centers for Environmental Prediction
NDJ Novembre, Décembre et Janvier
NE Nord-Est
NHC National Hurricane Cyclone
NO Nord-Ouest
OEA Ondes d’Est Africaines
OMM Organisation Mondiale de la Météorologie
OND Octobre, Novembre et Décembre
ONU Organisation des Nations Unies
PEHC Pluies Extrêmes Hors Cyclone
PERSIANN - CDR Precipitation from Remotely Sensed Information using Artificial Neutral
Networks - Climate Data Record
PNUD Programme des Nations Unies pour le Développement
PR Radar de Précipitations
RD République Dominicaine
RH République d’Haïti
RP Régimes Pluviométriques
SAMS Système de Mousson Sud-Américain
SE Sud-Est
SNRE Service National des Ressources en Eau
SON Septembre, Octobre et Novembre
SPI Standard Precipitation Index
SLP Sea Level Pressure
SST Sea Surface Temperature
TAMSAT Tropical Applications of Meteorology Using Satellite data
TMI TRMM Microwave Imager
TRMM 3B42 v7 Tropical Rainfall Measuring Mission Multi-satellite Precipitation Analysis
version 7
TIR CCD Thermal Infrared Cold Cloud Duration
TRMM Tropical Rainfall Measuring Mission Satellite
UHM Unité Hydrométéorologique d’Haïti
VIRS Visible and Infrared Radiometer System
VIS Visible
WCRP World Climate Research Programme
WDS Winter Dry Season
WHWP Western Hemisphere Warm Pool
ZCIT Zone de Convergence Intertropicale

23
Thèse | Romual Chery
 Introduction

24
Thèse | Romual Chery
1.1 Contexte
Le changement climatique en cours constitue l’un des grands défis environnementaux auxquels
l’humanité fait face. La température moyenne à la surface du globe est en hausse constante depuis
plusieurs décennies (IPCC 2021). Un réchauffement de 1°C affecte tous les continents et est
généralement plus marqué sur les surfaces continentales que sur l’océan, à la fois dans les
observations de 1850-2020 et les modèles. Sur l’ensemble du globe, ce réchauffement global
anthropique a pour conséquences une augmentation du niveau de la mer, l’apparition des vagues de
chaleur, de sécheresses, de précipitations extrêmes et l’intensification des cyclones (IPCC 2021).

Pour la Caraïbe, le changement climatique se traduit de la manière suivante. Les îles des Antilles
sont impactées par des cyclones qui ont augmenté en intensité pendant les 40 dernières années avec
en moyenne plus d’un cyclone par an de catégorie 4 ou 5 (M. R. Jury et al. 2019; IPCC 2021). Pendant
leurs passages, ces phénomènes dévastateurs détruisent généralement les infrastructures laissant les
populations dans des situations d’extrême urgence comme par exemple pour les saisons cycloniques
2016 et 2017 (Le Monde 2016; Desarthe et al. 2020; Duvat et al. 2021). Certaines îles ont connu des
périodes de sècheresse significatives impactant directement la disponibilité des ressources en eaux,
Porto-Rico en 2014 et 2016 (IPCC 2021). Vu l’ampleur de ce phénomène et ses conséquences dans
le monde, de nombreuses régions mobilisent leurs habitants sur ce sujet, son évolution, ses impacts
avérés et les moyens d’adaptation.

Dans la Caraïbe, les études sur la compréhension du changement climatique ont débuté entre la
fin de la décennie de 1990 et le début de la décennie de 2000. Les auteurs ont utilisé principalement
des données de température et de précipitations de stations d’observation au sol pour étudier la
variabilité interannuelle des précipitations et l’influence des océans Atlantique et Pacifique sur les
précipitations dans la Caraïbe (Giannini et al. 2000; Taylor et al. 2002). Des changements dans les
séries de température et de précipitations extrêmes ont aussi été analysés par Peterson et al (2002).
En 2007, les travaux de Jury ont analysé, sur la période 1951-1981, les régimes de précipitation et
leurs relations avec l’ENSO et la NAO (Jury et al. 2007).

D’autres travaux utilisant les données d’observation sol et/ou les données de télédétection ont
été publié pendant la décennie 2010-2020. À l’aide de modèle régional, Campbell et al. (2011) ont

25
Thèse | Romual Chery
analysé des scénarios d’un climat futur. Jury et Gouirand (2011) ont utilisé des données mensuelles
de température de surface, de pression au niveau de la mer et de précipitations maillées issues de
stations de surface pour montrer l’existence d’une oscillation liée à la pression de surface au niveau
de la mer et à la température. Pérez et Jury (2013) ont analysé, sur la période de 1900 à 2009, le
changement climatique sur l’île d’Hispaniola en utilisant les observations de température et de
précipitations de Climate Explorer, CRU, GPCC, GHCN/CAMS. Ils ont aussi utilisé des données des
stations de surface du service météorologique national de la République Dominicaine à partir de 1931.
Des analyses ont été réalisées sur les tendances des températures et précipitations extrêmes et
quotidiennes (Stephenson et al. 2014; Philip D. Jones et al. 2016). Elles montrent des augmentations
de température tandis que les tendances pour les précipitations ne sont pas significatives. Sur la
République d’Haïti, Moron et al. (2015) ont examiné la variabilité interannuelle et intra-annuelle des
précipitations à partir d’une base de données d’observation sol de 1905 à 2005 et des réanalyses de
pression au niveau de la mer et de température de la surface de la mer. Ce dernier a étudié, en 2016,
les types de temps météorologiques et leurs relations avec les précipitations et la température de
surface de la mer dans la Caraïbe (Vincent Moron et al. 2016). La climatologie saisonnière et les
mécanismes dynamiques des précipitations dans la Caraïbe ont été étudiés par Martinez et al. (2019).
Ils ont utilisé les données quotidiennes de précipitations du Caribbean Institute of Meteorology and
Hydrology (CIMH) et du Global Historical Climatological Network (GHCN). Pour la partie orientale
de la Caraïbe, Jury et Bernard (2020) ont étudié, à l’aide de données de modèles, de réanalyses et de
satellite, les tendances climatiques des paramètres tels que le profil d’aérosol, la concentration de
NO2 troposphérique, les précipitations, le niveau de la mer et la température de l’air.

Parmi les nombreux territoires insulaires de la Caraïbe exposés aux effets du changement
climatique, la République d’Haïti atteste d’une carence d’études hydro-climatologiques locales
capables de documenter les initiatives d’adaptation. Nous nous sommes rendu compte que le pays
n’a malheureusement pas suffisamment de bases de données actualisées pour des études empiriques
ou des travaux de recherche dans ce domaine. Etant économiquement et politiquement instables
depuis plusieurs décennies, Haïti est sous-développée. En 2021, elle n’est classée que 163 sur 191
pays selon l’indice de développement humain de l’Organisation des Nations Unies (https://www.ba
nquemondiale.org/fr/country/haiti/overview). Ce facteur de sous-développement lié à la forte densité
de la population, au faible produit intérieur brut, à la présence d’écosystèmes fragiles, et aux
ressources en eaux limitées rend le pays extrêmement vulnérable aux impacts du réchauffement
26
Thèse | Romual Chery
global et ses conséquences. De plus, ce territoire se trouve sur la trajectoire des ouragans
«Capverdiens» ou «barbadiens». Il reste donc concerné à chaque saison des pluies par des tempêtes
tropicales et cyclones qui détruisent les cultures et les infrastructures du pays. Or, selon le sixième
rapport du Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC), les évènements
de fortes précipitations associés à ces aléas naturels deviendront généralement plus fréquents et plus
intenses dans les États insulaires tropicaux avec le réchauffement global additionnel.

Dans ce contexte, une des solutions serait de prendre les précipitations maillées de bases de
données internationales de plus en plus utilisées par la communauté scientifique pour réaliser des
études en climatologie sur Haïti. Disponibles en accès libre par téléchargement, elles peuvent être des
combinaisons entre les mesures satellites, les stations sol et/ou des modèles numériques. Les produits
globaux connus sont, par exemple, le Tropical Rainfall Measuring Mission (TRMM), le Global
Precipitation Measurement (GPM), le Climate Prediction Center MORPHing Technique
(CMORPH), Precipitation from Remotely Sensed Information using Artificial Neutral Networks -
Climate Data Record (PERSIANN CDR), et pour finir le Climate Hazards InfaRed Precipitation with
Stations (CHIRPS).

Le produit global appelé CHIRPS est une base de données de précipitations conçue par le
Climate Hazard Center (CHC) pour des régions souffrant d’insécurité alimentaire et de stress
hydrique ayant un réseau d’observation dispersé. Cette base de données climatologiques a été créée
pour suivre implicitement la sécheresse agricole et le changement environnemental. Elle peut aussi
servir dans les études historiques des extrêmes climatiques (C. Funk et al. 2015).

À partir de tous ces éléments, un ensemble de questions se pose pour Haïti :

Quelle est l’évolution récente des cumuls observés au sol aux échelles temporelles annuelle,
trimestrielle et journalière dans la base de données sol mise à disposition par l’Unité
Hydrométéorologique d’Haïti (UHM) ?

Une base de données globale peut-elle venir en complément lors de la réalisation des études et
proposer une information spatialisée permettant de caractériser d’éventuels régimes de
précipitations spécifiques à Haïti ?

27
Thèse | Romual Chery
 Quelles sont les évolutions des occurrences des précipitations intenses et extrêmes en Haïti dans
le contexte du réchauffement global ?

1.2 Objectifs et Structure de la Thèse

L’objectif de cette thèse est d’analyser l’évolution inter et intra annuelle des précipitations en
Haïti, d’individualiser des régimes et d’étudier la possible intensification des précipitations intenses
et extrêmes dans un jeu de données d’observation au sol et de précipitations maillées. Cette étude est
nécessaire car ce pays comprend de nombreux cours d’eau et rivières qui débordent potentiellement
durant des épisodes de précipitations intenses et extrêmes. Les manquements révélés dans la
bibliographie nous amènent à :

- actualiser les tendances et les variations éventuelles des régimes climatologiques des
précipitations en Haïti durant au moins ces quarante dernières années à l’aide d’une analyse
statistico-probabiliste. Le corollaire de l’étude de l’évolution des précipitations est celui des
variations autour de l’état moyen à diverses échelles de temps. Nous réaliserons l’évaluation
de performances du réseau global CHIRPS en Haïti, puis nous nous intéressons à l’évolution
des cumuls pluviométriques et aux éventuels changements de moyenne au cours du temps
pour les cumuls annuels et saisonniers.
- s’intéresser à la répartition spatio-temporelle des régimes pluviométriques de ce territoire en
utilisant une approche par classification sans filtrage temporel à partir d’une échelle de temps
mensuelle. Ainsi, nous considérerons l’ensemble des variations intra et inter annuelle pour
analyser la variabilité pluviométrique de ce territoire en extrayant des régimes
pluviométriques multiples. Leurs persistance et récurrence seront analysées.
- dénombrer les pluies intenses et extrêmes en Haïti. Nous caractériserons les pluies intenses
et extrêmes en Haïti en termes d’intensité et de fréquence extrême en utilisant des modèles
linéaires généralisés.

28
Thèse | Romual Chery
 Réaliser cette étude en Haïti pose «de facto» la question de la disponibilité des données
d’observation de qualité, à haute fréquence et sur de longues périodes. Nous montrerons quelles en
sont les raisons puis, en fonction des contraintes, nous fixerons la base de données globale de
précipitations maillées et les observations au sol utilisées. Nous nous sommes penchés sur les deux
principales saisons pluvieuses, mais avec un focus sur les mois de mars à mai. À cette période de
l’année, les éléments significatifs de l'état de l'atmosphère qui peuvent induire des précipitations
extrêmes ont lieu à des échelles infra journalières. Les perturbations engendrées sont souvent mal
prédites dans le temps et l’espace par rapport à celles liées aux pluies cycloniques.

La thèse est organisée en six chapitres. Après avoir décrit le contexte et les objectifs de l’étude,
le deuxième chapitre fera une synthèse bibliographique. Elle présentera la physiographie du territoire
de la République d’Haïti. Elle décrira également les inducteurs de grande échelle qui influent la
variabilité inter et intra annuelle des précipitations dans la région Caraïbe et fera un état des lieux des
pluies extrêmes dans le contexte du réchauffement global.

Dans le chapitre 3, nous ferons le point sur les bases de données internationales de précipitation.
Nous décrirons le réseau de mesure d’observation de l’UHM utilisé et un produit global de données
pluviométriques sera sélectionné. Nous présenterons dans ce dernier les méthodes statistiques et
informatiques utilisées dans un second temps.

Les résultats de ces travaux sont présentés aux chapitres 4, 5 et 6.

29
Thèse | Romual Chery
 Chapitre 2
État de l’art de la climatologie des
précipitations dans les Antilles

30
Thèse | Romual Chery
2.1 Description physiographique de la République
d’Haïti

2.1.1 Contexte géographique et administratif

La République d’Haïti est située dans les Grandes Antilles entre 17.95 - 20.15°N et 71.65 - 74.55°
W. Elle occupe la partie occidentale de l’île d’Hispaniola et est baignée par l’océan Atlantique au
nord et la mer des Caraïbes au Sud (figure 2-1). A l’Ouest, elle est séparée de la République de Cuba
par le Canal du Vent. A l’est, elle est séparée de la République Dominicaine par une frontière qui
s’étend du nord au sud sur 380 km. C’est un territoire d’une superficie de 27750 km 2 peuplé de 12
millions d’habitants selon les données de la Banque Mondiale (BM 2021) et de l’Institut Haïtien de
Statistique et d’Informatique (IHSI 2021).

D’un point vue morphologique, le territoire de la République d’Haïti a la forme d’une pince à
deux mors respectivement appelées les péninsules du Nord et du Sud. Dirigées vers l’ouest, elles sont
séparées par le golfe et l’île de la Gonâve (figure 2-1). Plusieurs îles sont associées au territoire, soit
du nord au sud :

- l’île de la Tortue, d’une superficie de 178.7 km2,

- les îles Cayemites, la Grande et la Petite, situées au sud du golfe de la Gonâve, d’une
superficie totale est de 51.3 km2.

- l’île à Vache, plus au sud, baignée par la mer des Caraïbes, d’une superficie de 46 km2.

D’autres îles de superficie inférieure à 10 km2 n’ont pas été énumérées.

D’un point de vue orographique, la République d’Haïti est un territoire accidenté avec des
massifs étroits séparés par des plaines qui sont généralement des vallées synclinales (Butterlin 2019).
Plusieurs appellations historiques soulignent ce contexte orographique de l’île d’Hispaniola. Avant
la colonisation espagnole (1492), différents noms étaient utilisés pour la désigner : Ahiti ou Haïti

31
Thèse | Romual Chery
(terre montagneuse), Quisqueya (grande terre) ou Bohio (terre où il y a beaucoup de villages) (Gentil
& Chauvet 1896).

Figure 2-1: Carte topographique de la République d’Haïti, Shuttle Radar Topography Mission (SRTM GL1) Global
30 m.

L’ensemble des massifs est regroupé en deux principales chaines de montagnes (figure 2-1). On
distingue :

- Au sud, les massifs les plus hauts de la République : le Massif de la Selle et le Massif de la
Hotte. Le premier se prolonge à l’est dans la République Dominicaine. Il culmine au pic de
La Selle, à 2600 m d’altitude. C’est le plus haut pic de la République. Le second, situé à
l’extrémité Ouest de la péninsule du sud, comprend le Pic Macaya qui culmine à 2347 m
d’altitude.

- Au nord, le Massif du Nord constitué de montagnes moins élevées, soit moins de 1220 m,
longeant d’est en ouest la côte nord du pays. Elles sont le prolongement de la Cordillère

32
Thèse | Romual Chery
 Centrale qui traverse la République Dominicaine. Au nord-ouest, elles forment la chaine du
Haut-Piton dont l’altitude varie entre 600 et 1200 m. Le massif sépare la ville des Gonaïves
et celle du Cap-Haïtien.

Cependant, il faut aussi évoquer la configuration orographique du centre du pays. On y trouve

un ensemble de massifs tels que la chaine des Matheux, la Chaine du Trou d’eau et la montagne noire
qui forment une seule chaine dont les frontières respectives sont purement arbitraires (Butterlin 2019).

La chaine des Matheux, 75 kilomètres de long sur 20 km de large, a une altitude moyenne
comprise entre 1200 m et 1300 m. Le point culminant est le sommet du morne Baptiste qui s’élève à
1575 m d’altitude. Elle sépare la plaine de l’Artibonite de la plaine du cul de Sac. Au sud-est, elle
s’élargit de nouveau pour devenir la chaîne du Trou d’Eau (638 m) et donne une ramification appelée
« Sierra de Neiba » en République Dominicaine. Plus au nord et parallèle à la chaine des Matheux,
la montagne noire, borde la plaine de l’Artibonite. C’est une chaine orientée ouest-est dont l’altitude
varie de 600 à 1783 m qui donne la seconde ramification de la « Sierra de Neiba ».

Le système montagneux décrit auparavant permet l’identification de nombreuses plaines et

de plateaux qui peuvent être soit d’origine côtières, soit d’origine montagneuse ou les deux. Les
principales plaines sont : la plaine du nord, la plaine des Gonaïves, le plateau central, la plaine du
Cul-de-Sac, la plaine de Léogane, la plaine des Cayes.

La République d’Haïti est divisée en 10 départements : Centre, Grand’Anse, Artibonite,

Nippes, Nord, Nord-Est, Nord-Ouest, Ouest, Sud et Sud-Est. Ces derniers, représentés sur la figure
2-2, ont chacun un chef-lieu qui représente leur capitale régionale. C’est la ville la plus importante en
termes d’infrastructures et d’économie. Ces villes sont respectivement Hinche, Jérémie, Gonaïves,
Miragoâne, Cap-Haïtien, Fort-Liberté, Port-de-Paix, Port-au-Prince, Cayes et Jacmel. Les
départements sont subdivisés en arrondissements. Chaque arrondissement est constitué de plusieurs
communes y compris le chef-lieu.

33
Thèse | Romual Chery
Figure 2-2: Subdivisions de la République d’Haïti. Les polygones coloriés représentent les 10 départements.

34
Thèse | Romual Chery
2.1.2 Climatologie des précipitations en Haïti : du 18ème au 21ème siècle

2.1.2.1 Mesures et observations au 18ème siècle

Selon les travaux de Talman (1906), Haïti est l’une des rares îles de la Caraïbe à disposer
d’études et de relevés climatologiques depuis le 18è siècle. Dans la société coloniale de l’époque, de
nombreux exploitants agricoles fournissaient régulièrement des relevés météorologiques issues de
tout le pays. Les activités économiques reflétant la prospérité de l’île en ce temps-là étaient tributaires
de cette science. Talman est l’un des premiers à proposer le récapitulatif de l’organisation mise en
place. Il a remarqué que les observations au sol étaient issues de trois régions : nord, ouest et sud
(figure 2-3) et il décrit des zones climatiques en les regroupant selon le découpage en paroisses
proposées par Moreau de St Méry au 18è siècle. A cette époque, ces trois régions étaient subdivisées
chacune en une dizaine de paroisses.

Dans la suite, nous proposons de revenir succinctement sur les caractéristiques

météorologiques de celles-ci. Les deux paramètres principalement évoqués sont les précipitations et
les températures. Les aléas naturels atmosphériques tels que les cyclones et leurs impacts peuvent
être aussi reportés.

Région du nord (19 paroisses)

Cette région est constituée des paroisses de Fort-Liberté jusqu’à Port-de-Paix en incluant celle de
Dondon, la plus méridionale, et celle du Cap-Français qui est actuellement le Cap-Haïtien. Les grands
traits de celle-ci sont :

- des précipitations annuelles variant de 1085 à 1981 mm.an-1 sur le littoral et de 2166 à 2436
mm en montagne.
- des périodes pluvieuses fréquentes en intensité et en durée. Elles couvrent principalement les
mois de mars, avril et mai avec des alternances de sécheresse relativement sévères car elles

35
Thèse | Romual Chery
 peuvent s’étaler en durée. Cependant, la pluviométrie peut devenir importante à partir des
mois de janvier et février (Cap-Haïtien).
- des paroisses entourées de montagnes (par exemple Vallières) préservées des sècheresses
restant sujettes à des inondations et des précipitations intenses voire extrêmes.
- des phénomènes singuliers comme des chutes de grêle (Ouanaminthe, 17 juin 1783 à 14h):

L’auteur illustre fréquemment les impacts de ces aléas par des atteintes aux personnes (inondations,
chute de grêles avec des décès), à l’agriculture (les plantations) et aux infrastructures.

Région du Nord

Région de
l’Ouest

Région du Sud

Figure 2-3: Carte de la partie française de l’île de Saint-Domingue au XVIIIe siècle. (Moreau de St Méry : "Description
de la partie française de l’Ile de Saint Domingue.", cité par C. Fitzhugh Talman en 1906).

En ce qui concerne la température, elle varie en général de 15-19 °C à 32-40 °C. Les effets de
son atténuation par influence marine sont aussi mentionnés. Les vents dominants sont d’Est Nord-est
(jour), Ouest Sud-ouest (nuit) et des vents rares de secteur nord-ouest et sud-est ont aussi été observés.
De rares mesures de pression et d’évapotranspiration sont mentionnées.

36
Thèse | Romual Chery
Région de l’Ouest (15 paroisses)

La région de l’Ouest s’étale de la péninsule nord à partir de Môle Saint Nicolas jusqu’à Bainet,
situé dans le sud-est en passant par Gonaïves et Port-au-Prince. Elle regroupe 15 paroisses,
généralement isolées des alizés par les massifs montagneux tels que la chaine des Matheux et la
Montagne Noire. Cette région inclut aussi une partie sud du pays donnant sur la mer des Caraïbes,
soit de Côtes de Fer à Pedernales en incluant Jacmel. Les grands traits de celle-ci sont :

- des précipitations variant entre 750 et 1000 mm.an-1 indiquant une région moins pluvieuse
que la précédente.
- de sévères sècheresses allant jusqu’à durer plus d’une année pour les paroisses de la pointe
du nord-ouest, comme par exemple Bombardopolis.
- l’existence de deux saisons régulières dans la plaine de l’Artibonite. La première, de
novembre à mi-mai, est plutôt sèche et la seconde plus humide coïncide avec le reste de
l’année. Cette dernière débute en fin avril par des pluies tombant en fin journée sur les
montagnes de l’arrière-pays. Ces précipitations se prolongent sur la plaine pour donner des
cumuls irréguliers.
- un climat sec avec des cumuls annuels observés compris entre 1051 et 1667 mm, période
1761-1780, pour les paroisses des Croix-des-Bouquets, Port-au-Prince et Léogane. Les
précipitations d’octobre jusqu’à mi-avril sont rares. Durant les autres six mois, les
précipitations journalières ont lieu de 16 à 22 h et/ou tous les huit à dix jours.
- des vents observés selon la paroisse considérée de plusieurs secteurs. De secteur est, ils sont
secs, froids et pluvieux pour le secteur nord-est et chauds et orageux lorsqu’ils sont de secteur
nord-ouest. Les vents du sud sont quant à eux chauds et secs.
- des conditions orographiques et thermodynamiques qui favorisent l’apparition de brise de mer
de secteur ouest en journée. Le flux s’établit donc de la baie de la Gonâve vers l’intérieur des
terres.
- un climat devenant plus sec au fur et à mesure quand on se rapproche de la chaine de La Selle.
- des températures minimales variant de 14 à 17 °C tandis que les maximales sont de 32 à
40°C.

37
Thèse | Romual Chery
Région du sud (12 paroisses)

La région du sud, dernière région climatique, comprend tout le reste de la péninsule du sud.
Séparée en deux par l’axe montagneux du sud, elle s’allonge vers l’ouest et pour donner un côté sud
et un côté nord. Le point culminant de cet axe est le pic Macaya. Les grands traits de celle-ci sont :

- un climat moins sec que celui de l’ouest avec deux saisons bien marquées : la saison des pluies
d’avril à octobre et la saison sèche d’octobre à avril. Des cumuls annuels de précipitations
varient de 1785 à 2436 mm.an-1. Des quantités supérieures à 3000 mm peuvent être mesurées
en altitude. Les maximums mensuels sont mesurés en mai, juillet et août.
- des périodes de sécheresse qui peuvent apparaitre dans les paroisses de l’extrémité ouest de
la péninsule.
- des vents d’est prédominants sur la façade sud de l’axe montagneux tandis que la partie nord
est plutôt sous l’influence des alizés de nord-est.
- un effet de Foehn des alizés transformés en un flux sec et chaud lors des franchissements de
la montagne. La façade sud peut subir aussi des vents pluvieux d’est-sud-est et d’ouest-sud-
ouest.
- d’impacts, des cyclones qui restent la première source de destructions et d’inondations.

Dans son article, Talman (1906) évoque la variabilité spatio-temporelle des précipitations de
la République d’Haïti à partir des stations sol. Les trois parties décrites ont divisé le territoire en
paroisses ayant des caractéristiques climatiques quasi-similaires.

38
Thèse | Romual Chery
2.1.2.2 Mesures et observations aux 19ème et 20ème siècles

À l’entame de la guerre de l’indépendance, les relevés des observations sont devenus plus
rares. Ce n’est qu’à partir de 1863, que les observations ont été régulièrement maintenues à Port-au-
Prince et jusqu’en 1868. En 1888, c’est le professeur Scherer, enseignant au Collège Saint Martial à
Port-au-Prince, qui publia en détail un grand nombre d’observations recueillies. Outre Port-au-Prince
et ses environs, des séries ont été enregistrées au Cap-Haïtien et à Sans-Souci (dans le nord) à partir
de 1819.

En 1905, la société astronomique et météorologique de Port-au-Prince a été constituée avec

comme objectif le déploiement des mesures au sol à travers le pays. Désormais, les résultats
d’observations de stations en dehors de Port-au-Prince ont été insérés dans les bulletins publiés par
la société astronomique et météorologique et dans les publications du professeur Scherer (Talman
1906).

Lorsqu’on s’intéresse aux répartitions spatiales, les premières cartographies des cumuls
annuels retrouvées dans la bibliographie datent de 1941. Elles ont été publiées par Alpert L. (Alpert
1941, 1942) à partir de 162 stations, pour une période de 14 années réparties sur toute l’île
d’Hispaniola. Pour la République d’Haïti, 79 stations ont été utilisées sur une période moyenne de 17
années, soient 24 stations avec 20 années d’enregistrement ou plus, 36 stations avec une dizaine
(10- 19) d’années d’enregistrement et 19 stations avec 4-9 années d’enregistrement. Aucune de ces
stations ne sont disponibles en haute altitude, excepté à Furcy et Kenscoff dans le Massif de la Selle.

L’auteur indiquait déjà que c’est en grande partie l’orographie qui favorise la conversion de
l’eau vapeur, portée par les alizés, en précipitations soutenues et observées sur les plaines et
montagnes du nord, du sud et centre du pays (figure 2-4). C’est aussi par cet effet de Foehn qu’il
explique la diminution des cumuls observés sur les pentes sous le vent et sur les plaines de l’Ouest et
du Sud-Ouest. Les valeurs observées sont comprises entre 508 mm.an-1 (zones sèches) et 2540 en
montagnes. Dès cette période, l’auteur montrait aussi l’existence des précipitations extrêmes sur l’île.

39
Thèse | Romual Chery
Figure 2-4: Distribution de cumuls annuels moyens à Hispaniola, publiée par Albert Léo en 1940 dans Monthly
Weather Review.

En 1966, dans son mémoire de thèse sur le climat des Antilles, P. Pagney (1966) confirme les
dissymétries observées auparavant dans la distribution pluviométrique à Hispaniola. Il a utilisé 48
stations dont 31 se trouvaient en Haïti. De plus, il est l’un des premiers à proposer une analyse
interannuelle des régimes pluviométriques observés. Pour toute l’île d’Hispaniola, il note que la
pluviométrie moyenne mensuelle maximale est au mois de mai (183 mm.mois-1), suivi du mois de
septembre (176 mm). Un creux est observé en juillet (117 mm).

Pour la République d’Haïti, il indique une forte variabilité des amplitudes des régimes
pluviométriques et distingue deux régions de forte pluviométrie. L’une correspond aux chaines de
montagnes et des plateaux situés dans le centre du pays vers Mirebalais (Département du Centre).
Tandis que l’autre est située le long de l’axe montagneux méridional. Il confirme l’existence de la
façade très sèche du golfe de la Gonâve.

L’un des derniers projets recensés à cette époque concerne l’inventaire des ressources
hydrauliques réalisé en 1977 par l’Agence Canadienne de Développement International, et le groupe
Lalonde Girouard Letendre & Associés Ltée (LGL & Associés) pour la République d’Haïti. Il s’agit
principalement d’un répertoire de données pluviométriques issues de 156 stations réparties à travers
le pays pour des périodes d’enregistrement non continues de 1863 à 1977.
40
Thèse | Romual Chery
2.2 Structures climatologiques induisant des
précipitations dans les Antilles

La région des Antilles, 5-23°N et 60-90°W, est un domaine d’îles tropicales de diverses tailles

séparant la mer des Caraïbes (CS) et le golfe du Mexique de l’Atlantique nord tropical. La variabilité

des pluies dans cette région est liée dans son ensemble à la variabilité des pluies des régions tropicales,

ainsi qu’à la météorologie des moyennes latitudes. La compréhension du climat dans cette région

passe donc par une description des interactions océaniques et atmosphériques de grandes échelles

dues aux diverses caractéristiques des latitudes moyennes et tropicales.

De nombreux facteurs peuvent influencer la variabilité des précipitations dans les Antilles.

Dans ce chapitre, nous introduisons les principales structures climatologiques de cette région et leur

principal mode de variabilité climatique à l’échelle interannuelle. Nous évoquerons l’Anticyclone

Subtropical Nord-Atlantique, la Zone de Convergence Intertropicale, les alizés, la piscine chaude de

l’hémisphère occidental Warm Pool, le système de mousson sud-américain, le Caribbean Low-Level

Jet (CLLJ), les ondes d’est africaines (OEA) et les cyclones tropicaux (CT).

2.2.1 Inducteurs à l’échelle globale et interannuelle

La circulation méridienne d’échelle planétaire qui gouverne le climat tropical en moyenne

zonale est la circulation de Hadley. D’origine radiative, cette circulation crée deux cellules quasiment
symétriques par rapport à l’équateur avec une branche ascendante conjointe située vers 5ᵒN. Les deux
branches subsidentes de Hadley situées approximativement vers 25-30ᵒ sont associées à une
circulation divergente et de haute pression en basse troposphère. En surface, les vents convergent
vers la zone de basse pression associée à la zone de convergence intertropicale. Ils acquièrent

41
Thèse | Romual Chery
progressivement une composante zonale à cause de la force de Coriolis et s’appellent les Alizés
(Beucher 2010).

Cette circulation intertropicale permet de distinguer schématiquement dans chaque

hémisphère trois zones :

- les hautes pressions subtropicales, l’anticyclone subtropical nord-atlantique (NASH : « North

Atlantic Subtropical High» en anglais) et l’anticyclone de Saint Hélène),
- la zone de l’alizé,
- la zone de convergence intertropicale (ZCIT).

Anticyclone Subtropical Nord-Américaine (NASH)

Le NASH ou encore anticyclone des Açores est l’une des principales caractéristiques

atmosphériques qui influent sur le cycle saisonnier des précipitations dans les Caraïbes. En moyenne

annuelle, il est centré sur l’océan vers 40°W et 30°N et présente deux schémas maritimes

prédominants (Beucher 2010).

Le premier schéma se caractérise par un NASH qui se renforce de +4 hPa aux mois de mai/juin,

malgré l’affaiblissement de la cellule de Hadley. Le NASH migre vers le Nord pour passer de 30-33 ̊

N à 37 ̊ N, en l’espace de trois à quatre semaines par un déplacement brusque appelé «saut d’été». Le

pic d’intensité barométrique correspond en moyenne à un maximum unique qui apparaît, pendant la

saison des pluies aux Antilles (été boréal).

À partir d’octobre/novembre, le NASH revient vers le sud pour conduire au second schéma

maritime d’hiver boréal. Il correspond à un double maximum avec un centre sur l’Atlantique

subtropical et un autre sur le continent nord-américain (Davis et al. 1997). Ces deux pics

correspondent à la saison sèche aux Antilles.

Au cours de ces deux saisons, le NASH induit des alizés d’est et un affaissement de l’isobare
500 hPa dans toute la région des Caraïbes (Giannini et al. 2000; Wang & Lee 2007; M. R. Jury &

42
Thèse | Romual Chery
Bernard 2020). Il est important de rappeler que, pour un jour donné, les anticyclones subtropicaux
peuvent se situer à une longitude très différente de leur position moyenne. Les saisons intermédiaires,
printemps et l’automne boréaux, sont caractérisées comme des périodes de transition de NASH. Elles
se traduisent par des vents d’est plus faibles et une subsidence plus faible (Davis et al. 1997; Wang
& Lee 2007).

La Zone de Convergence Intertropicale (ITCZ)

La Zone de Convergence Intertropicale (ITCZ : «InterTropical Convergence Zone» en

anglais) est une bande tropicale allongée dans le sens zonal qui ceinture l’ensemble des surfaces

terrestres et maritimes du globe. Aux Antilles, cette bande pluvieuse se positionne sur l’atlantique

vers 2 ̊ N en janvier puis 8 ̊ N en juillet en moyenne mensuelle (Beucher 2010). Elle migre pour

atteindre sa position la plus au nord au début de septembre et celle la plus au sud au début de mars.

Dans la bibliographie consultée, deux branches de la ZCIT affectent cette région du globe : la ZCIT

de l’Atlantique et la ZCIT du Pacifique Est. Cette zone de convection profonde et de basse pression

est donc une source de chaleur associée à des alizés confluents donnant des taux de précipitations

élevés (Hastenrath 1976; Robinson & Henderson-Sellers 1999; Zhang 2001; Beucher 2010).

Ces changements saisonniers de la ZCIT modulent les régimes de précipitations de la région

des Caraïbes.

43
Thèse | Romual Chery
2.2.2 Inducteurs aux échelles régionale et saisonnière

La piscine chaude de l’hémisphère occidental Warm Pool (WHWP)

La partie Est du Pacifique nord, la mer des Caraïbes, le golfe du Mexique et l’Atlantique
tropical ouest sont généralement considérés comme les régions maritimes constitutives de la piscine
d’eau chaude de la caraïbe (WHWP : Western Hemisphere Warm Pool» en anglais). Particulièrement
prononcée à l’automne boréal, les températures de Surface de la Mer (SST) atteignent dans ces cas
des valeurs supérieures à 28.5° C (Wang et Enfield 2001; Wang et al. 2006 ; Wang et Lee 2007).
C’est à partir de juin, que la branche atlantique de la WHWP, appelé Atlantic Warm Pool (AWP),
s’établit au large du nord-ouest des Caraïbes et affecte le bassin caribéen.

Sa mise en place est synchrone à la durée et à l’apparition des précipitations dans la Caraïbe

(Misra et al. 2014; Martinez et al. 2019). L’ émergence et l’expansion du réchauffement des SST,

l’affaiblissement du flanc sud-ouest de la NASH et des vents d’ouest en altitude augmenteraient la

quantité d’eau précipitable dans la ZCIT du Pacifique Est et dans le flanc ouest de celle de

l’Atlantique et moduleraient le régime des précipitations (Wang & Enfield 2001; Wang & Lee 2007).

Le système de mousson sud-américaine (SAMS)

En Amérique du Sud, il s’établit une bande de convection, orientée Nord-Ouest Sud-Est,

donnant le maximum des précipitations dans le Nord-Ouest du Brésil. Elle se déploie du Sud du
bassin amazonien vers le Sud-Est du Brésil et l’océan Atlantique l’environnant. Cette bande de
convection appelée zone de convergence de l’Atlantique Sud (SACZ : "South Atlantic Convergence
Zone" en anglais) correspond à l’une des structures caractéristiques de la phase mature du système
de mousson sud-américaine (SAMS : "South American Monsoon System" en anglais). Les revues
dédiées de Vera et al. (2006) puis de Marengo et al. (2012) fournissent une description complète des

44
Thèse | Romual Chery
connaissances actuelles de la SAMS. Ils décrivent ses principales caractéristiques et ses mécanismes
à diverses échelles de temps. La SAMS fait partie du cycle de mousson des Amériques, la zone de
convection migrant ensuite vers le nord pour former en été de l’hémisphère nord le système de
mousson nord-américaine.

Le système de mousson nord-américaine

Le système de mousson nord-américaine est un système de circulation qui commence au début

du mois de juin au Mexique et progresse vers le nord jusqu’au sud-ouest des Etats Unis (Ray et al.
2007). Il apporte de fortes pluies estivales sur de vastes régions du sud-ouest de l’Amérique du Nord
(Adams & Comrie 1997; Higgins et al. 1997; Pascale et al. 2017). Généralement, on considère qu’une
majeure partie de l’humidité du mousson est transmise à l’aide des masses d’air atmosphériques
horizontales à basse altitude depuis l’est de l’océan Pacifique tropical et le golfe de Californie, alors
que le golfe du Mexique apporte de l’humidité en altitude (Adams & Comrie 1997). Les auteurs ont
révélé qu’une part importante de la variabilité intra saisonnière découle des poussées d’humidité en
provenance du golfe de Californie. Ces dernières sont associées à la configuration des creux de
latitude moyenne en altitude et des ondes tropicales d'est à l'échelle synoptique, ainsi qu'à la présence
de jets à basse altitude, d'une dépression thermique et de la dynamique associée à la méso-échelle.

Le Caribbean Low-Level Jet (CLLJ)

Une autre caractéristique qui affecte les précipitations à l’échelle régionale est le jet de basse
couche appelé en anglais Caribbean Low-Level Jet (CLLJ) (Amador Astúa 1998; Martinez et al. 2019,
2020; García-Martínez & Bollasina 2020). Le CLLJ est une région de vents d'est troposphériques
intenses (jusqu'à 12-14 ms−1), noyau entre 925 et 700 hPa, soufflant sur la mer des Caraïbes et le flanc
est de l’Amérique du Sud. Le CLLJ est présent tout au long de l'année, bien que son ampleur varie
semestriellement avec des maxima en juillet (le plus fort) et février, et des minima correspondants en
mai et Octobre (Amador Astúa 1998; Wang 2007). De mai à juillet, autour de 15°N, la convergence
du flux atmosphérique zonal à 700 hPa fournit la quantité de mouvement nécessaire au

45
Thèse | Romual Chery
développement d’une zone de convection profonde. La masse d’air entraînée forme une boucle avec
une circulation de retour qui par subsidence au-dessus des caraïbes orientales favorise l’accélération
à 925 hPa. Cette nouvelle hypothèse, remplace celle qui supposait une accélération produite par un
renforcement de l’anticyclone subtropical de l’Atlantique Nord (NASH) avec une force et une
direction de la CLLJ modulée par l’AWP (Wang 2007; Muñoz et al. 2008; Cook & Vizy 2010). Dans
la région, c’est ce schéma qui entraîne l’installation de la petite sécheresse d’été (MSD : Mid Summer
Drought en anglais), courte période de conditions relativement sèches entre deux intervalles pluvieux
(Magaña et al. 1999; Herrera et al. 2015). Cet effet disparaît d’août à octobre, ce qui entraîne une
décélération du CLLJ. Le CLLJ en tant que transporteur d’humidité contribue à un pourcentage
important de précipitations estivales sur la région.

2.2.3 Inducteurs à l’échelle intra saisonnière et autres facteurs

Les ondes d’est africaines (OEA) et les cyclones tropicaux (CT)

Les ondes d’est africaines (OEA) et les cyclones tropicaux (CT) sont également des processus
physiques propices aux précipitations dans les Caraïbes. Les OEA sont des perturbations à l’échelle
synoptique, induites par le jet subsaharien de la moyenne troposphère, qui se propagent à travers le
bassin atlantique de mai à octobre (Burpee 1972). Les OEA peuvent se transformer en tempête et CT
et contribuent aux CT de l’Atlantique et à environ 85 % des ouragans majeurs (Agudelo et al. 2011).
Les CT ont une période saisonnière similaire à celle des OEA; cependant ils culminent en Août,
Septembre et Octobre (ASO) et ont un minimum en juillet. En plus des OEA, certains CT peuvent se
former à partir d’interactions avec la ZCIT du Pacifique oriental (Toma & Webster 2010) et de
l’émergence des AWP (Wang et al. 2006).

46
Thèse | Romual Chery
Autres facteurs

D’autres influences régionales modulent les précipitations dans la Caraïbe. Par exemple:

- la circulation mer-terre cyclonique en Amérique centrale qui déplace de l’air humide dans la
mer des Caraïbes (Poveda & Mesa 2000; Allen & Mapes 2017),
- les creux de latitude moyenne qui assurent la confluence des masses d’air barotropes humides
et baroclines froides (Reding 1992; Schultz et al. 1998; Giannini et al. 2000; Sáenz & Durán-
Quesada 2015; Allen & Mapes 2017),
- de nombreuses masses d’air chaudes, sèches et poussiéreuses liées aux brumes de poussières
présentes dans la moyenne troposphère qui suppriment l’humidité (Carlson & Prospero 1972;
Dunion 2011; Mote et al. 2017).

47
Thèse | Romual Chery
2.3 Variabilité intra et interannuelle des
précipitations dans la Caraïbe

Les couplages océan-atmosphère à grande échelle influencent la variabilité saisonnière et

interannuelle des précipitations des Caraïbes-Amérique centrale. Celle-ci a été étudiée et caractérisée

par de nombreux auteurs aussi bien à partir de séries temporelles des cumuls mensuels de stations

météorologiques régionales que grâce à la disponibilité et à la qualité accrues des données satellitaires

et de précipitations issues des réseaux de mesure au sol. Les chercheurs utilisent désormais des

ensembles de données maillées pour identifier les limites de la répartition annuelle des précipitations

et les mécanismes associés. La compétition entre le NASH et la ZCIT (pacifique est et atlantique

ouest) est le principal processus qui influencent les schémas de circulation et convergence aux

échelles de temps saisonnières et interannuelles. Dans de nombreux articles, ces études ont aussi

associé des champs de pression de surface, de température de surface de la mer et le flux d’humidité

(Giannini et al. 2000; M. R. Jury 2016; Martinez et al. 2019, 2020). Des méthodes de type Analyse

en Composantes Principales (ACP), Empirical Orthogonal Function (EOF) et Canonical Correlation

Analysis (CCA) ont été également utilisées pour retrouver des tendances et des motifs, spatio-

temporels dans toutes ces bases de données.

Par exemple, à l’aide d’une analyse de corrélation canonique, Giannini et al. (2000) ont
montré que le régime bimodal des précipitations peut être associé à deux modes de variabilité
interannuelle de la SLP et la SST. Le premier appelé mode atlantique se caractérise par des SLP
anormalement élevées dues à un NASH fort donnant des alizés soutenus, des SST plus fraîches et par
conséquent moins de précipitations dans les caraïbes.
Le second mode appelé mode interbassin, corrélé avec l’ENSO d’après les mêmes auteurs,
induit une divergence du flux atmosphérique de surface qui amène à des conditions plus sèches que
la moyenne pendant la saison des pluies précédant la phase de maturité d’un événement ENSO chaud.

48
Thèse | Romual Chery
De plus, la saison sèche qui coïncide avec la phase de maturité de l’ENSO est plus humide que la
moyenne. Au printemps suivant, alors que la circulation atmosphérique passe à des conditions
normales, l’anomalie positive de SST, due à des SLP faibles, prend le relais et favorise la convection
dans le bassin Caraïbe. L’anomalie positive des précipitations créée s’étend en partant du nord-ouest
vers le sud-est, donc à l’ensemble du bassin. Au début d’une nouvelle saison des pluies, elle est
particulièrement forte sur les Grandes Antilles.

D’autres auteurs ont plutôt utilisé les indices Niño 3.4 et NAO afin d’identifier dans la Caraïbe
des sous-régions distinctes à partir de fluctuations annuelles et interannuelles des cumuls mensuels
de précipitation. La cohérence géographique de ces régions et leurs différences en termes de
variabilité interannuelle et intrannuelle ont aussi été étudiées (M. Jury et al. 2007). Les résultats
obtenus montrent qu’il existe quatre régions avec des cycles annuels distincts. Les Caraïbes du nord-
ouest ont un cycle unimodal tandis que celui des trois autres régions est bimodal. Les Caraïbes du
nord-ouest et le nord d’Hispaniola ont montré des cycles interannuels distincts avec des périodes
d’environ trois ans.

En 2011, Jury et Gouriand par l’analyse des champs mensuels de SST, de SLP et des
précipitations maillées à 0.5° x 0.5° ont mis en évidence une covariance de ces champs avec une
oscillation décennale.

En 2016, Jury utilise un nouvel ensemble de données mondiales de haute qualité pour les
précipitations terrestres maillées à 0.05° x 0.05° pour mettre en évidence aussi bien la variabilité
interannuelle des précipitations dans les Antilles orientales que de possibles couplages avec la
circulation régionale et intra-saisonnière. L’analyse en composantes principales et les corrélations
croisées, révèlent l’existence des précipitations plus élevées pour la période JASO entre la Martinique
et la Grenade. Cette augmentation est due à un affaiblissement des alizés et à un courant frontalier le
long de la bordure sud des Caraïbes (M. R. Jury 2016).

Récemment, Martinez et al. (2019), en utilisant les techniques d’ACP, individualisent quatre
saisons dominantes dans le cycle saisonnier des précipitations dans la Caraïbe : la saison des pluies

49
Thèse | Romual Chery
précoces (en anglais Early Rainy Season - ERS) commençant fin avril et se poursuivant jusqu’en juin,
la MSD (en anglais Mid-Summer Drought) de juin à août, la saison des pluies tardives (en anglais
Late Rainy Saison - LRS) d’août à fin octobre, et la saison sèche hivernale (Winter Dry Season -
WDS) de mi-novembre à avril. Ce sont de nouveau les interactions entre le NASH, l’ITCZ, la SST
et le Caribbean Low Level Jet (CLLJ) qui différencient ces saisons.

Les différentes interactions observées peuvent se résumer de la façon suivante :

- En WDS, figure 2-5a, centré sur l’atlantique, le NASH prédomine et favorise l’apparition

d’alizés forts et divergents dans une masse d’air subsidente. Ainsi, sur son flanc ouest,

apparait en général un anticyclone continental noté petit H (figure 2-5a). Cette divergence est

renforcée par l’absence de l’AWP (piscine d’eau chaude) et par les conditions

météorologiques des latitudes moyennes du continent américain. Le flanc sud de la NASH

peut s’étendre vers le sud lorsque l’ITCZ migre dans cette direction attirant l’humidité vers

l’Amérique du Sud.

- En ERS, (figure 2-5b), le NASH se détache vers l’est et l’anticyclone continental se dissipe.

En conséquence, son flanc ouest émerge aux latitudes moyennes et induit des vents

convergents de sud-est en basse altitude en provenance de la mer des Caraïbes. Ces derniers

atténuent l’influence des alizés divergents et celle du CLLJ hivernal pour produire de la

convection et des précipitations. De plus, les ICTZ du Pacifique oriental et de l’Atlantique

commencent leurs migrations vers le nord. Le flanc ouest du NASH s’étend vers l’ouest

apportant un excès de pluie par rapport à l’évaporation vers le nord-ouest et le centre des

Caraïbes incluant Hispaniola. Ce flanc interagit avec la ICTZ du Pacifique oriental favorisant

le transport d’humidité vers le nord-ouest des Caraïbes grâce à des vents se déplaçant d’est à

sud-est. Cette convergence d’humidité est favorisée par l’émergence de l’AWP. Les

caractéristiques des latitudes moyennes au-dessus des États-Unis continentaux et leur

divergence se retirent vers le nord. Les alizés de bas niveau se réintensifient et se réinfiltrent

dans les Caraïbes à mesure que la NASH se renforce, ce qui entraîne le MSD.

50
Thèse | Romual Chery
 - En MSD, (figure 2-5c), le NASH s'étend vers l'ouest et se déplace vers le nord-ouest. Le

transport de l'humidité dans les Caraïbes pendant la divergence et la subsidence des alizés. Il

en résulte des températures de surface de la mer renforcées dans le nord-ouest des Caraïbes.

L’ITCZ du Pacifique Est migre vers le nord en Amérique centrale et atténue l'étendue des

températures de la mer dans les Caraïbes occidentales. L’ITCZ de l'Atlantique migre vers les

Petites Antilles. L'AWP s'étend sur toutes les eaux océaniques, à l'exception des eaux plus

froides de la côte nord-sud de l'Amérique, provoque un fort gradient méridien des

températures de surface de la mer dans la zone côtière et renforce la boucle de rétroaction

NASH-et les températures de surface de la mer ainsi que le MSD-CLLJ qui en résulte. La

CLLJ renforce la divergence dans le centre et l'est de la zone côtière et la convergence sur les

côtes du Nicaragua et du Costa Rica dans les Caraïbes occidentales. Le MSD se transforme

en LRS lorsque la NASH commence sa contraction sur le flanc ouest.

- En LRS, (figure 2-5d), le NASH se contracte et son flanc ouest migre vers le sud-est. L’ITCZ

du Pacifique Est commence sa migration vers le sud et son interaction avec le flanc ouest de

la NASH se rétablit lorsque les vents faibles du sud-est traversent la mer des Caraïbes.

Cependant, les caractéristiques des latitudes moyennes du continent américain et leur

divergence se déplacent rapidement vers le sud et affaiblissent la convergence sur le flanc

ouest de la NASH et ses interactions confluentes avec l’ITCZ du Pacifique Est. L’ITCZ de

l'Atlantique atteint son extension la plus septentrionale dans les Petites Antilles et commence

sa migration vers le sud. L'AWP, qui a atteint sa plus grande couverture spatiale, commence

à se contracter et renforce la convergence de l'humidité à travers les Caraïbes. La CLLJ

disparaît car la combinaison du retour des vents du sud-est et des températures de surface de

la mer plus chaudes dans la partie centrale de la zone côtière réduit la boucle de rétroaction

du NASH et des températures de surface de la mer. Le NASH continue à se contracter jusqu'à

l'émergence de l'anticyclone continental, ce qui entraîne la dissipation de son flanc ouest,

l'intensification des alizés dans la zone centrale et le début du WDS.

51
Thèse | Romual Chery
 a) Winter Dry Season – décembre à avril b) Early Rainy Season – mai à juin

c) Late Rainy Season – septembre à octobre d) Mid Summer Drought– juillet à Août

Figure 2-5: Schéma des caractéristiques associées au cycle saisonnier des précipitations dans les Caraïbes. Les zones
ombrées en bleu sont les bandes de convergence. Les zones en marron indiquent une divergence transitoire. Les flèches
blanches indiquent leur mouvement au cours d’une saison donnée. Les flèches bleues et brunes ombrées indiquent les
vecteurs de vent convergents et divergents, respectivement. Le grand "H" désigne l’anticyclone subtropical de
l’Atlantique Nord. Le petit « H » désigne l’anticyclone continental. La piscine chaude indique des SST supérieures à 28,5
°C est surlignée en marron, Martinez et al.,2019.

De décembre à mai, en particulier les trois premiers mois de ce semestre, aux Antilles, il existe
une saison « froide » au sens du temps sensible pendant laquelle des masses d’air continentales ou
océaniques des latitudes moyennes arrivent aux basses latitudes des territoires insulaires (15°N). Les
fronts, les creux préfrontaux et les systèmes de basse pression de niveau supérieur ainsi générés
peuvent contribuer au développement de la convection profonde et produire des fortes précipitations
en saison sèche. La bibliographie consultée (Laing 2004; Beucher 2010; M, R, Jury 2014) montre
que ces interactions sont dues à des :

- déferlements d’ondes de Rossby,

52
Thèse | Romual Chery
 - perturbations d’origine extratropicale,

- dépressions subtropicales,

- phénomènes tropicaux de basses couches comme les lignes de cisaillement, les alizés
d’hiver perturbés par un thalweg de basses couches,

Ce sont les répercussions de ces interactions qui sont susceptibles d’engendrer les pluies extrêmes
observées à cette période de l’année.

53
Thèse | Romual Chery
2.4 Pluies extrêmes et leur évolution dans la
Caraïbe

Dans cette partie, nous relaterons différentes définitions attribuées aux pluies extrêmes et leur
évolution dans la région Caraïbe. Généralement, les pluies extrêmes font référence à des quantités de
pluie journalières supérieures à un seuil donné. Elles se définissent statistiquement par des cumuls
journaliers supérieurs au quatre-vingt dixième ou au quatre-vingt quinzième centile de la fonction de
probabilité établie à partir des observations (Shaffie et al. 2019; Yin et al. 2022). Les valeurs obtenues
à ces centiles définissent ce seuil. Elles peuvent être reliées à la période de retour qui se définit comme
la durée moyenne au cours de laquelle un événement peut se reproduire au seuil fixé. Il faut noter que
cette approche statistique reste incomplète. Car, en plus des observations réelles, les impacts associés
à ces types de phénomènes doivent être pris en compte.

Météo France, organisme météorologique français, de son coté, définit les précipitations
extrêmes à partir d’un seuil fixe. L’organisme a ainsi établi ces seuils en fonction de l’altitude et
indépendamment de la région climatique. Les cumuls de 50 mm sur une durée de 24 h sont considérés
comme extrêmes dans des régions de plaines. En montagne, la valeur est de 100 mm. Ces cumuls
apportent sur une courte durée, allant d’une heure à 24h, des quantités d’eaux supérieures à 50 L/m2.
Bien souvent, les cumuls liés aux précipitations extrêmes peuvent égaler voire dépasser les cumuls
mensuels mesurés à la même période.

Le Global Change Research Program des Etats Unis d’Amérique définit les événements de
précipitations extrêmes comme des cumuls de précipitations journaliers se trouvant dans le 1%
supérieur de tous les événements de précipitations https://www.globalchange.gov/ .

D’autres auteurs, au lieu d’utiliser des définitions à durées fixes, utilisent des copules pour
identifier par analyse statistique bivariée des événements de précipitations extrêmes (Yin et al. 2022).
Ces auteurs lient la quantité de précipitations et l’intensité maximale de ces dernières à une heure ;
puis simulent pour différentes périodes de retour les processus de précipitations horaires dans la
région du fleuve jaune (110°30’E-113°32’E, 35°20’N-39°00’N).

54
Thèse | Romual Chery
 L’évolution des pluies extrêmes peut être reliée à la relation de Clausius-Clapeyron (Pall et
al. 2007). Cette relation, connue dans le domaine de la thermodynamique, indique que la pression de
vapeur saturante de l’air augmente d’environ 7% par degré de réchauffement. L’air peut alors contenir
d’autant plus de vapeur d’eau à mesure qu’il se réchauffe. Dans le contexte du réchauffement
climatique, les pluies extrêmes devraient s’intensifier. Pour la période de 1900-2009, plusieurs
auteurs ont observé un lien significatif entre l’augmentation des précipitations quotidiennes
maximales et la température de la surface de la terre (Westra et al. 2013). Les précipitations changent
proportionnellement avec les changements globaux de température à un taux de 5.9-7.7% K-1.

A l’échelle d’une heure, d’autres chercheurs ont constaté que les précipitations extrêmes ont
augmenté de deux fois plus (14%) avec la hausse de température (Lenderink et van Meijgaard 2008).

Dans la Caraïbe, les températures et les pluies extrêmes ont été analysées pour la première
fois lors d’un atelier de travail réalisé à la Jamaïque en janvier 2001. Les résultats, basés sur l’analyse
de 30 stations à travers la Caraïbe, attestent une augmentation du nombre d’épisodes de fortes pluies
pour la période 1958-1999. Les auteurs ont observé une diminution du nombre maximum de jours
consécutifs secs (Peterson et al. 2002).

Dix ans après, soit en mai 2012, un autre atelier a été organisé en Jamaïque dans le but de
renforcer les capacités de récupération des données climatiques et d’améliorer les connaissances sur
le changement climatique dans la Caraïbe. Cette fois, une faible tendance positive a été détectée pour
les épisodes de fortes pluies pour la période 1986-2010, tandis que celle des précipitations extrêmes
est beaucoup plus marquée (Stephenson et al. 2014).

55
Thèse | Romual Chery
2.5 Bilan et contextualisation de la
problématique

Le caractère de la distribution saisonnière des précipitations définit le régime des

précipitations à un lieu géographique donné. Il se complète aussi par une définition fondée sur la base
d’une distribution temporelle caractéristique à une échelle donnée.

Les mécanismes globaux et régionaux étant décrits auparavant, il vient à se poser la question
suivante : Quels sont les caractéristiques des régimes pluviométriques trouvés dans les Grandes
Antilles ? Quels sont les hauteurs de précipitations correspondantes ? Quelles sont les relations avec
NAO et ENSO ?

2.5.1 Bilan des études sur la climatologie saisonnière

et la dynamique des précipitations

Dans son étude datant de 2007, Jury et al ont utilisé 35 séries pluviométriques chronologiques
de stations de surface, de 1951 à 1981, situées aux Antilles excluant les Amériques pour identifier des
sous-régions géographiques ayant des schémas communs de variabilités inter et intra annuelles de
précipitations. Dans cette série, six stations appartenaient à la République Dominicaine dont cinq sur
la côte littorale nord. Il faut d’ores et déjà remarquer qu’aucune station météorologique d’Haïti n’a
été utilisée (figure 2-6).

Ainsi, du nord-ouest au sud-est des Antilles, quatre groupes de précipitations ont été identifié
par ces auteurs. Haïti appartiendrait au groupe 3 dont les caractéristiques sont données dans le tableau
2-1. Ce groupe est marqué par des cumuls annuels compris entre 687 et 1942 mm.an-1 et des
contributions élevées au total annuel des précipitations mensuelles de janvier à avril (26%) et d’août
à octobre (26%).

56
Thèse | Romual Chery
Figure 2-6 : Localisation des 35 stations de surface (points rouges) utilisés par Jury et al. (2007) et les cycles
pluviométriques annuels des quatre clusters identifiés pour la Caraïbe.

Station Moyenne Étendue Intervalle de confiance à 95 %

Precipitations annuelles totales (mm) 1411 687-1942 886-1937
Contribution des précipitations de janvier à avril (%) 26 21-36 20.4-31.6
Contribution des précipitations d’aout à octobre (%) 26 16-35 20-33
Contribution des précipitations de novembre à
22 15-32 15-28
Décembre (%)
Contribution des précipitations de mai à décembre (%) 55 48-59 51-59

Tableau 2-1 : Précipitations annuelles totales du cluster 3 des travaux de Jury et al. (2007) et contributions de
précipitations saisonnières au total annuel.

En se servant de spectre d’ondelettes de séries de résidus de la moyenne annuelle de chaque

groupe, ces auteurs montrent que la variabilité interannuelle est plus cohérente dans ce groupe 3 et il
présente des cycles de deux à quatre ans (1950) et cinq ans (1970). En traitant à nouveau les séries
temporelles des précipitations mensuelles moyennes non filtrées des Antilles, de 1901 à 2002, par
une transformée en ondelettes, Gouirand et al. (2012) donnent plus précisément les fréquences de
variabilité interannuelle de précipitations. Ils stipulent qu’avant 1940 la variabilité des précipitations
est faible et non significative. Les pluies antillaises présentent une fréquence de 3 à 6 ans de 1945 à
1960 et de 1967 à 1973 et après 1990. Une périodicité de 9 à 10 ans apparaît entre 1970 et 1990. Les

57
Thèse | Romual Chery
stations situées en République Dominicaine montrent une variabilité interannuelle faible (~15% de
variance) pour des fréquences supérieures à dix ans, légèrement plus élevée (20% à 30%) pour celles
comprises entre cinq et dix ans et plus marqué (50%) entre 3 et 5 ans. Ces stations sont dominées par
la variabilité haute fréquence.

Pérez et Jury (2013) ont utilisé des séries pluviométriques, de 1901 à 2009 (soit huit ans de
plus que les auteurs cités précédemment), du Climate Research Unit (CRU), du Global Precipitation
Climatology Centre (GPCC), du Global Historical Climatology Network (GHCN), de l’European
Centre for Medium-Range Weather Forecasts (ECMWF) et les réanalyses CFS pour étudier le
changement climatique de l’île d’Hispaniola (dont Haïti occupe la partie occidentale). L’analyse
révèle des tendances mixtes, légèrement positives (0.001 mm/jour/an) au nord et à l’est de l’île pour
CRU et GPCC, en baisse (-0.005 mm/jour) pour les côtes du sud-ouest et pour les séries de CFS et
d’ECMWF et une tendance à la hausse marquée aux points d’altitude dans le sud-ouest de l’île. Ils
concluent que les tendances pluviométriques observées sont neutres jusqu'en 1978 puis s’orientent à
la baisse suite à l’intensification de la cellule de Hadley.

Les études récentes sur la climatologie saisonnière et la dynamique des précipitations

référencée dans cette région concernent les travaux de Martinez et al (2019, 2020). Pour identifier les
variabilités spatiales et temporelles des précipitations, ils utilisent des séries quotidiennes récentes,
de 1967 à 2017, de 38 stations de surface fournies par l'Institut Caribéen de Météorologie et
d'Hydrologie (CIMH). Seule une station d’Hispaniola en République Dominicaine est prise compte.
A l’aide d’une ACP, ils trouvent les caractéristiques saisonnières connues dominantes (ERS, MSD,
LRS et WDS sur PC1), une modification de l'intensité de l'ERS par rapport à la pluie de LRS avec
une prédominance de ce dernier dans les Antilles du nord-ouest par rapport aux Antilles du sud-est
(PC2). La dernière composante principale (PC3) indique une absence du MSD et un LRS tardif
culminant en fin novembre lorsque la corrélation est positive. Les stations du nord-ouest des Caraïbes
ont plutôt des corrélations négatives suggérant une signature plus forte du MSD et un LRS plus
précoce par rapport au Caraïbes orientales.

Depuis, peu de travaux sur les régimes pluviométriques observés en Haïti ont été produits.
Récemment, Bathelemy et al. (2022) ont réutilisé des séries pluviométriques provenant de stations de
surface en Haïti dans l’évaluation des performances de cinq produits globaux (MSWEP, CHIRPS,

58
Thèse | Romual Chery
PERSIANN-CDR, ERA5 et GPM) utilisés par la communauté scientifique dans les études hydro-
météorologiques.

2.6 Présentation de l’état des lieux en Haïti

2.6.1 Unité Hydrométéorologique d’Haïti

CNM et SNRE

Le Service National en Ressources en Eau (SNRE) et le Centre National Météorologique

(CNM) sont les deux premiers services hydrologique et météorologique d’Haïti. Rattaché au
Ministère de l’Agriculture, des Ressources Naturelles et du Développement Rural (MARNDR), le
SNRE, après sa création en 1980, regroupait cinq sections dont le CNM. Les quatre autres étaient la
section de Météorologie agricole et de Climatologie, la section d’Hydrologie et de Sédimentologie,
la section d’Hydrologie et de Géophysique et la section de Forages. C’est en 2001 que le MARNDR
sépare le CNM du SNRE. Ainsi, le SNRE était placé sous la dépendance de la Direction des
Infrastructures Agricoles. Le CNM, quant à lui, était rattaché à la Direction Adjointe à la Valorisation
des Ressources Naturelles (OMM 2010).

Les deux entités étaient confrontées à des problèmes de budget et de ressources humaines et
matérielles. Les émeutes de 2004 et le séisme dévastateur de 2010 ont aggravé davantage la situation
du SNRE et du CNM et l’ont rendu catastrophique. En 2004, les locaux du MARNDR logeant le
SNRE ont été pillés. Après le séisme de 2010, le SNRE, privé de services informatiques, se retrouve
sous les arbres entourant les locaux endommagés du MARNDR. Logé à l’Office National de
l’Aviation Civile, le CNM n’avait plus d’interface pour visualiser les données du GTS ni pour
envoyer les informations aéronautiques (OMM 2010).

Les entités étaient donc dans l’impossibilité de fournir des services hydrologiques et météorologiques
comme la préparation et la diffusion des informations pour la prévention des désastres naturels liés

59
Thèse | Romual Chery
aux phénomènes hydrométéorologiques et l’atténuation de leurs effets sur les biens et les personnes.
Dans l’optique de diagnostiquer la situation de l’époque, une mission de l’Organisation Mondiale de
la Météorologie s’est rendue en Haïti au mois d’avril 2010. Nous rappelons qu’Haïti a adhéré à
l’OMM en 1951 en tant que membre (MARNDR 2022). En guise de conclusion, la mission a proposé,
dans un délai de 3 à 5 ans, une refondation du SNRE et du CNM ; ce qui, selon les experts, était
nécessaire aux secteurs identifiés dans le document d’évaluation des dommages, des pertes, des
besoins généraux et sectoriels (Post Disaster Needs Assessment, PDNA). En effet, l’objectif du
PDNA était, d’une part, de jeter les bases d’un nouveau départ dans les efforts de développement du
pays. D’autre part, il s’agissait d’analyser les besoins de réhabilitation à court terme et les besoins de
reconstruction du pays, après le tremblement de terre de 12 janvier 2010. Parmi les secteurs identifiés
dans ce cadre, nous pouvons citer l’environnement, la gestion des risques de catastrophe, les secteurs
liés aux infrastructures et le secteur de production (« Haiti Earthquake PDNA (Post-Disaster Needs
Assessment) : Assessment of Damage, Losses, General and Sectoral Needs »).

UHM

En 2015, a été créée l’Unité Hydrométéorologique d’Haïti (UHM). Placée sous la tutelle du
MARNDR, l’UHM couvre l’ensemble des missions du Service National des Ressources en Eau
(SNRE) et du Centre National de météorologie (CNM). C’est donc la nouvelle structure
institutionnelle de la République d’Haïti qui assure les responsabilités en matière de météorologie,
d’hydrologie et de climatologie. Ses missions sont assurées par quatre principaux services :
observation, prévision, climatologie et de base de données, un service de l’eau. Des sites déconcentrés
complètent les ressources de l’Unité. L’UHM est détenteur d’archives météorologiques et
climatologiques de CNM et SNRE.

Depuis la création de l’UHM, le projet HYDROMET, financé par la Banque Mondiale, est l’un
des réalisations clés de l’unité. Ce projet de renforcement des services hydrométéorologiques du
territoire d’Haïti avait pour objectif principal de fournir des services d’information
hydrométéorologique et climatique adaptés aux besoins des secteurs de la protection civile et de
l’agriculture. Il s’est articulé autour de trois volets :

60
Thèse | Romual Chery
 - le renforcement des services hydrométéorologiques et le développement d’outils de gestion
des données et l’intégration des réseaux de collecte de données hydrométriques existants dans une
plateforme nationale de données,

- l’identification des besoins des services hydrométéorologiques et climatiques pour des

utilisateurs et le développement des services d’information pour soutenir la prise de décision,

- l’appui à la mise en œuvre, au monitoring et à l’évaluation de projets.

À travers son Plan Stratégique National, l’UHM se positionne, d’ici 2024, comme le service
hydrométéorologique national de référence capable de fournir des services météorologiques,
hydrologiques et climatologiques de qualité prenant en compte le changement climatique en cours
(MARNDR 2022). Sa mission fondamentale fait l’objet d’observation et de prévision de l’état de
l’atmosphère, de l’océan superficiel et des ressources en eau. Ce qui aidera cet État à sauvegarder la
vie des personnes et des biens, protéger l’environnement, contribuer au développement durable, et
acquérir de longues séries de données climatologues.

2.6.2 Risque météorologique et catastrophes en Haïti

Lorsqu’on s’intéresse aux impacts, certains auteurs définissent les pluies extrêmes comme des
événements qui sont capables d’entraîner des inondations et des crues à l’échelle d’un bassin versant
causant des décès, des dommages aux maisons et aux infrastructures dans de courts délais (Knapp et
al. 2008 ; Koks et al. 2015 ; Manola et al. 2018). Ils peuvent être aussi catastrophiques pour
l’économie et les écosystèmes.

La relecture des articles historiques concernant la climatologie et la météorologie et celle

d’autres documents plus récents dénombrant ce type d’événements révèlent l’existence de
phénomènes pluvieux qualifiables d’intenses ou d’extrêmes. Dans les documents historiques, à part
la description des dégâts, les valeurs des seuils pluviométriques mentionnés sont rares et ne
permettent pas de les qualifier d’extrêmes.
61
Thèse | Romual Chery
 Toutefois, dans le tableau 2-2, nous proposons un récapitulatif non exhaustif des types d’aléas
recensées sur la République d’Haïti ainsi que les principaux impacts observés, les départements et/ou
régions impactés, le nombre décès enregistrés et la date d’enregistrement de l’évènement. Comme
attendu, la plupart des événements sont situés dans la période cyclonique (de juin à novembre).

62
Thèse | Romual Chery
 Aléas Impacts Départements/Régions Décès Date
Inondations et glissements de terrain, 37 000 personnes Ouest
D 40 03 juin 2023
affectées et 13 400 personnes déplacées
D Inondations, maisons endommagées et détruites Ouest, Artibonite 25 août 2022
Inondations, infrastructures routières endommagées, Nord, Nord-est, Nord-Ouest, Nippes
D 5 31 janvier 2022
effondrement de ponts, personnes portées disparues
D 581 ménages affectés, infrastructures endommagées Nippes, Nord, Nord-est, Nord-Ouest 02 février 2022
D Inondations, 6000 maisons inondées, pont endommagé Nord, Nord-Ouest, Artibonite 2 4 mars 2022
D Inondations Ouest 3 16 août 2022
Inondations, plus de 1400 maisons inondées, 3 personnes Nord, Centre
D 3 2, 3, 4, 5 avril 2021
portées disparues
D Inondations Ouest 5 03 juin 2019
D Inondations Ouest 8 02 juillet 2019
D Inondations, personnes portées disparues à Petit-Goâve Ouest 6 18 septembre 2019
D Inondations au Cap-Haïtien Nord 20 novembre 2019
2000 personnes sinistrées Nord-Est 31 août-14 septembre
B (IRMA)
2017
D Inondations, glissements de terrain, destruction de maisons Centre, Ouest 2 2, 3 mai 2018
Inondations, 10 000 maisons inondées, destruction Nord-Ouest, Sud
D 5 14 novembre 2017
d’infrastructures routières
Inondations Nord 19-30 septembre
B (MARIA)
2017
Inondations (Département du Sud très affecté), naufrage Sud, Sud-Est, Grand’Anse, Nippes 20, 21, 22, 23, 24
D
d’embarcations avril 2017
D Inondations, 19 personnes portées disparues 5 16, 17 mai 2017
D Nord d’Hispaniola 9, 10, 11 février 2016
Inondations au Cap-Haïtien et à Limonade, 9600 maisons Nord
D 28 février 2016
inondées
D Inondations, débordements de rivières Ouest 12, 13 avril 2016
Inondations, effondrement de maisonnettes, 4612 maisons Ouest
D 6 23 avril 2016
envahies par des alluvions
D Inondations Centre, Artibonite, Sud-Est 23 26, 27 avril 2016
Nord, Nord-Ouest, Nord-Est, Artibonite,
D 6 mai 2016
Ouest, Centre, Grand’Anse
Inondations, 2901 maisons inondées, 3674 familles sinistrées, Ouest
D 1 27 mai 2016
effondrement de mur, dommages matériels,

63
Thèse | Romual Chery
 Inondations, effondrement de maisons, 5 personnes blessées à Ouest
D 18 juillet 2016
Carrefour
Grand’Anse, Sud, Nippes, Ouest
B Octobre 2016
(MATHEW)
D Inondations au Cap-Haïtien Nord 5 novembre 2016
Inondations, crues et débordements de rivières, 10000 maisons Nord, Nippes, Sud 16, 17, 18 septembre
-
inondées 2016
D Inondations Nord 1 Fin janvier 2015
Inondations, effondrement de maisons à Port-au-Prince, Ouest, Artibonite
A (ERICKA) 29 août 2015
évacuation de prisonniers aux Gonaïves
D Inondations, 8000 familles affectées, dommages matériels Ouest 6 4, 5 avril 2015
D Glissements de terrain Ouest, Nord 9 2 novembre2014
B (Sandy) 200 000 personnes sans abri Ouest, Sud, Grand’Anse 60 à 100 24 octobre 2012
B (ISAAC) Inondations Sud-est, ouest et Artibonite 19 24-25 août 2012
B Inondations Sud, Ouest
3 5 novembre 2010
(THOMAS)
D Inondations à Carrefour Ouest 20 octobre 2009
B (IKE) Nord, Ouest, Nord-Ouest 6 septembre 2008
B (HANNA) Inondations aux Gonaïves Artibonite, Nord-est, Sud, Sud-est 529 01 septembre 2008
B Huit personnes portées disparues, 15 000 personnes affectées, Sud, Grand’Anse
77 26 août 2008
(GUSTAVE) maisons détruites et endommagées
A (FAY) Cultures ravagées Tout le territoire 16 août 2008
D Inondations Majeure partie du territoire d’Haïti 17 mars 2007
D Ouanaminthe très affectée Nord, Nord et Sud 8-9 mai 2007
D Inondations dans la Grand’Anse, infrastructures routières Grand'Anse, Nippes, Nord-Ouest 22, 23 novembre
endommagées 2006

B (Denis) Inondations Sud, Ouest et Cayes 6-7 juillet 2005

- Inondations Ouest, Sud, Grand’Anse 4 octobre 2005

B (WILNA) Ouest, Sud 17, 18 octobre 2005

A (ALPHA) Grand’Anse, Nippes 23 octobre 2005
D Inondations Nord-Ouest 25 octobre 2005
1443 personnes portées disparues, 31130 personnes sinistrées à Sud-Est
D 1232 23, 24 mai 2004
Fonds-Verretes
B (IVAN) Inondations Sud, Ouest 10 septembre 2004
Inondations, glissements de terrain, milliers de personnes Nord, Artibonite (Gonaïves) 18, 19 septembre
B (JEANNE) 3000
blessées 2004

64
Thèse | Romual Chery
 14 personnes portées disparues, 7000 personnes sinistrées Sud, Nippes 24, 25, 25, 27 mai
D 31
2002
B 34 personnes blessées, 40 personnes portées disparues, 167 500 Sud-Est, Nord-Ouest
200 9 septembre 1998
(GEORGES) personnes sinistrées
B Sud-Est 13, 14 novembre
2000
(GORDON) 1994
Inondations, 4945 familles affectées, 1527 maisons détruites et Ouest (La Gonâve)
- 23 février 1989
1640 maisons endommagées
- Inondations Nord-Ouest 27 janvier 1988
- Inondations à l’Estère Artibonite 20 juin 1988
B (GILBERT) Côtes Sud d’Haïti 11 septembre 1988
- Inondations à Léogane Ouest 8 octobre 1988
- Inondations à Port-de-Paix Ouest 27 avril 1987
- Inondations à Thiotte Ouest, Sud-Est 8 mai 1987
- Inondations aux Cayes, 20 000 hectares de terre noyés Sud 01 juin 1986
- 906 personnes sans-abris, environ 380 maisons détruites Ouest 31 23 octobre 1986
- Inondations à Port-de-Paix Nord-Ouest 10 juin 1984

B (ALLEN) Vents à 170 km/h Sud 200 5 août 1980

Tableau 2-2: Événements, types d’aléas et impacts en Haïti pour la période de 1980-2023, Types d’aléas : A = Tempêtes, B = Cyclones et D = Fortes pluies. Les
dates coloriées en bleu correspondent à la période cyclonique et celles coloriées en marron correspondent à la période hors cyclone.

65
Thèse | Romual Chery
2.6.3 Quels mécanismes ?

En termes de mécanismes des variations interannuelles, la bibliographie consultée montre

plusieurs explications et contributions différentes. Tous les auteurs mentionnent les relations avec
l’ENSO, la NAO, la SST et la SLP.

Pour Jury (2007), les variations interannuelles des précipitations comparées aux indices
climatiques ENSO et NAO montrent des précipitations plus fortes en LRS l’année suivante à un
évènement Niño dans le nord-ouest des Caraïbes et le contraire dans le sud-est. Ils précisent que
l’influence de la NAO est faible et que les Caraïbes occidentales (dont Haïti) sont moins influencées
par les prédicteurs mondiaux. Elles gardent un caractère plus régional.

De plus, dans ses travaux de 2011, Jury montre que le principal mode de variabilité des
précipitations dans les Caraïbes est une oscillation décennale liée aux pressions de surface au niveau
de la mer (SLP) et aux températures de surface de la mer (SST). Ensemble, ces modes identifient
trois zones d'action dans l'Atlantique : 35°N–20°N, 20°N– 5°N et 5°N–20°S. Ce tripôle atlantique a
une pression plus basse à l’est des Caraïbes.

En séparant le signal pluviométrique en deux parties (haute fréquence : 3 à 5 ans et basse

fréquence : 8 à 10 ans), Gouirand et al. (2012) montrent qu’aux Antilles du nord le signal 3-5 ans
correspond à une combinaison d'une phase ENSO et d'Oscillation Nord Atlantique (NAO) : un ENSO
chaud et un NAO négatif apportent des conditions plus humides, tandis qu'un ENSO frais et un NAO
positif apportent des conditions plus sèches. Le signal 8-10 ans des précipitations précoces dans la
SST est caractérisé par un dipôle entre l'Atlantique Nord et l'Atlantique Sud et est associé à des vents
trans-équatoriaux qui favorisent la convection dans les Caraïbes. De plus, un signal de salinité faible
(élevée) dans l'Atlantique Nord tropical (Pacifique Nord) qui est lié à la variabilité climatique 8-10
ans (3-5 ans).

Les autres facilitateurs qui modulent la variabilité interannuelle des précipitations dans la
Caraïbe par convergence de l'humidité sont : l'ITCZ du Pacifique oriental, l'ITCZ de l'Atlantique et
le flanc ouest de l'anticyclone subtropical de l'Atlantique Nord (NASH). L'Atlantic Warm Pool et le

66
Thèse | Romual Chery
Caribbean Low-Level Jet modifient l'étendue de l'humidité fournie par ces principaux
facilitateurs. L'expansion et la contraction du flanc ouest de la NASH génèrent le modèle bimodal du
cycle annuel des précipitations dans le nord-ouest des Caraïbes, le centre des Caraïbes et, avec l'ITCZ
du Pacifique oriental, les Caraïbes occidentales. Cette étude identifie la ZCIT atlantique comme la
principale source de précipitations pour le centre et le sud des Petites Antilles, qui est responsable de
leur régime pluviométrique unimodal (Martinez et al. 2019).

Malgré le caractère récent des séries temporelles, peu d’études utilisent les stations de surface
d’Haïti. Sur la figure 2-7, nous présentons deux autres études récentes pour lesquelles aucune station
de surface d’Haïti n’est utilisée (Stephenson et al. 2014; Philip D. Jones et al. 2016).

Cependant, parmi celles-ci, seuls les travaux de Moron et al. (2015) analysent la variabilité
interannuelle et intra-annuelle des précipitations d’Haïti à partir des cumuls mensuels de 78 stations
de surface pour la période de 1905-2005. Ils montrent qu’il y a une faiblesse de la cohérence spatiale
des précipitations annuelles due au paysage accidenté d’Haïti, à son littoral complexe et aux eaux
chaudes environnantes. Au niveau temporel, la variation interannuelle des précipitations mensuelles
est principalement influencée par des vents de faible intensité à travers la mer des Caraïbes. Ils
donnent les processus qui gouvernent la variabilité de la vitesse des vents d’est en surface dans le
bassin des Caraïbes. L’ensemble de ces phénomènes conduisent à une saison des pluies plus sèche
(ou plus humide) que la moyenne associée à des anomalies d’est (ou d’ouest), augmentant (ou
diminuant) l’intensité du vent. Quatre processus sont associés à la variabilité de la vitesse des vents
d'est à basse altitude à travers le bassin des Caraïbes. Il s’agit d’un creux/crête anormal sur le bord
ouest des Açores de décembre à février (WDS), un gradient de pression zonale entre le Pacifique Est
et l’Atlantique Nord tropical de mai/juin à septembre (de ERS à LRS), un couplage océan-atmosphère
local entre la vitesse du Jet de bas niveau des Caraïbes et le gradient méridional de température de
surface de la mer (SST) dans le bassin des Caraïbes et une anomalie anticyclonique (ou cyclonique)
presque fermée située à l’ENE d’Haïti à la limite sud-ouest des Açores en octobre/novembre (fin
LRS).

67
Thèse | Romual Chery
 Stephenson et al., 2014

Jones et al., 2015

Figure 2-7 : Figures montrant des stations utilisées dans des études climatiques récentes sur la Caraïbe. Elles
analysent les tendances des températures et des précipitations quotidiennes et extrêmes.

68
Thèse | Romual Chery
2.6.4 Synthèse

La bibliographie consultée et décrite auparavant, sur les études des précipitations dans la
Caraïbe, évoque très peu l’utilisation des observations disponibles en Haïti. Nous constatons que de
peu d’entre elles sont incluses dans des études sur la variabilité intra et inter annuelle des
précipitations dans les Antilles.

Bien que certains auteurs soulignent la nécessité de poursuivre l'acquisition de données de

stations de surface puis de les communiquer pour les intégrer aux bases de données internationales
(data rescue), nous montrerons que la dégradation du réseau des stations de surface est très marquée
depuis au moins deux décennies.

De plus, nous constatons que toutes ces études varient quant à la manière dont les facteurs
climatiques à grande échelle affectent la variabilité interannuelle des précipitations et les mécanismes
associés.

En parallèle à cette dégradation constatée, une note d’espoir est permise. Les moyens de
détection satellitaire, la généralisation de codes numériques produisant des réanalyses, les
algorithmes de descente d’échelle permettent désormais de disposer de données maillées à l’échelle
mondiale que nous appellerons base globale. Ces progrès technologiques facilitent désormais
l’entreprise d’études climatologiques pour des territoires considérés comme des déserts en termes de
mesures hydrométéorologiques.

Nous avons donc décidé de choisir une base globale, récente et maillée à très haute résolution
pour notre étude sur Haïti. Nous évaluerons ses performances aux échelles annuelle, trimestrielle et
en particulier pour les trimestres Mars-Avril-Mai (MAM) et Septembre-Octobre-Novembre (SON).
La bibliographie consultée montre que dans la Caraïbe occidentale la contribution de MAM (pic ERS)
au cumul annuel total est aussi forte que celle de SON (pic LRS).

L’ensemble de ces éléments constituent le point de départ de notre réflexion.

69
Thèse | Romual Chery
 Chapitre 3
Données de précipitations et outils

70
Thèse | Romual Chery
3.1 Bases de données internationales

3.1.1 Mesures par postes pluviométriques

Au niveau mondial, les trois principaux centres qui produisent des synthèses historiques maillées
issues des données de postes pluviométriques et utilisables dans une perspective d’analyse et/ou de
surveillance climatologique globale sont :

1. Climate Research Unit (CRU, de l’Université d’East Anglia),

2. Global Historical Climatology Network (GHCN, de la National Oceanic and Atmospheric

Administration - NOAA)

3. Global Precipitation Climatology Center (GPCC, de la Deutscher WetterDienst - DWD).

Nous proposons de les passer en revue en donnant quelques détails permettant de s’approprier aussi
bien des mécanismes de construction que l’origine des données.

3.1.1.1 Climate Research Unit Time Series (CRU TS)

Publiée pour la première fois en 2000, la base de données du Climate Research Unit gridded
Time Series (CRU TS) est une grille de données issues d’observations terrestres mensuelles (à
l’exclusion de l’Antarctique). La série débute en 1901 et se compose de dix variables observées et
dérivées (Harris et al. 2020). Ces variables comprennent entre autres des températures, des taux de
précipitations, le nombre de jours de pluie, la couverture nuageuse, l’évapotranspiration potentielle.
Elle est améliorée et disponible graduellement à travers les versions et les séries temporelles
pluviométriques sont diffusées sur une grille d’un demi-degré.

Les concepteurs utilisent des méthodes de triangulation, d’interpolation par polygone de Thiessen et
d’interpolation angulaire pondérée pour constituer ce réseau (New et al. 1999, 2000; Harris et al.

71
Thèse | Romual Chery
2020). Ils ont montré que dans les zones avec des données rares la pondération par distance angulaire
fonctionnait bien mieux que les deux autres méthodes. Ils ont pu calculer la distance à laquelle la
corrélation moyenne inter station par zone n’est plus significative au niveau de 95 %. La résolution
utilisée est à mettre en rapport avec le nombre de séries de données effectivement disponibles : 5986
pour la période 1931-1970 et 6655 pour la période 1951-1990 (P. D. Jones & Hulme 1996).

3.1.1.2 Global Precipitation Climatology Centre (GPCC)

Le centre mondial de Climatologie des précipitations développe depuis 1889 des données
maillées mensuelles issues de 8500 stations au sol, sur une période temporelle couvrant 200 ans
(Schneider et al. 2014). Plus précisément, GPCC fournit, à partir de cette collecte, des données de
station dont la qualité est contrôlée sur une période de 111 ans, soit de 1901-2010. Ces données
servent à l’étude du bilan hydrique mondial et régional, à l’étalonnage et à la validation des estima-
tions des précipitations basées sur la télédétection et la vérification des modèles numériques. Deux
réseaux sont utilisés : un principalement fondé sur les stations synoptiques (7000 stations) avec
comme objectif une mise à disposition rapide des données après tout événement et un autre plus
étendu (jusqu’à 53 000 stations). Les procédures de correction des biais de mesure sont appliquées
aux données quotidiennes et les produits correspondants sont disponibles pour des périodes récentes
(Ungersböck et al. 2001).

3.1.1.3 Global Historical Climatology Network (GHCN)

Ce sont des données quotidiennes issues de 10 000 stations météorologiques de surface à

travers le monde couvrant une période temporelle de 175 ans (Menne et al. 2012). Deux tiers d’entre
elles n’ont que des données de précipitation. Les stations retenues sont issues d’un processus de
qualité (Durre et al. 2008, 2010) et les périodes disponibles sont subordonnées aux stations. Le
GHCN quotidien a servi de référence pour les records mondiaux collectés par l’OMM sur les
extrêmes climatiques.

72
Thèse | Romual Chery
 L’autre source de données très utilisée est issue des produits GHCN de la NOAA (Peterson
& Vose 1997). Elle se différencie de la première en ce sens que les données de stations sont fournies
directement. Par contre, les températures sont distribuées en mode grille avec une résolution au demi-
degré. La base est maintenue à jour et l’intégration des nouvelles données se fait avec un délai de
quelques semaines. Cependant, la couverture spatiale est hétérogène. Des restrictions sont imposées
par certains pays à la diffusion de données brutes.

Au bilan, il faut souligner que les produits générés par ces trois centres diffèrent à la fois par
leur réseau de collecte, les procédures de collecte de données et les algorithmes d’interpolation. Il y
a donc des différences sensibles même pour les cumuls annuels (Karger et al. 2017). Ils restent
cependant utiles comme facteur correctif des biais d’algorithme dans la constitution des produits
globaux de précipitations. Il faut aussi signaler que les pluviomètres sont sensibles à des effets
aérodynamiques susceptibles de perturber les mesures (Pollock et al. 2018). Dans ces produits, la
source principale d’erreur provient de la représentativité spatiale. Pour revenir à notre zone d’étude,
ces bases de données intègrent peu ou pas de stations de la République d’Haïti.

Le réseau de pluviomètres en Haïti fournit des données peu intégrées dans les bases de don-
nées globales. Il peut être remplacé par d’autres dispositifs de mesures spatio-temporelles comme par
exemple les satellites radio-instrumentés. L’ensemble de ces circonstances conduit à la rétractation
des réseaux de postes pluviométriques déployés au sol par des organismes locaux. C’est la suite de
notre propos.

73
Thèse | Romual Chery
3.1.2 Mesures par satellite

L’observation et la quantification des précipitations depuis l’espace sont devenues une

alternative crédible et complémentaire à l’insuffisance de la couverture spatiale des stations
météorologiques au sol. Cette alternative a permis de nombreuses avancées dans le domaine de la
météorologie et de l’hydrologie. Elle permet d’obtenir par divers algorithmes et équations des cumuls
pluviométriques à différentes échelles spatio-temporelles pour des régions ou de vastes zones
géographiques ne disposant pas de stations d’observation au sol. La mesure de la pluie par
télédétection repose sur les propriétés radiatives des phénomènes physiques liées à la pluviométrie.

Les méthodes utilisées pour calculer les cumuls de précipitations sont en grande partie liées
aux radiances mesurées par les satellites dans le domaine spectral des longueurs d’onde visible (VIS),
infrarouge (IR), micro-ondes active (AMW) et/ou passive (PMW). De plus, des approches combinées
comme par exemple infrarouges/micro-ondes sont utilisées. Dans cette partie, nous reviendrons
brièvement sur ces techniques de mesure.

Domaine du visible et infrarouge

Les mesures dans le domaine du visible et de l’infra-rouge issues de radiomètres embarqués

sur des satellites météorologiques ont constitué les premières sources d’information hors sol sur la
pluviométrie. Les mesures de brillance et/ou de température au sommet des nuages issues
d’échantillonnages temporel (toutes les 15 minutes) et spatial (<3km) sont réalisées par des satellites
géostationnaires (Arkin 1979; Arkin & Meisner 1987; Ringard 2017). Les estimations des cumuls
issues de relations incluant la température nuageuse peuvent être entachées de biais systématiques
dus à la semi-transparence des cirrus au domaine VIS (nuages froids non précipitants mais considérés
comme tels), à un effet d’écran de nuages multicouches possédant une couche nuageuse non
précipitante, ou encore par la forte dépendance à la saisonnalité et à la localité de la relation entre la
température du sommet du nuage et les volumes de précipitations au sol. Malgré la complémentarité

74
Thèse | Romual Chery
entre les mesures VIS et IR, les biais constatés ont mis en évidence la nécessité d’utiliser d’autres
sources de rayonnement.

Domaine des micro-ondes passives et actives

Les micro-ondes (MO) dont le domaine spectral est compris entre 1 mm et 30 cm (10-300
GHz) peuvent, elles aussi, interagir avec les nuages et les précipitations (pluies et glace) par
absorption (non résonante) et par diffusion (théorie de Mie). Ces propriétés permettent de réaliser de
la télédétection passive ou active en tout temps. Les micro-ondes fournissent des informations sur les
structures internes des nuages alors que l’IR thermique ne fournit qu’une image du sommet de
ceux- ci. La diffusion par l’eau ou par la glace dépend de la fréquence des MO (fréquence élevée
diffusion par la glace prépondérante). Les cirrus (nuages constitués de petits cristaux de glace) sont
transparents aux MO tandis que pour les systèmes convectifs tropicaux l’absorption par les gouttes
d’eau est prépondérante aux basses fréquences (19 et 36.5 GHz). La diffusion par la glace est le
phénomène le plus important aux fréquences élevées (86 GHz).

Les micro-ondes passives

Les capteurs passifs sont en général des radiomètres, par exemple le Microwave Sounding
Unit (MSU, 1978, le satellite Tiros) à quatre canaux ou plus (50 et 60 GHz) et l’Advanced Microwave
Sounding Unit (AMSU, 1998, le satellite NOAA 14). Les capteurs spéciaux micro-ondes/imageur
(SSM/I : Special Sensor Microwave/Imager) du programme de satellite météorologique de défense
américain (DMSP), le sondeur d’humidité à micro-ondes (MHS : Microwave Humidity Sounder) du
programme européen EUTMETSAT fournissent à la communauté scientifique des données
d’observations spatiales depuis plus d’une vingtaine d’années.
Les radiomètres énumérés ci-dessus permettent d’estimer plusieurs paramètres
météorologiques comme la température, la vitesse du vent près de la surface, la vapeur d’eau totale

75
Thèse | Romual Chery
en colonne, l’eau liquide totale du nuage en colonne ou en basse altitude, l’humidité spécifique et les
précipitations à basse altitude.

Les micro-ondes actives

Lorsque les capteurs micro-ondes sont aussi des émetteurs, c’est à dire lorsqu’ils fournissent
leur propre source de rayonnement, la télédétection est appelée active. Ces capteurs peuvent être soit
des capteurs classiques ou des imageurs. Les capteurs non-imageurs peuvent être des altimètres et
des diffusiomètres. Le système actif le plus répandu est le « Radio Detection And Ranging »
vulgairement appelé radar. C’est à partir de la mesure du rayonnement rétro-diffusé de cette dernière
que les différentes cibles sont discernées. Les mesures de rétrodiffusion au-dessus des océans peuvent
aussi être utilisées pour estimer les vents en se basant sur la rugosité de la surface de la mer. Les
micro-ondes actives sont le seul dispositif de mesure pour lequel existe une relation explicite entre le
signal et l’intensité de précipitations (Li et al. 2015).

En 1997, la mission TRMM (Tropical Rainfall Measuring Mission) est la première mission
spatiale dédiée à l’étude des précipitations tropicales à être lancée (Kummerow et al., 1998). Ce
satellite est le premier à être équipé d’un radar pour les précipitations (bande K- 13.8 GHz), en plus
du radiomètre à micro-ondes passif TMI (TRMM Microwave Imager).

Du spectre électromagnétique vers l’intensité pluviométrique : Les algorithmes

Domaine Visible - Infrarouge

Chronologiquement, c’est dans ce domaine spectral que les méthodes indirectes ont été
utilisées pour produire des informations sur les précipitations par télédétection. Elles ont prouvé toute
leur importance en raison du faible échantillonnage des radars au sol et de la faible distribution des
pluviomètres. La bibliographie consultée montre qu’elles sont au nombre de quatre :

76
Thèse | Romual Chery
 - des lois de puissance non linéaire entre la température au sommet des nuages et les estimations
du taux de précipitations dérivées du radar sol et divers masques (Griffith et al. 1978),
- un hydroestimateur (HE) plutôt utilisé pour les systèmes convectifs intenses (Gilberto A.
Vicente et al. 1998; G. A. Vicente et al. 2002),

- l’indice de précipitations (GPI) (Arkin & Meisner 1987) adapté à l’estimation des
précipitations cumulées mensuelles,
- l’algorithme GOES Multispectral Rainfall Algorithm (GMSRA) qui intègre les informations
sur les particules au sommet des nuages et tire parti d’une meilleure résolution spectrale des
5 canaux du satellite GOES (Ba & Gruber 2001).

Combinaison IR-Micro-onde : Technique de morphose

D’autre part, Joyce et al. (2004) combinent les informations de propagation spatiale des
données des satellites géostationnaires IR pendant les périodes où les données instantanées PMW,
issues des satellites à faible orbite, indisponibles à un endroit donné, pour propager des estimations
de précipitations dérivées de PMW dans le temps et l’espace (Joyce et al. 2004). Ces méthodes sont
à l’origine des données du Climate Prediction Center MORPHing (CMORPH).

Réseaux de neurones

Les réseaux de neurones artificiels sont une autre technique utilisée. A l’aide de mesures
passives micro-ondes et infrarouges par satellite, d’un système pré-déterminé de classification des
nuages (CCS), de relations entre la température au sommet des nuages et les précipitations, des
réseaux de neurones ont été entraînés pour estimer les cumuls pluviométriques. Ces méthodes
aboutissent à un produit global appelé Precipitation Estimation from Remotely Sensed Information
using an Artificial Neural Network (PERSIANN). Les résultats montrent de bons coefficients de
corrélation pour une grille de 0.25° à l’échelle mensuelle (Tapiador et al. 2004).

77
Thèse | Romual Chery
3.1.3 Bases de données globales

Dans cette partie, nous énumérerons brièvement cinq des principales bases de données globales,
utilisées par la communauté scientifique pour réaliser des analyses en climatologie. Elles sont
disponibles en accès libre par téléchargement. Ce sont des combinaisons entre les mesures satellites,
les stations sol et modèles numériques. Tous ces outils de modélisation allant de la régression simple
aux réseaux de neurones, des codes numériques météorologiques incluant de nouvelles
paramétrisations, l’assimilation des données d’observation montrent l’engouement et les progrès
réalisés pour mettre à disposition de la communauté scientifique ces bases de données.

Nous évoquerons aussi le cas des réanalyses. Nous n’avons pas jugé utile de rentrer dans le
détail de leur conception car une abondante bibliographie existe sur ces produits. Les produits
globaux évoqués sont Tropical Rainfall Measuring Mission (TRMM), Global Precipitation
Measurement (GPM), Climate Prediction Center MORPHing Technique, PERSIANN CDR, Climate
Hazards InfraRed Precipitation with Stations (CHIRPS) et les réanalyses. Ces bases globales de
conception complexe sont utiles aux études d’impact en particulier pour les territoires comme la
République d’Haïti.

3.1.3.1 Tropical Rainfall Measuring Mission (TRMM)

La mission de mesure des précipitations tropicales (TRMM) est une mission conjointe datant
de 1997, fruit d’une collaboration entre la National Aeronautics and Space Administration (NASA)
des États-Unis et la National Space Development Agency (NASDA) du Japon (Kummerow et
al. 1998). Elle met à disposition plusieurs produits dont les versions 3B42 et 3B43, à une résolution
spatiale de 0.25° pour une couverture de 50°N à 50°S depuis 1998 (https://climatedataguide.ucar.ed
u/climate-data/trmm-tropical-rainfall-measuring-mission).

78
Thèse | Romual Chery
3.1.3.2 Global Precipitation Measurement (GPM)

Le dispositif Global Precipitation Measurement (GPM) est le successeur de TRMM. En 2014,

la NASA et la Japan Aerospace and Exploration Agency (JAXA) ont coopéré pour établir une
nouvelle norme dans la mesure des précipitations depuis l’espace pour fournir une nouvelle
génération d’observations mondiales des précipitations, chutes de neige dans toutes les régions du
monde. Les capteurs GPM étendent la plage de mesure atteinte par TRMM aux précipitations de
faible intensité (<0.5 mmh−1). Ces chutes de neige représentent une fraction importante des
précipitations aux latitudes moyennes et élevées (Mugnai et al. 2007 ; Kulie et Bennartz 2009). Les
données sont disponibles dans les 3-5 heures suivant l’observation avec une résolution spatiale de 3
à 5 km (Hou et al. 2014).

3.1.3.3 Climate Prediction Center MORPHing Technique (CMORPH)

Les précipitations par satellite- Climate Prediction Center MORPHing (CMORPH) sont des
estimations corrigées des biais puis retraitées à l’aide de la technique de morphing (cf chapitre 3.1.2)
du Climate Prediction Center (CPC) pour former une analyse globale des précipitations à haute
résolution. Elles sont produites entre 60°N et 60°S, sur une grille de 0.072°de résolution toutes les
demi-heures depuis janvier 1998 jusqu’à aujourd’hui (https://www.ncei.noaa.gov/products/climate-
data-records/precipitation-cmorph).

3.1.3.4 PERSIANN CDR

Le produit global Precipitation from Remotely Sensed Information using Artificial Neutral
Networks – Climate Data Record (PERSIANN CDR) est un produit quotidien quasi mondial des
précipitations qui s’étend de 1982 à 2020 (https://www.ncei.noaa.gov/products/climate-data-
records/precipitation-persiann). Les données d’entrée de PERSIANN proviennent des données
satellitaires maillées du canal IR de l’International Satellite Cloud Climatology Project B1 (ISCCP).
D’autres données d’entrée ont été prises en compte comme les précipitations moyennes du projet
GPCP v2.2 2.5 issues de sources satellitaires et terrestres. Ces dernières ont une résolution de 2.5°.

79
Thèse | Romual Chery
La couverture s’étend de 60° S à 60° N et de 0° à 360° de longitude à une résolution spatiale de 0.25°
toutes les 3h.

3.1.3.5 Réanalyses

Les réanalyses météorologiques sont des méthodes et calculs numériques d’assimilation

utilisées a posteriori et destinés à proposer, sur une période considérée et pour l’ensemble du globe,
des données météorologiques maillées de surface et d’altitude. Elles sont produites à partir
observations météorologiques disponibles telles que les mesures au sol, les radiosondages, les radars
et les observations spatiales (Kalnay et al. 1996; Kobayashi et al. 2015; Sun et al. 2018; Hersbach et
al. 2020). Les quatre grands producteurs de ce type de données sont : l’European Centre for Medium-
Range Weather Forecasts (ECMWF), le National Centers for Environmental Prediction et National
Center for Atmospheric Research (NCEP/NCAR), la National Aeronautics and Space Administration
(NASA) et le Japanese Meteorological Agency (JRA).

Malgré la présence de certains biais, c’est un atout complémentaire pour la communauté

scientifique dans l’analyse du climat.

3.1.3.6 Climate Hazards InfraRed Precipitation with Stations (CHIRPS)

Le produit global appelé Climate Hazards InfraRed Precipitation with Stations (CHIRPS) a
été conçu par le Climate Hazard Center (CHC), pour des régions souffrant d’insécurité alimentaire et
de stress hydrique ayant un réseau d’observations dispersé. L’objectif était de fournir une base de
données climatologiques pour surveiller implicitement la sécheresse agricole et le changement
environnemental (C. Funk et al. 2015). CHIRPS permet aussi de replacer les extrêmes climatiques
récents dans un contexte historique.

80
Thèse | Romual Chery
Le processus de construction de CHIRP et CHIRPS se fait en deux étapes. Nous les présenterons
succinctement et nous fournissons ci-dessous le schéma récapitulatif de construction (figure 3-1) de
ce produit global, extrait des travaux de Funk et al. (2015).

Figure 3-1: Aperçu du processus et de la validation de CHIRPS. Schéma de production et d’application de CHIRPS
(Funk et al. 2015).

La première étape utilise la climatologie des normales des précipitations mensuelles du Climate
Hazards Group’s Precipitation Climatology, les précipitations quasi-globales par satellite IR et des
indicateurs physiographiques comme l’altitude, les latitude et longitude. Les produits satellitaires
sont des champs moyens mensuels issus des estimations des précipitations :

- par micro-onde du Tropical Rainfall Measuring Mission 2B31 et 3B42 pentadal precipitation
(Huffman et al. 2007),

- par infrarouge et micro-onde du Climate Prediction Center MORPHing Technique

(CMORPH) (Joyce et al. 2004).

La variable température est utilisée puisqu’intégrée par l’intermédiaire des températures

moyennes mensuelles de radiance infrarouge de satellites géostationnaires (Janowiak et al. 2001) et
par les observations issues du Moderate Resolution Imaging Spectrometers (MODIS) (Wan 2008).
L’ensemble des données est rééchantillonné selon une grille de 0.05° pour conduire à CHPClim.
La seconde étape consiste à utiliser des estimations de précipitations fondées sur les processus
physiques liés aux nuages froids appelés « durée du nuage froid » ou en anglais « Cold Cloud

81
Thèse | Romual Chery
Duration (CCD) » (C. C. Funk et al. 2014 ; C. Funk et al. 2015). Le CCD est une mesure de la durée
pendant laquelle un pixel donné est couvert par des nuages froids élevés. La procédure d’estimation
utilise le seuil de 235 K. Le produit natif est généré sous forme de pentades. Les pentes de régression
des précipitations obtenues à 0.25° pour des pentades sont rééchantillonnées sur une grille de 0.05°.
Les estimations de chaque pentade sont ensuite transformées en une fraction de la normale. La
fraction s’obtient par la division de la valeur obtenue dans une cellule de la grille TMPA 3B42 v7,
par les estimations de précipitation moyenne sur la période envisagée. Elle est ensuite multipliée par
la valeur correspondante de CHPclim pour produire les estimations CHIRP.

CHIRP inclut deux archives géosynchrones mondiales de données thermiques IR (TIR), l’archive
Globally Gridded Satellite (GriSat) de 1981 à 2008 produite par le National Climate Data Center de
la NOAA et l’ensemble de données fournies par la NOAA depuis 2000 jusqu’à nos jours. Les
premières années de l’archive GriSat ont fréquemment des pixels avec des observations TIR
manquantes. Lorsque ces valeurs TIR manquantes entraînent des estimations CHIRP manquantes,
elles sont remplacées par celles issues des champs de réanalyse CFS version 2 non biaisés.

Ensuite, le produit définitif CHIRPS est obtenu par fusion avec des données provenant de
stations sol. Ces données sol proviennent du GHCN mensuel et quotidien, du Global Summary of the
Day (GSOD), GTS et du Southern African Science Service Center for Climate Change and Adaptive
Land Management (SASSCAL, www.sasscalweathernet.org).

CHIRPS a une couverture quasi-globale (50°S-50°N, 180°E-180°W) à haute résolution

spatiale (0.05°x 0.05°) et débute en 1981. Les données de CHIRPS sont disponibles aux échelles
temporelles suivantes : quotidienne, pentade, mensuelle et annuelle. Les valeurs données
correspondent à une pluviométrie observée sur une surface d’environ 25 km2. Des informations plus
détaillées sont données dans les articles de Funk et al. (2014; 2015).

En conclusion, ce bilan nous montre que les scientifiques disposent actuellement de plusieurs
bases de données globales permettant l’analyse du climat dans la Caraïbe. Ce sont de véritables atouts
complémentaires utiles aux territoires insulaires dépourvus de réseaux de mesure adaptés et/ou
insuffisants.

82
Thèse | Romual Chery
 3.1.4 Tableau récapitulatif

Résolution Couverture Résolution Couverture Ajustement Référence

Stations Sources
spatiale spatiale temporelle temporelle
Satelitte 0.25ᵒ 50ᵒS – Quotidienne, 1998 GPCC (Huffman
TRMM-3B43 50ᵒN et al.
mensuelle
2007)
Satelitte 0.1ᵒ 60ᵒS – 30mn/3h/quotidienne, 2000 – présent, (Hou et
GPM 60ᵒN mensuelle 2015 pour les 30mn/ al. 2014)
3h et quotidien
Satelitte 0.25/8 km 60ᵒS – 30mn/3h/quotidienne 2002 - présent (Joyce et
CMORPH
60ᵒN al. 2004)
PERCIANN- Observation, 0.25ᵒ 60ᵒS – 3h/6h/quotidien 1983 – présent GPCC
CDR Satelitte 60ᵒN
Observation, 0.05ᵒ 50ᵒS – Pentade/quotidien/ 1981 – présent GHCN, (C. Funk
Satelitte, 50ᵒN mensuelle GSOD, et al.
CHIRPS
Réanalyses GTS, 2015)
SASSCAL
1950-présent (Hersbach
ERA5 Réanalyses 31 km global horaire et al.
2020)

Tableau 3-1: Information sur les bases de données internationales mentionnées dans la sous-section 3.1.3.

83
Thèse | Romual Chery
3.2 Bases de données utilisées dans cette étude

Dans cette partie, nous décrirons le réseau de mesure au sol historique et actuel d’Haïti et nous
présenterons le processus de contrôle de qualité des données sol retenu. Nous montrerons la nécessité
d’utiliser un produit global. Notre choix s’étant porté sur CHIRPS.

Les séries temporelles de cumuls pluviométriques obtenus des stations de mesure de l’UHM et
celles dans la base de données globale maillée CHIRPS sont disponibles à plusieurs fréquences
temporelles : annuelle, trimestrielle, mensuelle et journalière.

3.2.1 Données d’observation de l’UHM

Comme nous l’avions déjà décrit dans la partie bibliographique, Haïti dispose d’un réseau
pluviométrique vieux d’au moins d’un siècle et demi. Malheureusement, peu de ces bases de données
ont pu être numériquement archivées pour les rendre disponibles aux analyses scientifiques. Dans
cette étude, les données d’observation sol utilisées sont la propriété de l’UHM. Elles ont été
gracieusement mises à notre disposition par la direction de cet établissement. Ce sont des fichiers en
format Excel contenant les données mensuelles de 115 stations et de 7 stations au quotidien. Ces
données sont caractérisées par de nombreux manquements. A travers ces fichiers, nous avons
souligné l’énorme contribution des Frères de l’Instruction Chrétienne (F.I.C) dans la collecte des
données pluviométriques sur tout le territoire haïtien.

Échelle mensuelle

D’un point de vue temporel, pour illustrer la qualité et la disponibilité des séries, il est d’usage
de tracer l’évolution du nombre de mesures par mois pour une période donnée. La figure 3-2
représente cette évolution pendant 120 ans, soit de 1900 à 2019. Dans le détail, cette évolution peut
être séparée en cinq plages temporelles qui se caractérisent par :

84
Thèse | Romual Chery
 - plage 1 (1900 à 1920) : Pendant cette vingtaine d’années, le réseau d’observations au sol
comprenait moins d’une vingtaine de mesures pluviométriques par mois pour la plupart
rassemblées autour des villes du Cap-Haïtien et de Port-au-Prince. Plusieurs départements
n’avaient qu’une station archivée (Grand’Anse, Sud, Sud-est, Nord-Est et Nord-Ouest).
- plage 2 (1921 à 1968) : Constituée de plus d’une quarantaine d’années, cette plage est la
période la plus longue pendant laquelle les 66 stations reparties dans tout le pays assuraient
une couverture spatiale quasi complète du territoire.
- plage 3 (1969-1976) : Période la plus courte, moins de 10 ans, la plage 3 indique le début du
déclin de la couverture météorologique du territoire avec moins de 35 stations.
- plage 4 (1977 à 1996) : Pendant ces vingt années, le nombre de stations déployé est devenu
supérieur à la plage 2, octroyant à cette plage la couverture météorologique la plus complète.
Le nombre de mesures par mois a connu une augmentation et passe par un maximum, 79
mesures en novembre 1980, pour décroitre progressivement voire brutalement à partir de
1990.
- plage 5 (1997-2019) : C’est la plage actuelle qui comprend moins de 15 mesures pour tout le
territoire.

En 2019-2020, accueilli à l’UHM, nous avons pu observer que des efforts sont effectués par
la direction et le personnel pour continuer à réaliser l’archivage numérique des fiches contenant
des relevés manuels de données de précipitation et de température archivés et conservés à l’Unité.

La comparaison de cette évolution à celle fournie par de Moron et al. (2015), figure 3-3, révèle
des proportions trouvées et des allures quasiment identiques pour les deux figures. Ces auteurs ont
tracé le même type de graphe pour une période différente soit de 1865 à 2006. Une différence pour
la plage temporelle 4 (1977-1996) a été observée. Dans nos travaux, à cette période, le nombre de
stations par mois connait une augmentation alors que ceux de Moron montrent une diminution.

Pour montrer une évolution spatiale, nous avons aussi représenté sur la carte d’Haïti, figure
3-4, les différents points stations de chacune des plages mentionnées ci-dessus. Cette figure permet
de se rendre compte de la variabilité de l’étendue spatiale du réseau pluviométrique en Haïti depuis
l’année 1900.
85
Thèse | Romual Chery
Figure 3-2 : Évolution du nombre de stations de mesure au sol par mois sur le territoire de 1900 à 2019 : plage 1 (1900 à
1920), plage 2 (1921 à 1968), plage 3 (1969-1976), plage 4 (1977 à 1996) et plage 5 (1997-2019).

Figure 3-3 : Disponibilité par mois des stations de mesure de précipitations en Haïti pour la période de 1863 à 2006 (par
rapport à 156 stations considérées (couleur orange) dont 78 (couleur rouge) ayant au moins 240 mois de 1922 à 1968,
(Vincent Moron et al. 2015).

86
Thèse | Romual Chery
 a) b)

c) d)

e)

Figure 3-4 : Localisation des stations pluviométriques en fonctionnement (en rouge) pendant les périodes de a)1900-
1920, b)1921-1968, c)1969-1976, d)1977-1996 et e)1997-2019. Les points coloriés en noir localisent les chefs-lieux
des départements. Les points rouges identifient les stations. Contributeurs : FIC et UHM.

Si on compare le nombre de stations ayant des mesures pluviométriques jusqu’en en 2018 à

la période 1977-1996, figure 3-4d, seuls 11.4 % des stations, soit neuf stations sur 79, sont encore
en fonctionnement.

87
Thèse | Romual Chery
 Échelle journalière

Contrairement au pas mensuel, les fichiers de données complets au pas journalier sont plus
rares. Seulement six stations ont des séries pluviométriques journalières quasi-complètes. Ces
stations sont situées dans les communes de Cap-Haïtien, Ouanaminthe pour la région nord, Cayes,
Jacmel, Jérémie pour la région du sud et Delmas pour la région ouest. Les morcellements observés
dans les séries temporelles sont dus aux données manquantes, à la présence de doublons et à des
cumuls journaliers aberrants. Les principales caractéristiques de ces six stations sont données dans le
tableau 3-2.

Station Longitude Latitude % NA Période

Cap-Haïtien -72.1956 19.7334 0.2 1981-2018
Cayes -73.7468 18.1929 28.5 1981-2018
Delmas 72.3032 18.5542 6.2 1988-2018
Jacmel -72.5361 18.2361 15.6 1981-2018
Jérémie -74.1194 18.6361 21.6 1996-2018
Ouanaminthe -71.7147 19.5489 3.7 1988-2018

Tableau 3-2 : Coordonnées des stations de données pluviométriques journalières. Les deux dernières colonnes indiquent
le pourcentage de données manquantes et leur période de disponibilité.

Ne disposant pas de fiches méthodologiques accompagnant les fichiers fournis par l’UHM,
nous avons supprimé les erreurs de mesure rencontrées sur les données pluviométriques en appliquant
la procédure suivante :

- Suppression des cumuls journaliers doubles des stations,

- Suppression des stations ayant 30% de données manquantes,
- Suppression des cumuls journaliers manquants pour les stations restantes,
- Suppression des années n’ayant aucun cumul mensuel,
- Suppression des années ayant un nombre de mois inférieurs à six.

88
Thèse | Romual Chery
Figure 3-5 : Réseau des 10 stations sol retenues comme stations de référence dans cette étude ; Contributeurs FIC et
UHM. Pas quotidien : Cap-Haïtien, Cayes, Delmas, Jacmel, Jérémie et Ouanaminthe. Pas mensuel : l’ensemble des
stations sauf celle de Jérémie.

En conclusion, depuis au moins deux décennies, il y a une raréfaction des données sol en Haïti.
Les séries épurées de ces stations sol nous serviront d’observations de référence et la procédure de
contrôle de qualité décrit précédemment a permis de retenir six stations au pas journalier, période
1981-2018, et neuf stations au pas mensuel, période de 1961-2018 (figure 3-5). Elles proviennent
d’un réseau pluviométrique actuel largement incomplet par rapport à la superficie du territoire.

89
Thèse | Romual Chery
3.2.2 Base de données globales : Climate Hazards
InfraRed Precipitation with Stations (CHIRPS)

Pour cette étude, l’état du réseau de mesure sol en Haïti oriente notre choix vers l’utilisation
d’une base de données globales. Elle doit permettre de produire des indicateurs et d’extraire des
tendances du changement climatique en Haïti. Pour un territoire insulaire, montagneux ayant peu de
stations sol, cette base peut être utilisée à condition d’avoir :

- des valeurs spatialisées disponibles à plusieurs pas de temps : journalier, pentade, mensuel et
annuel qui pourront être cumulées et /ou moyennées sur des fenêtres infra saisonnières;

- une période couverte suffisamment longue au moins supérieure ou égale à 30 ans;

- des valeurs disponibles calculées pour un réseau spatial fin prenant en compte la
physiographie et en particulier l’altitude;

- la fusion de données issues des stations sol, de satellites et/ou de réanalyses.

Dans nos travaux, nous utiliserons le produit global CHIRPS aux échelles annuelles,
mensuelle et journalière. Ces données sont disponibles en ligne à l’adresse : https://data.chc.ucsb.ed
u/products/CHIRPS-2.0/.

Sur la République d’Haïti, 921 mailles sont disponibles (figure 3-6). Dans le détail, les
départements du Centre, Grand’Anse, Artibonite, Nippes, Nord, Nord’Est, Nord’Ouest, Ouest, Sud
et Sud-Est contiennent respectivement 122, 64, 169, 44, 70, 54, 72, 169, 90 et 67 mailles. Elles
confèrent une couverture spatiale suffisante de l’ensemble du territoire, de 1981 à 2020, soit 40 ans.

Il nous a paru indispensable de vérifier l’intégration des stations de surface locales provenant
d’Haïti dans la construction de ce produit global. Le tracé de la figure 3-7 montre l’évolution dans le
temps du nombre de stations utilisées. Nous avons aussi fait figurer le nombre de stations utilisées
dans d’autres territoires des Grandes Antilles proches d’Haïti : Cuba, République Dominicaine et la

90
Thèse | Romual Chery
Jamaïque. Au bilan, le nombre de stations de surface provenant d’Haïti est le plus faible sur toute la
période analysée.

Figure 3-6 : Points de grille du réseau CHIRPS sur la République d’Haïti, Résolution : 0.05° x 0.05°.

Figure 3-7: Figures montrant le nombre de séries chronologiques d’observation au sol d’Haïti, de la République
Dominicaine, de Cuba et de la Jamaïque pris en compte dans le processus de construction de CHIRPS pour 1981-2022.

91
Thèse | Romual Chery
 Bien que les produits globaux qui reposent sur les observations spatialisées ne sont pas
exempts de déficiences, CHIRPS satisfait aux critères de choix énumérés au début de cette section.
Pour cette étude, les données pluviométriques de l’UHM et de CHIRPS, fusion de mesures au sol
(GHCN), de satellites (TRMM et CMORPH) et de réanalyses (CFS) permettront de mettre en lumière
les analogies et les différences climatiques entre des zones géographiques constitutives d’Haïti,
d’étudier la variabilité inter et intra annuelle des précipitations et les tendances des précipitations
extrêmes.

3.3 Synthèse des méthodes d’analyse

Pour étudier à différentes échelles l’évolution récente et la variabilité spatio-temporelle des

pluies, réactualiser la carte des précipitations, déterminer des éventuelles tendances dans le régime
climatologique des précipitations et dans les pluies extrêmes dans le temps et de façon objective en
Haïti, nous utiliserons au plus 9 stations sol et 921 mailles du produit global CHIRPS.

Ainsi, nous évaluerons les performances des données en calculant la racine carrée de l’erreur
quadratique (Root Mean Square Error_RMSE en anglais), le critère d’efficacité de Kling-Gupta
(KGE) et proposerons la régression orthogonale de Deming pour quantifier la relation entre les
précipitations observées au sol et celles de CHIRPS. Les ruptures seront détectées. Des méthodes de
moyenne mobile et l’indice de précipitations normalisé (Standard Precipitation Index, SPI en anglais)
seront utilisés pour rechercher les variabilités structurelles et relatives et les tendances au pas de
temps annuel, saisonnier et mensuel. Nous appliquerons un modèle linéaire généralisé pour étudier
l’évolution des pluies intenses et extrêmes en Haïti. Nous fournirons des indicateurs pouvant
quantifier et rendre compte de toute évolution.

92
Thèse | Romual Chery
 Pour les cumuls saisonniers cyclones et hors cyclones, nous avons opté pour un découpage
temporel de 3 mois successifs en commençant en décembre soit DJF, MAM et SON. Pour une année
n, la période DJF comprend les mois de décembre de l’année (n-1) ainsi que les mois de janvier et
février de l’année n. La réactualisation des cartes pluviométriques sera réalisée avec des méthodes de
classification.

3.3.1 Mesure des performances des bases de données

3.3.1.1 Racine carrée de l’erreur quadratique moyenne (RMSE)

La racine carrée de l’erreur quadratique moyenne (RMSE) correspond à la racine carrée de la

moyenne des écarts entre la valeur du produit global notée gi et celle observée au sol si. La racine
carrée permet d’exprimer cette quantité dans l’unité du paramètre utilisé. Cette méthode permet
d’enlever le biais moyen et de conserver l’erreur résiduelle.

𝑛
(𝒈𝒊 − 𝒔𝒊 )2
𝑅𝑀𝑆𝐸 = √∑ (𝐸𝑞. 1)
𝑛
1

La quantité n représente la longueur de la série.

3.3.1.2 Critère d’efficacité de Kling-Gupta

Le critère de Kling- Gupta est un critère de type distance euclidienne qui permet de comparer
deux séries de données entre elles. Il regroupe le coefficient de corrélation r, le rapport d’écart-type
𝛼, le rapport de moyenne 𝛽 entre les pixels CHIRPS et les points sol selon la formule suivante (Gupta
et al. 2009):

𝐾𝐺𝐸 = 1 − √(𝑟 − 1)2 + (𝛼 − 1)2 + (𝛽 − 1)2 (𝐸𝑞. 2)

93
Thèse | Romual Chery
 𝜇𝑠𝑖𝑚
avec r , leur coefficient de corrélation, 𝛽 = , le rapport des moyennes 𝜇𝑠𝑖𝑚 (CHIRPS) et 𝜇𝑜𝑏𝑠 ,
𝜇𝑜𝑏𝑠
𝜎𝑠𝑖𝑚
𝛼= , 𝜎𝑠𝑖𝑚 et 𝜎𝑜𝑏𝑠 , étant les écart-types.
𝜎𝑜𝑏𝑠

La corrélation décrite par le coefficient r permet de vérifier la concomitance entre les valeurs
du produit global et celles des observations. r est un indice de qualité de la force de liaison entre les
pixels CHIRPS et les points sol.

3.3.2 Mise en évidence des tendances

3.3.2.1 Régression linéaire orthogonale de Deming

En général, les calculs de régression sont faits entre une variable indépendante ou explicative
(observations au sol) et une variable dépendante ou expliquée (données de CHIRPS). Dans les
régressions classiques, la variable explicative ne contient pas d’erreurs. Utilisée dans le KGE, cette
approche peut être mise à défaut, car la prise en compte des erreurs dans les cumuls observés au sol
n’est pas effective.
Dans cette partie, nous proposons une autre approche en termes de régression appelée
régression de Deming qui prend en compte ces erreurs. Elle consiste à comparer les deux jeux de
données en ajustant une droite de régression orthogonale entre les mesures observées au sol (Axe des
x) et celles de la base CHIRPS (Axe des y). La régression orthogonale est donc une technique
permettant d’ajuster une droite à des données bidimensionnelles où les deux variables sont mesurées
avec erreur et en particulier pour les situations où celles-ci sont proportionnelles. Les erreurs standard
sont estimées par la méthode jackknife (Linnet K.,1990).

3.3.2.2 Décomposition saisonnière de séries

Dans cette partie, notre objectif sera de désaisonnaliser les valeurs pour mieux interpréter
l’historique des cumuls et dégager de possibles tendances dans les deux bases de données. La série
peut être décomposée selon le modèle additif suivant :
94
Thèse | Romual Chery
 𝑌𝑡 = 𝑆𝑡 + 𝑇𝑡 + 𝑅𝑡 (𝐸𝑞. 3)

avec, 𝑌𝑡 , la valeur de la série chronologique ; 𝑆𝑡 , la composante saisonnière, 𝑇𝑡 , la tendance, 𝑅𝑡 le

résidu et t, le pas mensuel. Le modèle additif a été choisi car nous avons considéré que l’amplitude
des fluctuations saisonnières ou la variation autour d’un cycle tendanciel varie peu avec le niveau des
séries pluviométriques analysées.

Le terme Tt est la tendance à long terme que nous tenterons d’identifier et Rt est la variabilité
à court terme. Cette dernière peut provenir de la variabilité ou fluctuation naturelle mesurée ou
d’erreurs artificielles par exemple celles dues aux problèmes d’instrumentation. Pour détecter
d’éventuelles tendances, une décomposition saisonnière classique à l’aide de la moyenne mobile a
été effectuée.

3.3.2.3 Autocorrélation des séries

L’autocorrélation des séries de pluviométrie mensuelle a été calculée en utilisant les outils
disponibles dans le logiciel R (fonction acf du package MASS).

95
Thèse | Romual Chery
3.3.3 Classification et identification de régimes pluviométriques

Dans cette partie, nous cherchons à mettre en évidence les régimes pluviométriques récurrents
sur le territoire d’Haïti en prenant en entrée les quarante années de données mensuelles du produit
global CHIRPS soit de 1981 à 2020. Pour cela, nous utiliserons les méthodes de partitionnement
automatique, appelée « Clustering » auxquelles nous intégrerons une mesure de dissimilarité appelée
Distance-Experte (ED). Cette méthode a été développée au Laboratoire de Recherche en Géosciences
et Énergies (LARGE) de l’Université des Antilles et publiée dans les travaux de Biabiany et al (2020)
et de Bernard et al. (2022). Elle repose sur trois étapes : un découpage spatial reposant sur les spéci-
ficités du territoire étudié, la représentation en histogrammes des données en fonction de bornes pré-
définies et du calcul de la mesure symétrisée entre les histogrammes.

3.3.3.1 Découpage spatial

Au préalable, nous avons réalisé un ACP pour réduire le nombre de variables et supprimer un
éventuel bruit dans les 921 mailles des indices de précipitations normalisé (SPI) pour 480 mois de la
période 1981-2020. Nous avons retenu 19 axes principaux, soit 95% de l’inertie.

Ensuite, une Classification Ascendante Hiérarchisée (CAH) a été réalisée. Elle permet de
regrouper successivement les SPI proches selon une distance euclidienne et par le critère de
regroupement de Ward.

Une séparation géographique du territoire selon le SPI est obtenue. C’est une image globale
découpée en plusieurs zones géographiques, appelées par la suite patchs. Pour permettre une
comparaison des cumuls mensuels par patch, l’étape suivante consistera à changer la représentation
des données.

96
Thèse | Romual Chery
3.3.3.2 Changement de représentation

Afin de diminuer la sensibilité spatiale des cumuls mensuels de chaque patch, nous avons
choisi la représentation par histogramme. Déterminées préalablement, les bornes de ces derniers
correspondent aux déciles du jeu de données mensuelles CHIRPS pour la période 1981-2020. Ainsi,
pour chaque donnée mensuelle, on disposera de k histogrammes représentant la dynamique de k
régions obtenues précédemment. Les histogrammes obtenus fournissent la répartition empirique de
la variable aléatoire cumul mensuel. La dernière étape consistera à mesurer la dissimilarité entre les
mois en comparant leurs histogrammes.

3.3.3.3 Divergence de Kullback -Leibler et distance experte

La mesure de la dissimilarité entre les distributions empiriques sous-jacentes, données par les
histogrammes des patchs mensuels, a été calculée par la divergence de Kullback-Leibler (DKL)
(Kullback & Leibler 1951). Reliée aux mesures d’entropie de la théorie de l’information, la DKL n’est
pas une distance au sens mathématique du terme car non symétrique. Cependant, les travaux de
Biabiany et al. (2020) et Bernard et al. (2022) ont montré qu’elle peut remplacer les métriques
usuelles (euclidienne, manhattan, …) utilisées pour comparer les individus dans les algorithmes de
Clustering. Ils l’ont appelée distance experte ou « Expert Distance » et notée ED. Dans ce travail,
nous l’utilisons pour tenir compte des spécificités spatiales du territoire d’Haïti.

L’expression mathématique de DKL est la suivante :

𝑛 𝑃(𝑐)
𝐷𝐾𝐿 (𝑃||𝑄) = ∑ 𝑃(𝑐)𝑙𝑜𝑔 (𝐸𝑞. 4)
𝑐=1 𝑄(𝑐)

où P et Q sont des distributions sous-jacentes de probabilités discrètes, c est l’indice d’une classe
pour chaque distribution et n le nombre de classes de l’histogramme. Pour pouvoir intégrer cette
dissimilarité dans un algorithme de Clustering, il est nécessaire de la symétriser. Nous proposons
d’utiliser une symétrie par somme :

97
Thèse | Romual Chery
 𝐷𝐾𝐿𝑆 (𝑃, 𝑄) = 𝐷𝐾𝐿 (𝑃||𝑄) + 𝐷𝐾𝐿 (𝑄||𝑃) (𝐸𝑞. 5)

Ensuite, la moyenne des dissimilarités entre deux mois j, par exemple m1 et m2 constituera la
distance experte définitive (ED). Elle est obtenue pour p zones par :

𝑝
1
𝐸𝐷(𝑚1 , 𝑚2 ) = ∑ 𝐷𝐾𝐿𝑆 (𝑚1 𝑍𝑖 , 𝑚2 𝑍𝑖 ) (𝐸𝑞. 6)
𝑝
𝑖=1

où mjZi est l’histogramme de la zone avec i variant de 1 à p zones et j représentant l’indice du mois.
Nous l’avons intégrée dans l’algorithme K-Médians ou K-Medoids, noté KMED-ED afin d’effectuer
le partitionnement des cumuls pluviométriques mensuels en Haïti.

Le nombre de groupes (ou clusters) à retenir à l’issue des différents Clustering est déterminé
à partir de l’indice de Silhouette (Rousseeuw 1987). Cet indice permet d’évaluer la qualité du
regroupement obtenu en calculant le rapport entre l’homogénéité de chaque groupe et l’hétérogénéité
des groupes (Biabiany 2020). Le schéma de la figure 3-8 récapitule l’ensemble de la méthode.

Nous avons utilisé les données brutes sans prétraitement.

98
Thèse | Romual Chery
Figure 3-8: Illustration de la procédure de mise en œuvre dans cette étude. Les flèches noires décrivent le flux de données.
Les rouges décrivent les flux de commande et de données.

99
Thèse | Romual Chery
3.3.4 Évolution des pluies extrêmes

Pour caractériser les changements dans les précipitations extrêmes et leurs possibles
évolutions dans le temps, nous proposons de compter par année le nombre d’événements quotidiens
dont les cumuls sont supérieurs à 50 mm sur la période 1981-2018 pour les données d’observations
au sol et de 1981-2020 pour CHIRPS. Ce seuil est celui utilisé par les prévisionnistes de Météo France
dans la région des Antilles. Nous examinerons ensuite les tendances historiques à long terme par
l’intermédiaire d’un modèle linéaire généralisé (en anglais Generalized Linear Model, GLM) sur des
périodes de trente ans.

Ce type de modèle correspond à une approche statistique employée lorsque la variable à

analyser, nombre d’événement par an supérieur à un seuil donné, résulte d’un processus de comptage
(Nelder & Wedderburn 1972) . De façon générale, la variable de comptage aléatoire Y ne correspond
plus à la prédiction moyenne d’une observation mais à la transformation de cette dernière selon :

𝑔(𝜇𝑝 ) = 𝑋𝑝 𝛽 (𝐸𝑞. 7)

avec
𝑌𝑝 ~𝐸𝐹(𝜇𝑝 , 𝜙) (𝐸𝑞. 8)

avec g() une fonction monotone dérivable dite fonction de lien qui transforme le prédicteur linéaire
𝑋𝑝 𝛽 mais ne transforme pas la variable à expliquer 𝑌𝑝 . La quantité 𝜇𝑝 est l’espérance conditionnelle
de la variable 𝑌𝑝 en fonction des p variables explicatives 𝑋𝑝 , soit 𝐸[𝑌 ∣ 𝑋𝑝] = 𝜇𝑝 . Les données de
comptage ne suivent pas une distribution gaussienne et les variations 𝜇𝑝 sont considérées comme
exponentielles dans le temps. À une fonction de lien, correspond généralement une structure d’erreur
notée 𝐸𝐹(𝜇𝑝 , 𝜙) qui dans notre cas est une loi de distribution appartenant à la famille exponentielle
où 𝜙 est un paramètre d’échelle.

Cette approche de l’évolution trentenaire de la fréquence d’événements extrêmes dans le

temps a déjà été utilisée. Dans leurs travaux de 2019, Ribes et al. se sont servis de la régression de
Poisson pour étudier les tendances à long terme dans l’enregistrement historique des événements de
précipitations extrêmes survenant sur la région méditerranéenne française (Ribes et al. 2019).

100
Thèse | Romual Chery
 Dans ce travail, nous utiliserons les trois distributions suivantes : Poisson, Quasi-Poisson et
Binomiale Négative pour spécifier les relations entre la moyenne et la variance des résidus. La
distribution de Poisson suppose qu’il y a une égalité entre l’espérance de la variable aléatoire Y et sa
variance, soit :

𝐸(𝑌) = 𝑣𝑎𝑟(𝑌) = 𝜇 (𝐸𝑞. 9)

𝑎𝑣𝑒𝑐 𝜇 > 0

Dans notre cas, nous proposons comme covariable le temps 𝑡, soit les années civiles. Puisque
𝜇𝑖 > 0, il est naturel de modéliser

𝜇𝑖 = exp(𝛽0 + 𝛽1 𝑡𝑖 ) (𝐸𝑞. 10)

Ce modèle peut être réécrit sous la forme suivante :

log(𝜇𝑖 ) = 𝛽0 + 𝛽1 𝑡𝑖 (𝐸𝑞. 11)

avec 𝛽0 et 𝛽1 sont des coefficients inconnus à estimer.

Cependant, les données de comptage peuvent présenter une surdispersion de la variance

impliquant le non-respect des hypothèses de la distribution de Poisson. En effet, dans certains cas, la
variance n’est pas constante mais proportionnelle aux comptages moyens prédits par le modèle. La
variance augmenterait ou diminuerait au fur à mesure que le comptage évolue. Ces comptages à
variance variable peuvent être modélisés par des lois Quasi-Poisson et/ou Binomiale Négative (Ver
Hoef & Boveng 2007). Pour le modèle Quasi-Poisson, la variance est une fonction linéaire de la
moyenne tandis que, pour le modèle binomial négatif, elle est une fonction quadratique de la moyenne.
Dans ces deux cas, les variances sont respectivement données par :

𝑉𝑎𝑟(𝑌) = 𝜃𝜇 (𝐸𝑞. 12)

𝑎𝑣𝑒𝑐 𝜃 > 1 et
𝑉𝑎𝑟(𝑌) = 𝜇 + 𝑘𝜇 2 (𝐸𝑞. 13)

avec k>0,

101
Thèse | Romual Chery
 Pour plus de détails, la bibliographie suivante peut être consultée (Ver Hoef & Boveng 2007;
Ribes et al. 2019).

L’analyse a été faite pour des périodes d’une durée de 30 ans pour une large gamme de seuils,
soit de 50 à 250 mm en une journée, par pas de 10 mm. Le nombre d’événements est comptabilisé
par année. Si le seuil est atteint à plusieurs stations le même jour, un seul événement est comptabilisé.
La série temporelle de 1981-2020 est découpée par période de 30 ans par pas d’une année. La
première se termine en 2010 et la dernière en 2020.

3.3.5 Mesure de la significativité des résultats

Les méthodes proposées ci-dessus, liens et tendances entre variables, qualité de l’ajustement
des régressions linéaires, possibilités de variables aléatoires spatio-temporelles s’agglomérant autour
d’un petit nombre d’états préférentiels et comportements des extrêmes posent la question des
incertitudes et donc des limites des outils utilisés. Il devient nécessaire de préciser dans la mesure du
possible la significativité des résultats obtenus. Les paragraphes suivants énumèrent les méthodes
utilisées dans cette étude pour caractériser celle-ci.

3.3.5.1 Bootstrap et indice de silhouette

Dans cette thèse, la pertinence des Composantes Principales de l’ACP sera estimée par des
méthodes d’inférence statistique fondées sur des techniques de bootstrap. À partir de l’échantillon
originel d’une variable spatio-temporelle choisie, un « rééchantillonnage » sera effectué par tirage
avec remise, pour quantifier la sensibilité des plans factoriels trouvés et donner de la pertinence à la
réduction des dimensions. Une distribution de N tirages (N>1000) permettra donc de déterminer par
bootstrap un intervalle de confiance à 95 % pour les pourcentages d’inertie calculés pour les axes
factoriels.

102
Thèse | Romual Chery
Pour la distance experte, comme nous l’avons précisé en sous-section 3.3.3.3, le nombre de groupes
(ou clusters) à retenir à l’issu des différents Clustering est déterminé à partir de l’indice de Silhouette
(Rousseeuw, 1987).

3.3.5.2 Test d’hypothèses

Les tests statistiques utilisés dans ce manuscrit serviront à évaluer la preuve statistique fournie
par un échantillon, pour faire émerger une décision quant à la population sous-jacente. Nous citerons
par exemple les tendances en fonction du temps et/ou les possibles liens entre deux variables. La
plupart de ces tests (Fischer, Wilcoxon, Mann kendall, cpt.mean de changepoint….) sont déjà
implémentés dans les langages que nous utiliserons. Les codes estiment les paramètres du modèle,
calculent la statistique du test, déterminent son comportement sous une hypothèse notée H0 et
fournissent la valeur p (p-value). Cette valeur est la probabilité qui mesure le degré de certitude avec
lequel il est possible d’invalider l’hypothèse nulle.

103
Thèse | Romual Chery
 Chapitre 4
Climatologie générale - Mesures des
performances

104
Thèse | Romual Chery
 L’objectif principal de cette partie est de dégager les tendances et les variations éventuelles des
régimes climatologiques des précipitations en Haïti durant ces trente dernières années à partir d’une
analyse probabiliste des bases de données sol et CHIRPS. Le corollaire de l’étude de l’évolution des
précipitations est celui des variations autour de l’état moyen à diverses échelles de temps. Quels sont
les changements et sens des tendances observés des cumuls pluviométriques annuels et saisonniers ?
Peut-on dire qu’on observe de plus en plus de périodes sèches ou pluvieuses ?

Pour y répondre, nous nous intéressons à l’évaluation de performances du réseau global

CHIRPS en Haïti, à l’évolution des cumuls pluviométriques, à la mise en évidence des composantes
et aux éventuels changements de moyenne au cours du temps pour les cumuls annuels et saisonniers.

105
Thèse | Romual Chery
4.1 Répartition spatio-temporelle des cumuls annuels

4.1.1 Cas des séries temporelles issues des observations au sol

La répartition pluviométrique régionale en Haïti peut être éclairée par les répartitions
annuelles des cumuls moyens mensuels observés aux différentes stations d’observation sol.

La figure 4-1 montre la répartition annuelle des cumuls mensuels moyens des neuf stations
de l’UHM sous la forme de diagrammes en bâtons pour la période 1961-2018. Tous les diagrammes
présentent deux maximas centrés sur le mois de mai et octobre-novembre. De façon générale, ces
cumuls croissent de décembre à mai, passent par le premier maximum en mai puis décroissent pour
passer par un minimum en juillet. Ce creux pluviométrique est appelé petite sécheresse d’été ou en-
core « Mid Summer Drought_MSD ». Les cumuls mensuels croissent de nouveau pour passer par un
second maximum pendant la saison cyclonique. Les pics saisonniers, mai et septembre-octobre, no-
vembre pour le nord du pays, indicateurs des deux saisons des pluies ERS et LRS sont bien mis en
évidence. Nous retrouvons les profils types caractéristiques de la région des Antilles (Pérez & Jury
2013; Vincent Moron et al. 2015).

La figure 4-2 illustre par des boîtes à moustaches l’amplitude des différentes distributions de
la variable précipitation annuelle des neuf stations sol de l’UHM. Les trois plus faibles médianes sont
observées à Damien, Delmas (agglomération de Port-au-Prince) et Ouanaminthe (nord du pays). Les
plus élevées sont au Cap-Haïtien (nord), aux Cayes (Sud) et à Juvénat. Les distributions des stations
Cayes, Cap-Haïtien, Damien, Ridorée sont positivement asymétriques, moustache supérieure plus
longue. Les distributions des stations de l’agglomération de Port-au-Prince et celle de Ouanaminthe
sont les plus concentrées car les écarts interquartiles sont faibles.

En complément, le tableau 4-1 résume les principaux paramètres statistiques des cumuls
annuels pour ces cinquante-huit années. Ainsi, les moyennes calculées varient de 1153 à 1948
mm.an- 1, les minima de 585 à 900 mm.an-1 et les maxima de 1900 à 2837 mm.an-1.

La profondeur des séries temporelles permet de calculer trois normales 1961-1990, 1971-
2000 et 1981-2010. Les valeurs calculées sont données dans le tableau 4-2. Elles sont comprises entre
1000-1700 mm.an-1.

106
Thèse | Romual Chery
 Figure 4-1 : Répartition annuelle des cumuls mensuels moyens pour les neuf stations sol de l’Unité
Hydrométéorologique d’Haïti, période 1961-2018.

Figure 4-2 : Boîtes à moustaches de cumuls annuels des neuf stations sol de l’Unité Hydrométéorologique d’Haïti. Les
points rouges représentent les cumuls annuels de 1961-2018. La moyenne est représentée par le point noir.

107
Thèse | Romual Chery
 Sol
Min Q1 Q2 Moyenne Q3 Q95 Q99 Max Q3-Q1 Ecart-type CV
1961-2018
Cap-Haïtien 745.2 1127.4 1402.1 1410.3 1621.2 2063.7 2300.4 2523.6 493.8 357.5 0.25
Ouanaminthe 728.2 1083 1211.3 1255.8 1347.3 1754.6 2074.3 2116.5 264.25 282.5 0.22
Cayes 774.3 1362.7 1641.6 1690.6 1947.4 2654.8 2759.7 2837.9 584.75 476.6 0.28
Jacmel 734.9 1103.5 1275.5 1280.4 1437.8 1690.4 2017.6 2127.5 334.3 279.2 0.21
Ridorée 814.4 1154.2 1398.3 1418.1 1559.2 2049.4 2395.4 2439 405 351.8 0.24
Juvénat 900 1257 1420 1404 1519 1811.4 1863.1 1901 262.5 213.6 0.15
Damien 759.3 1000.4 1101 1153.7 1310 1545.3 1863.5 1974.4 309.6 253.6 0.21
Port-au-Prince 756.2 1101.1 1256.1 1250.6 1404.8 1648.6 1676.5 1687.6 303.76 222.3 0.18
Delmas 585.5 1091.6 1231.8 1231.8 1351.1 1609.1 1866.4 2092.2 259.4 238.9 0.19

Tableau 4-1 : Statistiques des 9 stations sol, Période 1961-2018.

Normale Normale Normale

Stations
1961-1990 1971-2000 1981-2010
Cap-Haïtien 1416.07 1343.50 1395.45
Ouanaminthe 1238.29 1213.14 1289.39
Cayes 1656.79 1598.74 1647.55
Jacmel 1239.8 1318.19 1353.80
Ridorée 1416.91 1416.29 1425.57
Juvénat 1386.84 1357.47 1426.45
Damien 1020.74 1077.17 1212.17
Port-au-Prince 1241.08 1245.97 1277.73
Delmas 1174.34 1176.90 1224.63

Tableau 4-2 : Normales climatiques des séries de précipitations sol. Périodes : 1961-1990, 1971-2000 et 1981-2010.

Stations Cap-Haïtien Ouanaminthe Cayes Jacmel Ridorée Juvénat Damien Port-au-Prince Delmas
Cap-Haïtien 0.01 <0.01 0.03 0.8 0.9 <0.01 0.01 <0.01
Ouanaminthe <0.01 0.34 0.01 <0.01 0.01 0.74 0.76
Cayes <0.01 <0.01 <0.01 <0.01 <0.01 <0.01
Jacmel 0.08 <0.01 <0.01 0.6 0.1
Ridorée 0.4 <0.01 0.02 <0.01
Juvénat <0.01 <0.01 <0.01
Damien <0.01 0.04
Port-au-Prince 0.4

Tableau 4-3: Résultats du test de Wilcoxon entre les distributions des cumuls annuels pour les 9 stations sol, période
1961-2018. Les p-value < 0.05 sont matérialisées par la couleur jaune.

108
Thèse | Romual Chery
 Enfin, pour confirmer ou infirmer l’existence de différences entre les séries temporelles, les
cumuls annuels de ces stations ont été comparés entre eux par le test non paramétrique de Wilcoxon.
Le tableau 4-3 donne les valeurs des p-value pour chacune des comparaisons. Les cumuls annuels
sont dissemblables pour les régions du sud (Cayes) et du nord (Cap-Haïtien, Ouanaminthe) et dans
une moindre mesure celles de l’ouest. D’autre part, des différences intrarégionales sont aussi à noter.

4.1.2 Cas des données globales CHIRPS

Les neuf stations de l’UHM restent insuffisantes en nombre pour apprécier l’entière
répartition spatiale des cumuls annuels en Haïti. Pour tester l’adéquation des cumuls mensuels de la
base CHIRPS à ceux du sol, nous avons calculé leurs fonctions orthogonales empiriques (EOF). Pour
cela, il fallait combiner deux critères pour les cumuls mensuels des stations sol : une grande période
temporelle et une large couverture spatiale à partir de 1981. Seules 62 stations sol de la période de
1981-1990 satisfont à ces deux critères. La figure 4-3 montre les motifs spatiaux obtenus pour la
première EOF de chacune de deux bases. A gauche, la carte des stations sol représente bien les régions
sèches de la presqu’ile du nord et les zones plus pluvieuses sur la presqu’ile du sud et la partie est du
territoire. Elle correspond à un pourcentage d’inertie égale à 43%. Cette faible valeur indique des
cumuls éparses et très variables. Par exemple, les fortes précipitations sur les hautes montagnes ne
sont pas bien représentées. A droite, la carte des 62 mailles CHIRPS les plus proches des stations sol
montre un motif quasi similaire. Elle correspond à un pourcentage d’inertie égal à 72%.
Temporellement, elles montrent des évolutions mensuelles quasi identiques. La valeur de la
RMSE est de 3.8 mm.mois-1 (figure 4-4). Ce qui montre une certaine pertinence entre CHIRPS et les
observations de surface.

La base de données globales maillées CHIRPS, 921 mailles, permet d’obtenir la

représentation spatio-temporelle de la variable pluviométrie en Haïti.

109
Thèse | Romual Chery
Figure 4-3 : Première composante des précipitations mensuelles des 62 stations de surface de la République d’Haïti,
période 1981-1990.

EOF 1

RMSE = 3.8 mm.mois-1

Figure 4-4 : Évolution temporelle de la première composante de 62 stations d’observation (bleu) et de celle des 62
mailles proches de CHIRPS (rouge), période 1981-1990.

110
Thèse | Romual Chery
 La figure 4-5 présente les isohyètes de deux séries de normales 1981-2010 et 1991-2020 et
permet de percevoir la répartition spatiale de ces variables. Les normales sont comprises entre 419,6
et 3043,4 mm.an-1. Le tableau 4-4 indique les déciles obtenus. L’analyse détaillée de ces derniers
révèle trois régions subordonnées aux normales observées :
- normales inférieures à 875 mm.an-1 soit 20% de l’échantillon : l’isohyète correspondante
délimite les départements du Nord-Ouest et une grande partie du littoral du département de
l’Artibonite ;
- normales comprises entre 986 et 1400 mm.an-1, 50% de l’échantillon : les courbes isohyètes
représentent la moitié du territoire et divisent la République dans le sens zonal avec une légère
obliquité. Au sud, elles occupent toute la façade aux vents, exceptée la pointe montagneuse
de la péninsule du sud. Quand on se déplace vers le nord, on les retrouve dans les vallées
encaissées entre les différentes chaînes montagneuses (Massif de la Selle et Chaîne du Trou
d’eau, Chaîne des Matheux et Montagne Noire), au Plateau Central et dans le département du
nord-est.
- Normales supérieures à 1400 mm.an-1, 30% de couverture spatiale : les isohyètes
individualisent quatre régions montagneuses, le massif de la Hotte, la partie escarpée du
massif de la Selle, la montagne Noire et le massif du nord.

La comparaison spatiale des deux séries de normales ne montre que quelques légères différences
sur la partie littorale de la péninsule du Nord (figures 4-5a et 4-5b). La pluviométrie présente un
gradient est-ouest dans la péninsule du sud tandis que dans le reste du pays, il y a trois alternances
orientées parallèlement aux massifs montagneux.

Déciles
Min Max
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Normale
419.6 736.3 872.2 986.2 1097.1 1213.8 1310.8 1410.5 1540.0 1772.2 2991.8
1981-2010
Normale
425.8 741.5 875.3 992.0 1105.1 1213.7 1307.1 1410.9 1537.3 1766.2 3043.4
1991-2020

Tableau 4-4 : Statistiques des normales 1981-2010 et 1991-2020 calculées pour les cumuls annuels des 921 points
maillés de la base de données CHIRPS.

111
Thèse | Romual Chery
 a)

b)

Figure 4-5 : Précipitations moyennes annuelles sur la République d’Haïti : a) période 1981-2010 et b) période
1991- 2020.

112
Thèse | Romual Chery
4.1.3 Analyse et bilan

Les neuf stations de l’UHM, pour la plupart situées sur le littoral, voire au vent, donnent une
idée insuffisante de la pluviosité de l’ensemble d’Haïti. Seul l’ensemble des figures (4-1, 4-2, 4-3,
4- 4, 4-5) présentées auparavant permet d’avoir une vision globale des précipitations moyennes
annuelles en Haïti sur au moins une décennie. Les cumuls annuels des neuf stations de l’UHM
comparés à ceux fournis par le produit global CHIRPS dans les mêmes régions sont similaires dans
les deux cas. Ainsi, les principales villes Port-au-Prince, Cap-Haïtien, Cayes, reçoivent des cumuls
annuels supérieurs à 1200 mm.

Du point de vue spatial, l’augmentation des pluies sur le relief est nette. L’île d’Hispaniola,
appelée Kiskeya par les amérindiens est connue pour ses nombreux massifs montagneux et la
présence de nombreuses vallées encaissées (figure 2-1). Les variations d’amplitudes observées sont
liées à des conditions orographiques très dissemblables. Il existe une dissymétrie importante entre les
deux péninsules. Celle du nord est la plus sèche et c’est aussi la région la plus sèche d’Haïti. À
l’opposé, celle du sud est pluvieuse en particulier dans la zone montagneuse du massif de la Hotte.
Ces caractéristiques spatiales communes aux stations sol et CHIRPS sont similaires à celles trouvées
dans la bibliographie consultée (Pagney 1966; Vincent Moron et al. 2015). Ce dernier affirme que la
complexité du gradient spatial n’est pas seulement due à l’alternance “Au vent-Sous le vent” mais
aussi à la forme particulière du territoire et du relief de la République d’Haïti. Tenant compte des
caractéristiques locales, nous mettons en évidence :

- le maximum en saison des pluies précoces (ERS) souvent supérieur en moyenne à celui de
LRS, sauf aux stations des Cayes et du Cap-Haïtien (figure 4-1).

- une grande variabilité interannuelle des cumuls observés au sol (figure 4-2)

- des cumuls mensuels de décembre à mars, quasi équivalents en intensité moyenne, donnant
pour la région du Cap-Haïtien une évolution quasi-uniforme du signal à cette époque de l’année. Lors
de celle-ci, les cumuls mensuels sont en général deux à trois fois plus grands que ceux observés aux
autres stations du pays.

113
Thèse | Romual Chery
 Peu de références bibliographiques proposent les cartes isohyètes de la figure 4-5 avec cette
précision. Ainsi, sur le site du ministère de l’Agriculture des Ressources Naturelles et du
Développement Rural, la carte d’octobre 2012 montre des similitudes avec celle de la figure 4-5
(http://agriculture.gouv.ht/statistiques_agricoles/Atlas/Cartes/Courbes%20isohy%C3%A8tes.jpg).
Néanmoins, la comparaison est vite limitée. Il n’y a que quatre isohyètes 800, 1600, 2400 et 3200
mm.an-1 clairement indiquées et seules trois zones de pluviométrie maximale sont mises en évidence:
le massif de la Hotte dans le sud-ouest (3200 mm.an-1), le centre (2400 mm.an-1) et le massif du nord
(1600 mm.an-1). Les zones de pluviométrie minimale sont principalement dans le nord-ouest, le nord-
est et la plaine du cul de sac (800 mm.an-1). Dans le reste du pays, peu d’indications ont été fournies.

Au bilan, les cumuls annuels et normales restent bien inférieurs aux cumuls déjà mesurés sur
des massifs montagneux des autres états insulaires des Antilles. Les paramètres statistiques et les
normales suggèrent une hétérogénéité interne des distributions mais ils restent statistiquement
homogènes à l’échelle annuelle pour le groupe. Néanmoins, la répartition spatio-temporelle des
cumuls pluviométriques moyens permet de déterminer les grandes tendances spatiales des
précipitations annuelles. Cette première analyse laisse supposer que la répartition de ces cumuls n’est
évidemment pas reproduite à l’identique chaque année. Elle doit être complétée par l’analyse détaillée
des variabilités inter ou intra-annuelle possibles.

114
Thèse | Romual Chery
4.2 Évaluation de la performance des données sol et
CHIRPS

Dans cette partie, nous proposons d’évaluer la performance du produit global CHIRPS en
réalisant une comparaison directe entre les estimations et les observations. Notre analyse complètera
les travaux déjà réalisés à l’échelle annuelle et journalière par (Saemian et al. 2021; Bathelemy et al.
2022). Nous réaliserons donc une comparaison à l’échelle trimestrielle. Cette échelle reste à notre
avis pertinent en raison des enjeux (activités agricoles, …) et/ou des aléas atmosphériques (fronts
froids, cyclones, …). Nous nous intéressons aux trimestres hors cyclone DJF et MAM, et au trimestre
cyclonique SON.

L’ensemble des stations sol de l’UHM a été comparé par une analyse point-pixel à une trentaine
de pixels CHIRPS géographiquement proches de ces dernières. Pour mémoire, chaque pixel CHIRPS
de 0.05° de côté représente une surface approximative de 25 km².

Les données de stations ont été regroupées en trois régions :

• nord représentée par les stations du Cap-Haïtien et de Ouanaminthe et comparées
respectivement à 5 et 4 mailles de CHIRPS par station,
• ouest représentée par les stations de Port-au-Prince, Juvénat, Damien et Delmas et comparées
à 8 mailles de CHIRPS par station,
• sud représentée par les stations de Jacmel, Ridorée, Cayes et comparées à 4 mailles de
CHIRPS par station.

Pour montrer la forte variabilité spatiale des précipitations, nous avons aussi effectué la même
comparaison en considérant uniquement la maille la plus proche.

115
Thèse | Romual Chery
4.2.1 Erreur quadratique moyenne (RMSE)

Nous avons quantifié l’erreur moyenne en mm des sur ou sous-estimations des cumuls issus
de CHIRPS par rapport aux observations sol. Les boîtes à moustaches de la figure 4-6 montrent les
valeurs de RMSE pour les cumuls annuels (figure 4-6a) et les cumuls trimestriels DJF, MAM et SON
(figure 4-6b, 4-6c et 4-6d). Elles sont comprises entre 58 et 937 mm.an-1. Pour les cumuls annuels,
l’intervalle est compris entre 266 à 937 mm.an-1 tandis que pour les trimestres il est compris entre 58
et 380 mm.an-1. C’est pour la région ouest et pour les cumuls annuel et trimestriel MAM que les
moustaches et intervalles interquartiles sont les plus grands.

a) b)

c) d)

Figure 4-6: Boxplots des RMSE entre des observations sol et des données du réseau CHIRPS à l’échelle annuelle (a) et
trimestrielle DJF (b), MAM (c) et SON (d), période 1981-2018. La moyenne est représentée par le point rouge.

116
Thèse | Romual Chery
4.2.2 Kling-Gupta Efficiency (KGE)

Dans un second temps, nous avons calculé les KGE (Eq.2). C’est une différence à l’unité
d’une expression quadratique contenant le coefficient de corrélation r, les rapports de variance et de
moyenne, 𝛼 et 𝛽, des séries temporelles issues de la comparaison entre les cumuls du produit global
CHIRPS et ceux des observations sol. Les figures 4-7 à 4-10 présentent les boites à moustaches des
indices KGE et ses trois coefficients constitutifs r, 𝛽 et 𝛼. Les valeurs médianes et moyennes de cet
indice et des coefficients sont données respectivement dans les tableaux 4-5 et 4-6.
L’indice du KGE moyen trouvé pour les cumuls annuels et trimestriels DJF, MAM et SON
varie de -0.11 à 0.37 (figure 4-7). Des valeurs faibles sont observées aux deux échelles et sont du
même ordre de grandeur aux trois trimestres. C’est pour la région ouest que les KGE médians sont
plus faibles voire négatifs.
Le coefficient de corrélation r est compris entre 0.03 et 0.45 (figure 4-8). C’est pour la
première saison pluvieuse et les régions du nord et au sud que les coefficients sont les plus élevés.
Le rapport de moyenne 𝛽 évolue entre 0.88 et 1.19 pour la médiane et entre 0.83 et 1.18 pour
la moyenne montrant des écarts de -17 à +19% entre les moyennes de cumuls simulés et cumuls
observés (figure 4-9). Dans la région du sud, les moyennes simulées sont plutôt inférieures aux
moyennes observées. C’est le contraire au nord. 𝛽 est du même ordre de grandeur en saison sèche
qu’en saison humide.
La figure 4-10 montre les rapports d’écart-type 𝛼 . Ils évoluent entre 0.38 et 0.84 pour la
médiane et entre 0.36 et 0.88 pour la moyenne. Les écart-types de CHIRPS ne représenteraient qu’au
plus 88% des écart-types des observations. En saison sèche, les valeurs trouvées sont beaucoup plus
petites que celles calculées pour les trimestres pluvieux.
Les coefficients de corrélation proches de 0.3-0.4 associés à une dispersion et un biais proche
de l’unité se combinent pour donner des indices KGE annuels et trimestriels quasi-similaires dans les
régions du sud et du nord.

Le territoire étant un territoire très accidenté, il est aussi instructif de calculer les valeurs de
l’indice KGE et de ses coefficients lorsqu’on compare les données d’une station de surface à celles
de la maille CHIRPS correspondante. Les résultats sont donnés dans le tableau 4-7. A l’échelle

117
Thèse | Romual Chery
annuelle, les KGE sont compris entre -0.08 et 0.61 et entre -0.13 et 0.58 pour l’échelle trimestrielle.
Des scores très faibles ont été trouvé pour les cumuls annuels et trimestriels issus des mailles CHIRPS
comparées à ceux des stations de surface. Au Cap-Haïtien, l’écart-type des données des stations de
surface est deux fois plus grand que celui fourni par CHIRPS. Pour Port-au-Prince, c’est la moyenne
des données CHIRPS qui est 1.5 fois plus grande.

ANNUEL DJF MAM SON

Nord Ouest Sud Nord Ouest Sud Nord Ouest Sud Nord Ouest Sud
KGE 0.14 -0.003 0.26 0.04 -0.11 0.08 0.27 0,02 0.37 0.11 -0.018 0.16
r 0.32 0.05 0.40 0.29 0.17 0.36 0.41 0.12 0.45 0.25 0.03 0.33
𝛽 1.19 1.16 0.88 1.0073 0.91 0.90 1.15 1.04 0.92 1.17 1.19 0.90
𝛼 0.54 0.84 0.63 0.44 0.38 0.42 0.66 0.80 0.83 0.53 0.80 0.53

Tableau 4-5 : Valeurs médianes (4-8 mailles proches) du KGE et de ses composantes aux échelles annuelle et trimestrielle
(DJF, MAM et SON) pour les régions Nord (Cap-Haïtien et Ouanaminthe), Sud (Jacmel, Ridorée et Cayes) et Ouest
(Port-au-Prince, Juvénat, Delmas et Damien).

ANNUEL DJF MAM SON

Nord Ouest Sud Nord Ouest Sud Nord Ouest Sud Nord Ouest Sud
-
KGE 0.21 -0.015 0.30 0.073 -0.08 0.08 0.26 0.37 0.18 -0.02 0.26
0.0024
r 0.35 0.069 0.42 0.31 0.17 0.33 0.41 0.11 0.44 0.31 0.027 0.38
𝛽 1.16 1.18 0.91 1.14 0.83 0.95 1.17 1.03 0.93 1.15 1.18 0.91
𝛼 0.63 0.86 0.65 0.46 0.36 0.46 0.73 0.88 0.83 0.66 0.80 0.63

Tableau 4-6 : Valeurs moyennes (4-8 mailles proches) du KGE et de ses composantes aux échelles annuelle et trimestrielle
(DJF, MAM et SON) pour les régions Nord (Cap-Haïtien et Ouanaminthe), Sud (Jacmel, Ridorée et Cayes) et Ouest
(Port-au-Prince, Juvénat, Delmas et Damien).

ANNUEL DJF MAM SON

CapH PauP Cayes CapH PauP Cayes CapH PauP Cayes CapH PauP Cayes
KGE 0.10 -0.08 0.61 0.02 0.11 0.24 0.28 -0.03 0.46 0.06 -0.13 0.58
r 0.28 0.02 0.66 0.24 0.25 0.39 0.46 0.09 0.47 0.25 0-.04 0.61
𝛽 0.97 1.42 1.08 0.85 1.03 1.32 0.90 1.45 0.10 0.96 1.45 1.01
𝛼 0.45 1.15 0.82 0.40 0.52 0.68 0.53 1.16 0.97 0.45 1.08 0.83

Tableau 4-7 : Valeurs du KGE et de ses composantes dans le cas d’une maille (la plus proche), aux échelles annuelle et
trimestrielle (DJF, MAM et SON), pour les stations de Cap-Haïtien (CapH), Port-au-Prince (PauP) et Cayes.

118
Thèse | Romual Chery
 a) b)

c) d)

Figure 4-7 : Boxplots du KGE annuel (a) et trimestriel DJF (b), MAM (c) et SON (d) sur trente-huit ans. Les boxplots
montrent la distribution des scores d’un ensemble de points CHIRPS proches des stations sol regroupées par région :
Nord, Ouest et Sud. Les moyennes sont représentées par les points rouges.

119
Thèse | Romual Chery
 a) b)

c) d)

Figure 4-8 : Boxplots de la corrélation à l’échelle annuelle (a) et trimestrielle DJF (b), MAM (c) et SON (d) sur trente-
huit ans. Les boxplots montrent la distribution des scores d’un ensemble de points CHIRPS proches des stations sol
regroupées par région : Nord, Ouest et Sud. Les moyennes sont représentées par les points rouges.

120
Thèse | Romual Chery
 a) b)

c) d)

Figure 4-9 : Boxplots du rapport des moyennes à l’échelle annuelle (a) et trimestrielle DJF (b), MAM (c) et SON (d) sur
trente-huit ans. Les boxplots montrent la distribution des scores d’un ensemble de points CHIRPS proches des stations
sol regroupées par région : Nord, Ouest et Sud. Les moyennes sont représentées par les points rouges.

121
Thèse | Romual Chery
 a) b)

c) d)

Figure 4-10 : Boxplots du rapport des écart types à l’échelle annuelle (a) et trimestrielle DJF (b), MAM (c) et SON (d)
sur trente-huit ans. Les boxplots montrent la distribution des scores d’un ensemble de points CHIRPS proches des stations
sol regroupées par région : Nord, Ouest et Sud. Les moyennes sont représentées par les point rouges.

122
Thèse | Romual Chery
4.2.3 Régression orthogonale : Biais entre données sol et CHIRPS

Les valeurs trouvées pour le coefficient de Pearson traduisent une faible corrélation entre les
données observées et celles du produit global. Ces faibles valeurs diminuent ainsi la performance de
CHIRPS. La question qui se pose dans ce paragraphe est comment estimer au mieux le coefficient de
corrélation r et augmenter la valeur de l’indice KGE en tenant compte des erreurs de mesure des deux
variables ?

Pour y répondre, les deux jeux de données sont comparés en ajustant une droite de régression
de Deming entre les mesures observées (axe des abscisses 𝑥) et celles de CHIRPS (axe des ordonnées
𝑦). La figure 4-11 montre les régressions linéaires orthogonales obtenues pour les cumuls annuels
puis ceux relatifs aux trimestres DJF, MAM et SON. Les droites bleues en trait plein des figures
4-11a, 4-11c, 4-11e et 4-11g représentent l’ajustement proposé tandis que les droites rouges en
pointillés correspondraient aux modèles idéaux (si les deux séries de données sol et CHIRPS avaient
la même variance). Les équations des modèles qui décrivent ces régressions sont données dans le
tableau 4-8.

Les quatre nouvelles régressions ont des coefficients de Pearson compris entre 0.291 et 0.586.
Cet intervalle de grande amplitude inclut les valeurs obtenues dans le calcul de l’indice KGE. Aux
trimestres DJF et SON, les coefficients r calculés par la régression orthogonale sont de l’ordre de
grandeur voire supérieure à leurs équivalents calculés par le KGE (tableau 4-6).

Échelle ANNUEL DJF MAM SON

Équation 𝑦 = −502.22 + 1.37𝑥 𝑦 = 59.10 + 0.56𝑥 𝑦 = 44.38 + 0.89𝑥 𝑦 = 3.18 + 1.03𝑥
Coefficient de
0.397 0.586 0.291 0.350
Pearson

Tableau 4-8 : Équations des modèles et coefficient de Pearson des régressions orthogonales obtenues pour les cumuls
annuels et trimestriels DJF, MAM et SON. L’axe 𝑦 représente les cumuls de CHIRPS et l’axe 𝑥 les cumuls observés au
sol.

L’intervalle de confiance construit par jnacknife à 95 %, zone ombrée autour de la droite de

régression, devient plus large aux extrémités des deux graphiques et pivote autour du point moyen
(𝑥̅ , 𝑦̅) soit (1340 mm, 1363 mm) pour les cumuls annuels, (156 mm, 148 mm) pour le trimestre DJF,

123
Thèse | Romual Chery
(440 mm, 444 mm) pour MAM et (437 mm, 460 mm) pour SON. L’erreur quadratique est la plus
faible pour les cumuls compris autour de ces différentes valeurs. Le biais sur la valeur estimée de
CHIRPS pour une valeur donnée sol croît pour le cas annuel (figure 4-11b), décroît en DJF et MAM
(figure 4-11d et 4-11f), et reste sans tendance en SON (figure 4-11f).
Pour les cumuls annuels, il y a une sous-estimation des cumuls, de l’ordre de 10-25 % des
valeurs, par le produit global CHIRPS. Les valeurs négatives du biais se trouvent avant le point
moyen (𝑥̅ , 𝑦̅). Elles restent faibles autour de celui-ci puis croissent rapidement pour atteindre un biais
qui peut être compris entre 0 et 500 mm.an-1 en particulier pour les cumuls élevés (figure 4-11b).
En DJF et MAM (-15% à 10 %), le biais a une pente négative traduisant un comportement
inverse pour le modèle à celui décrit auparavant. Les valeurs des cumuls trimestriels DJF et MAM
sont en général sous-estimées lorsqu’elles sont supérieures respectivement à (𝑥̅ , 𝑦̅)𝐷𝐽𝐹 et (𝑥̅ , 𝑦̅)𝑀𝐴𝑀 .

124
Thèse | Romual Chery
 a) b)

c)
d)

e) f)

h)
g)

Figure 4-11 : Droites de régression orthogonale et biais entre les cumuls annuels de CHIRPS et les cumuls annuels
mesurés au sol (a et b), droites de régression orthogonale et biais entre les cumuls trimestriels de CHIRPS et les cumuls
trimestriels mesurés au sol : DJF (c et d), MAM (e et f) et SON (g et h). Les droites bleues en trait plein représentent
l’ajustement proposé. Les droites rouges en pointillés correspondraient aux modèles idéaux (si les deux séries de données
sol et CHIRPS avaient la même variance).

125
Thèse | Romual Chery
 Nous avons effectué la même régression de Deming aux trimestres les plus pluvieux (MAM et SON)
en utilisant les données de stations de surface du Cap-Haïtien, des Cayes et celles de leur maille proche. Les
valeurs du coefficient de régression (0.391 et 0.527) augmentent par rapport aux valeurs trouvées dans le cas
de toutes les stations de surface réunies comparées aux données de plusieurs mailles voisines issues de
CHIRPS.

a)
b)

c) d)

Figure 4-12: Droites de régression orthogonale et biais entre les cumuls trimestriels de CHIRPS et les cumuls trimestriels
mesurés au sol des stations du Cap-Haïtien et Cayes. HAUT : a) droite de régression de MAM et b) biais associé, BAS :
c) droite de régression de SON et d) biais associé. Les droites bleues en trait plein représentent l’ajustement proposé. Les
droites rouges en pointillés correspondraient aux modèles idéaux (si les deux séries de données sol et CHIRPS avaient la
même variance).

126
Thèse | Romual Chery
4.2.4 Analyse et bilan

Comme nous l’avons décrit auparavant, les produits globaux comprennent aussi bien des
cumuls de précipitations provenant de mesures directes des stations sol, de mesures dérivées effectués
par des satellites, ou par les réanalyses. De fait, il est normal d’évaluer la performance de ces produits
par rapport à des mesures au sol afin de comprendre et d’attribuer les possibles incohérences de
comportement. Ces dernières peuvent limiter les capacités des produits globaux à surveiller le climat.

Dans cette première partie, à l’aide du coefficient KGE et pour la période 1981-2018, nous
avons mis en évidence la force de la liaison linéaire et les ratios de variabilité qui relient les
précipitations mesurées par les stations de l’UHM avec celles du produit global CHIRPS. Peu
d’articles proposent des inter-comparaisons de ce type en région caraïbéenne. Cette capacité de
différents produits maillés à représenter la variabilité des précipitations annuelles moyennes dans la
région Caraïbe a été d’abord évaluée par Jury en 2009 pour la période de 1979-2000. En 2020, soit
onze plus tard, les travaux de Centella et al. proposent une nouvelle comparaison mais en l’élargissant
à 16 produits maillés, pour la période 1983-2010. Ces auteurs ont aussi employé le KGE et l’indice
de précipitations normalisé (SPI).

Notre travail propose aussi une comparaison mais sur une période récente et plus longue, soit
de 1981 à 2018. Il se focalise sur les stations pluviométriques d’Haïti absentes des travaux énumérés
ci-dessus. Les coefficients sont meilleurs pour les comparaisons des stations de surface avec un seul
point de grille. Les valeurs des coefficients r trouvées montrent que la variation expliquée par la
régression est comprise entre 16 et 37% de la variation totale du nuage de points.
Lorsqu’on compare ces indices à ceux calculés dans les travaux de Centella et pour toute la
Caraïbe, les KGE comparatifs sol-CHIRPS en Haïti sont bien inférieurs aux autres stations de la
région. Ils appartiennent plutôt aux quantités comprises dans la moustache inférieure de leur
comparaison. En termes de signe, les KGE positifs sont obtenus pour des coefficients de corrélation
en moyenne supérieurs à 0.2. Les faibles valeurs de KGE ou les valeurs négatives correspondent en
général à un coefficient de corrélation très faible entre les deux jeux de données confirmant
l’influence prépondérante de ce coefficient.

127
Thèse | Romual Chery
 Nous avons aussi trouvé des biais sur les moyennes et les écart-types entre les deux bases de
données. Ils sont dans l’ensemble proches de ± 20 %. Pour les comparaisons avec plusieurs points de
grille, les valeurs de 𝛽 sont en majorité supérieures à l’unité indiquant des moyennes pluviométriques
CHIRPS plus élevées que celles des observations. Elles sont liées à l’utilisation de plusieurs points
de grille dans cette première comparaison. Les valeurs de 𝛽 trouvées restent proches de l’unité pour
la comparaison à un seul point de grille. C’est seulement à la station de Port-au-Prince que le 𝛽 est
proche de 1.4 indiquant une mauvaise similarité entre les deux bases de données. Les valeurs du
paramètre 𝛼 indiquent une variabilité plus faible des cumuls estimés aux échelles annuelle et
saisonnière. Le biais lié au rapport d’écart-type est plutôt de l’ordre de 30-40 % pour l’échelle
annuelle et peut chuter à 60 % pour certaines régions à l’échelle saisonnière. Pour la comparaison en
un point de grille, la variabilité des stations de surface est en général beaucoup plus élevée (~ x2) que
celle de CHIRPS, sauf à Port-au-Prince.

Tous ces résultats trouvés montrent une variabilité tangible du KGE d’une région à l’autre et
d’un trimestre et d’une saison à l’autre. Les faibles valeurs du KGE, 𝛼 et de 𝛽 diminuent les capacités
d’estimation de la réalité à ces échelles.

Dans ce travail, nous avons aussi proposé de prendre en compte les erreurs de mesure liées
aux observations par l’utilisation d’une régression orthogonale. Les résultats de cette régression
montrent que l’on peut améliorer la valeur du KGE en tenant compte du fait que les cumuls observés
sont eux aussi aléatoires et entachés d’erreurs.

De plus, nous avons estimé les biais existant sur les cumuls annuels et trimestriels. En Haïti,
les biais annuels les plus faibles sont situés autour de 1400 mm.an-1. Le biais est de l’ordre de ±250
mm.an-1 pour une gamme de cumuls annuels en Haïti comprise entre 1000 et 1700 mm.an-1. Ces
valeurs sont comparables à celles trouvées par Sun et al. (2018) qui précisent que l’ampleur des
estimations annuelles des précipitations sur les terres mondiales peut dévier jusqu’à 300 mm.an-1
parmi les produits globaux analysés. Pour la région, dès 2009, Jury avait montré que plusieurs
produits de réanalyses et de satellites ont des biais secs et humides localisés soit sur l’ensemble de la
Caraïbe ou encore dans une sous-région géographique bien précise. L’auteur concluait que les fortes

128
Thèse | Romual Chery
précipitations sur le sud de Cuba et l’ombre pluviométrique à l’ouest d’Hispaniola sont mal gérées
par la plupart des produits maillés issus de mesure par satellite.

Le passage de l’échelle annuelle à l’échelle trimestrielle dégrade aussi les valeurs du KGE.
Ce résultat est attendu car le regroupement des valeurs en cumul annuel réduit la variabilité. Le
produit global CHIRPS reproduit convenablement le cycle annuel bimodal caractéristique de la
Caraïbe occidentale. Ces résultats ont aussi été retrouvés par Centella et al. (2020) et Bathelemy et
al. (2022) . Ces résultats ont montré que le produit CHIRPS n’est pas exempt de divergences avec les
observations annuelles et saisonnières en Haïti.
En fait, dans leurs travaux d’inter-comparaison de 30 produits globaux de précipitations à des
échelles du quotidien à l’année, Sun et al. (2018) indiquent les facteurs de variabilité à l’origine de la
diminution des capacités prédictives des produits globaux. Les latitudes basses ou élevées, les régions
aux zones montagneuses et les périodes annuelles et saisonnières, les algorithmes satellitaires, les
modèles d’assimilation des données et la couverture spatiale des stations de surface font partie de ces
facteurs. En Haïti, plusieurs de ceux-ci peuvent être retenus, présence de régions montagneuses,
couverture spatiale insuffisante des stations de surface, pour expliquer la sous performance du produit
global CHIRPS par rapport aux neuf stations analysées à l’échelle annuelle et saisonnière. La
faiblesse du réseau sol actuel, l’absence de stations sol en région centrale et en montagnes, implique
donc une performance limitée et non évaluable pour l’ensemble du territoire.

129
Thèse | Romual Chery
4.3 Évolution des cumuls pluviométriques : échelle
annuelle et trimestrielle

4.3.1 Tendances sur les cumuls pluviométriques annuels : stations sol

Dans cette partie, nous analysons l’évolution des cumuls pluviométriques en Haïti en utilisant
l’écart entre les valeurs observées/maillées et leur normale.

La figure 4-13 montre le tracé des séries chronologiques d’anomalies des stations de l’UHM
obtenues en utilisant comme référence la normale 1981-2010. Les écarts sont matérialisés par le
diagramme en barres, permettant d’identifier les années sèches (écarts à la moyenne négatifs en
rouge) et les années pluvieuses (écarts à la moyenne positifs en bleu). Les écarts positifs sont en
moyenne de 279.5 mm.an-1 et les négatifs de 240 mm.an-1.

La quasi-totalité des séries indique une forte variabilité d’anomalies. Des groupes d’années
pluvieuses ou sèches se succèdent sur des durées variables et vice versa. Les périodes cumulées
d’anomalies positives, cumuls supérieurs aux normales, sont chronologiquement d’au plus six ans au
Cap-Haïtien (1961-66) et aux Cayes (2007-2012) puis de cinq ans à Ridorée (1988-92). Ces périodes
sont matérialisées par les flèches bleues sur la figure 4-13. Par contre, pour les anomalies négatives,
synonymes de cumuls inférieurs à la normale 1981-2010, montrent des intervalles plus nombreux
mais sur des durées plus courtes en moyenne. Ils peuvent apparaitre successivement dans une même
série, par exemple aux Cayes (1980-85, 2000-04) et à Ridorée (1999-03, 2013-16) ou être communs
à plusieurs stations, soit par exemple Cap-Haïtien (1969-76) et Port-au-Prince (1970-77). Lorsqu’on
calcule le pourcentage d’anomalies négatives (positives) de ces six stations, les résultats obtenus
montrent des fluctuations négatives plus importantes aux stations du Cap-Haïtien, Ouanaminthe,
Cayes et Ridorée. Les pourcentages calculés des anomalies négatives sont compris entre 51.7 % et
56.9%. Seules les stations de Jacmel et Port-au-Prince ont des anomalies positives plus nombreuses.

Les variations à long terme des anomalies ont aussi été estimées par des méthodes de moyenne
mobile sur un intervalle de 10 ans. Ces moyennes sont matérialisées par la courbe d’anomalies en

130
Thèse | Romual Chery
fuchsia surimprimée sur le diagramme en barres de la figure 4-13. Le lissage opéré par cette opération
fournit un ensemble de valeurs qui n’excèdent pas ± 285 mm.an-1 (normale 1981-2010). L’utilisation
de la moyenne mobile lisse la variation interannuelle et permet d’émettre une éventuelle hypothèse
sur la tendance linéaire. La figure 4-14 donne les pentes en mm.an-1 et les durées significatives (p-
value < 0.05) des différentes tendances linéaires trouvées pour des périodes d’anomalies sèches ou
humides pour cette normale. Pour l’ensemble des stations, sept tendances négatives/positives
significatives ont été respectivement identifiées. Les tendances négatives significatives ont des pentes
comprises entre -49.3 et -9.2 mm.an-1. Celles positives, synonymes d’une augmentation, ont plutôt
des pentes comprises entre 7.7 et 28.5 mm.an-1. Les tendances positives ont en général des durées
plus longues que celles des tendances négatives. Les signes des tendances calculées montrent des
périodes (7-9 ans) pour lesquelles les cumuls annuels sont inférieurs aux normales, qui s’intercalent
avec des périodes (9-20 ans) de cumuls annuels supérieurs à la normale pour les stations du Cap-
Haïtien et Ouanaminthe de la région du nord. Aux Cayes, Jacmel et Ridorée, nous avons trouvé une
seule alternance, pente négative puis positive pour les Cayes et le contraire pour les deux autres
stations. Les stations du Cap-Haïtien et de Ouanaminthe montrent une dernière décennie excédentaire
(figure 4-14).

Lorsqu’on croise les résultats présentés en figure 4-14 aux résultats des tests de comparaison
présentés dans le tableau 4-3, une cohérence spatiale des cumuls annuels pour des stations du
Cap- Haïtien/Ouanaminthe et Cayes apparait en termes de variabilité interannuelle. Les régressions
ou augmentations pluviométriques ont lieu quasi simultanément mais avec des pentes différentes.

131
Thèse | Romual Chery
Figure 4-13 : Fluctuations interannuelles des précipitations sol, période 1961-2018, par rapport à la normale 1981-2010.
Les barres des histogrammes indiquent les cumuls plus humides/plus secs que la moyenne de 1961-2018 pour les stations
au sol : Cap-Haïtien, Cayes, Jacmel, Ouanaminthe, Port-au-Prince et Ridorée. La courbe en fuchsia représente la moyenne
mobile sur 10 ans. Les flèches de couleur bleue indiquent des périodes continues avec des écarts à la moyenne positifs et
celles de couleur marron indiquent des périodes continues avec des écarts à la moyenne négatifs.

Figure 4-14: Pente positive (gauche) et négative (droite) des cumuls annuels calculés par une moyenne glissante (10 ans)
pendant la période 1965-2013. Les nombres à l’intérieur des bandes colorées indiquent la pente (mm.an-1) lorsqu’elle est
significative. La bande colorée indique la période pendant laquelle une diminution ou une augmentation a été observée.

132
Thèse | Romual Chery
4.3.2 Tendances sur les cumuls pluviométriques annuels : CHIRPS

La même analyse a aussi été effectuée pour les données du produit global. La figure 4-15
montre la variabilité interannuelle des anomalies et l’évolution de la courbe obtenue par l’opération
de moyenne mobile. Les diagrammes en bâtons présentent deux extrémités avec des anomalies
négatives (cumuls annuels inferieurs à la normale) encadrant des anomalies plutôt positives entre
1990 et 2010. La gamme des anomalies est plutôt comprise entre ± 250 mm.an-1, exceptée pour six
années (1989, 2005, 2010, 2013, 2014, 2015). Ces valeurs sont plus faibles que celles trouvées pour
les observations. L’asymétrie est nettement en faveur des anomalies sèches (62.5 %).
La moyenne glissante sur 10 ans montre une tendance positive de 1985-2007 avec une pente de 10.69
mm.an-1 (p-value < 0.001) indiquant un passage d’une période sèche à une période normale voire un
peu humide. Elle décroît ensuite avec une pente négative de -25.11 (p-value < 0.001) indiquant le
début d’une nouvelle période déficitaire à partir de 2007.

Figure 4-15: Fluctuations interannuelles des précipitations du produit global CHIRPS, période 1981-2020, par rapport à
la normale 1981-2010 en République d’Haïti. La courbe en rose représente la moyenne glissante des fluctuations sur 10
ans. La flèche de couleur marron indique des périodes continues avec des écarts à la moyenne négatifs.

133
Thèse | Romual Chery
4.3.3 Composante saisonnière

Dans cette partie, nous avons voulu vérifier la saisonnalité de l’ensemble des séries
temporelles. Cette dernière se définit comme un processus pour lequel les cumuls mensuels subissent
des changements similaires et prévisibles autour de la même période et au cours de chaque année
civile.

La figure 4-16 montre les modèles additifs obtenus à partir de l’équation 3 (Eq.3) pour les
séries temporelles des cumuls mensuels observées aux stations sol de Port-au-Prince, Cap-Haïtien et
Cayes (1961-2018) et en vis-à-vis de leur équivalent le plus proche CHIRPS (1981-2018). Les deux
décompositions sont différentes aussi bien en termes de durée que d’allure et aucune d’entre elles ne
montre de tendance générale au sens d’une augmentation ou d’une diminution constante au fil d’un
temps long.

Les courbes de tendances (trend) affichent de petites oscillations d’environ 15 mois et

d’amplitudes variables.

La courbe d’évolution saisonnière (seasonal) montre une composante périodique stable pour
les deux séries de données. La figure 4-17 montre les évolutions saisonnières des cumuls mensuels
pour les deux bases de données. Lorsqu’elles sont tracées individuellement sur la figure 4-17, les
deux maximums synchrones aux deux saisons des pluies sont retrouvés. Le premier maximum du
mois de mai est bien localisé tandis que le second diffère selon la station et la région du pays : octobre
pour le sud et l’ouest et novembre pour le nord. Les coefficients saisonniers sont aussi fournis. Le
profil saisonnier obtenu pour les données CHIRPS est quasi-synchrone au profil observé aux stations
sols.

134
Thèse | Romual Chery
 Sol CHIRPS

a) b)

c) d)

e) f)

Figure 4-16: Décomposition des séries pluviométriques d’observation sol (a, c, e), Stations : Port-au-Prince, Cap-Haïtien
et des Cayes, période 1961-2018 et décomposition des séries pluviométriques des mailles de la base CHIRPS (b, d, f.)
proches des trois stations sol citées, période 1980-2020.

135
Thèse | Romual Chery
 Sol CHIRPS

Figure 4-17: Composante saisonnière des séries chronologiques de Cap-Haïtien, Cayes et Port-au-Prince, sol (gauche) et
CHIRPS (droite) montrant l’ERS, la LRS et le MSD.

136
Thèse | Romual Chery
4.3.4 Transformée en Ondelettes

La variabilité intra et inter annuelle des précipitations d’Haïti a aussi été analysée à l’aide des
transformées en ondelettes. La figure 4-18 montre les spectres obtenus à l’aide des données
pluviométriques mensuelles des stations de Port-au-Prince, Cap-Haïtien et Cayes, période 1961-
2018. L’axe des abscisses représente l’échelle de temps et l’axe des ordonnées montre une quantité
qui est équivalente à la résolution temporelle. Ainsi, les valeurs 0.25, 0.5, 1, 2 et 4 correspondent
respectivement à des durées de trois mois, six mois, une année, deux années et quatre années. Les
zones de fréquences significatives se trouvent dans le cône.

Pour ces trois observations sol, un profil découpé du signal a été observé aux différentes
échelles temporelles. A l’échelle d’une année, des périodes régulières de trois à cinq années ont été
observées, par exemple de 1961 à 1965 pour les trois stations, de 2006 à 2010 pour Port-au-Prince et
Les Cayes. Elles sont précédées ou succédées de périodes chaotiques indiquant la variabilité entre les
années et/ou entre groupes d’années. Pour la période de deux années, la station de Port-au-Prince
montre un signal régulier entre 1991 et 1997, mais l’intensité ne dépasse passe pas 2.9. Le même
constat a été fait au Cap-Haïtien entre 1978 et 1984 à une intensité moindre.

À une échelle plus fine, soit six mois, le signal montrant la variabilité temporelle des
précipitations varie selon la station. Il est beaucoup plus régulier à Port-au-Prince s’étendant sur un
nombre de mois qui totalise plus de trois années (1990-1994) succédées de longues périodes
irrégulières. Au Cap-Haïtien et aux Cayes, cette variabilité intra annuelle est beaucoup plus marquée.

137
Thèse | Romual Chery
Figure 4-18: Transformée en ondelettes permettant de mettre en évidence la variabilité inter et intra annuelle des
précipitations des stations au sol de Port-au-Prince, du Cap-Haïtien et des Cayes, période 1961-2018.

138
Thèse | Romual Chery
4.3.5 Détection de changement dans les séries temporelles : cas de la
moyenne

Les premières analyses de tendance montrent bien comme attendu une variabilité des cumuls
pluviométriques aux échelles annuelles. Dans cette partie, nous avons détecté dans le temps les
changements de moyenne aux échelles annuelles et saisonnières. Cette détection est réalisée à l’aide
de la fonction cpt.mean du package changepoint (Killick et al. 2019) du logiciel R.

Sol

Les résultats de changement de moyenne aux échelles annuelle et trimestrielle sont présentés
dans les tableaux 4-9 à 4-12 pour la période 1961-2018. A l’échelle annuelle, les principaux
changements menant à :

- une diminution de moyenne des cumuls ont été détectés pendant les décennies 1960-70 et
2010-2018, aux stations de Ridorée, du Cap-Haïtien et de Port-au-Prince. Les diminutions de
la pluviométrie annuelle sont de l’ordre de 20-30 %, soit une perte de 366 à 432 mm.an-1. Ces
périodes correspondent à celles trouvées par la méthode des anomalies commentées en sous-
section au 4.3.1. Cette baisse est due aux diminutions des cumuls saisonniers des trimestres
DJF et SON.
- une augmentation de la moyenne des cumuls observés ont lieu principalement pour la
décennie 1970-80 et 2010-2018 (tableau 4-9 et 4-11). Les stations de Jacmel, Cap-Haïtien et
Ouanaminthe voient leurs cumuls saisonniers MAM augmenter en moyenne de 83
mm.trimestre-1 entre 1970-80 (tableau 4-11). Pour les stations de Port-au-Prince, Cayes,
Ridorée et Cap-Haïtien, les augmentations peuvent se produire aussi bien en DJF, MAM et
SON. Pour ces deux derniers trimestres, on observe des hausses de plus de 200 mm.trimestre- 1
voire un doublement des cumuls.

139
Thèse | Romual Chery
 Stations Année Moyenne 1 Moyenne 2 Statut
Ridorée 1963 1781.9 1349.9 Plus sec
Cap-Haïtien 1966 1741.2 1345.0 Plus sec
Port-au-Prince 2016 1263.2 897.1 Plus sec

Jacmel 1972 1136.6 1317.8 Pluvieux

Ouanaminthe 1977 1138.1 1304.6 Pluvieux
Juvénat 2002 1369.3 1494.9 Pluvieux

Tableau 4-9 : Changement de moyenne dans les séries temporelles de cumuls annuels des stations sol de l’UHM pour la
période de 1961-2018.

Stations Année Moyenne 1 Moyenne 2 Statut

Jacmel 1963 236.1 128.9 Plus sec
Cap-Haïtien 1970 532.4 333.2 Plus sec
Ouanaminthe 2010 160.2 80.3 Plus sec

Port-au-Prince 1966 59.2 114.6 Pluvieux

Juvénat 1968 71.7 122.1 Pluvieux
Ridorée 2017 131.9 281.1 Pluvieux
Cayes 2017 211.8 383.1 Pluvieux

Tableau 4-10 : Changement de moyenne dans les séries temporelles de cumuls du trimestre DJF des stations sol de
l’UHM pour la période de 1961-2018.

Stations Année Moyenne 1 Moyenne 2 Statut

Jacmel 1972 371.3 455.2 Pluvieux
Cap-Haïtien 1976 328.7 413.5 Pluvieux
Ouanaminthe 1977 274.3 355.3 Pluvieux
Juvénat 2006 494.9 561.0 Pluvieux
Port-au-Prince 2011 437.1 545.0 Pluvieux
Cayes 2015 453.0 813.8 Pluvieux
Ridorée 2015 421.7 622.2 Pluvieux

Tableau 4-11 : Changement de moyenne dans les séries temporelles de cumuls du trimestre MAM des stations sol de
l’UHM pour la période de 1961-2018.

140
Thèse | Romual Chery
 Stations Année Moyenne 1 Moyenne 2 Statut
Ridorée 1966 562.8 428.2 Plus sec
Port-au-Prince 2014 411.1 302.8 Plus sec

Jacmel 1984 322.2 398.8 Pluvieux

Ouanaminthe 1998 374.3 470.7 Pluvieux
Juvénat 2002 436.6 490.7 Pluvieux
Cayes 2006 532.2 765.5 Pluvieux
Cap-Haïtien 2015 439.3 845.2 Pluvieux

Tableau 4-12 : Changement de moyenne dans les séries temporelles de cumuls du trimestre SON des stations sol de
l’UHM pour la période de 1961-2018.

CHIRPS

La même analyse réalisée sur les données CHIRPS permet d’inclure une dimension spatio-temporelle
supplémentaire aux changements de moyenne des cumuls annuels et trimestriels. Cependant, elle se
fera sur la période de 1981 à 2020. La figure 4-19 montre les points géographiques pour lesquels des
principaux changements de moyenne ont été observés soit en 1992 et 2012 (figure 4-19 a et c). Les
isolignes tracées sur les cartes de droite représentent les pourcentages calculés d’augmentation (figure
4-19b) et de diminution (figure 4-19d) de la pluviométrie annuelle pour les deux cas. Le résultat
montré correspond au rapport des moyennes des cumuls trimestriels calculés avant et après
augmentation/diminution ou vice versa. Les cartes en bleu représentent le glissement vers une
augmentation de pluviométrie annuelle à partir de 1992 et celles de couleur marron représentent le
glissement vers un assèchement à partir de 2012.

141
Thèse | Romual Chery
 a) b)

c)
d)

Figure 4-19: Cartographie des points maillés CHIRPS montrant a) une augmentation (bleue) et c) une diminution
(marron) du cumul pluviométrique annuel, période 1981-2020. Isolignes (b, d) en pourcent des rapports des moyennes
des cumuls annuels calculés avant et après augmentation /diminution ou vice versa.

142
Thèse | Romual Chery
 a) b)

c)
d)

Figure 4-20 : Cartographie des points maillés CHIRPS (a, c) montrant une augmentation (bleue) du cumul pluviométrique
trimestriel, période 1981-2020. Isolignes (b, d) en pourcent des rapports des moyennes des cumuls trimestriels calculés
avant et après augmentation.

En 1992, l’augmentation de la moyenne des cumuls annuels s’observe aux deux péninsules
(figure 4-19b). Les régions de l’est et du centre du pays s’assèchent en moyenne à partir de 2012
(figure 4-19d). Ce dernier résultat indique une nouvelle fois une tendance à l’assèchement en Haïti
pour la décennie 2010-2020.

Les changements menant à une diminution de moyenne des cumuls trimestriels ont aussi été
calculées. Nous les avons retrouvés en 1999 pour DJF, 2010 pour MAM et 2008, 2017 pour SON.

Ceux menant à une augmentation de la moyenne correspondent aux années 2014, 2017 pour
DJF, 1991 pour MAM et 1989, 1992 pour SON. La figure 4-20 ne donne que les répartitions spatiales
les plus abondantes en termes de mailles. Les anomalies négatives des cumuls annuels trouvés des
quatre stations sol sont concomitantes à la baisse constatée en MAM 2018 avec CHIRPS. Au cours
de cette année, l’ensemble du territoire est affecté excepté la péninsule du nord.

143
Thèse | Romual Chery
4.3.6 Tendances journalières

A la suite des résultats sur les tendances annuelles et saisonnières produites pendant ces 40
dernières années, nous avons recherché si elles peuvent être associées à des variations quotidiennes.
Dans ce paragraphe, nous évaluerons les tendances de précipitations à l’échelle quotidienne en
dénombrant le nombre de jours pluvieux supérieurs à un millimètre par département et pour chaque
année pendant la période 1981-2020 en Haïti. Nous différencierons l’échelle annuelle de l’échelle
trimestrielle et nous nous intéressons aux deux saisons pluvieuses en Haïti. Puis, des régressions
linéaires et tests de significativité seront appliqués aux résultats du comptage.

La figure 4-21 présente les tendances par département des précipitations journalières
supérieures à 1 mm.jour-1. Les triangles pleins indiquent un accroissement significatif (bleu) du
nombre de jours pluvieux et les triangles vides des accroissements (bleu) ou des diminutions (rouge)
non significatifs.

Dans la base globale CHIRPS, à l’échelle annuelle, la majorité des départements affiche une
tendance positive de 1981 à 2020 (figure 4-21). Les augmentations les plus prononcées sont
observées dans la région septentrionale soit pour les départements du Nord (21.1 mm.jour-1), du
Nord-Est (21.8 mm.jour-1) et de l’Artibonite (19.8 mm.jour-1). Les autres augmentations
significatives observées sont plus faibles. Elles décroissent pour le Centre et l’Ouest pour croitre de
nouveau aux Nippes et au Sud-Est. L’analyse aux échelles trimestrielles montre que ces
accroissements ont lieu pour les départements du Nord-est et de l’Artibonite en MAM, du Centre, de
l’Ouest et du Sud-Est en SON.

Pour les stations de l’UHM, aucune des tendances calculées n’est significative, même au seuil
de 10%

144
Thèse | Romual Chery
 a)

b) c)

Figure 4-21: Tendances des précipitations journalières CHIRPS supérieures à 1 mm.jour-1 par département,
période 1981-2020. Les triangles pleins indiquent des tendances significatives au niveau de 5%. a) Échelle
annuelle, Échelle trimestrielle : b) MAM, c) SON.

145
Thèse | Romual Chery
4.4 Analyse et bilan

Dans cette seconde partie, nous avons tenté d’estimer les tendances interannuelles des cumuls
pluviométriques en Haïti par analyse des fluctuations, décomposition saisonnière, détection de
changement de moyenne et transformée en ondelettes. Notre objectif était de répondre aux questions
suivantes : Existe-t-il une correspondance entre le réseau CHIRPS et les observations sol ? Est-il
pertinent d’utiliser ce produit global, en absence d’une couverture spatiale suffisante par les
observations au sol, pour réaliser des études du changement climatique en Haïti ?

Les séries temporelles des anomalies des cumuls annuels à la normale 1981-2010 et la moyenne
mobile calculée sur une période de 10 ans montrent une alternance de tendances positives et négatives
sur des intervalles temporels de durées distinctes. Leur durée maximale est de 7-9 ans. Calculées soit
par rapport à une normale ou en désaisonnalisant la série, ces anomalies identifiées sont d’amplitudes
très variables. Ce résultat est du même ordre de grandeur que celui trouvé par Gouirand (2012). C’est
une caractéristique courante des précipitations dans de nombreuses régions du monde.

Pour les stations sol, les anomalies sont très fluctuantes concédant une variabilité
interannuelle assujettie aux différentes régions géographiques considérées de la République d’Haïti.
C’est le contraire dans le cas de la base CHIRPS, et l’évolution de la tendance globale pour ce produit
maillé est plus simple. Elle correspond jusqu’en 2007 à une période plus humide suivie d’une
tendance à l’assèchement pour la décennie 2010-2020. Ce changement indique l’avènement d’une
période déficitaire.

La représentation des anomalies des deux séries chronologiques par des distributions et la
mesure de leur asymétrie montrent que les anomalies positives ont tendance à être légèrement plus
importantes que les négatives. Cette asymétrie positive indique une proportion de cumuls annuels
supérieurs à la normale sur une d’au moins 40 ans.

Le modèle additif utilisé a permis une décomposition saisonnière robuste pour les deux séries,
observations et du produit global (figure 4-17). L’année civile est subdivisée en deux périodes

146
Thèse | Romual Chery
pluvieuses, la première et la seconde période de pluies, bien identifiées et déjà décrite dans la
bibliographie et dans le paragraphe 4.1.1. Les courbes de la figure 4.17 montrent l’existence d’une
saison sèche de décembre à mars et d’une régression nette des précipitations en juillet. A notre avis,
ce n’est pas une saison sèche à proprement parlé. La décomposition saisonnière des cumuls mensuels
révèle également une quasi-absence de tendance dans les observations et mailles proches de ces
dernières. Cependant, l’examen plus détaillé de la tendance (trend) calculée pour les observations
laisse supposer un signal périodique plus ou moins bruité apparaissant pendant certaines décennies
(figure 4-16). Ce comportement n’est pas retrouvé pour le produit global CHIRPS.

Pour la méthode de changement de moyenne, nous n’avons pas retrouvé de correspondance

temporelle entre les observations sol et le produit global CHIRPS. De plus, nous avons constaté
l’existence d’une cohérence spatiale pour le produit global CHIRPS. Les changements de moyenne
correspondants à une intensification de cumuls annuels sont spatialement synchrones pour les
péninsules du nord et du sud (figure 4-19 et 4-20). Pour les diminutions, c’est toute la partie est qui
est concernée. Les résultats des observations au sol ne permettent pas d’émettre des règles précises.

Pour les cumuls journaliers CHIRPS, le calcul des tendances par département montre plutôt un
accroissement des cumuls supérieurs à 1 mm.jour-1 dans plusieurs départements (figure 4-21a). Nord-
est, de l’Artibonite, du Centre, de l’Ouest et du Sud-est sont les principaux contributeurs à cet
accroissement aux trimestres MAM et SON (figure 4-21b). Aucune des séries sols ne montre de telles
tendances.

L’ensemble des méthodes utilisées (tendances, saisonnalité, fluctuations changement de

moyenne) pour identifier des analogies entre le produit global et les observations en Haïti révèle :

- de saisonnalités similaires

- une grande variabilité inter et intra annuelle des deux bases de données. Pendant les quatre
dernières décennies, les années humides (ou sèches) se produisent couramment à travers tout
le pays. Les stations sols capturent un passage à des conditions plus humides à partir de la
décennie 2000. La principale caractéristique à retenir est plutôt l’existence de périodes d’au

147
Thèse | Romual Chery
 plus 10 ans qui ont été plus sèches ou plus humides que les périodes de référence choisies,
avec des amplitudes qui varient selon la région d’Haïti. Ces résultats sont cohérents avec les
analyses réalisées par Jury (2009) et Jones (2016).

- Des valeurs d’indice de KGE inférieures ou égales à 0.61 associées à des coefficients de
correlation ne dépassant 0.66

Cet ensemble de critères confère une analogie raisonnable à ce produit global. Pour le cycle
annuel, nos résultats révèlent des similitudes entre les produits maillés et les observations de référence.
Cette concordance est aussi confirmée par d’autres auteurs (Centella-Artola et al. 2020; Bathelemy
et al. 2022). Toutefois, ils précisent qu’un produit global qui reproduit bien le climat moyen dans tout
l’ensemble des Caraïbes ou les Caraïbes Occidentales n’est pas forcément aussi performant dans les
Caraïbes orientales.

148
Thèse | Romual Chery
 Chapitre 5
Classification automatique : Détection de
régimes

149
Thèse | Romual Chery
 Comme nous l’avions déjà décrit dans la partie bibliographique, le caractère saisonnier des
précipitations dans les Caraïbes est lié à plusieurs facteurs, comme le déplacement longitudinal et
l’intensité du NASH, le déplacement latitudinal de la ZCIT, l’intensité du CLLJ et celle de la SST.
À ces facteurs, viennent s’ajouter les ondes d’Est d’origine africaine et l’activité cyclonique. Haïti,
île à topographie complexe entourée d’eaux marines chaudes, n’échappe pas à cette règle car les deux
saisons pluviométriques sont aisément identifiables. Toutefois, il est aussi possible de s’intéresser à
la répartition des régimes pluviométriques de ce territoire en utilisant une approche statistique sans
filtrage temporel à partir d’une échelle de temps mensuelle. Ainsi, nous considérerons l’ensemble des
variations intra et inter annuelle pour analyser la variabilité pluviométrique de ce territoire en
extrayant des régimes pluviométriques multiples. Leurs persistance et récurrence seront aussi
analysées.

150
Thèse | Romual Chery
5.1 Indice de précipitations normalisé

5.1.1 Analyse SPI12 des stations sol

Dans la suite de ce document, l’indice de précipitation normalisé (Standard Precipitation

Index_SPI en anglais) a été utilisé pour caractériser les années normales, excédentaires, ou
déficitaires en pluviométrie (tableau 5-1). Cet indice conçu par Mckee et al. (1993) quantifie les
déficits ou excès de précipitations à de multiples échelles de temps soient entre 3, 6, 12, 24 et 48
mois. Il caractérise, selon la durée, des situations de sécheresse météorologique (1 à 2 mois), agricole
(1 à 6 mois) et hydrologique (6 à 24 mois voire plus). Il établit la comparaison entre le total des
précipitations sur la période examinée et les totaux des précipitations pour cette même période de
toutes les années considérées (OMM 2012). Il permet aussi de déduire les grandes tendances
évolutives durant la période retenue. Nous utiliserons le terme pluvieux à la place du terme humide.
Nous avons calculé cet indice sur 12 mois afin de conserver l’échelle annuelle précédemment utilisée
pour estimer les périodes de sécheresses hydrologiques et/ou très pluvieuses.

La figure 5-1 donne l’évolution du SPI12 calculé sur 58 années pour six stations sol de l’UHM.
Ce graphique fait apparaître :

- le caractère normal (-0.99 < SPI12 <0.99) qui marque une grande majorité des 58 années, soit
de 69 à 76 % de l’échantillon (tableau 5-2).
- le caractère modérément pluvieux à très pluvieux (1< SPI12 <2) qui peut durer de trois mois
à plus d’une année. Il représente entre 10 et 14% de l’échantillon analysé. Ce caractère est
très marqué dans la région nord à Ouanaminthe de mai 1969 à mai 1970, d’août 1978 à août
1979 et de janvier à décembre 1988. Pour le sud, les périodes d’octobre 2007 à septembre
2009 et de septembre 2010 à février 2012 sont les plus longues.
- le caractère extrêmement humide (SPI12 >2) se manifeste par des pics peu fréquents, 1 à 3%,
soit au plus quatre fois sur toute la période. Cependant, malgré des durées généralement

151
Thèse | Romual Chery
 SPI Sec Normale Humide
Catégorie Extrême Très Modéré Modéré Très Extrême
Intensité -2 et moins -1.5 à -1.99 -1.0 à -1.49 -0.99 à 0.99 1.0 à 1.49 1.5 à 1.99 2.0 et plus

Tableau 5-1 : Classification des valeurs de l’indice SPI, OMM 2012.

Figure 5-1 : Indice de précipitations normalisé calculé sur une échelle de 12 mois à partir des séries temporelles
mensuelles des stations Sol de Cap-Haïtien, Ouanaminthe, Cayes, Jacmel, Juvénat et Port-au-Prince.

152
Thèse | Romual Chery
 inférieures à quatre mois, certains événements dépassent huit mois au Cap-Haïtien de février
1964 à octobre 1964 et de novembre 2016 à octobre 2017, à Ouanaminthe de septembre 1979
à mai 1980 et à Jacmel de décembre 1994 à septembre 1995 puis d’août 2008 à juillet 2009.

Sec Humide
Extrêmement Modéré à très Normale Modéré à très Extrêmement
Cap-Haïtien 1 10 76 10 3
Ouanaminthe 2 10.8 71.1 13.8 2.3
Cayes 2.6 9.6 72 13.7 2.1
Jacmel 4.2 11.7 70.3 10.8 3
Juvénat 2.6 12.1 70.9 11.4 3
Port-au-Prince 2.4 13.4 69.2 13.8 1.2

Tableau 5-2: Proportions en pourcentage des plages temporelles des catégories du SPI 12 pour les stations Port-au-
Prince, Cap-Haïtien, Ouanaminthe, Cayes, Jacmel, Juvénat et Port-au-Prince.

Ainsi, les séries temporelles de SPI12 des stations sol peuvent être séparées en deux parties
d’une trentaine d’années chacune : la première de 1960 à 1990 et la seconde de 1990 à 2018. La
comparaison des SPI12 montre :

- un déficit pluviométrique qui est observé dans la région du nord (Cap-Haïtien et Ouanaminthe)
pendant la période de 1971-1979. Ce déficit s’atténue lorsqu’on se déplace vers le sud. Un autre
signal déficitaire apparait aux Cayes et à Port-au-Prince dans la décennie 1980-1990. La
répétition de ce déficit tend à montrer l’existence d’un signal décennal fort dans le climat d’Haïti
de 1960 à 1990.
- un excédent pluviométrique est observé à partir de mars 2006 jusqu’en mars 2013. Il marque un
retour de conditions plus pluvieuses sur Cap-Haïtien et Ouanaminthe à partir de 2007 jusqu’en
2011, sur Jacmel et Port-au-Prince à partir de septembre 2007 jusqu’en octobre 2011, puis plus
marqué aux Cayes de septembre 2007 à mars 2013.
- une alternance de longues périodes pluvieuses ou sèches bruitées par les fluctuations inter-
annuelles plus faibles dans la région du nord contrairement à celles de l’ouest.

153
Thèse | Romual Chery
 Nous avons aussi calculé l’autocorrélation des séries temporelles SPI12 pour les cumuls
mensuels des trimestres MAM et SON des stations sol du Cap-Haïtien (Nord) et des Cayes (Sud). La
série temporelle utilisée rassemble les trois mois de chaque année civile de 1962 à 2018. Aux Cayes,
une corrélation négative (anti-corrélation) est mise en évidence aux deux trimestres. Elle montre que
quatre ans plus tard, une alternance de phase sèche à pluvieuse et vice versa apparait. Par exemple,
pour le trimestre MAM entre 1970 et 1974, le passage se fait d’une période modérément humide à
une période sèche proche de la normale, tandis qu’entre 1974 et 1978, il se fait d’une période plus
sèche proche de la normale à une période plus pluvieuse et ainsi de suite (tableau 5-3). Au Cap-
Haïtien, c’est une corrélation positive qui est mise en évidence. Elle indique deux saisons de pluie
auto-corrélées tous les cinq ans. Par exemple, depuis 1992, les trimestres MAM deviennent plus
pluvieux tous les cinq ans (tableau 5-3).

Cayes
An 1 1970 1974 1978 1986 1994 2002 2010 2014
SPI12-An1 1.23 -0.5 0.66 -0.78 0.59 -0.55 0.76 -0.51
An 4 1974 1978 1982 1990 1998 2006 2014 2018
SPI12-An4 -0.5 0.66 -0.65 0.03 -0.48 0.40 -0.51 1.96
Plus sec Pluvieux Plus sec Pluvieux Plus sec Pluvieux Plus sec Pluvieux

Cap-Haïtien
An 1 1962 1972 1977 1992 1997 2002 2007 2012
SPI12-An1 0.38 -1 -0.26 -1.41 -1.25 -0.41 -0.07 0.31
An 5 1967 1977 1982 1997 2002 2007 2012 2017
SPI12-An5 1.33 -0.26 1.16 -1.25 -0.41 -0.07 0.31 2.25
Pluvieux Pluvieux Pluvieux Pluvieux Pluvieux Pluvieux Pluvieux Pluvieux

Tableau 5-3: Années d’auto-corrélation pour le trimestre MAM aux stations des Cayes et du Cap-Haïtien et valeurs de
SPI correspondantes.

154
Thèse | Romual Chery
5.2 Classification automatique

Dans cette partie de la thèse, l’objectif est d’individualiser des régimes spatio-temporels de
précipitation spécifiques à Haïti. Pour cela, nous utiliserons les 40 ans (1981-2020) de données de
précipitations mensuelles spatio-temporelles issues du produit CHIRPS transformées en SPI12 afin
de déterminer les régimes de précipitations en Haïti.

5.2.1 Découpage spatial

Pour aboutir à ce nouveau découpage spatial, nous utiliserons les séries temporelles SPI12 de
CHIRPS sur la période de 40 ans. L’objectif est d’identifier des ensembles spatiaux dont la variabilité
reste synchrone à partir de 40 variables mensuelles extraites du fichier de base pour un mois donné
et pour chaque année par l’intermédiaire d’une ACP suivie d’une CAH. Pour cette dernière, nous
avons sélectionné les 19 premiers axes de l’ACP qui totalisent 95% de l’inertie du nuage de points.
Puis la coupure du dendrogramme a été réalisée au niveau k=4. La distance choisie est la distance
euclidienne et l’indice d’agrégation est le critère de Ward.

Nous avons réalisé une ACP pour chaque mois, mais n’avons représenté que les résultats des
mois de mai et d’octobre aux figures 5-2 et 5-3. Elles représentent respectivement les graphes des
individus et des variables dans le plan factoriel 1-2 après l’ACP. Ces derniers sont des mois
caractéristiques des saisons ERS et LRS.

Pour ces deux mois, les deux premiers axes (plan factoriel 1-2) de l’analyse expriment 51 et
54% de l’inertie totale du jeu de données. L’analyse des graphes ne révèle aucun individu singulier.
Vu la complexité du territoire, ce pourcentage est assez important car nettement supérieur à la valeur
d’inertie de référence (~8%). Cette référence est le quantile 0.95 de la distribution des pourcentages
d’inertie obtenue en simulant plus de 1600 jeux de données aléatoires de dimensions comparables
sur la base d’une distribution normale. Ainsi, plus de la moitié de la variabilité totale du nuage
d’individus est représentée dans ce plan.

155
Thèse | Romual Chery
 En mai (figure 5-3a), maximum de la première saison pluvieuse, le premier axe (dim 1)
oppose principalement les variables 2004, 1992 et la variable quantitative supplémentaire longitude
(lon), à droite du graphe, aux variables 2006 et 2020. Pour le deuxième axe (dim 2), ce sont les
variables 1987 et 1993 (haut du graphe) qui s’opposent à celles de 1988, 2016 et à la variable
quantitative supplémentaire latitude (lat).

a) b)

Figure 5-2: Graphe des individus dans le plan factoriel 1-2, cas des mois a) de mai (gauche) et b) d’octobre (droite).

a) b)

Figure 5-3: Graphe des variables dans le plan factoriel 1-2, cas des mois a) de mai (gauche) et b) d’octobre (droite).
Les variables en noir sont les variables actives, celles en bleu sont les variables quantitatives supplémentaires.

En octobre (figure 5-3-b), seconde saison des pluies, le premier axe (dim 1) oppose
principalement les variables 2004, 1996 et lon, à droite du graphe, aux variables 2007 et 2019. Pour
la dimension 2, ce sont les variables 2017, 1998 et lat (haut du graphe) qui s’opposent aux variables

156
Thèse | Romual Chery
1993 et 2008. Les coordonnées, contributions, cosinus carré et statistiques descriptifs de SPI sont
donnés pour plusieurs de ces variables représentatives dans les tableaux 5-4 et 5-5.

Dimension 1
An Coord Ctrb Cos2 𝑥̅ q1 q2 q3 Intensité
C3 1.30 1.05 1.39 1.67 Modérément
2004 0.90 7.04 0.81
C4 1.50 1.27 1.56 1.81 humide
C1 2.13 1.95 2.12 2.33 Extrêmement
2006 -0.93 7.43 0.86
C2 2.02 1.79 2.11 2.34 humide
Dimension 2
An Coord Ctrb Cos2 𝑥̅ q1 q2 q3 Intensité
C1 -0.08 -0.25 -0.03 0.13 Normale
1987 0.84 8.22 0.71
C4 -0.21 -0.44 -0.20 -0.0013 Normale
1988 -0.75 6.41 0.56 C2 -0.46 -0.67 -0.50 -0.25 Normale

Tableau 5-4: Coordonnées (Coord), contributions (Ctrb), cosinus carré (Cos2) et statistiques descriptifs de SPI12 des
variables, mois de mai 2004, 2006 (dimension 1) et 1987, 1988 (dimension 2).

Dimension 1
An Coord Ctrb Cos2 𝑥̅ q1 q2 q3 Intensité
Modérément
2004 0 .92 5.4 0.85 C4 1.15 0.96 1.20 1.39
humide
C1 -1.34 -1.46 -1.31 -1.19 Modérément
2019 -0.90 5.19 0.81
C2 -1.16 -1.54 -1.07 -0.74 sec
Dimension 2
An Coord Ctrb Cos2 𝑥̅ q1 q2 q3 Intensité
Modérément
C2 1.51 1.10 1.45 1.76
humide
2017 0.78 8.43 0.61
Modérément
C3 1.21 1.07 1.25 1.44
humide
1993 -0.80 8.89 0.64 C1 0.67 0.43 0.68 0.90 Normale

Tableau 5-5: Coordonnées (Coord), contributions (Ctrb), cosinus carré (Cos 2) et statistiques descriptifs de SPI12 des
variables, mois d’octobre 2004, 2019 (dimension1) et 2017, 1993 (dimesion 2).

157
Thèse | Romual Chery
 La figure 5-4 montre le découpage spatial obtenu aux mois de mai et d’octobre.

Figure 5-4: Clusters obtenus par la méthode CAH pour les séries temporelles SPI12 des quarante mois de mai (gauche)
et d’octobre (droite) : cluster1(noir), cluster2 (rouge), cluster3 (vert) et cluster4 (bleu). La CAH est appliquée au résultat
d’une ACP dont la matrice est composée des 921 pixels de CHIRPS (individus) séparés par des valeurs de SPI12
(variables) calculées préalablement pour 40 années.

La partition obtenue sépare le territoire d’Haïti en quatre zones géographiques énumérées ci-
dessous :

- Zone méridionale, Cluster 1 (C1), représentée par des points en noir sur la
figure 5- 4. Elle comprend les départements de la Grand’Anse, du sud et des Nippes,
soit 24% du territoire. Ce cluster évolue très peu entre les deux saisons pluvieuses et
contient 221 pixels en mai et 218 en octobre (tableau 5-6).
- Zone septentrionale, Cluster 2 (C2), représentée par les points en rouge sur la
figure 5-4. Elle correspond à la partie nord d’Haïti. Elle inclut le département du
Nord-Ouest et des proportions spatiales variables des départements du nord, du nord-
est et du nord de l’Artibonite. Sa surface dépend de la saison pluvieuse. Ainsi, cette
zone d’influence diminue en surface pour passer de 23% (211pixels) à 18% (164
pixels) du territoire de mai à octobre (tableau 5-6).
- Zone infra septentrionale, Cluster3 (C3), représentée par les points en vert sur la
figure 5-4. C’est le complément du cluster 2 car il inclut les parties sud des

158
Thèse | Romual Chery
 départements du nord, du nord-est et de l’Artibonite. De plus en mai, viennent se
rajouter le département du Centre et l’aile littorale nord-ouest du département de
l’Ouest, soit 31.4% (289 pixels) du territoire. Cette surface diminue pour passer à
19.7% en octobre.
- Zone centrale est, Cluster4 (C4), représentée par les points en bleu sur la figure 5-4.
Elle comprend majoritairement les départements du sud-est et de l’Ouest. Elle voit sa
proportion augmenter de mai à octobre pour passer de 21.7 % à 38.7% du territoire,
soit une augmentation de 17%. C’est lors de la seconde saison des pluies que le C4
recouvre toute la partie est du pays car il s’étend du sud vers le nord.

Les surfaces des clusters 2 et 3 augmentent en mai (hors période cyclonique) tandis que celles
du cluster 4 diminuent pendant cette même période. Les autres mois ont tous un motif quasi-similaire
aux mois de mai et d’octobre.

Cluster 1 Cluster 2 Cluster 3 Cluster 4

Mai 221 211 289 200
Octobre 218 164 182 357

Tableau 5-6: Évolution du nombre de pixels de chaque cluster obtenu par la CAH pour les mois de mai et d’octobre.

La zone méridionale (cluster 1) se différencie du reste du territoire par 20 années pour

lesquelles les mois de mai ont des SPI12 positifs donc supérieurs à la moyenne. En particulier, les
mois de mai de 2006, 2008, 2009 sont les plus pluvieux. En 2019, cette zone géographique reste plus
humide même lorsque le reste du territoire est modérément sec à très sec. Par comparaison, les mois
cycloniques d’octobre montrent la même configuration positive pour 21 années dont les plus
caractéristiques sont 2005, 2007, 2008. Cependant, en mai 1988, octobre 2000 et 2001, ces variables
sont significativement négatives signifiant que cette région a été plus sèche que le reste du territoire.

La zone septentrionale (cluster 2) a un nombre de mois de mai et d’octobre plus pluvieux

inférieur au reste du territoire soit 16 années sur 40. Les années les plus caractéristiques sont celles
de mai 2006, 2018 et 2019 et celles d’octobre 1995, 2015 et 2019. Les années les plus sèches sont
celles des mois de mai 1987, 1991 et 2014 et d’octobre 1991 et 2008.

159
Thèse | Romual Chery
 La zone infra septentrionale (cluster 3) a aussi un nombre de mois de mai plus pluvieux
inférieur au reste du territoire soit 15 années sur 40. En revanche, c’est l’inverse en octobre soit 19
années sur 40. Les années les plus caractéristiques sont celles de mai 2000 et 2004 et d’octobre 2005,
2010 et même lorsque le reste du territoire est très sec comme en 2015 et 2019. La région est plus
sèche en mai 2019, 2020 et pour 1986 en octobre.

Pour la zone centrale est (cluster 4), les années caractéristiques les plus pluvieuses sont 1994
et 2004. Cette région se différencie d’autres par une période de sécheresse bien marquée entre 2015
et 2020.

Ces quatre zones géographiques seront par la suite utilisées pour établir une classification
actualisée des régimes de pluie en Haïti.

5.2.2 Régimes pluviométriques en Haïti

Dans cette partie, nous identifions les principaux régimes pluviométriques en Haïti par
l’analyse automatique KMED-ED intégrant le découpage préalablement réalisé au 5.2.1. Nous
construisons des histogrammes des cumuls mensuels par région dont les bornes des classes
correspondent aux déciles des cumuls mensuels CHIRPS donnés dans le tableau 5-7. Les
histogrammes obtenus pour chaque zone spatiale d’un mois donné ont été comparés entre eux par la
divergence de Kullback-Leibler et les régimes de précipitation ont été obtenus par Clustering
intégrant la distance ED comme décrit en sous-section 3.3.3.3.

Nous n’avons pas réalisé d’étape de désaisonnalisation et de conditionnement saisonnier pour

faire apparaître les structures recherchées. Nous n’avons pas travaillé sur les anomalies. Cette étape
vise à extraire la dynamique pluviométrique de chaque région.

160
Thèse | Romual Chery
 Déciles Min Max
10% 20% 30% 40% 50% 60% 70% 80% 90%
(%)
Valeur 1.29 19.17 31.76 46.50 62.4 79.66 99.48 122.91 154.20 205.18 1350.18

Tableau 5-7: Bornes des classes d’histogrammes utilisées pour quantifier les données de précipitations mensuelles,
Elles ont été obtenues à partir des déciles du jeu de données CHIRPS (1981-2020).

La figure 5-5 montre l’évolution de l’indice de Silhouette obtenu après deux types de classi-
fication automatique, celle avec la distance L2 (KMED-L2) et celle avec KMED-ED. Cet indice
évalue la qualité du traitement et des résultats obtenus en faisant le rapport entre l’homogénéité de
chaque groupe et l’hétérogénéité entre les groupes (Rousseeuw 1987; Biabiany 2020; Biabiany et al.
2020).

Les deux courbes sont au-dessus de la valeur seuil 0.2 indiquant une séparation de bonne
qualité. La courbe rouge du KMED-ED est au-dessus de celle du KMED-L2 confirmant l’efficacité
de la distance experte. Le changement de pente est observé pour un nombre de classes k=7. Nous
retiendrons cette valeur comme étant le nombre de régimes pluviométriques identifiés.

Figure 5-5: Évolution de l’indice de Silhouette en fonction du nombre de groupes ou clusters (k). La courbe rouge donne
la valeur de l’indice de silhouette pour les clusters obtenus par l’algorithme K-Médians avec ED (KMED-ED) et la courbe
noire pour le K-Médians avec la distance euclidienne (KMED-L2).

161
Thèse | Romual Chery
5.2.2.1 Précipitations moyennes associées aux sept régimes pluviométriques

Les figures 5-6 à 5-8 représentent les parangons des sept clusters trouvés en utilisant la
méthode KMED-ED. Ces clusters sont des régimes pluvieux (RPs) plus ou moins intenses, séquences
du processus intra et inter annuel se déroulant dans les quatre régions pluviométriques d’Haïti sur 40
années. Leurs paramètres statistiques sont donnés dans le tableau 5-8. Dans ce tableau, nous avons
rajouté les caractéristiques statistiques globales du cluster moyen de chaque groupe. Pour comparer
nos résultats et percevoir le degré de réalisme obtenu, nous avons aussi tracé en vis-à-vis le même
parangon en utilisant les réanalyses ERA5.
Les régimes les plus fréquents dans l’ordre décroissant sont RP1 (128 mois sur 480) soit 26.7 %
du temps, RP3 (89 mois sur 480) soit 18.5 % du temps, RP4 (82 mois sur 480) soit 17.1 % du temps,
RP6 (64 mois sur 480) soit 13.3 % du temps, RP5 (57 mois sur 480) soit 11.9% du temps, RP2 (34
mois sur 480) soit 7.1% du temps et RP7 (26 mois sur 480) soit 5.4 % du temps.

Les RPs 1 et 5 contribuent en moyenne à 63.7% des précipitations totales sur Haïti. Cette forte
contribution est due aux deux pics de précipitations des mois de mai et septembre-octobre. Les RPs
2, 4 et 6 (les plus secs) totalisent 18.7% des précipitations. Le RP3 représente 14.1% des
précipitations. Le RP7 a la plus faible proportion avec une contribution individuelle ne dépassant pas
3.5%.

La répartition intra annuelle, partie droite des figures 5-6 à 5-8 montre qu’il existe deux
groupes principaux et un groupe auxiliaire. Le premier groupe, RP1-3-5, correspond à des clusters
qui se répartissent des mois de mars-avril jusqu’à ceux d’octobre- novembre. Celui-ci inclut les deux
saisons humides. Les régimes pluviométriques (RP) de saison sèche, RP2-4-6 se déroulent de
novembre à avril et forment le deuxième groupe. Enfin, le RP7 constitue le troisième groupe. Il se
répartit principalement de juin à août, avec un maximum en juin.

Les RPs de la saison sèche ont des cumuls moyens compris entre 40.3 et
78.5 mm.mois-1 pour les parangons et entre 31 et 54.8 mm.mois-1 pour les clusters. Le RP4 est le plus
sec (40.3 mm.mois-1 pour le parangon et 31 mm.mois-1 pour la série). Les occurrences du mois de
janvier (35 mois sur 40 soit 87.5 %) sont élevées et les faibles valeurs de ces cumuls mensuels se
répartissent dans la majeure partie du pays sauf sur le massif de la Hotte et les côtes du nord. Le
deuxième RP le plus sec est le RP2, soit 55.9 mm.mois-1 en moyenne pour son parangon et 44.2
162
Thèse | Romual Chery
mm.mois-1 pour l’ensemble du cluster. Il est formé presque exclusivement des cumuls mensuels des
mois de mars soit 27 mois au total sur 40 pour un pourcentage de 67.5 %. Il se différencie spatialement
du précèdent car c’est le centre du pays qui est pluvieux. Le dernier d’entre eux, RP6, est spatialement
quasi identique au RP4. Il ne se diffère de celui-ci que par ses paramètres statistiques de dispersion.
Pour RP6, les isohyètes de fort cumul sont déplacés vers l’intérieur des terres dans le nord et ils
s’étendent dans toute la pointe de la péninsule du sud.

La transition entre les RPs de saison sèche et ceux des saisons humides est relativement raide
et a lieu au mois d’avril-mai.

Les RPs 1, 3 et 5 de la saison humide montrent des précipitations mensuelles moyennes su-
périeures à 86.2 mm.mois-1. Ces valeurs sont deux à quatre fois supérieures à celles des RPs les
plus secs (tableau 5-8). Ils débutent en mars pour s’arrêter en novembre (sauf RP3). RP1 et RP5 re-
produisent le cycle saisonnier avec des maximums localisés en ERS (mai) et LRS (septembre-oc-
tobre). Ils montrent que les cumuls mensuels abondants peuvent être spatialement observés sur tout
le territoire d’Haïti pendant cette saison. Ils se différencient spatialement par les isohyètes des ré-
gions septentrionale et infra septentrionale. Le RP3 se différencie par ses maximas en avril et juil-
let.

Le RP7, dernier cluster, rassemble 26 cumuls mensuels d’intensité moyenne égale à 74

mm.mois-1 pour le parangon et 71.7 mm.mois-1 pour l’ensemble (tableau 5-8).

Les cartes ERA5 obtenues à la résolution (0.25 ᵒ) montrent les mêmes évolutions spatio-tem-
porelles des cumuls mensuels.

163
Thèse | Romual Chery
 CHIRPS ERA5 Fréquence d’occurrence

Figure 5-6: Parangons des clusters 1, 2, 3 obtenus après classification des cumuls mensuels CHIRPS (colonne gauche) et leurs équivalents obtenus à partir des
cumuls mensuels de ERA5 (colonne du milieu) et fréquence d’occurrence intra annuelle des clusters (colonne droite). L’échelle est comprise entre 0 et 600
mm.mois-1 pour CHIRPS et entre 0 et 7 mm.mois-1 pour ERA5.

164
Thèse | Romual Chery
 CHIRPS ERA5 Fréquence d’occurrence

Figure 5-7 : Parangons des clusters 4, 5, 6 obtenus après classification à partir des cumuls mensuels CHIRPS (colonne gauche) et leurs équivalents obtenus à partir
des cumuls mensuels de ERA5 (colonne du milieu) et fréquence d’occurrence intra annuelle des clusters (colonne droite). L’échelle est comprise entre 0 et 600
mm.mois-1 pour CHIRPS et entre 0 et 7 mm.mois-1 pour ERA5.

165
Thèse | Romual Chery
 CHIRPS ERA5 Fréquence d’occurrence

Figure 5-8: Parangons du cluster 7 obtenus après classification à partir des cumuls mensuels CHIRPS (colonne gauche) et leurs équivalents obtenus à partir des
cumuls mensuels de ERA5 (colonne du milieu) et fréquence d’occurrence intra annuelle des clusters (colonne droite). L’échelle est comprise entre 0 et 600
mm.mois- 1 pour CHIRPS et entre 0 et 7 mm.mois-1 pour ERA5.

166
Thèse | Romual Chery
 Min Q1 Q2 Moy Q3 Max sd
Parangon 1 18.5 116.2 173 196 243.9 597.9 106.3
Parangon 2 8.4 34.4 54.1 55.9 73.6 159.5 27.3
Parangon 3 14.7 60.9 82.9 86.2 109.2 206 33.1
Parangon 4 2.6 20.5 20.8 40.3 50 197.7 30
Parangon 5 48.4 133 160.6 168.8 192.8 571.8 58.8
Parangon 6 5 37.5 55.3 78.5 97.5 378.4 62
Parangon 7 7.2 52.5 71.7 74 91.8 241 29

Cluster 1 43.7 109 142.3 140.8 169.1 332.4 45.9

Cluster 2 6.8 25 41.4 44.2 62 111.7 22.6
Cluster 3 29.3 69.7 92.7 91.5 110.7 202.9 29.7
Cluster 4 5.1 15.7 24.7 31.0 39.4 123.6 20.4
Cluster 5 84.4 169.1 219.4 220.1 257.6 569.7 70.7
Cluster 6 15.1 32 44.8 54.8 67.6 207.5 32.4
Cluster 7 21.3 50.4 67.2 71.7 91.5 175.1 28.1

Tableau 5-8: Statistiques des parangons et des clusters. Min = minimum, Q1 = premier quartile, Q2 =médiane,
Moy = moyenne, Q3 = troisième quartile, Max = maximum et sd = écart-type.

167
Thèse | Romual Chery
5.3 Analyse et bilan

Pour les stations sol, l’examen des séries temporelles des cumuls mensuels transformées en
SPI12 a permis de retrouver la tendance à l’assèchement de la décennie 1960, observée à grande
échelle dans les Caraïbes (Peterson et al. 2002; Taylor et al. 2002). Il montre que cette tendance se
répète entre 1971 et 1979, par l’apparition d’une période sèche pluriannuelle (-1.5 < SPI12< -1), et
ensuite par l’apparition de périodes très sèches et courtes (SPI12< -1.5) en 1979,1990, 2006 (Cap-
Haïtien) et en 2015-2016 (Cayes).

Ce travail met aussi en évidence de nouvelles tendances pluvieuses lors la décennie 2011-
2018 aux six stations (figure 5-1). Elles se rajoutent à celles trouvées dans les travaux de Moron et
al. (2015). Les durées et niveaux d’importance de ces deux types de tendance n’excèdent pas six ans.
Elles sont proches du quasi-cycle de 7-9 ans mentionné par les auteurs suivants : Jury (2009), Jury et
Gouirand (2011) et Moron et al. (2015). La variabilité multi-décennale reste irrégulière avec des
variations quasi-périodiques intermittentes de 3 ans au plus.

L’analyse complémentaire par auto-corrélation des séries temporelles SPI12 trimestrielles des
trimestres MAM et SON aux Cayes et au Cap-Haïtien a aussi permis d’identifier un profil pseudo
périodique respectivement de quatre et cinq ans. A l’issue de ces deux périodes, le trimestre conduit
respectivement à des cumuls anti corrélés (passage de sec à humide et vice versa) et corrélés
(renforcement du caractère humide).

Au vu de l’ensemble de ces résultats, les variabilités interannuelles bruitées observées et la

quasi- périodicité de durées différentes montrent qu’il devient délicat de pouvoir attribuer à une année
voire à une décennie donnée un caractère sec ou humide général à l’échelle locale en utilisant
uniquement ces six stations sol pendant ces trente dernières années en Haïti. Elles ne donnent que des
tendances extrêmement localisées.

Lorsqu’on utilise la méthode de classification automatique KMED-ED des cumuls mensuels

du produit global CHIRPS, nous identifions sept régimes de précipitations spatio-temporels en Haïti
à partir de quatre régions physiographiques distinctes, préalablement identifiées par CAH.

168
Thèse | Romual Chery
 Le cycle pluviométrique annuel des données maillées CHIRPS est résumé par ce Clustering
dynamique. La dissimilitude entre ces régimes est due à la différence des distributions de leurs cumuls
mensuels. Ce nombre de régimes est plus grand que celui trouvé par Moron et al. (2015), qui
comprenait quatre clusters identifiés aussi pareillement par des méthodes de classification
automatique mais à partir des cumuls observés au sol.

Les parangons des RPs 1, 3 et 5 sont pluvieux. Ils ont respectivement comme moyenne 140.8,
91.5 et 220.1 mm.mois-1. Ces valeurs sont proches ou supérieures de la moyenne mensuelle globale
(115.3 mm.mois-1) utilisée par Moron et al. (2015) pour différencier les stations humides des stations
sèches. Les deux régimes (RP1 et RP5) s’étendent d’avril à novembre et présentent des cycles à deux
maxima similaires au cycle annuel de la Caraïbe. Ils représentent à eux trois 77.8 % des précipitations
totales. Leurs cumuls mensuels élevés se répartissent en général dans l’ensemble du territoire. Les
massifs montagneux sont plus arrosés. Leurs intervalles interquartiles sont plus grands que ceux des
RPs secs indiquant une plus grande dispersion des cumuls mensuels de ces trois séries. La grande
fréquence du RP1 explique sa forte contribution aux précipitations totales.

Temporellement bien distincts de la saison humide, les clusters de saison sèche (RP2, RP4 et
RP6) s’étendent de novembre à mars. Les parangons des RPs 2, 4 et 6 mettent en évidence les zones
les plus sèches d’Haïti. De durée respective de 3, 4 et 6 mois, ils débutent en novembre pour se
terminer en avril et représentent à eux trois moins de 20% des précipitations totales. Ils sont très
fréquents en novembre-décembre (RP6), janvier-février (RP4) et mars (RP2) (tableau 5-9). Les
intervalles interquartiles sont inférieurs à 38 mm indiquant une faible dispersion de la moitié des
effectifs des cumuls mensuels de ces trois séries. Les zones les plus sèches sont localisées à la pointe
ouest de la zone septentrionale, dans la plaine de l’Artibonite dans la zone infra septentrionale, dans
la plaine du cul de Sac et dans la partie du littoral sud de la zone centrale (figure 5-4, 5-6 et 5-7). Il
faut noter la coexistence de zones pluvieuses pendant cette période sèche. Ces zones plus pluvieuses
(parangon 6) sont sur la côte au vent de la zone septentrionale et vers la pointe ouest de la zone
méridionale. Ces importantes variations de précipitations mensuelles conduisent à des gradients très
prononcés. Les moyennes spatiales calculées sont proches de celles des clusters 2 et 4. Les effets « au
vent-sous le vent » classiques des Caraïbes orientales peuvent expliquer les cumuls plus élevés
observés dans la région du nord et du sud.

169
Thèse | Romual Chery
 Les deux derniers, RP3 et RP 7, ont des répartitions temporelles différentes de la saison sèche
et de la saison humide.

Les RPs trouvés peuvent être reliés aux processus d’échelle synoptique se déroulant dans la
Caraïbe au cours de l’année. À cette fin, nous utiliserons les différents régimes de temps Weather
Types (WT) donnés dans la bibliographie consultée (Chadee & Clarke 2015; Vincent Moron et al.
2016).

La bibliographie consultée montre que les RPs secs peuvent être reliés aux WTs 1-3 et 7-8 de
Moron et al. (2016). Les régimes pluviométriques sont dus à une localisation et une intensité variable
du NASH, à des creux synoptiques transitoires (emplacement et intensité) sur la façade maritime de
la côte est du continent nord-américain. A cette période, la subsidence de grande échelle domine.

La comparaison spatiale de ces résultats avec ceux de Moron et al. (2016) indique une possible
correspondance entre les RPs 1, 3 et 5 trouvés avec les WT 4-5-6. Le premier pic de précipitations
(avril-mai) des RP 1 et 5 est lié au réchauffement des eaux marines de surface (Température >27 °C
en mai) et au changement de direction des vents de basse couche qui passeraient d’ENE (hiver boréal)
à ESE (printemps) tout en diminuant d’intensité. Le deuxième pic de septembre-octobre est plutôt lié
aux basses pressions de surface, au retrait vers l’est du NASH et la température de la surface de la
mer supérieure à 28 °C. La subsidence à l’échelle régionale est réduite dans les deux cas. Moron et
al. (2016) indique que la convection profonde peut se produire soit au milieu du bassin caraïbéen (88-
80°W, WT5) ou se décaler d’environ 20° vers l’est (WT6). Ces deux cas créent des anomalies de
précipitations positives plus fortes expliquant les cumuls élevés des RP1 et RP5. Les valeurs du
tableau 5-8 nous permettent d’associer le RP1 au WT5 et le RP5 au WT6.

Nous avons calculé les tendances à la hausse ou à la baisse des cumuls mensuels CHIRPS des
trois trimestres JFM, FMA et MAM lorsque l’indice Océanique Niño (Oceanic NiñO Index, ONI) est
à son maximum. Pendant l’hiver boréal, les épisodes chauds (froids) ont tendance à être associés à
des RPs plus pluvieux (secs). Cette tendance a été aussi observée aux stations sol. Ces résultats ont
été observés par Moron et al. (2016). Ils l’interprètent comme une possible tendance des ENSO
chauds (froids) à forcer la phase négative (positive) de la NAO au cours de la deuxième moitié de
l’hiver boréal (Pozo-Vázquez et al. 2001; I. Gouirand & Moron 2003; V. Moron & Gouirand 2003;
Vincent Moron et al. 2016).

170
Thèse | Romual Chery
 Janvier Février Mars Avril Mai Juin Juillet Août Sept Oct Nov Déc
Cluster 1 0 0 0 13 18 15 12 20 19 20 11 0
Cluster 2 3 0 27 4 0 0 0 0 0 0 0 0
Cluster 3 0 0 3 22 9 8 19 9 2 7 9 1
Cluster 4 35 23 5 0 0 0 0 0 0 0 0 19
Cluster 5 0 0 0 0 12 5 2 7 19 12 0 0
Cluster 6 2 17 5 1 0 0 0 0 0 0 19 20
Cluster 7 0 0 0 0 1 12 7 4 0 1 1 0

Tableau 5-9: Fréquence d’occurrence des mois de l’année dans la construction des sept clusters.

Figure 5-9: Fréquence d’occurrence de la variable année dans la construction des sept clusters.

171
Thèse | Romual Chery
 Figure 5-10: Dynamique des sept clusters

172
Thèse | Romual Chery
 Le regroupement par KMED-ED trouvé nous amène à redéfinir les saisons en ce sens qu’il
permet d’augmenter la variance interannuelle commune sur un ensemble de mois en regroupant des
cumuls mensuels non continus et sur des durées plus longues. Dans le bassin des Caraïbes, la tendance
est plutôt de diviser la saison des pluies en période précoce (ERS) et en période tardive (LRS).
Cependant, comme indiqué par Moron et al. (2015), nous considérons que cette approche peut
s’avérer trompeuse lorsque des mois consécutifs qui ne partagent pas les mêmes forçages
atmosphériques et océaniques sont regroupés par saison (figure 5-9 et 5-10). Pour Haïti, Les RPs
trouvés par l’intermédiaire du produit global CHIRPS permettent de :

- garder la subdivision de décembre à février comme saison la plus sèche,

- conserver les mois de mai, d’août, septembre et octobre comme indicateurs des deux
saisons de pluies.
- d’inclure les mois d’avril et de juillet comme respectivement des modulateurs des
deux saisons pluvieuses. Le mois d’avril peut être regroupé au mois de mai pour
former la première saison pluvieuse et celui de juillet aux mois d’août, septembre et
octobre pour former la seconde saison pluvieuse.

173
Thèse | Romual Chery
 Chapitre 6
Précipitations extrêmes : Analyse des
tendances observationnelles en Haïti

174
Thèse | Romual Chery
 Les précipitations extrêmes font partie des aléas météorologiques à fort impact touchant les
personnes et leur environnement. Elles sont responsables de pertes de vies humaines et de nombreux
dommages aux infrastructures. Dans son récent rapport, les experts du GIEC soulignent que « les
phénomènes extrêmes se manifestent désormais à un rythme jamais vu depuis le début des
observations et qui va s’accélérer avec le réchauffement de la planète (IPCC 2021) ». Les fréquence
et intensité de ce type d’aléas ont ainsi augmenté depuis les années 1950 et cette tendance devrait se
poursuivre. Ces dernières années, il n’est pas rare qu’en quelques heures ou quelques jours tombe
l’équivalent d’un mois, voire de plusieurs mois de pluies aussi bien en Afrique, en Asie, en Europe
qu’en Amérique.

La question de la relation possible entre la variabilité et la tendance des extrêmes de

précipitations et le changement climatique a été abordée par plusieurs auteurs et dans plusieurs
régions du monde, par exemple en Méditerranée Française (Ribes et al, 2019). Une réponse peut être
fournie grâce à l’analyse rétrospective des données quotidiennes maximales observées sur de longues
périodes (≥ 30 ans).

Peu de travaux ont été consacrés à la détection des pluies extrêmes (PE) dans la Caraïbe et a
fortiori en Haïti. Cela peut être attribuée à la graduation des urgences dans ce pays qui, combinée à
la rareté des données d’observation, ne laisse que peu de place à ce type d’études. Cependant, ces
lacunes tentent d’être résorbées par l’UHM qui, par des campagnes de «data rescue», construit
patiemment une base de données robuste pour la mettre à disposition d’études comme celle-ci.

Dans ce chapitre, nous intéressons à l’analyse des cumuls au sol et du produit maillé CHIRPS à
l’échelle journalière comme élément principal de l’attribution d’un événement extrême à partir de
deux informations : la fréquence (rareté) de l’événement dans le climat actuel et l’ampleur de son
évolution au cours des 40 dernières années pour l’ensemble des données sol et CHIRPS. Nous tente-
rons d’individualiser des règles de décision par la modélisation de l’évolution temporelle des fré-
quences moyennes de dépassement de seuil extrême en utilisant des modèles linéaires généralisés.

175
Thèse | Romual Chery
6.1 Pluies extrêmes
.

6.1.1 Fréquence moyenne de dépassement

Pour étudier les changements possibles dans les extrêmes des précipitations journalières, nous
avons déterminé préalablement les quantiles des séries temporelles pour la période hors cyclone
(DJFMAM). Les quantiles trouvés sont donnés dans le tableau 6-1.

DJFMAM Min q10 q20 q30 q40 q50 q60 q70 q80 q90 q95 q99 Max
Quotidien sol 0.2 0.8 1.5 2.6 4.0 6.0 9.0 13.7 20.4 35.5 51.8 93.6 280
Quotidien CHIRPS 0.2 4.5 5.6 6.5 7.5 8.8 10.5 13.4 19.1 33.4 51.1 99.0 453.4

Tableau 6-1 : Statistiques des précipitations quotidiennes hors cyclones de 1981 à 2020.

Les quantiles 95 (q95) des deux séries temporelles journalières hors période cyclonique sont
respectivement égaux à 51.8 mm (sol) et 51.1 mm (CHIRPS). De même les quantiles 99 (q99) valent
respectivement 93.6 mm (sol) et 99.0 mm (CHIRPS). Nous utiliserons les valeurs de 50 mm pour le
q95 (~ 5% des effectifs) et 100 mm pour le q99 (~1% des effectifs) comme valeurs seuils des
précipitations journalières respectivement intenses et extrêmes en Haïti.

Les figures 6-1 et 6-2 montrent l’évolution trimestrielle de la fréquence moyenne de

dépassement de seuil par an, à partir du q95 pour les stations sol et la base globale CHIRPS. Les
fréquences moyennes de dépassement ont été calculées pour les pixels CHIRPS proches des stations
de l’UHM de même pour la totalité de la base de données. Le nombre de jours pendant lesquels les
précipitations quotidiennes dépassaient les seuils fixés sur au moins une station de mesure a été
dénombré. Un seul événement est comptabilisé lorsque le seuil est dépassé à plusieurs stations le
même jour (Ribes et al, 2019). L’analyse est faite pour une large gamme de seuils de 50 à 460 mm
par pas de 10 mm.

176
Thèse | Romual Chery
Figure 6-1: Fréquences moyennes (nombre de jours par an) de dépassement de seuil de précipitations journalières intenses
et extrêmes des six stations sol sur la période 1981-2018 aux trimestres DJF (courbe rouge), MAM (courbe verte) et SON
(courbe bleue).

a)

b)

Figure 6-2 : Fréquences moyennes de dépassement de seuil de précipitations journalières intenses et extrêmes a) pour les
(29) pixels proches des stations sol de l’UHM et b) pour les 921 pixels de CHIRPS sur la période 1981-2020 aux trimestres
DJF (courbe rouge), MAM (courbe verte) et SON (courbe bleue).

177
Thèse | Romual Chery
Les figures 6-1 et 6-2 montrent :

- une décroissance non linéaire des fréquences moyennes de dépassement de seuil,

- au sol, une décroissance de 2.81 à 0.03 événements (tableau 6-2) par an tandis que pour
CHIRPS elle est de 6.83 à 0.05 (tableau 6-2) pour les pixels proches et de 22.65 à 0.6 (tableau
6-3) pour la totalité, soit respectivement des amplitudes de l’ordre de 102 à 103. Ce résultat
est attendu car il montre la dépendance non linéaire de la fréquence au nombre de stations ou
de pixels constitutifs des séries analysées.
- des fréquences de dépassement observées quasi similaires en MAM (courbe verte) et en SON
courbe bleue) pour les seuils inférieurs à 100 mm.jour-1,
- des fréquences moyennes de dépassement plus élevées en MAM (courbe verte) pour la grande
majorité des seuils de CHIRPS.
- que la prise en compte de l’ensemble du territoire augmente les fréquences de dépassement
jusqu’à un facteur 6.

Seuil (mm.jour-1)
50 100 150 200
Sol CHIRPS Sol CHIRPS Sol CHIRPS Sol CHIRPS
DJF 1.10 2.00 0.16 0.55 0.03 0.2 0.03 -
MAM 2.81 6.83 0.26 2.05 0.05 0.57 0.03 0.27
SON 2.63 5.45 0.53 0.73 0.11 0.15 0.03 0.05

Tableau 6-2: Fréquences moyennes de dépassement aux seuils de 50, 100, 150 et 200 mm des stations sol et des mailles
CHIRPS les plus proches pour la période 1981-2020.

Seuil (mm.jour-1)
50 100 150 200
DJF 8.08 3.03 1 0.35
MAM 22.65 8.03 3.28 1.3
SON 19.30 4.93 1.68 0.60

Tableau 6-3: Fréquences moyennes de dépassement aux seuils de 50, 100, 150 et 200 mm de CHIRPS en Haïti,
période 1981-2020.

La figure 6-3 représente la répartition spatiale du nombre total d’occurrences avec des cumuls
supérieurs à 50 et 100 mm de 1981 à 2020. Pour les seuils supérieurs à 50 mm, la répartition spatiale
se rapproche des régimes pluviométriques 1 et 5 retrouvés en sous-section 5.2.2.1.

178
Thèse | Romual Chery
 a)

b)

Figure 6-3 : Nombre d’événements ayant apporté au moins 50 et 100 mm de pluie en une journée en Haïti. Le code de
couleur indique la fréquence des cumuls journaliers supérieurs ou égaux à un seuil fixé de 1981 à 2020.

179
Thèse | Romual Chery
6.1.2 Modèle linéaire généralisé

Pour décrire l’évolution de cette intensification en Haïti, nous proposons de compter, dans les
deux bases de données receuillies, le nombre d’événements quotidiens supérieurs à 50 mm pendant
38 ans (1981-2018) pour les observations sol et et 40 ans (1981-2020) pour le réseau maillé. Nous
examinons ensuite les tendances historiques à long terme par l’intermédidiare d’un modèle linéaire
généralisé (en anglais Generalized Linear Model, GLM).

Résultats

Les pentes des évolutions non linéaires pour les trimestres DJF, MAM et SON sont données
dans les tableaux 6-4 à 6-6. Pour plus de clarté, nous avons présenté uniquement les valeurs des
pentes de régressions aux seuils de 50, 100 et 200 mm.jour-1 (multiples d’un facteur 2) pour les p-
value significatives (< 0.05). Lorsque ces seuils ne sont pas disponibles, ils sont remplacés par des
valeurs les plus proches indiquées en italique.

Les figures 6-4 (sol) et 6-5 (CHIRPS) montrent l’évolution temporelle des p-value de chacune
des régressions (Poisson, quasi-Poisson et Binomiale Négative), pour un seuil donné (axe des ordon-
nées) et par trentaine d’années. Par exemple, l’abscisse 2012 représente la trentaine 1983-2012.

MAM SON
1982- 1983- 1981- 1982- 1983 1984- 1985- 1987- 1988-
Seuil
2011 2012 2010 2011 2012 2013 2014 2016 2017
Poisson / Quasi-Poisson / Binomiale Négative
60 0.029
80 0.066 0.064 0.055
100/110 0.153 0.126 0.077 0.073 0.068 0.074
140 0.287 0.221 0.177

Tableau 6-4: Pente du modèle GLM (Poisson, Quasi-Poisson et Binomiale Négative) observée pour les stations sol à
différents seuils journaliers, pour des périodes de 30 ans. Les trimestres concernés sont MAM et SON, sol 1981-2018.

180
Thèse | Romual Chery
Figure 6-4: Significativité / p-value de la pente du modèle GLM (Poisson, Quasi-Poisson, Binomiale Négative) du nombre de jours de pluie en fonction de différents
seuils pour des périodes de 30 ans. L’axe horizontal représente les 11 périodes de 30 années de 1981-2018 (observation sol) et l’axe vertical représente les différentes
gammes de seuil. Les trimestres concernés sont MAM et SON. Les abréviations P, BN, QP désignent respectivement les modèles Poisson, Binomiale Négative et
Quasi-Poisson.

181
Thèse | Romual Chery
 Au sol, les changements significatifs pour le trimestre MAM (période hors cyclone) sont ob-
servés au seuil de 100 mm.jour-1 (figure 6-4) pour la période 1982-2012.

La comparaison avec le trimestre SON, période cyclonique, montre que les changements si-
gnificatifs sont observés pour les seuils de 60, 80, 110 et 140 mm.jour-1. Les pentes sont positives
pour les sept trentaines comprises entre 1981 et 2017 hormis celles de 1986-2015. Les valeurs de
pente restent identiques quel que soit la distribution choisie indiquant une variance non constante.
Les plus grandes pentes sont observées au seuil de 140 mm.jour-1.

La même analyse a été réalisée sur les données quotidiennes du produit global CHIRPS. Les
tableaux 6-5 et 6-6 donnent les pentes significatives de la régression non linéaire pour les trimestres
DJF, MAM et SON. La figure 6-5 représente l’ensemble des p-value de ces régressions. Les p-value
significatives et leurs pentes associées sont plus nombreuses que pour les stations sol et pour de
nombreux seuils (figure 6-4).

Le tableau 6-5 montre qu’au trimestre DJF les régressions ont des pentes négatives indiquant
une diminution des fréquences de dépassement à partir de la trentaine 1984-2013. C’est exclusive-
ment pour la trentaine 1981-2010 et au seuil de 200 mm.jour-1 que les fréquences de dépassement
augmentent au cours du temps.

Le tableau 6-6 montre qu’au trimestre MAM, période hors cyclone, les changements signifi-
catifs sont trouvés pour les trentaines 1981-2010 et 1991-2020. Pour la première d’entre elles, il y a
une augmentation des fréquences de dépassement au seuil de 200 mm.jour-1. Pour la seconde, les
pentes observées sont négatives indiquant une diminution des fréquences de dépassement soit pen-
dant ces trente dernières années. Le seuil extrême le plus représentatif est à 150 mm.jour-1.

Au trimestre SON, les changements significatifs montrent une évolution quasi identique à
celle du trimestre MAM. Les seuils trouvés correspondent aussi bien à des pluies intenses qu’à des
pluies extrêmes (tableau 6-6).

182
Thèse | Romual Chery
 DJF
Seuil 1981-2010 1984-2013 1985-2014 1986-2015 1987-2016 1988-2017 1989-2018 1990-2019 1991-2020
Poisson
50 -0.023 -0.022 -0.026 -0.035 -0.038 -0.022 -0.023 -0.026
100 -0.029 -0.024 -0.030 -0.029
200 0.083
Quasi-poisson
50 -0.026 -0.035 -0.038
90 -0.035
200 0.083
Binomiale négative
50 -0.027 -0.029 -0.038 -0.039
90 -0.034 -0.039
200 0.083

Tableau 6-5: Pente du modèle GLM (Poisson, Quasi-Poisson et Binomiale Négative) du nombre de jours de pluie en
fonction de différents seuils pour des périodes de 30 ans. Le trimestre concerné est DJF, CHIRPS 1981-2020,

Seuil MAM SON

1981-2010 1991-2020 1981-2010 1990-2019
Poisson
50 -0.009 0.011
110 0.035
120 -0.022 -0.024
150 -0.036 0.032 (1988-2017)
200 0.039
Quasi-poisson
110 0.035
150 -0.036
200 0.039
Binomiale negative
60 0.016
110 0.037
150 -0.036
200 0.036

Tableau 6-6: Pente du modèle GLM (Poisson, Quasi-Poisson et Binomiale Négative) du nombre de jours de pluie en
fonction de différents seuils pour des périodes de 30 ans. Le trimestre concerné est MAM et SON, CHIRPS 1981-2020.

183
Thèse | Romual Chery
Figure 6-5: Significativité / p-value de la pente du modèle GLM (Poisson, Quasi-Poisson, Binomiale Négative) du nombre de jours de pluie en fonction de différents
seuils pour des périodes de 30 ans, L’axe horizontal représente les 11 périodes de 30 années de 1981-2020 (CHIRPS) et l’axe vertical représente les différentes
gammes de seuil, Les trimestres concernés sont DJF, MAM et SON. Les abréviations P, BN, QP désignent respectivement les modèles Poisson, Binomiale Négative
et Quasi-Poisson.

184
Thèse | Romual Chery
 a)

b) c)

Figure 6-6: Évolution du nombre de jours de pluies pour les seuils de : a) 80 mm en SON 1981-2010 au sol, b) 200 mm en MAM 1981-2010 et c) 120 mm en
MAM 1991-2020 pour CHIRPS.

185
Thèse | Romual Chery
6.2 Analyse et bilan

Les dépendances entre fréquence de dépassement pour plusieurs seuils de cumuls journaliers
et les trimestres hors cyclonique et cyclonique ont été établies. L’allure des courbes illustrées en
figures 6-1 et 6-2 a été retrouvée dans d’autres environnements comme par exemple en Méditerranée
française (Ribes et al. 2019).

Nous avons aussi observé que les fréquences de dépassement des cumuls supérieurs à 50
mm.jour-1 du produit global calculées par année sont toutes supérieures à celles des six stations du
réseau sol (tableau 6-2). Cette différence peut s’expliquer par un sous-échantillonnage spatial des
processus pluvieux, dû au faible nombre de stations sol et à leur localisation en basse altitude. Les
cartes de la figure 6-3 confirment cette analyse car les fréquences de dépassement élevées sont plus
nombreuses dans les zones montagneuses (Massifs de la Hotte et du nord, Montagnes noires). Ces
résultats témoignent de la prise en compte de l’orographie par le produit global (C. Funk et al. 2015).

Dans cette étude, nous avons utilisé des modèles exponentiels de type GLM pour répondre à
la question de l’évolution des précipitations intenses et extrêmes en termes d’intensité et de fréquence
en Haïti. Notre diagnostic suggère une recrudescence de la fréquence de ces cumuls pendant la
période 1981-2013 pour le réseau des stations sol.

La comparaison avec le produit global CHIRPS montre des similitudes mais aussi des
dissemblances. Le traitement des données quotidiennes CHIRPS révèle l’accroissement des
fréquences sur la période de 1981 à 2010. Ainsi, l’ajustement par modèle GLM du nombre annuel
d’évènements dépassant les seuils de 200 mm.jour-1 correspond à une augmentation en fréquence de
0.82 à 2.66 de 1981 à 2010 (figure 6-6b).

Ce premier diagnostic par le modèle GLM peut être considéré comme sous-optimal, car on
observe peu de trentaines avec des p-value significatives pour un seuil donné (figures 6-4 et 6-5). Un
changement non exponentiel dans le temps peut ne pas être significatif, mais pour autant cela
n’implique pas qu’il n’y aurait pas d’évolution dans le temps.

186
Thèse | Romual Chery
 Pour les trois régressions, la significativité des pentes diminue (augmentation des p-value)
quand on passe d’une variance constante à une variance variable. La prise en compte des phénomènes
de surdispersion génère une incertitude sur l’évolution non linéaire des fréquences de dépassement
annuelles des précipitations extrêmes au sol, dans le produit global et par extension en Haïti.

187
Thèse | Romual Chery
 Conclusions et perspectives

188
Thèse | Romual Chery
 Le travail de thèse présenté dans ce mémoire s’est intéressé à la mise en évidence des régimes
de précipitations en Haïti et de la possible intensification de leurs extrêmes en contexte de
changement climatique. Nous nous sommes intéressés aux deux principales saisons pluvieuses, mais
avec un focus sur les mois de mars à mai. A cette période de l’année, les événements pluvieux qui
peuvent mener à des précipitations extrêmes sont souvent mal prédits par rapport aux pluies
cycloniques.

Bien que l’intensification systématique des précipitations de courte durée dans les climats les
plus chauds soit désormais confirmée, les variations des cumuls de précipitations à petites échelles
spatio-temporelles restent encore un sujet ouvert, en particulier celles liées aux extrêmes. Ce travail
d’analyse est d’autant plus délicat, lorsqu’un territoire d’intérêt comme Haïti reste dénué
d’observations de précipitations récentes appropriées et suffisantes.

A l’aide de données récentes, nous portons à connaissance les changements observés de ce

paramètre pendant la dernière quarantaine d’années et à différentes échelles temporelles. Pour cela,
nous avons utilisé les données de précipitations du réseau d’observation de l’Unité Hydro
Météorologique d’Haïti, organisme d’état responsable de la veille météorologique et climatique du
territoire. En complément à ces données, nous avons utilisé les précipitations maillées du produit
global CHIRPS recueillies sur une période équivalente.

Situées pour la plupart sur le littoral et statistiquement homogènes pour le groupe à l’échelle
annuelle, les stations de surface donnent une appréciation partielle de la pluviosité d’Haïti. D’une
profondeur temporelle de 58 années, l’analyse des tendances des anomalies annuelles par rapport aux
trois dernières normales, l’utilisation d’indices de précipitations sur une échelle de temps de 12 mois
(sècheresse hydrologique), la détection de changement de moyenne et l’autocorrélation nous ont
permis de :

- retrouver par un modèle additif le motif attendu de la décomposition saisonnière des

précipitations des Grandes Antilles,
- confirmer l’existence de la grande variabilité inter annuelle. La principale caractéristique à
retenir est plutôt l’existence de périodes d’au plus 7-9 ans qui ont été plus sèches ou plus
humides que les périodes de référence choisies, avec des amplitudes qui varient selon la
région d’Haïti. Pendant les quatre dernières décennies, les années humides (ou sèches) se

189
Thèse | Romual Chery
 produisent couramment à travers tout le pays, amplifiées ou pas par les variations locales liées
au territoire,
- individualiser une dissymétrie spatiale inter péninsulaire (région nord et région sud) avec une
asymétrie positive dans les séries temporelles SPI12, c'est-à-dire que les anomalies positives
ont tendance à être légèrement plus importantes que les anomalies négatives,
- caractériser la tendance à l’humidification à partir des années 2000 suivie d’un nouveau
fléchissement vers l’assèchement à partir de 2015. Les changements menant à une
augmentation de la moyenne des cumuls annuels et saisonniers ont été observés
principalement pour la décennie 1970-80 et 2010-2018. Les augmentations peuvent se
produire aussi bien en DJF, MAM et SON,
- spécifier un profil pseudo périodique respectivement de quatre et cinq ans qui conduit à des
cumuls anti corrélés (passage de sec à humide et vice versa en MAM) et corrélés
(renforcement du caractère humide en SON).

Au vu de l’ensemble de ces résultats, variabilité interannuelle bruitée et quasi-périodicité de

durées différentes, il devient délicat de pouvoir attribuer à une année voire à une décennie donnée un
caractère sec ou humide général à l’échelle locale pour ces stations sol pendant ces trente dernières
années en Haïti.

Disposant d’un réseau sol spatialement insuffisant et voulant caractériser la variabilité récente
des régimes de précipitation, le produit global CHIRPS, réseau maillé contenant 100 fois plus de
« points », a aussi été analysé. Au préalable, les performances de ce réseau maillé, versus réseau sol
ont été mises en évidence à l’aide de cinq mesures statistiques quantitatives (RMSE, KGE, r, α et β)
aux échelles annuelles et trimestrielles.

L’indice KGE ne dépasse pas 0,61 et montre une grande variabilité d’une région à l’autre
(nord, ouest et sud). Les moyennes pluviométriques maillées sont en général plus élevées que celles
calculées à partir des données des stations sol ( 𝛽 > 1) et leurs écart-types indiquent une variabilité
plus faible (𝛼 < 1) aux échelles annuelle et saisonnière. La faiblesse du KGE peut s’expliquer par
l’hétérogénéité de l’environnement des stations sol. En effet, dans un rayon de cinq km, il est fréquent
d’observer des variations significatives d’altitude qui lorsqu’elles se rajoutent aux possibles erreurs

190
Thèse | Romual Chery
de mesure contenues dans les observations au sol dégradent la qualité des indices statistiques utilisés.
Cette faiblesse implique aussi une performance limitée.

Les précipitations maillées contiennent aussi le cycle saisonnier de la pluviométrie d’Haïti et

montrent en moyenne une asymétrie en faveur des anomalies sèches, bien marquées pendant la
décennie 1980 et à partir de 2013 et comparables à celles des stations sol. À l’échelle spatio-
temporelle, les changements de moyenne confirment cette tendance et bornent la période temporelle
plus pluvieuse de 1992 à 2011.

Lorsqu’on compare les pentes des régressions des séries temporelles obtenues par lissage des
anomalies par rapport à la normale 1981-2010, la variabilité inter annuelle est moins prononcée en
moyenne pour les précipitations maillées que pour les stations sol. Les pentes des tendances
moyennées indiquent une période pluvieuse (10.7 mm.an-1) ou sèche (-25.2 mm.an-1) plus faibles que
celles trouvées au sol.

La méthode de classification automatique KMED-ED des 480 cumuls mensuels répartis sur
921 mailles du produit global CHIRPS caractérise sept régimes de précipitations spatio-temporels en
Haïti : trois régimes pluvieux (RP1-3-5), trois régimes secs (RP2-4-6) et un régime intermédiaire
(RP7). Ils représentent respectivement 77.8 %, 18.7 %, 3.5 % des précipitations maillées totales et se
répartissent respectivement d’avril à octobre, de novembre à mars et de juin à août. Ce caractère semi
saisonnier montre que les précipitations maillées capturent l’ensemble des processus de grande et de
moyenne échelle à l’origine de la variabilité annuelle des précipitations en Haïti. Nous avons relié les
RPs aux types de temps retrouvés par d’autres auteurs avec de bonnes correspondances mais les
durées et périodes temporelles sont différentes. La saisonnalité des précipitations gagnerait plutôt à
rassembler les mois de décembre à mars comme indicateurs de la saison sèche, puis ceux d’avril-
mai, d’août-septembre-octobre comme indicateurs des saisons de pluies. Les mois de juin, juillet et
de novembre représenteraient des transitions.

Bien que la dynamique temporelle des RPs montre une diminution des RPs pluvieux pour la
dernière décennie, elle est cependant non significative.

191
Thèse | Romual Chery
 De plus, les tendances trimestrielles à la hausse ou à la baisse des précipitations maillées
obéissent aussi à la règle suivante : lorsque l’ONI est à son maximum en JFM, FMA et MAM, les
épisodes chauds (froids) ont tendance à être associés à des RPs plus pluvieux (secs).

En comptant les fréquences de dépassement par an pour des seuils graduellement supérieurs
à 50 mm.jour-1 et à l’aide d’une modélisation GLM, nous avons répondu à la question de l’évolution
des précipitations intenses et extrêmes en Haïti.

Les fréquences de dépassement aux seuils intenses compris entre 50 et 100 mm.jour-1
augmentent en moyenne en MAM pour les stations sol sur la période allant de 1981 à 2012. C’est la
même tendance qui est observée à cette période aux trimestres DJF, MAM et SON tandis que c’est le
contraire pour la période 1991-2020 en MAM.

Pour les seuils extrêmes, 150 et 200 mm.jour-1, l’augmentation de la fréquence de

dépassement est observée en DJF et MAM de 1981 à 2010, en SON de 1991 à 2019 pour les
précipitations maillées et de 1985 à 2017 (140 mm.jour-1 ) pour les observations sol. De 1991 à 2020,
les fréquences de dépassement en MAM diminuent à partir du seuil de 150 mm.jour-1.

La prise en compte des phénomènes de surdispersion a diminué considérablement le nombre

de seuils significatifs de la régression pour laquelle la variable « fréquences de dépassement » est une
fonction exponentielle du temps qui montrerait des caractéristiques multiplicatives.

Ce premier diagnostic est à notre avis sous-optimal (la faiblesse de trentaines avec des p-value
significatives pour un seuil donné) et laisse à penser que tout changement non exponentiel dans le
temps peut ne pas être significatif.

Ces deux phénomènes génèrent donc une incertitude sur l’évolution non linéaire des fréquences
de dépassement annuelles des précipitations extrêmes au sol pendant ces 40 dernières années, dans
le produit global et par extension en Haïti.

Dans ce manuscrit, le seuil de 50 mm.jour-1 de pluie correspond au quantile 95 des deux séries
de données journalières utilisées. Pour un territoire comme Haïti, ce seuil est capable de causer de
nombreux impacts aux regards des conséquences relatives aux biens et aux personnes. Son choix doit
être repensé en le croisant aux facteurs tels que l’érosion, l’imperméabilité des sols et l’aménagement

192
Thèse | Romual Chery
du territoire. Il a été observé que les grands centres urbains (Port-au-Prince, Cap-Haïtien, Cayes,
Gonaïves), hébergeant une grande majorité de la population, pourraient être rapidement sujets à des
débordements des voies et réseaux d’évacuation pour des cumuls journaliers plus faibles provoquant
des inondations. Une réflexion doit être menée à ce sujet.

L’une des limites de cette étude est la faible densité du réseau de mesure au sol d’Haïti. Pour
la description du climat d’un tel territoire, une base de données de référence bien documentée devient
nécessaire. L’analyse des régimes de pluies et des précipitations extrêmes sur Haïti a été possible
grâce au réseau maillé CHIRPS. La réalisation d’autres travaux de recherche de ce type utilisant
d’autres bases de données climatiques servirait de comparaison aux nôtres.

La présente étude a mis en évidence l’évolution des régimes de pluie et des précipitations
extrêmes pendant les quarante dernières années. Compte tenu de l’ampleur mondiale du
réchauffement global, il serait pertinent de produire de nouvelles projections spécifiques à Haïti afin
d’envisager le devenir de ces régimes de pluie et précipitations extrêmes pour les cinquante
prochaines années. C’est en ce sens que ce travail devrait permettre d’ouvrir de nouvelles pistes et
contributions sur les impacts du changement climatique en Haïti.

193
Thèse | Romual Chery
 Références bibliographiques

194
Thèse | Romual Chery
Adams, D.K. & Comrie, A.C., 1997. The North American Monsoon. Bull. Am. Meteorol. Soc., 78,
21972214, American Meteorological Society.doi:10.1175/15200477(1997)078<2197:TNA
M>2.0.CO;2
Agudelo, P.A., Hoyos, C.D., Curry, J.A. & Webster, P.J., 2011. Probabilistic discrimination between
large-scale environments of intensifying and decaying African Easterly Waves. Clim. Dyn.,
36, 1379–1401. doi:10.1007/s00382-010-0851-x
Allen, T. & Mapes, B., 2017. The late spring Caribbean rain-belt: climatology and dynamics, MDPI
AG. doi:10.3390/CHyCle-2017-04881
Alpert, L., 1941. The areal distribution of mean annual rainfall over the island of Hispaniola. Mon.
Weather Rev., 69, 201–204. doi:10.1175/1520-0493(1941)069<0201:TADOMA>2.0.CO;2
Alpert, L., 1942. Rainfall maps of Hispaniola. Bull. Am. Meteorol. Soc., 23, 423–431, American
Meteorological Society.
Amador Astúa, J.A., 1998. A Climate Feature of the Tropical Americas: The Trade Wind Easterly
Jet. Rev. Tópicos Meteorológicos Oceonográficos Vol 52 Pp 91-102. Retrieved from
https://www.kerwa.ucr.ac.cr/handle/10669/76623
Arkin, P.A., 1979. The Relationship between Fractional Coverage of High Cloud and Rainfall
Accumulations during GATE over the B-Scale Array. Mon. Weather Rev., 107, 1382–1387,
American Meteorological Society. doi:10.1175/15200493(1979)107<1382:TRBFCO>2.0.C
O;2
Arkin, P.A. & Meisner, B.N., 1987. The Relationship between Large-Scale Convective Rainfall and
Cold Cloud over the Western Hemisphere during 1982-84. Mon. Weather Rev., 115, 51–74,
American Meteorological Society. doi:10.1175/15200493(1987)115<0051:TRBLSC>2.0.C
O;2
Ba, M.B. & Gruber, A., 2001. GOES Multispectral Rainfall Algorithm (GMSRA). J. Appl. Meteorol.
Climatol., 40, 15001514, American Meteorological Society.doi:10.1175/15200450(2001)04
0<1500:GMRAG>2.0.CO;2
Bathelemy, R., Brigode, P., Boisson, D. & Tric, E., 2022. Rainfall in the Greater and Lesser Antilles:
Performance of five gridded datasets on a daily timescale. J. Hydrol. Reg. Stud., 43, 101203.
doi:10.1016/j.ejrh.2022.101203
Bernard, D., Biabiany, E., Cécé, R., Chery, R. & Sekkat, N., 2022. Clustering analysis of the
Sargassum transport process: application to beaching prediction in the Lesser Antilles. Ocean
Sci., 18, 915–935, Copernicus GmbH. doi:10.5194/os-18-915-2022
Beucher, F., 2010. Météorologie tropicale: des alizés au cyclone tropical. Cours et manuels, Météo
France.
Biabiany, E., 2020. Partitionnement de données pour l’informatique climatique : Contributions à
l’amélioration des méthodes d’identification automatique des régimes de temps en climat
tropical insulaire.
Biabiany, E., Bernard, D., Pagé, V. & Paugam-Moisy, H., 2020. Design of an expert distance metric
for climate clustering: The case of rainfall in the Lesser Antilles. Comput. Geosci., 145,
104612. doi:10.1016/j.cageo.2020.104612

195
Thèse | Romual Chery
BM, 2021. Population , total - Total. Retrieved from https://donnees.banquemondiale.org/indicator/
SP.POP.TOTL?locations=HT
Burpee, R.W., 1972. The Origin and Structure of Easterly Waves in the Lower Troposphere of North
Africa. J. Atmospheric Sci., 29, 7790. doi:10.1175/15200469(1972)029<0077:TOASOE>2.
0.CO;2
Butterlin, J., 2019. I. Caractères géographiques et géologiques généraux de la république d’Haïti. in
Géologie générale et régionale de la république d’Haïti Travaux et mémoires, pp. 11–27,
Éditions de l’IHEAL. Retrieved from http://books.openedition.org/iheal/5627
Campbell, J.D., Taylor, M.A., Stephenson, T.S., Watson, R.A. & Whyte, F.S., 2011. Future climate
of the Caribbean from a regional climate model: FUTURE CLIMATE OF THE
CARIBBEAN FROM A REGIONAL MODEL. Int. J. Climatol., 31, 1866–1878.
doi:10.1002/joc.2200
Carlson, T.N. & Prospero, J.M., 1972. The Large-Scale Movement of Saharan Air Outbreaks over
the Northern Equatorial Atlantic. J. Appl. Meteorol. Climatol., 11, 283–297, American
Meteorological Society. doi:10.1175/1520-0450(1972)011<0283:TLSMOS>2.0.CO;2
Centella-Artola, A., Bezanilla-Morlot, A., Taylor, M.A., Herrera, D.A., Martinez-Castro, D.,
Gouirand, I., Sierra-Lorenzo, M., et al., 2020. Evaluation of Sixteen Gridded Precipitation
Datasets over the Caribbean Region Using Gauge Observations. Atmosphere, 11, 1334,
Multidisciplinary Digital Publishing Institute. doi:10.3390/atmos11121334
Chadee, X.T. & Clarke, R.M., 2015. Daily near-surface large-scale atmospheric circulation patterns
over the wider Caribbean. Clim. Dyn., 44, 2927–2946. doi:10.1007/s00382-015-2621-2
Cook, K.H. & Vizy, E.K., 2010. Hydrodynamics of the Caribbean Low-Level Jet and Its Relationship
to Precipitation. J. Clim., 23, 1477 1494, American Meteorological Society. doi:10.1175/20
09JCLI3210.1
Davis, R.E., Hayden, B.P., Gay, D.A., Phillips, W.L. & Jones, G.V., 1997. The North Atlantic
Subtropical Anticyclone. J. Clim., 10, 728 744, American Meteorological Society. doi:10.11
75/15200442(1997)010<0728:TNASA>2.0.CO;2
Desarthe, J., Bauduceau, N. & Quantin, A., 2020. Les défis soulevés par la reconstruction post-Irma.
Ann. Mines-Responsab. Environ., pp. 36–40, Cairn/Softwin.
Dunion, J.P., 2011. Rewriting the Climatology of the Tropical North Atlantic and Caribbean Sea
Atmosphere. J. Clim., 24, 893908, American Meteorological Society. doi:10.1175/2010JCL
I3496.1
Durre, I., Menne, M.J., Gleason, B.E., Houston, T.G. & Vose, R.S., 2010. Comprehensive Automated
Quality Assurance of Daily Surface Observations. J. Appl. Meteorol. Climatol., 49, 1615–
1633, American Meteorological Society. doi:10.1175/2010JAMC2375.1
Durre, I., Menne, M.J. & Vose, R.S., 2008. Strategies for Evaluating Quality Assurance Procedures.
J. Appl. Meteorol. Climatol., 47, 1785 1791, American Meteorological Society. doi:10.1175
/2007JAMC1706.1
Duvat, V.K.E., Volto, N., Stahl, L., Moatty, A., Defossez, S., Desarthe, J., Grancher, D., et al., 2021.
Understanding interlinkages between long-term trajectory of exposure and vulnerability, path

196
Thèse | Romual Chery
 dependency and cascading impacts of disasters in Saint-Martin (Caribbean). Glob. Environ.
Change, 67, 102236. doi:10.1016/j.gloenvcha.2021.102236
Funk, C., Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., Husak, G., et al., 2015.
The climate hazards infrared precipitation with stations—a new environmental record for
monitoring extremes. Sci. Data, 2, 150066, Nature Publishing Group.doi:10.1038/sdata.201
5.66
Funk, C.C., Peterson, P.J., Landsfeld, M.F., Pedreros, D.H., Verdin, J.P., Rowland, J.D., Romero,
B.E., et al., 2014. A quasi-global precipitation time series for drought monitoring (USGS
Numbered Series No. 832). Quasi-Glob. Precip. Time Ser. Drought Monit. Data Series, Vol.
832, p. 12, Reston, VA: U.S. Geological Survey. doi:10.3133/ds832
García-Martínez, I.M. & Bollasina, M.A., 2020. Sub-monthly evolution of the Caribbean Low-Level
Jet and its relationship with regional precipitation and atmospheric circulation. Clim. Dyn.,
54, 4423–4440. doi:10.1007/s00382-020-05237-y
Gentil, R. & Chauvet, H., 1896. Grande géographie de l’île d’Haïti, Impr. Goupy.
Giannini, A., Kushnir, Y. & Cane, M.A., 2000. Interannual Variability of Caribbean Rainfall, ENSO,
and the Atlantic Ocean. J. Clim., 13, 297311, American Meteorological Society. doi:10.117
5/15200442(2000)013<0297:IVOCRE>2.0.CO;2
Gouirand, I. & Moron, V., 2003. Variability of the impact of El Niño–southern oscillation on sea-
level pressure anomalies over the North Atlantic in January to March (1874–1996). Int. J.
Climatol., 23, 1549–1566. doi:10.1002/joc.963
Gouirand, Isabelle, Jury, M.R. & Sing, B., 2012. An Analysis of Low- and High-Frequency Summer
Climate Variability around the Caribbean Antilles. J. Clim., 25, 3942–3952, American
Meteorological Society. doi:10.1175/JCLI-D-11-00269.1
Griffith, C.G., Woodley, W.L., Grube, P.G., Martin, D.W., Stout, J. & Sikdar, D.N., 1978. Rain
Estimation from Geosynchronous Satellite Imagery—Visible and Infrared Studies. Mon.
Weather Rev., 106, 11531171, American Meteorological Society. doi:10.1175/15200493(19
78)106<1153:REFGSI>2.0.CO;2
Gupta, H.V., Kling, H., Yilmaz, K.K. & Martinez, G.F., 2009. Decomposition of the mean squared
error and NSE performance criteria: Implications for improving hydrological modelling. J.
Hydrol., 377, 80–91. doi:10.1016/j.jhydrol.2009.08.003
Haiti earthquake PDNA (Post-Disaster Needs Assessment) : assessment of damage, losses, general
and sectoral needs, (n.d.). World Bank, Text/HTML, . Retrieved February 13, 2023, from
https://documents.worldbank.org/en/publication/documents reports/documentdetail/3555714
68251125062/Haiti-earthquake-PDNA-Post-Disaster-Needs-Assessment-assessment-of-
damage-losses-general-and-sectoral-needs
Harris, I., Osborn, T.J., Jones, P. & Lister, D., 2020. Version 4 of the CRU TS monthly high resolut
ion gridded multivariate climate dataset. Sci. Data, 7, 109. doi:10.1038/s41597-020-0453-3
Hastenrath, S., 1976. Variations in Low-Latitude Circulation and Extreme Climatic Events in the
Tropical Americas. J. Atmospheric Sci., 33, 202–215, American Meteorological Society.
doi:10.1175/1520-0469(1976)033<0202:VILLCA>2.0.CO;2

197
Thèse | Romual Chery
Herrera, E., Magaña, V. & Caetano, E., 2015. Air-sea interactions and dynamical processes
associated with the midsummer drought: Processes associated with the MidSummer Drought.
Int. J. Climatol., 35, 1569–1578. doi:10.1002/joc.4077
Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz-Sabater, J., Nicolas, J., et al.,
2020. The ERA5 global reanalysis. Q. J. R. Meteorol. Soc., 146, 1999 2049. doi:10.1002/qj.
3803
Higgins, R.W., Yao, Y. & Wang, X.L., 1997. Influence of the North American Monsoon System on
the U.S. Summer Precipitation Regime. J. Clim., 10, 2600–2622, American Meteorological
Society. doi:10.1175/1520-0442(1997)010<2600:IOTNAM>2.0.CO;2
Hou, A.Y., Kakar, R.K., Neeck, S., Azarbarzin, A.A., Kummerow, C.D., Kojima, M., Oki, R., et al.,
2014. The Global Precipitation Measurement Mission. Bull. Am. Meteorol. Soc., 95, 701–722,
American Meteorological Society. doi:10.1175/BAMS-D-13-00164.1
Huffman, G.J., Bolvin, D.T., Nelkin, E.J., Wolff, D.B., Adler, R.F., Gu, G., Hong, Y., et al., 2007.
The TRMM Multisatellite Precipitation Analysis (TMPA): Quasi-Global, Multiyear,
Combined-Sensor Precipitation Estimates at Fine Scales. J. Hydrometeorol., 8, 38–55.
doi:10.1175/JHM560.1
IHSI, 2021. Estimations de la population. Retrieved from https://ihsi.ayiti.digital/indicator-
population
IPCC, 2021. Climate Change 2021, The Phisical Science Basis ( No. IPPC AR6 WGI). Retrieved
from https://report.ipcc.ch/ar6/wg1/IPCC_AR6_WGI_FullReport.pdf
Janowiak, J.E., Joyce, R.J. & Yarosh, Y., 2001. A Real–Time Global Half–Hourly Pixel–Resolution
Infrared Dataset and Its Applications. Bull. Am. Meteorol. Soc., 82, 205217. doi:10.1175/15
20-0477(2001)082<0205:ARTGHH>2.3.CO;2
Jones, P. D. & Hulme, M., 1996. Calculating Regional Climatic Time Series for Temperature and
Precipitation: Methods and Illustrations. Int. J. Climatol., 16, 361 377. doi:10.1002/(SICI)10
97-0088(199604)16:4<361::AID-JOC53>3.0.CO;2-F
Jones, Philip D., Harpham, C., Harris, I., Goodess, C.M., Burton, A., Centella-Artola, A., Taylor,
M.A., et al., 2016. Long-term trends in precipitation and temperature across the Caribbean:
Precipitation and temperature trends across the Caribbean. Int. J. Climatol., 36, 3314–3333.
doi:10.1002/joc.4557
Joyce, R.J., Janowiak, J.E., Arkin, P.A. & Xie, P., 2004. CMORPH: A Method that Produces Global
Precipitation Estimates from Passive Microwave and Infrared Data at High Spatial and Tem
poral Resolution. J. Hydrometeorol., 5, 487 503. doi:10.1175/1525 7541(2004)005<0487:C
AMTPG>2.0.CO;2
Jury, M., Malmgren, B.A. & Winter, A., 2007. Subregional precipitation climate of the Caribbean
and relationships with ENSO and NAO. J. Geophys. Res., 112, D16107. doi:10.1029/2006J
D007541
Jury, M.R., 2009. A quasi-decadal cycle in Caribbean climate. J. Geophys. Res. Atmospheres, 114.
doi:10.1029/2009JD011741

198
Thèse | Romual Chery
Jury, M.R., 2014. Weather–Climate Interactions in the Eastern Antilles and the 2013 Christmas
Storm. Earth Interact., 18, 1–20, American Meteorological Society. doi:10.1175/EI-D-14-
0011.1
Jury, M.R., 2016. Inter-annual rainfall variability in the eastern Antilles and coupling with the
regional and intra seasonal circulation. Theor. Appl. Climatol., 126, 727 737. doi:10.1007/s0
0704-015-1612-x
Jury, M.R. & Bernard, D., 2020. Climate trends in the East Antilles Islands. Int. J. Climatol., 40, 36–
51. doi:10.1002/joc.6191
Jury, M.R., Chiao, S. & Cécé, R., 2019. The Intensification of Hurricane Maria 2017 in the Antilles.
Atmosphere, 10, 590, Multidisciplinary Digital Publishing Institute. doi:10.3390/atmos1010
0590
Jury, M.R. & Gouirand, I., 2011. Decadal climate variability in the eastern Caribbean. J. Geophys.
Res. Atmospheres, 116. doi:10.1029/2010JD015107
Kalnay, E., Kanamitsu, M., Kistler, R., Collins, W., Deaven, D., Gandin, L., Iredell, M., et al., 1996.
The NCEP/NCAR 40-Year Reanalysis Project. Bull. Am. Meteorol. Soc., 77, 437–472,
American Meteorological Society. doi:10.1175/15200477(1996)077<0437:TNYRP>2.0.CO
;2
Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E.,
et al., 2017. Climatologies at high resolution for the earth’s land surface areas. Sci. Data, 4,
170122, Nature Publishing Group. doi:10.1038/sdata.2017.122
Killick, R., Haynes, K. & Eckley, I., 2019. An R package for changepoint analysis. Retrieved from
CRAN.R-project.org/package=changepoint
Knapp, A.K., Beier, C., Briske, D.D., Classen, A.T., Luo, Y., Reichstein, M., Smith, M.D., et al.,
2008. Consequences of More Extreme Precipitation Regimes for Terrestrial Ecosystems.
BioScience, 58, 811–821. doi:10.1641/B580908
Kobayashi, S., Ota, Y., Harada, Y., Ebita, A., Moriya, M., Onoda, H., Onogi, K., et al., 2015. The
JRA-55 Reanalysis: General Specifications and Basic Characteristics. J. Meteorol. Soc. Jpn.
Ser II, 93, 5–48. doi:10.2151/jmsj.2015-001
Koks, E.E., Bočkarjova, M., Moel, H. de & Aerts, J.C.J.H., 2015. Integrated Direct and Indirect Flood
Risk Modeling: Development and Sensitivity Analysis. Risk Anal., 35, 882–900.
doi:10.1111/risa.12300
Kulie, M.S. & Bennartz, R., 2009. Utilizing Spaceborne Radars to Retrieve Dry Snowfall. J. Appl.
Meteorol. Climatol., 48, 2564–2580. doi:10.1175/2009JAMC2193.1
Kullback, S. & Leibler, R.A., 1951. On Information and Sufficiency. Ann. Math. Stat., 22, 79–86,
Institute of Mathematical Statistics.
Kummerow, C., Barnes, W., Kozu, T., Shiue, J. & Simpson, J., 1998. The Tropical Rainfall
Measuring Mission (TRMM) Sensor Package. J. Atmospheric Ocean. Technol., 15, 809–817,
American Meteorological Society. doi:10.1175/15200426(1998)015<0809:TTRMMT>2.0.
CO;2

199
Thèse | Romual Chery
Laing, A.G., 2004. Cases of Heavy Precipitation and Flash Floods in the Caribbean during El Niño
Winters. J. Hydrometeorol., 5, 577 594, American Meteorological Society. doi:10.1175/152
5 7541(2004)005<0577:COHPAF>2.0.CO;2
Le Monde, 2016, October 10. Ouragan Matthew : le bilan s’alourdit en Haïti, en plein deuil national.
Le Monde.fr. Retrieved from https://www.lemonde.fr/planete/article/2016/10/10/ouragan-
matthew-le-bilan-s-alourdit-en-haiti-en-plein-deuil-national_5011261_3244.html
Lenderink, G. & Meijgaard, E. van, 2008. Increase in hourly precipitation extremes beyond expecta
tions from temperature changes. Nat. Geosci., 1, 511–514, Nature Publishing Group.
doi:10.1038/ngeo262
Li, N., Zhu, Y. & Wang, Z., 2015. A Discussion on the Applicable Condition of Rayleigh Scattering.
Int. J. Remote Sens. Appl., 5, 62. doi:10.14355/ijrsa.2015.05.007
Magaña, V., Amador, J.A. & Medina, S., 1999. The Midsummer Drought over Mexico and Central
America. J. Clim., 12, 1577 1588. doi:10.1175/15200442(1999)012<1577:TMDOMA>2.0.
CO;2
Manola, I., Hurk, B. van den, De Moel, H. & Aerts, J.C.J.H., 2018. Future extreme precipitation
intensities based on a historic event. Hydrol. Earth Syst. Sci., 22, 3777–3788, Copernicus
GmbH. doi:10.5194/hess-22-3777-2018
Marengo, J.A., Liebmann, B., Grimm, A.M., Misra, V., Silva Dias, P.L., Cavalcanti, I.F.A., Carvalho,
L.M.V., et al., 2012. Recent developments on the South American monsoon system. Int. J.
Climatol., 32, 1–21. doi:10.1002/joc.2254
MARNDR, 2022. Plan Stratégique National de l’Unité d’Hydrométéorologique d’Haïti 2020-2024.
Martinez, C., Goddard, L., Kushnir, Y. & Ting, M., 2019. Seasonal climatology and dynamical
mechanisms of rainfall in the Caribbean. Clim. Dyn., 53, 825–846. doi:garcia
Martinez, C., Kushnir, Y., Goddard, L. & Ting, M., 2020. Interannual variability of the early and
late-rainy seasons in the Caribbean. Clim. Dyn., 55, 1563–1583. doi:10.1007/s00382-020-
05341-z
McKee, T.B., Doesken, N.J. & Kleist, J., 1993. The relationship of drought frequency and duration
to time scales.
Menne, M.J., Durre, I., Vose, R.S., Gleason, B.E. & Houston, T.G., 2012. An Overview of the Global
Historical Climatology Network-Daily Database. J. Atmospheric Ocean. Technol., 29, 897–
910, American Meteorological Society. doi:10.1175/JTECH-D-11-00103.1
Misra, V., Li, H. & Kozar, M., 2014. The precursors in the Intra-Americas Seas to seasonal climate
variations over North America. J. Geophys. Res. Oceans, 119, 2938 2948. doi:10.1002/2014
JC009911
Moron, V. & Gouirand, I., 2003. Seasonal modulation of the El Niño–southern oscillation
relationship with sea level pressure anomalies over the North Atlantic in October–March
1873–1996. Int. J. Climatol., 23, 143–155. doi:10.1002/joc.868
Moron, Vincent, Frelat, R., Jean-Jeune, P.K. & Gaucherel, C., 2015. Interannual and intra-annual
variability of rainfall in Haiti (1905–2005). Clim. Dyn., 45, 915–932, Springer.

200
Thèse | Romual Chery
Moron, Vincent, Gouirand, I. & Taylor, M., 2016. Weather types across the Caribbean basin and their
relationship with rainfall and sea surface temperature. Clim. Dyn., 47, 601 621. doi:10.1007/
s00382-015-2858-9
Mote, T.L., Ramseyer, C.A. & Miller, P.W., 2017. The Saharan Air Layer as an Early Rainfall Season
Suppressant in the Eastern Caribbean: The 2015 Puerto Rico Drought. J. Geophys. Res.
Atmospheres, 122, 10,966-10,982. doi:10.1002/2017JD026911
Mugnai, A., Michele, S.D., Smith, E.A., Baordo, F., Bauer, P., Bizzarri, B., Joe, P., et al., 2007.
Snowfall Measurements by Proposed European GPM Mission. in Measuring Precipitation
From Space, pp. 655–674, eds. Levizzani, V., Bauer, P. & Turk, F.J., Springer Netherlands.
doi:10.1007/978-1-4020-5835-6_49
Muñoz, E., Busalacchi, A.J., Nigam, S. & Ruiz-Barradas, A., 2008. Winter and Summer Structure of
the Caribbean Low-Level Jet. J. Clim., 21, 1260–1276, American Meteorological Society.
doi:10.1175/2007JCLI1855.1
Nelder, J.A. & Wedderburn, R.W.M., 1972. Generalized Linear Models. J. R. Stat. Soc. Ser. Gen.,
135, 370–384, [Royal Statistical Society, Wiley]. doi:10.2307/2344614
New, M., Hulme, M. & Jones, P., 1999. Representing Twentieth-Century Space–Time Climate
Variability. Part I: Development of a 1961–90 Mean Monthly Terrestrial Climatology. J.
Clim., 12, 829–856, American Meteorological Society. doi:10.1175/1520-
0442(1999)012<0829:RTCSTC>2.0.CO;2
New, M., Hulme, M. & Jones, P., 2000. Representing Twentieth-Century Space–Time Climate
Variability. Part II: Development of 1901–96 Monthly Grids of Terrestrial Surface Climate.
J. Clim., 13, 2217 2238, American Meteorological Society. doi:10.1175/1520 0442(2000)01
3<2217:RTCSTC>2.0.CO;2
OMM, 2010, Mai. Développement des Services météorologiques et Hydrologiques en Haïti:
Propositions d’actions pour le moyen terme., Organisation Mondiale de la Météorologie.
OMM, 2012. Guide d’utilisation de l’indice de précipitations normalisé. Retrieved from https://libra
ry.wmo.int/doc_num.php?explnum_id=7770
Pagney, P., 1966. Le climat des Antilles, Éditions de l’IHEAL. doi:10.4000/books.iheal.4443
Pall, P., Allen, M.R. & Stone, D.A., 2007. Testing the Clausius–Clapeyron constraint on changes in
extreme precipitation under CO2 warming. Clim. Dyn., 28, 351–363. doi:10.1007/s00382-
006-0180-2
Pascale, S., Boos, W.R., Bordoni, S., Delworth, T.L., Kapnick, S.B., Murakami, H., Vecchi, G.A., et
al., 2017. Weakening of the North American monsoon with global warming. Nat. Clim.
Change, 7, 806–812, Nature Publishing Group. doi:10.1038/nclimate3412
Pérez, C.R. & Jury, M.R., 2013. Spatial and temporal analysis of climate change in Hispañola. Theor.
Appl. Climatol., 113, 213–224. doi:10.1007/s00704-012-0781-0
Peterson, T.C., Taylor, M.A., Demeritte, R., Duncombe, D.L., Burton, S., Thompson, F., Porter, A.,
et al., 2002. Recent changes in climate extremes in the Caribbean region: Recent changes in
climate extremes in the Caribbean region. J. Geophys. Res. Atmospheres, 107, ACL 16-1-
ACL 16-9. doi:10.1029/2002JD002251

201
Thèse | Romual Chery
Peterson, T.C. & Vose, R.S., 1997. An Overview of the Global Historical Climatology Network
Temperature Database. Bull. Am. Meteorol. Soc., 78, 2837 2849. doi:10.1175/15200477(199
7)078<2837:AOOTGH>2.0.CO;2
Pollock, M.D., O’Donnell, G., Quinn, P., Dutton, M., Black, A., Wilkinson, M.E., Colli, M., et al.,
2018. Quantifying and Mitigating Wind Induced Undercatch in Rainfall Measurements. Wat
er Resour. Res., 54, 3863–3875. doi:10.1029/2017WR022421
Poveda, G. & Mesa, O.J., 2000. On the existence of Lloró (the rainiest locality on Earth): Enhanced
ocean-land-atmosphere interaction by a low-level jet. Geophys. Res. Lett., 27, 1675–1678.
doi:10.1029/1999GL006091
Pozo-Vázquez, D., Esteban-Parra, M.J., Rodrigo, F.S. & Castro-Díez, Y., 2001. The Association
between ENSO and Winter Atmospheric Circulation and Temperature in the North Atlantic
Region. J. Clim., 14, 3408 3420, American Meteorological Society. doi:10.1175/1520 0442(
2001)014<3408:TABEAW>2.0.CO;2
Ray, A.J., Garfin, G.M., Wilder, M., Vásquez León, M., Lenart, M. & Comrie, A.C., 2007. Applica
tions of Monsoon Research: Opportunities to Inform Decision Making and Reduce
Regional Vulnerability. J. Clim., 20, 1608–1627, American Meteorological Society.
doi:10.1175/JCLI4098.1
Reding, P.J., 1992. The Central American Cold Surge: An Observational Analysis of the Deep Sout
hward Penetration of North American Cold Fronts, Texas a and M Univ College station.
Retrieved from https://apps.dtic.mil/sti/citations/ADA268592
Ribes, A., Thao, S., Vautard, R., Dubuisson, B., Somot, S., Colin, J., Planton, S., et al., 2019.
Observed increase in extreme daily rainfall in the French Mediterranean. Clim. Dyn., 52,
1095–1114. doi:10.1007/s00382-018-4179-2
Ringard, J., 2017. Estimation des précipitations sur le plateau des Guyanes par l’apport de la
télédétection satellite, phdthesis, Université de Guyane. Retrieved from https://tel.archives-
ouvertes.fr/tel-01831004
Robinson, P.J. & Henderson-Sellers, A., 1999. Comptemporary Climatology, 2nd ed. Retrieved from
https://www.routledge.com/Contemporary Climatology/Robinson Henderson Sellers/p/book
/9780582276314
Rousseeuw, P.J., 1987. Silhouettes: A graphical aid to the interpretation and validation of cluster
analysis. J. Comput. Appl. Math., 20, 53–65. doi:10.1016/0377-0427(87)90125-7
Saemian, P., Hosseini-Moghari, S.-M., Fatehi, I., Shoarinezhad, V., Modiri, E., Tourian, M.J., Tang,
Q., et al., 2021. Comprehensive evaluation of precipitation datasets over Iran. J. Hydrol., 603,
127054. doi:10.1016/j.jhydrol.2021.127054
Sáenz, F. & Durán-Quesada, A.M., 2015. A climatology of low level wind regimes over Central
America using a weather type classification approach. Front. Earth Sci., 3. Retrieved from
https://www.frontiersin.org/article/10.3389/feart.2015.00015
Schneider, U., Becker, A., Finger, P., Meyer-Christoffer, A., Ziese, M. & Rudolf, B., 2014. GPCC’s
new land surface precipitation climatology based on quality-controlled in situ data and its role
in quantifying the global water cycle. Theor. Appl. Climatol., 115, 15 40. doi:10.1007/s0070
4-013-0860-x

202
Thèse | Romual Chery
Schultz, D.M., Bracken, W.E. & Bosart, L.F., 1998. Planetary- and Synoptic-Scale Signatures
Associated with Central American Cold Surges. Mon. Weather Rev., 126, 5 27. doi:10.1175/
1520-0493(1998)126<0005:PASSSA>2.0.CO;2
Shaffie, S., Mozaffari, G. & Khosravi, Y., 2019. Determination of extreme precipitation threshold
and analysis of its effective patterns (case study: west of Iran). Nat. Hazards, 99, 857–878.
doi:10.1007/s11069-019-03779-x
Stephenson, T.S., Vincent, L.A., Allen, T., Van Meerbeeck, C.J., McLean, N., Peterson, T.C., Taylor,
M.A., et al., 2014. Changes in extreme temperature and precipitation in the Caribbean region,
1961–2010. Int. J. Climatol., 34, 2957–2971. doi:10.1002/joc.3889
Sun, Q., Miao, C., Duan, Q., Ashouri, H., Sorooshian, S. & Hsu, K., 2018. A Review of Global
Precipitation Data Sets: Data Sources, Estimation, and Intercomparisons. Rev. Geophys., 56,
79–107. doi:10.1002/2017RG000574
Talman, C.F., 1906, February 1. Climatology of haitian in the eighteenth centuty, 64–73.
Tapiador, F.J., Kidd, C., Levizzani, V. & Marzano, F.S., 2004. A Neural Networks–Based Fusion
Technique to Estimate Half-Hourly Rainfall Estimates at 0.1° Resolution from Satellite
Passive Microwave and Infrared Data. J. Appl. Meteorol. Climatol., 43, 576–594, American
Meteorological Society. doi:10.1175/1520-0450(2004)043<0576:ANNFTT>2.0.CO;2
Taylor, M.A., Enfield, D.B. & Chen, A.A., 2002. Influence of the tropical Atlantic versus the tropical
Pacific on Caribbean rainfall. J. Geophys. Res. Oceans, 107, 10–1, Wiley Online Library.
Toma, V.E. & Webster, P.J., 2010. Oscillations of the intertropical convergence zone and the genesis
of easterly waves. Part I: diagnostics and theory. Clim. Dyn., 34, 587 604. doi:10.1007/s003
82-009-0584-x
Ungersböck, M., Rubel, F., Fuchs, T. & Rudolf, B., 2001. Bias correction of global daily rain gauge
measurements. Phys. Chem. Earth, 26, 411–414. doi:10.1016/S1464-1909(01)00027-2
Ver Hoef, J.M. & Boveng, P.L., 2007. Quasi-Poisson Vs. Negative Binomial Regression: How
Should We Model Overdispersed Count Data? Ecology, 88, 2766–2772. doi:10.1890/07-
0043.1
Vera, C., Silvestri, G., Liebmann, B. & González, P., 2006. Climate change scenarios for seasonal
precipitation in South America from IPCC-AR4 models. Geophys. Res. Lett., 33.
doi:10.1029/2006GL025759
Vicente, G. A., Davenport, J.C. & Scofield, R.A., 2002. The role of orographic and parallax
corrections on real time high resolution satellite rainfall rate distribution. Int. J. Remote Sens.,
23, 221–230, Taylor & Francis. doi:10.1080/01431160010006935
Vicente, Gilberto A., Scofield, R.A. & Menzel, W.P., 1998. The Operational GOES Infrared Rainfall
Estimation Technique. Bull. Am. Meteorol. Soc., 79, 1883–1898, American Meteorological
Society. doi:10.1175/1520-0477(1998)079<1883:TOGIRE>2.0.CO;2
Wan, Z., 2008. New refinements and validation of the MODIS Land-Surface Temperature/Emissivity
products. Remote Sens. Environ., 112, 59–74. doi:10.1016/j.rse.2006.06.026
Wang, C., 2007. Variability of the Caribbean Low-Level Jet and its relations to climate. Clim. Dyn.,
29, 411–422. doi:10.1007/s00382-007-0243-z

203
Thèse | Romual Chery
 Wang, C. & Enfield, D., 2001. The Tropical Western Hemisphere Warm Pool. Geophys. Res. Lett.,
28, 1635–1638. doi:10.1029/2000GL011763
Wang, C., Enfield, D.B., Lee, S. & Landsea, C.W., 2006. Influences of the Atlantic Warm Pool on
Western Hemisphere Summer Rainfall and Atlantic Hurricanes. J. Clim., 19, 3011–3028,
American Meteorological Society. doi:10.1175/JCLI3770.1
Wang, C. & Lee, S., 2007. Atlantic warm pool, Caribbean low-level jet, and their potential impact
on Atlantic hurricanes. Geophys. Res. Lett., 34. doi:10.1029/2006GL028579
Westra, S., Alexander, L.V. & Zwiers, F.W., 2013. Global Increasing Trends in Annual Maximum
Daily Precipitation. J. Clim., 26, 3904 3918, American Meteorological Society. doi:10.1175
/JCLI-D-12-00502.1
Yin, C., Wang, J., Yu, X., Li, Y., Yan, D. & Jian, S., 2022. Definition of Extreme Rainfall Events
and Design of Rainfall Based on the Copula Function. Water Resour. Manag., 1–20.
doi:10.1007/s11269-022-03229-7
Zhang, C., 2001. Double ITCZs. J. Geophys. Res. Atmospheres, 106, 11785 11792. doi:10.1029/20
01JD900046

204
Thèse | Romual Chery

View publication stats