Variabilité intrasaisonnière des précipitations et de leur distribution : impacts sur le développement du couvert végétal dans le Nord du Cameroun (1982-2002)

ARTICLE

sec.2011.0311

Auteur(s) : Viviane Djoufack Manetsa¹ vi3433dj@u-bourgogne.fr, Télesphore Brou², Bernard Fontaine¹ fontaine@u-bourgogne.fr, Maurice Tsalefac³

¹ Université de Bourgogne Centre de recherches de climatologie 6, Boulevard Gabriel 21000 Dijon France

² Université d’Artois 9, rue du temple BP 665 65030 Arras France

³ Université de Dschang BP 96 Dschang Cameroun

Tirés à part : V. Djoufack Manetsa

Dans le Nord du Cameroun (ou Nord-Cameroun), les principales activités économiques que sont l’agriculture, l’élevage et la pêche sont fréquemment perturbées par certains aléas climatiques tels que les faux départs de la saison des pluies, les occurrences de longues séquences sèches intrasaisonnières, les raccourcissements de la saison des pluies, etc. (Direction de la Statistique et de la Comptabilité nationale [DSCN], 2002). Ceux-ci induisent une baisse des rendements agricoles et un renforcement de la pauvreté. Il en est ainsi dans la province la plus pauvre – et la plus peuplée – du pays, avec 56,3 % de la population qui vit en dessous du seuil de pauvreté (moins de 637 F CFA¹ par jour [Donfack, 1993 ; Tchiadeu, 2000]). La vulnérabilité climatique est d’autant plus marquée que les méthodes d’adaptation telle que l’irrigation sont encore très limitées. Aux latitudes où les contrastes saisonniers de température sont faibles, l’intérêt des études de variabilité climatique concerne souvent l’utilisation optimale de la réserve utile du sol – alimentée par les précipitations – qui n’est disponible que quelques mois dans l’année. La réserve utile est ici le volume d’eau que le sol est susceptible d’absorber et qui est donc utilisable par les végétaux. Jusqu’ici, la plupart des études se sont attelées à décrire les aspects moyens de la pluviométrie à différentes échelles temporelles ainsi que leur caractère erratique (Suchel, 1987 ; Santiago-Jegaden, 1998 ; Tsalefac, 2006). Quelques études — menées à partir de la fin des années 1990 — se sont intéressées aux facteurs sociopolitiques de l’évolution de la filière agricole dans le Nord-Cameroun (Temple, 2009). En revanche, peu d’entre elles ont traité de l’impact du climat et notamment des précipitations. On peut cependant citer une étude récente qui a souligné l’importance de certaines variables climatiques dans le rendement de la culture du coton dans le Nord du Cameroun (Bella-Medjo, 2008), notamment les précipitations du mois de juin qui sont essentiellement modulées par la variabilité intrasaisonnière de la mousson ouest-africaine. Seules de telles approches permettent de détecter les sécheresses intrasaisonnières qui mesurent le risque de stress hydrique susceptible de perturber le cycle végétatif des plantes et éventuellement leur rendement productif. En effet, les réponses du couvert végétal à un stress hydrique varient suivant ses capacités physiologiques à résister ou non à l’intensité et à la durée de la perturbation, mais dépendent également de la période du cycle végétatif au cours de laquelle survient le stress.

Contexte scientifique et géographique

Originalité de l’étude et objectifs

L’activité végétative étant entièrement liée à la ressource en eau en Afrique tropicale, on relève une littérature abondante sur les relations spatio-temporelles entre la variabilité des précipitations et les indices de végétation, notamment le Normalized Difference Vegetation Index (NDVI), qui est l’indicateur le plus utilisé pour évaluer le signal photosynthétique au-dessus de la canopée. Ces études mettent en évidence les phénomènes de persistance, d’hystérésis (ici, constance de la valeur du NDVI malgré la hausse de la pluviométrie), ou les temps de réponse de la végétation par rapport à la pluie (Eklundh et Olsson, 2003 ; Martiny et al., 2005 ; Camberlin et al., 2007). Toutefois, ces études – effectuées pour la plupart à l’échelle régionale – ne cernent pas toujours les modulations d’échelle fine ainsi que les mécanismes sous-jacents liés à ces variations : leurs conclusions sont assez globalisantes et donc difficilement transposables. Au Cameroun, les différents biomes se calquent à peu près sur la répartition moyenne de la pluviométrie et, si des études d’inventaires botaniques ou réalisées sur des zones cibles, comme des mosaïques de végétation (forêt/savane, savane/steppe, etc.) ont montré les impacts des variations climatiques sur la végétation, peu d’études ont mesuré les mécanismes saisonniers de ces changements. Par ailleurs, la plupart des études ne vont pas au-delà de l’année 1993.

Dans cette étude, nous nous intéressons à la variabilité intrasaisonnière des précipitations dans le Nord du Cameroun, ainsi qu’à ses impacts sur la productivité du couvert végétal au cours de la période 1982-2002. L’intérêt de travailler sur le Nord du Cameroun relève de la plus grande sensibilité de la végétation de cette région aux variations pluviométriques, contrairement au Sud du pays qui est à dominante forestière. Comparativement aux études à large maille, cette approche permet de déterminer les changements à l’échelle du pixel.

Présentation physique de la zone de l’étude

Le Nord-Cameroun s’étend entre les 6^e et 13^e degrés de latitude nord et entre les 11^e et 16^e degrés de longitude est. Il couvre les provinces de l’Adamaoua, du Nord et de l’Extrême-Nord pour une superficie d’environ 16 3513 km² (figure 1). La végétation comprend, du nord au sud, des steppes à épineux et des prairies périodiquement inondées encore appelées Yaérés (Lienou et al., 2003) qui se développent sur des vertisols topomorphes et hydromorphes et présentent un aspect dégradé en raison du pâturage intensif, des feux de brousse ou de la riziculture industrielle (Braband, 1991). Autour du 9^e parallèle, l’on rencontre les formations soudaniennes d’altitude sur les monts Alantika (1 880 m) et Mandara (1 442 m), dont les versants sont de plus en plus cultivés en raison de la forte densité des populations installées dans les plaines et les piémonts (Donfack, 1993). L’Adamaoua est une vaste région de plateaux, essentiellement pastorale, qui assure la transition entre les régions forestières du Sud du pays et les formations sahéliennes du Nord. Sa partie septentrionale est constituée de formations soudaniennes plus ou moins arbustives, alors que le Sud est le domaine des savanes boisées et des forêts claires soudano-guinéennes. L’occupation du sol (anthropisation) répond à des critères historiques, pédologiques, climatiques, sanitaires et surtout économiques. En raison de sa situation géographique plus continentale, le Nord-Cameroun est, pour une grande période de l’année, sous l’emprise de l’alizé saharien mais, dans l’ensemble, la variabilité saisonnière est régie par la translation méridienne de la zone de convergence intertropicale (ZCIT), ainsi que par les mécanismes associés à la mousson africaine. En effet, la répartition saisonnière des pluies dans le Nord-Cameroun dépend des propriétés thermodynamiques de la mousson (Suchel, 1987) au moment où l’anticyclone de Sainte-Hélène peut conjuguer son action avec celle des dépressions sahariennes pour étendre son influence jusqu’au sud du Sahara. Les régimes pluviométriques présentent un seul mode et les cumuls annuels vont de 1 500 mm dans le Sud de la région à moins de 500 mm dans la partie septentrionale. Dans cette dernière région, les températures moyennes sont de 28 ̊C, avec cependant des maxima de près de 34 ̊C au cours de certains mois. Les amplitudes thermiques sont fortes (environ 7 ̊C), ainsi que les déficits de saturation moyenne, et la sévérité des conditions climatiques annoncent déjà les climats aride ou désertique de l’Afrique du Nord. En revanche, aux latitudes de l’Adamaoua, le climat est moins rude (saisons moins tranchées, températures moyennes d’environ 24 ̊C, amplitudes thermiques faibles, etc.), puisque cette région bénéficie des assauts de l’alizé océanique qui adoucit les contrastes. Ces disparités spatiales exigent ainsi de tenir compte séparément des régions situées de part et d’autre du 9^e parallèle, qui seront dénommées soudanienne pour la région située au sud de cette latitude et sahélienne pour celle située au nord de cette latitude. Signalons toutefois que la régionalisation des nomenclatures suivant le critère pluviométrique n’est pas uniforme en Afrique tropicale puisque les corrélations entre les nomenclatures et leur répartition spatiale peuvent varier entre auteurs ou même évoluer pour un même auteur suivant les échelles spatiales et les publications.

Données et méthodes

Données

Précipitations

Si des approches aux échelles temporelles fines ont l’avantage de se rapprocher des processus physiques associés à la pluviogenèse ainsi que de ceux liés au vécu des hommes et à leurs activités, leur difficulté réside dans la disponibilité de données fiables et complètes sur une longue période. Dans le Nord-Cameroun, les données de plusieurs stations ne couvrent que la période post-1993. Seules 20 stations présentent des données complètes sur la période 1982-2002. Les données sont à l’échelle journalière et les stations sont irrégulièrement réparties sur la région de l’étude : 15 stations appartiennent au domaine sahélien alors que 5 stations seulement représentent le domaine soudanien. La plupart de ces stations appartiennent au réseau d’observation de la Société de développement du coton du Cameroun (SODECOTON). D’autres données sont fournies par la Direction nationale ainsi que les Services départementaux de météorologie du Cameroun. La comparaison de ces données multisources a permis de contrôler leur qualité.

NDVI

Les données de NDVI utilisées dans ce travail proviennent du capteur AVHRR (Advanced Very High Resolution Radiometer) de la National Oceanic and Atmospheric Administration (NOAA). Elles couvrent la surface continentale à l’échelle globale et sont disponibles à partir d’avril 1981. Cet indice est obtenu en faisant le rapport normalisé de la différence entre la réflectance de la bande spectrale du visible (VIS) et celle du proche infrarouge (PIR) du capteur (Rouse et al., 1974) :

NDVI = (VIS - PIR) / (VIS + PIR)

Le résultat est une estimation de la quantité d’énergie absorbée par la chlorophylle du couvert végétal : le NDVI est donc un indicateur de la biomasse verte au-dessus d’un lieu. La base de données utilisée dans cette étude est diffusée par le Global Inventory Monitoring and Modeling Systems (GIMMS) et comprend les cartes de synthèse bimensuelles (tous les 15 jours) de NDVI à 8 km de résolution. Les processus de synthèse incluent les corrections atmosphériques (nuages, aérosols stratosphériques, cours d’eau, etc.), ainsi que celles liées à la calibration des capteurs puisque plusieurs missions se sont succédé jusqu’ici : NOAA-7 (de 1981 à 1985) ; NOAA-9 (de 1985 à 1988 et d’aoÛt 1994 à janvier 1995) ; NOAA-11 (de 1989 à 1994) ; NOAA-14 (de 1995 à 2000) et NOAA-16 (depuis 2000). On pourra se référer à Tucker et al., (2005) pour des informations supplémentaires concernant ces données. Les données de NDVI ont été considérées sur la fenêtre du Nord-Cameroun pour un ensemble de 5 141 points (97 et 53 longitudes) et sur la période 1982-2002.

Méthodes

Détermination de l’occurrence et de la longueur d’une séquence sèche

Une séquence sèche influe sur le cycle de croissance et le développement de la végétation pendant les mois de saison des pluies. Sachant que la présente étude prend en compte le couvert végétal au sens large, l’on admet que le cycle végétatif (du moins celui de la végétation naturelle) commence dès que surviennent les premières pluies (P > 1 mm), après la saison sèche. Sont considérés comme mois de saison humide ceux qui présentent un cumul pluviométrique supérieur ou égal à 50 mm (P ≥ 50 mm) : il s’agit des mois de mai à septembre pour le domaine sahélien (nord de 9̊ N) et de la période avril-octobre pour le domaine soudanien (sud de 9̊ N). Cette différence de longueur de saisons des pluies découle des différences de circulation atmosphérique sur les deux domaines, contrôlée par la translation méridienne saisonnière de la ZCIT au sein du système de mousson africain. De ce fait, les séquences sèches sont parfois définies pour la région sahélienne comme une période d’au moins 2 jours consécutifs sans pluies (P < 1 mm), observées chaque année entre le 1^er mai et le 30 septembre, alors que pour le domaine soudanien la période d’observation se situe entre le 1^er avril et le 31 octobre de chaque année de la période considérée. Signalons toutefois l’ambiguïté qui réside dans la prise en compte d’une saison fixe quand on sait que, suivant les années, la longueur de la saison des pluies est susceptible de connaître des fluctuations.

À partir des données journalières de précipitations observées, on affecte aux jours secs (P < 1 mm) la valeur 1 et aux jours pluvieux (P > 1 mm) la valeur 0. On calcule ensuite, pour chaque année et pour chaque station, la longueur des séquences sèches à partir d’un minimum de 2 jours secs consécutifs observés. Sachant que la succession de quelques jours secs (P < 1 mm) n’aura pas le même impact sur la végétation en début, en milieu ou en fin de cycle, plusieurs seuils sont testés : séquences de 2 à 4 jours, de 5 à 10 jours et supérieures à 10 jours. Ces tests sont effectués sur les deux premiers mois de la saison des pluies, puisqu’il s’agit de la période critique pour la levée de dormance ou de reprise pour la plupart des espèces, après une longue saison sèche. C’est donc cette période qui déterminera la croissance et le développement des végétaux. Par ailleurs, l’occurrence des séquences sèches en milieu de cycle n’est préoccupante pour la plante que lorsque celles-ci sont relativement longues (par exemple supérieures à 10 jours) pour réduire ou épuiser la réserve utile des sols. Mais encore faut-il que cette séquence sèche ne soit pas précédée de cumuls quotidiens exceptionnels (par exemple P > 50 mm).

Extraction du NDVI et stations pluviométriques

Un métafichier de données bimensuelles du NDVI entre les mois de mars et novembre (18 valeurs annuelles) et couvrant la période 1982-2002 a, au préalable, été constitué sur le Nord du Cameroun. La projection des stations pluviométriques sur cette carte a ensuite permis de considérer la moyenne des trois pixels de NDVI les plus proches de chaque point. L’intérêt de la prise en compte de trois pixels adjacents à chaque station (plutôt que l’unique pixel sur lequel est localisée la station) relève des incertitudes de dérives orbitales inhérentes à la structure même de ces données, puisque l’angle de prise de vue des capteurs est susceptible d’être décalé (un pixel considéré à une date donnée n’est pas forcément le même à une autre date). Toutefois, nous restons conscients d’une part du lissage des données par l’utilisation de la moyenne des 4 pixels et d’autre part par la comparaison entre des données ponctuelles (précipitations) et celles représentant une aire de 64 km² (NDVI).

Résultats

Répartition spatio-temporelle des précipitations dans le Nord-Cameroun (1982-2002)

La carte de la répartition des cumuls annuels moyens (1982-2002) montre que les isohyètes suivent un gradient nord-sud, légèrement orienté nord-est – sud-ouest au sud de 8̊ N (figure 2A). Comme déjà signalé précédemment, le cycle annuel est unimodal et présente un maximum en aoÛt (250 mm). Les cumuls supérieurs à 50 mm (figures 2B, 2C et 2D) s’échelonnent grosso modo de mai à septembre dans le Nord (exemple de la station de Maroua), et d’avril à octobre dans la partie méridionale (exemple de la station de Ngaoundéré). La répartition des cumuls pluviométriques annuels présente, du nord au sud, des amplitudes maximales de 900 mm entre les stations. De fortes variations sont signalées avant la décennie 1990, avec des moyennes inférieures à 800 mm et 1 300 mm en domaines sahélien et soudanien respectivement, alors qu’au cours de la période post-1990, l’on note une légère hausse des pluies (figures 3A et 3D). Dans l’ensemble, l’année 1983 est la plus déficitaire (P < 600 mm en domaine sahélien et P < 1 100 mm en domaine soudanien), alors que l’année 1994 est la plus excédentaire. Mais les amplitudes importantes entre stations (non présenté) témoignent d’une grande variabilité spatiale, qui constitue d’ailleurs la principale caractéristique des précipitations tropicales.

Variabilité saisonnière des précipitations entre 1982 et 2002

La comparaison des cumuls saisonniers entre les deux domaines pluviométriques montre que la saison sèche contribue pour moins de 5 % au total annuel. Cependant, la différence de longueur des saisons des pluies témoigne de l’impact du régime continental entre les deux domaines. La forte contribution de la saison des pluies (figures 3B et 3E) se reflète sur la répartition des anomalies qui présentent les mêmes tendances que la variabilité des cumuls annuels (figure 3A), c’est-à-dire une décennie 1980 essentiellement déficitaire et une décennie 1990 marquée par une plus forte occurrence d’années humides : la différence moyenne des cumuls saisonniers entre les deux sous-périodes est de 64 mm pour le domaine soudanien et de 116 mm pour le domaine sahélien. Cette réhumidification de la décennie 1990 a d’ailleurs été soulignée dans d’autres régions et notamment en Afrique de l’Ouest (Lebel et Ali, 2009). Afin de déterminer les facteurs qui impriment ces anomalies saisonnières, trois paramètres ont été analysés :

• 1. Le nombre de jours secs (P < 1 mm) ;
• 2. Le nombre de jours à pluies faibles et moyennes (1 ≥ P ≤ 40 mm) ;
• 3. Le nombre de jours à fortes précipitations ou pluies exceptionnelles (P > 40 mm).

Ces différents seuils ont été fixés à partir des typologies des pluies journalières effectuées précédemment au Cameroun (Donfack, 1993 ; Suchel, 1987) et en domaine soudano-sahélien africain (Le Barbé et al., 2002 ; Sultan et Janicot, 2003). De manière générale, la délimitation des classes de pluies dépend du contexte bioclimatique et surtout des exigences de leur application.

En domaine sahélien, on compte en moyenne 50 à 60 jours secs entre mai et septembre au cours de la décennie 1980, contre 30 à 50 jours au cours de la décennie 1990 (figure 3C), ce qui est en adéquation avec les tendances décennales. En domaine soudanien (figure 3F), le nombre de jours secs par saison des pluies varie en moyenne de 30 à 60 avec également une tendance à la baisse entre les décennies 1980 et 1990. Leur distribution ne présente pas de tendance particulière tout au long de la période. Le nombre de jours à faible ou moyenne pluviométrie (1 ≥ P ≤ 40 mm) occupe près de 75 % (environ 160 sur 214 jours) de la saison des pluies en domaine soudanien et de 60 % (70 sur 153 jours) en domaine sahélien (figures 3C et 3F). Les corrélations entre ces différentes classes de pluies et les cumuls saisonniers sont consignées dans le tableau 1.

Tableau 1 Corrélations entre précipitations journalières (classées suivant 3 intensités) et cumuls saisonniers de pluies, en domaines soudanien et sahélien.

_{t1, t2, t3} = corrélations significatives au test de Monte Carlo à 90, 95, et 99 %, respectivement.

Il ressort pour la classe P < 1 mm que plus le nombre de jours secs est élevé et moins les cumuls annuels sont importants. Cette évidence se traduit dans les deux domaines par des corrélations opposées entre les deux paramètres, mais toutes significatives au test de Monte Carlo à 99 % qui conserve l’autocorrélation des séries. Le nombre de jours à moyenne et à faible pluviométrie (1 ≥ P ≤ 40 mm), d’une part, et le nombre de jours à forte pluviométrie (P > 40 mm), d’autre part, évoluent en phase avec les cumuls saisonniers et sont significativement corrélés au test de Monte Carlo à 95 %, sauf pour les pluies moyennes en domaine soudanien qui ne sont significativement corrélées qu’au seuil de 90 %. Ce qui précède nous permet de dire que la qualité pluviométrique d’une saison au Nord-Cameroun dépend à la fois du nombre de jours pluvieux et de leur intensité. En domaine sahélien, le début de saison de pluies (61 premiers jours) compte en moyenne 14 jours avec 1 ≥ P ≤ 40 mm. Pour le même seuil, on compte environ 24 jours pour les mois de juillet-aoÛt (cœur de la saison) et 8 jours pour le mois de septembre (fin de saison). Le nombre de jours avec P > 40 mm, quant à lui, est de 3, 4 et 1, respectivement au début, en milieu et en fin de saison des pluies. La distribution de ces classes de pluies entre les 5 années les pluies humides et les 5 années les moins humides de la période 1982-2002 montre – sans surprise – des décalages plus importants au cœur de la saison, et de manière plus marquée pour le seuil de P > 40 mm. En effet, entre juillet et aoÛt, on compte en moyenne 9 jours avec P > 40 mm pendant les années humides, alors qu’en années sèches ce nombre est réduit à 2. Les mêmes tendances s’observent en domaine soudanien, mais avec des amplitudes plus faibles. Au Sahel ouest-africain, les études ont montré que 90 % des précipitations annuelles étaient produites par des systèmes convectifs de mésoéchelle et que leur réduction était à l’origine de la variabilité interannuelle des pluies (D’Amato et Lebel, 1998). Il ressort ici qu’environ 15 % des pluies saisonnières seulement sont associées aux très fortes perturbations (P > 40 mm), la plus forte contribution étant assurée par des pluies moyennes à faibles (1 ≥ P ≤ 40 mm).

Afin d’analyser les variations du cycle saisonnier, une composite des 5 années les plus pluvieuses et des 5 années les plus sèches de la période 1982-2002 est constituée pour chaque domaine pluviométrique (figures 4A et D). Les différences significatives entre les cycles saisonniers des deux types d’années sont détectées à partir du test de Student à 95 % (version appariée pour comparer les valeurs entre les deux échantillons). Il en ressort que ces différences concernent le cœur de la saison des pluies et, dans une moindre mesure, les mois de mars et de septembre avec des amplitudes plus marquées en domaine sahélien. En effet, au cours du mois d’aoÛt, les différences entre les cumuls journaliers sont en moyenne de 2 mm en domaine soudanien et de 4 mm en domaine sahélien. Ces décalages sont encore plus importants lorsqu’on considère les cycles de l’année la plus pluvieuse et ceux de la moins pluvieuse de la période où les cumuls journaliers en début et en fin de saison sont très contrastés (résultats non présentés). Cette variabilité interannuelle est gouvernée par le système de mousson ouest-africaine qui génère une variabilité interne contrôlée par la dynamique atmosphérique et une variabilité forcée régie essentiellement par le cycle de l’eau et les conditions de surface continentale et océanique. En effet, les variations thermiques de l’Atlantique forcent des anomalies dans la circulation divergente de l’atmosphère qui modulent significativement le flux de mousson en été (Fontaine et Janicot, 1996). Ainsi, une année à pluviométrie excédentaire (déficitaire) est associée à un forçage (une diminution) de la convergence des flux d’humidité dans les basses couches, induit par des anomalies chaudes (froides) de l’océan et qui favorise des mouvements ascendants (subsidents). En ce qui concerne l’influence des processus continentaux, les différences observées dans les deux domaines découlent du fait qu’au nord de 9̊ N, la plupart des sites se situent en position d’abri (versants opposés aux lignes de flux), ce qui limite l’influence des turbulences orographiques et surtout celle de l’alizé permanent, contrairement au domaine situé au sud de cette latitude.

Ces résultats permettent de se faire une idée globale des éléments déterminants des anomalies saisonnières. Étudions maintenant la répartition des séquences sèches à l’échelle intrasaisonnière, paramètre qui influence particulièrement le cycle végétatif.

Répartition des séquences sèches au cours de la saison des pluies dans le Nord du Cameroun

Pour l’analyse de la répartition des séquences sèches, leurs longueurs (ou durées) ont été réparties en trois classes, permettant ainsi de mieux évaluer les risques potentiels de stress hydrique dans la croissance et le développement du couvert végétal (figures 4B et 4E) : séquences sèches de 2 à 4 jours ; de 5 à 10 jours et enfin, de durée supérieure à 10 jours. Ainsi, au cours de la saison des pluies, l’on compte en moyenne 15 à 20 séquences sèches de 2 à 4 jours en domaine sahélien, contre 12 à 18 en domaine soudanien. Quant aux séquences sèches de 5 à 10 jours, l’on en compte une dizaine par saison des pluies environ dans les deux domaines, alors que les séquences sèches de durée supérieure à 10 jours sont en moyenne de trois par saison. Les résultats précédents ayant montré que les cumuls saisonniers sont associés au nombre de jours secs, on peut déduire que ceux-ci sont également liés au nombre et à la durée des séquences sèches. A priori, plus le nombre et la durée des séquences sèches sont importants et plus s’accroît le risque de stress hydrique pour la plante. Si l’on remarque, dans l’ensemble, une légère tendance à la hausse du nombre de séquences sèches au cours des années 1980 par rapport à la période post-1990, il demeure que leurs relations avec les anomalies saisonnières sont assez ambiguës. L’exemple de la distribution du nombre de séquences sèches supérieures à 10 jours est, à ce titre, illustratif puisque leur variabilité interannuelle ne présente pas de tendance marquée (figures 4B et 4E). Partant de ces résultats, les classes de séquences sèches de 5 à 10 jours et celles supérieures à 10 jours ont été regroupées en une seule (supérieures à 5 jours) suivant l’hypothèse qu’une interruption des pluies inférieure ou égale à 5 jours n’aura pas un impact très significatif sur la végétation, même en début de cycle. Comment se répartissent ces séquences sèches supérieures à 5 jours suivant les années dans le Nord-Cameroun ?

La répartition des séquences sèches supérieures à 5 jours entre années humides et sèches montre, pour le domaine sahélien, un nombre quasi équivalent mais, en années humides, 30 % seulement de ces séquences surviennent au cours des deux premiers mois de la saison des pluies. La répartition des 70 % restants est compensée par un nombre plus important de jours à très forte pluviométrie (P > 40 mm) et présente donc un risque moindre pour la végétation. En années sèches, en revanche, le début de saison est marqué par des pluies moyennes ou faibles, souvent entrecoupées de séquences sèches supérieures à 5 jours (environ 50 % de l’ensemble de la saison). Par ailleurs, le nombre de jours à cumul exceptionnel est plus réduit au cœur de la saison et c’est en fin de saison que surviennent près de 30 % des séquences sèches supérieures à 5 jours. En domaine soudanien en revanche, la distribution des séquences sèches supérieures à 5 jours varie selon les stations, mais les valeurs médianes oscillent autour de 4, que ce soit en années humides ou sèches. Elles sont également distribuées aléatoirement au cours de la saison des pluies, quelle que soit la qualité pluviométrique de l’année.

Quel est l’impact de la variabilité de ces séquences sèches supérieures à 5 jours sur la végétation ? Pour répondre à cette question, nous allons présenter succinctement les corrélations entre les pluies et le NDVI dans quelques stations du Nord-Cameroun.

Relations entre pluies et NDVI dans le Nord du Cameroun

Une étude précédente sur les relations entre pluies et NDVI au Cameroun a montré une répartition latitudinale des corrélations (Shinoda, 1995), ainsi qu’un partitionnement du territoire de part et d’autre du 6^e parallèle, avec des corrélations plus fortes (> 0,8) au nord de cette latitude. Afin de prendre en compte ce gradient méridien, l’analyse s’effectue au long d’un transect nord-sud (figure 5), la période d’étude étant segmentée en deux sous-périodes (1982-1990 et 1991-2002), conformément aux tendances des précipitations (figures 3A et 3E). L’analyse du cycle annuel du NDVI est effectuée entre les mois de mars et novembre afin d’intégrer l’ensemble de la période végétative, soit 18 valeurs bimensuelles par an. Les pluies stationnelles sont également ajustées à la matrice du NDVI. Les corrélations pluies/NDVI sont calculées en synchrone (R1), et avec un décalage du NDVI par rapport à la pluie d’un mois (R2) et de deux mois (R3), puisque l’amorce du cycle végétatif dans certaines régions est souvent précédée par une période de précipitations relativement longue qui constitue le temps nécessaire au sol pour reconstituer sa réserve utile après la saison sèche (Nicholson et al., 1990 ; Richard et Poccard, 1998 ; Martiny et al., 2005 ; Camberlin et al., 2007). Les données de pluies et de NDVI sont désaisonnalisées, c’est-à-dire mises en anomalies par rapport à la moyenne afin de s’affranchir du cycle moyen saisonnier.

Les graphiques (figure 5) montrent que vers le 6^e parallèle (station de Meiganga), les corrélations sont plus fortes lorsqu’elles sont quasi synchrones (0,81) que lorsqu’elles sont décalées de 2 (R2) ou 4 (R3) quinzaines (figures 5 A1 et A2). Dans ce dernier cas, les deux paramètres sont même corrélés négativement au cours des périodes 1982-1990 et 1991-2002, et traduisent sans doute le phénomène d’hystérésis de la végétation, c’est-à-dire l’apparition de phénomènes de seuils et d’effets irréversibles, lorsqu’elle a atteint un stade assez avancé de son développement. En revanche, au nord du 6^e parallèle, les valeurs se renforcent (> 0,8) avec un décalage du NDVI de deux quinzaines, notamment à Guider (9^e parallèle), Mokolo (10^e parallèle) et Mora (11^e parallèle). Le même constat peut être fait sur le transect Ngaoundéré/Bame. Ce temps de réponse précède donc le démarrage dit agronomique qui, au Sahel, coïncide avec la date du saut de mousson qui est situé en moyenne lors de la troisième décade de juin (Balme et al., 2005). Par ailleurs, il n’y a pas de différence notable au cours des périodes 1982-1990 et 1991-2002, bien que la dernière ait été plus humide. Ces résultats sont cohérents avec les études de Shinoda (1995) et de Djoufack (2008).

Relations NDVI/séquences sèches (supérieures à 5 jours) en début de cycle végétatif

Rappelons que l’analyse entre le NDVI et le nombre de séquences sèches de durée supérieure à 5 jours est effectuée en début de période végétative et pour chaque domaine pluviométrique (avril-mai pour le domaine soudanien et mai-juin pour le domaine sahélien). L’analyse prend en compte les 61 jours continus afin de supprimer les biais induits par le chevauchement des séquences sèches entre deux mois consécutifs. Les corrélations entre les deux paramètres sont calculées en synchrone en domaine soudanien (pluie et NDVI d’avril-mai) et avec un décalage du NDVI de deux quinzaines en domaine sahélien (pluies de mai-juin et NDVI de juin-juillet), conformément au temps de réponse de la végétation à la pluie, d’après les résultats de la section précédente (figure 6).

Dans l’ensemble, la valeur moyenne du NDVI au cours de cette période est en dessous de 0,6 (tableau 2). En domaine sahélien, les anomalies standardisées de NDVI au cours des mois de mai et juin sont plus faibles au cours de la décennie 1980 (< - 1), alors qu’elles sont majoritairement excédentaires sur la période post-1990 (> 1,5). La distribution du nombre de séquences sèches (> 5 jours) est opposée aux anomalies de NDVI et les corrélations entre les deux paramètres sont significatives (|0,63|) . En domaine soudanien, en dehors de l’année 1987 qui présente un NDVI exceptionnellement faible (- 3,5), les amplitudes sont en général faibles (tableau 2). Les anomalies de NDVI et les séquences sèches (> 5 jours) évoluent également en sens opposé comme précédemment, mais leur corrélation est plus faible (|0,46|) . Les exemples pris dans quelques stations du Nord-Cameroun renforcent ces constats.

Tableau 2 Corrélations entre le nombre de séquences sèches (> 5 jours) et le NDVI en début de saison des pluies dans quelques stations du Nord-Cameroun.

(*) = corrélations significatives au test de Monte Carlo à 95 % ; valeurs de corrélations multipliées par 100 pour une meilleure lisibilité. NDVI : Normalized Difference Vegetation Index.

Dans la station de Maroua appartenant au domaine sahélien, la corrélation entre les deux paramètres est de |0,52| alors qu’elle est de |0,38| à Ngaoundéré en domaine soudanien. Par ailleurs, aucune station du domaine sahélien ne présente de corrélation significative au test de Monte Carlo (95 %). Ces résultats traduisent d’une part la plus faible sensibilité de la végétation soudanienne à l’occurrence des séquences sèches (> 5 jours) en début de cycle, et d’autre part le fait que leur nombre plus réduit qu’en domaine sahélien ne peut influencer fortement le cycle végétatif (figures 5A et 5B). Cette variabilité spatiale des relations est liée à la complexité des contextes bioclimatiques et pédologiques, ainsi qu’à la diversité génétique des espèces végétales. Par ailleurs, l’emprise bioclimatique n’explique pas à elle seule la variabilité de la productivité primaire puisqu’en ces régions l’homme modifie le couvert végétal en raison de la forte croissance démographique (Dongmo, 1998). Ainsi, l’intégration du paramètre démographique serait intéressante pour améliorer nos connaissances sur la variabilité de la phénologie végétale dans cet espace géographique assez complexe.

Conclusion

L’objectif de cette étude était d’étudier la variabilité intrasaisonnière des précipitations, en relation avec la répartition des séquences sèches au cours de la saison des pluies dans le Nord du Cameroun, ainsi que les corrélations entre ces séquences sèches et le NDVI entre 1982 et 2002. La région a été partitionnée en deux ensembles afin de tenir compte des particularités pluviométriques de chacune d’elles : le domaine sahélien situé au nord de 9̊ N avec une saison de pluies qui va de mai à septembre, alors qu’en domaine soudanien au sud de cette latitude la saison humide s’étend d’avril à octobre. Les séquences sèches (jours consécutifs avec P < 1 mm) ont été définies pour chaque année entre le 1^er mai et le 30 septembre pour le domaine sahélien et entre le 1^er avril et le 31 octobre pour le domaine soudanien.

Afin de déterminer les facteurs qui impriment la qualité de la saison de pluies – qui contribue pour près de 95 % aux cumuls annuels – deux paramètres ont été testés : i) le nombre de jours pluvieux par saison ; ainsi que ii) leur intensité suivant deux seuils, 1 ≥ P ≤ 40 mm et P > 40 mm. En domaine sahélien, 39 % des jours en moyenne sont secs au cours de la décennie 1980, contre 26 % pour la période post-1990. Ces chiffres sont respectivement de 23 et 18 % pour le domaine soudanien. Par ailleurs, près de 85 % de jours pluvieux reçoivent moins de 40 mm de pluies, et ce, même en domaine sahélien. Les différences pluviométriques entre années humides et sèches de la période 1982-2002 sont associées à un déficit des cumuls journaliers essentiellement au cœur de la saison des pluies. L’étude de la répartition des séquences sèches saisonnières a été faite suivant trois classes de durées. En saison des pluies, on compte en moyenne 15 à 20 séquences sèches de durées comprises entre 2 et 4 jours en domaine sahélien, contre 12 à 18 en domaine soudanien. Les séquences sèches supérieures à 5 jours oscillent en moyenne autour de 10 alors que celles qui sont supérieures à 10 jours sont réduites à 3 ou 4 en moyenne par saison dans les deux domaines pluviométriques.

Les corrélations entre les séquences sèches > 5 jours et le NDVI ont été calculées en respectant le temps de réponse de la végétation par rapport à la pluie : en synchrone pour le domaine soudanien et avec un décalage du NDVI de deux quinzaines en domaine sahélien. Dans l’ensemble, les valeurs sont plus faibles en domaine soudanien. En revanche, la végétation sahélienne est plus sensible à l’occurrence des séquences sèches en début de cycle (12 stations sur 15 sont significativement corrélées au test de Monte Carlo à 95 %). En fait, il existe une certaine variabilité spatiale à l’intérieur d’un même domaine pluviométrique en lien avec les facteurs bioclimatiques sous-jacents, compte tenu de l’occupation et de l’utilisation du sol, contraintes qui seront intégrées dans les prochaines études.

Références

Balme M, Galle S, Lebel T. Démarrage de la saison des pluies au Sahel : variabilité à des échelles hydrologique et agronomique. Sécheresse 2005 ; 16 : 15-22.

Bella-Medjo M, 2008. Analyse multi-échelles de la variabilité pluviométrique au Cameroun et ses conséquences sur les rendements du coton. Thèse de doctorat, université Paris VI.

Braband P. Le sol des forêts claires du Cameroun. Paris : Orstom éditions, 1991.

Camberlin P, Martiny N, Philippon N, Richard Y. Determinants of the interannual relationships between remote sensed photosynthetic activity and rainfall in tropical Africa. Remote Sensing of Environment 2007 ; (106) : 199-216.

D’Amato N, Lebel T. On the characteristics of the rainfall events in the Sahel with a view to the analysis of climatic variability. International Journal of Climate 1998 ; 18 : 955-974.

Djoufack V, 2008. Cycle saisonnier du NDVI dans le Nord-Cameroun et relations avec la pluviométrie (1982-2002). Commission Climat et Société (ISSN 1958-2773) : 94-104.

Donfack P, 1993. Étude de la dynamique de la végétation après abandon de la culture au Nord-Cameroun. Thèse de troisième cycle, université de Yaoundé I (Cameroun).

Dongmo JL, 1998. Human impact on the degradation of vegetation in north Cameroon. Population and environment in arid region. Paris : Unesco.

Eklundh L, Olsson L. Vegetation index trends for the African Sahel 1982-1999. Geophysical Research Letters 2003 ; 30 : 1430-1433.

Fontaine B, Janicot S. Sea surface temperature fields associated with West African rainfall anomaly types. Journal of Climate 1996 ; 9 : 2935-2940.

Le Barbé L, Lebel T, Tapsoba D. Rainfall variability in West Africa during the 1950-1990. Journal of Climate 2002 ; 15 : 187-202.

Lebel T, Ali A, 2009. Recent trends in the Central and Western Sahel rainfall regime (1990-2007). Journal of Hydrology 375 : 52-64. doi:10.1016/j.jhydrol.2008.11.030.

Lienou G, Sighomnou D Sigha-Nkamdjou L Mahé G Ekodeck GE Tchoua F Système hydrologique du Yaéré (Extrême-Nord-Cameroun), changements climatiques et actions anthropiques : conséquences sur le bilan des transferts superficiels. Hydrology of Mediterranean and semiarid regions 2003 ; 278 : 403-409.

Martiny N, Richard Y, Camberlin P, 2005. Interannual persistence effects in vegetation dynamics of semi-arid Africa. Geophysical Research Letters 32: L24403.1-L24403.4.

Nicholson SE, Davenport ML, Malo A.R. A comparison of the vegetation response to rainfall in the Sahel and East Africa, using Normalized Difference Vegetation Index from NOAA AVHRR. Climate Change 1990 ; 17 : 209-241.

Direction de la Statistique et de la Comptabilité nationale (DSCN), 2002. Conditions de vie des ménages et profil de pauvreté à l’Extrême-Nord Cameroun en 2001. Composante N̊1 suivi-évaluation de la pauvreté, MINAEPAT/UNDP (Cameroun).

Richard Y, Poccard I. A statistical study of NDVI sensitivity to seasonal and interannual rainfall variations in Southern Africa. International Journal of Remote Sensing 1998 ; 19 : 2907-2920.

Rouse JW, Haas RH, Schell JA, Deering DW, Harlan JC, 1974. Monitoring the vernal advancement and retrogradation (greenwave effect) of natural vegetation. NASA/GSFC Type III Final Report. Greenbelt (Maryland, États-Unis).

Tucker CJ, Pinzon J, Brown ME, Slayback D, Pak EW, Mahoney R, et al. An extended AVHRR-8km NDVI data set compatible with MODIS and SPOT vegetation NDVI data. International Journal of Remote Sensing 2005 ; 26 : 4485-4498.

Santiago-Jegaden A, 1998. Impacts des états de surface continentaux sur la dynamique pluvieuse au Cameroun. Thèse de doctorat, université de Bourgogne (Dijon-France).

Shinoda M. Seasonal phase lag between rainfall and vegetation activity in tropical Africa as revealed by NOAA satellite data. Journal of Climate 1995 ; 15 : 639-656.

Suchel JB, 1987. Les climats du Cameroun. Thèse de doctorat d’État, université de Bordeaux III (France).

Sultan B, Janicot S. The West African monsoon dynamics. Part 2: The ‘preonset’ and ‘onset’ of the summer monsoon. Journal of Climate 2003 ; 16 : 3407-3427.

Tchiadeu G, 2000. Calendriers des pluies et bilans hydriques au Cameroun (1951-1993). Thèse de doctorat, université de Bourgogne (Dijon-France).

Temple L, 2009. Déterminants institutionnalistes des changements technologiques dans les agricultures du sud. Rapport HDR, université de Toulouse (France).

Tsalefac M. Variabilité des précipitations dans le Nord-Cameroun à partir des données CMAP (1979-2005). Revue de Géographie du Cameroun 2006 ; 8 : 78-88.

¹ 655, 96 F CFA = 1 euro.