Version classiqueVersion mobile

Les sociétés rurales face aux changements climatiques et environnementaux en Afrique de l’Ouest

 | 
Benjamin Sultan
, 
Richard Lalou
, 
Mouftaou Amadou Sanni
, 
et al.

Partie 1. Évolutions récentes et futures du climat en Afrique de l’Ouest

Chapitre 1. Le réchauffement climatique observé depuis 1950 au Sahel

Françoise Guichard, Laurent Kergoat, Frédéric Hourdin, Crystèle Léauthaud, Jessica Barbier, Éric Mougin et Birama Diarra

Texte intégral

Introduction

1Depuis une trentaine d’années, le réchauffement climatique fait l’objet de travaux de plus en plus nombreux. Cependant, en Afrique de l’Ouest, les études existantes se sont principalement intéressées aux évolutions des précipitations, très peu à celles des températures. Le réchauffement climatique observé au cours des soixante dernières années se décline de manière contrastée suivant les régions du globe. Il est plus marqué sur les zones continentales, et plus important la nuit que le jour (IPCC, 2013). Jusqu’à présent, l’attention s’est surtout portée sur les zones boréales et tempérées, délaissant quelque peu les zones tropicales et semi-arides. En ce qui concerne l’Afrique de l’Ouest, les quelques travaux, pour la plupart récents, qui abordent cette question ne se basent pas directement sur les observations, mais sur des produits satellitaires, des jeux de données spatialisées, c’est-à-dire interpolées sur une grille régulière, et des ré-analyses météorologiques (Collins, 2011 ; Fontaine et al., 2013).

2Or, les produits satellitaires ne renseignent pas directement sur l’évolution de la température près de la surface, qui est celle qui nous intéresse ici, mais sur celle de toute une couche atmosphérique. Le lien entre ces deux températures est loin d’être trivial. De plus, l’archive satellitaire ne permet de renseigner cette question qu’à partir de 1980, ce qui est court au regard des échelles de fluctuations climatiques : une moyenne climatique est typiquement réalisée sur 30 ans. De même, les ré-analyses météorologiques correspondent à des résultats de modèles physiques contraints par des observations ; la qualité des résultats fournis est dont fortement dépendante du nombre et de la qualité des observations utilisées. C’est une question particulièrement cruciale en Afrique de l’Ouest, car les données collectées au cours des dernières décennies y sont peu nombreuses. Il s’y ajoute les imperfections de ces modèles, qui peinent à simuler correctement les températures près de la surface, notamment la nuit (Sandu et al., 2013). Les rares comparaisons de température à la surface fournies par les ré-analyses météorologiques montrent d’ailleurs qu’il existe des différences notables d’une ré-analyse à l’autre, en particulier sur le Sahel et le Sahara (Roehrig et al., 2013).

3Via l’utilisation de plusieurs jeux de données, nous présentons ici comment ce réchauffement multi-décennal affecte considérablement l’Afrique de l’Ouest, et comment en particulier les températures les plus élevées, susceptibles d’avoir le plus fort impact environnemental, ont évolué. Pour ce faire, nous analysons comment ces tendances se superposent au cycle annuel et aussi, comment elles se manifestent sur les températures minimales et maximales. Nous présentons aussi brièvement les évolutions et tendances fournies par les ré-analyses météorologiques et les modèles de climat.

Un réchauffement multi-décennal fort et contrasté suivant les saisons

4Notre analyse se base sur des jeux de données, incluant des observations locales disponibles au pas de temps journalier et des données spatialisées disponibles au pas de temps mensuel. Nous utilisons en particulier, pour illustrer notre propos, les résultats fournis par les données locales de la station météorologique d’Hombori au Mali (données dites « SYNOP » dans le vocabulaire météorologique, fournies par la Direction nationale de la météorologie du Mali).

5La figure 1a illustre avec ces données la tendance observée sur les soixante dernières années, mois par mois au Sahel (elle est proche des tendances estimées avec les autres types de données disponibles sur cette région, comme on le verra par la suite). Cette figure montre effectivement une augmentation forte des températures, mais surtout elle indique que le réchauffement observé n’est pas homogène sur toute l’année, il est particulièrement important au printemps et en automne, supérieur à 1 °C de mars à octobre (contre environ 0,5 °C en moyenne globale).

6La figure 1b montre avec les données spatialisées du CRU (CRU TS3.10 ; Mitchell et Jones, 2005 ; Harris et al., 2013) que ce réchauffement concerne toute la bande sahélienne. Il est plus modéré lorsqu’on se rapproche de l’équateur et plus fort au Sahara et sur le Sahel ouest.

7Dans la suite ce chapitre, nous analysons plus en détail cette tendance, en particulier sa structure annuelle complexe qui émerge d’un cycle annuel de la température lui-même bimodal, caractéristique des régions continentales tropicales.

Figure 1. Réchauffement multi-décennal au Sahel, structure annuelle et spatiale :

Figure 1. Réchauffement multi-décennal au Sahel, structure annuelle et spatiale :

(a) augmentation de la température mensuelle de 1950 à 2010, calculée avec les données de la station météorologique d’Hombori au Sahel, en utilisant une régression linéaire ;
(b) augmentation maximum de la température mensuelle de 1950 à 2010 en utilisant les données CRU (on considère ici le mois pour lequel la tendance est maximale).

Le climat sahélien : température, humidité et pluies de mousson

8Le climat sahélien, tropical semi-aride, est très chaud. La figure 2 en montre un exemple, avec les données de la station météo automatique d’Agoufou (Mougin et al., 2009), en plein cœur du Sahel, située à quelques dizaines de kilomètres de la station SYNOP d’Hombori. Les données de plusieurs années sont superposées et lissées pour présenter le cycle annuel de la température et de l’humidité spécifique de l’air à la surface, et des précipitations.

9En moyenne sur 10 jours, la température oscille entre 20 °C en hiver et 35 °C au printemps. Cette période chaude du printemps est particulièrement marquée et longue, avec des températures qui évoluent relativement peu au cours du mois de mai. Ce maximum se situe un peu après le premier maximum de l’ensoleillement au sommet de l’atmosphère (fig. 2), et coïncide avec les premières incursions du flux de mousson, tracées ici par les fluctuations de l’humidité spécifique, qui précèdent l’arrivée des pluies de plusieurs semaines. Le sol est alors sec et chaud. La température de l’air diminue ensuite progressivement tout au long de la saison des pluies, de juin à août, pour atteindre un minimum en août, autour du second maximum de l’ensoleillement au sommet de l’atmosphère. Cette chute de la température pendant la mousson fait notamment intervenir un fort refroidissement de la surface causé par les précipitations et leur évaporation. La température remonte à nouveau lors du retrait du flux de mousson après l’arrêt des pluies pour atteindre son second maximum annuel, moins marqué, typiquement en octobre plusieurs semaines après le second maximum de l’ensoleillement au sommet de l’atmosphère. Elle commence à redescendre en novembre seulement, suivant en cela la baisse de l’ensoleillement.

Figure 2. Cycle annuel de la température (courbes du haut) et de l’humidité spécifique (courbe du milieu) à 2 m au-dessus de la surface mesurée par la station météorologique installée à Agoufou (données du service d’observations Amma-Catch).

Figure 2. Cycle annuel de la température (courbes du haut) et de l’humidité spécifique (courbe du milieu) à 2 m au-dessus de la surface mesurée par la station météorologique installée à Agoufou (données du service d’observations Amma-Catch).

Les observations de plusieurs années sont superposées et présentées en moyenne glissante sur 10 jours.
Chacune des barres noires (en bas du graphe) correspond à la pluie cumulée au cours d’un événement de pluie (de 2002 à 2007).
Leur ensemble permet de délimiter la période de la saison des pluies (de juin à septembre). La succession des saisons est indiquée par les segments gris foncé en haut du graphe ;
les plages plus claires en dessous montrent les variations de l’angle zénithal solaire ;
ce dernier explique la majeure partie des fluctuations de l’insolation au sommet de l’atmosphère à cette latitude (15,3° N).

10Ce cycle annuel de la température au Sahel est bien plus complexe que celui observé dans les latitudes tempérées qui est monomodal. Il ne peut s’expliquer que si l’on considère ensemble la position géographique du Sahel, les circulations atmosphériques de grande échelle, mousson et Harmattan, et toute la série de processus physiques et biologiques distincts qui se succèdent au cours de l’année. Il s’agit des précipitations, mais aussi du transfert radiatif et de sa forte sensibilité à l’humidité de l’atmosphère, de la croissance de la végétation… Chacun de ces phénomènes imprime tour à tour sa marque sur le bilan énergétique de la surface, bilan qui exerce une influence majeure et directe sur la température de l’air à la surface (pour plus de détails, voir guichard et al., 2009).

Cycle annuel du réchauffement observé sur les soixante dernières années

11Les informations précédentes indiquent donc que le réchauffement climatique est maximum au printemps (fig. 1 et 2), soit le moment de l’année pendant lequel les températures sont déjà excessivement élevées. Ce résultat est discuté ci-dessous en s’appuyant sur la figure 3 qui montre comment les évolutions de la température au cours des soixante dernières années se superposent sur le cycle annuel moyen. On utilise ici encore les données de la station SYNOP d’Hombori, mais les conclusions restent les mêmes lorsqu’on analyse les autres stations SYNOP existantes au Sahel, dès lors qu’elles sont suffisamment éloignées de l’océan Atlantique. À Dakar, par exemple, ville située sur le littoral, le cycle annuel de la température se différencie de celui discuté ici, car il ne présente pas un maximum au printemps.

12La figure 3 montre les séries temporelles de température moyenne mensuelle pour tous les mois de l’année. On peut voir que non seulement la tendance, mais aussi la dispersion de ces séries sur les soixante dernières années varient pour les différents mois. Pendant la saison sèche et froide, de novembre à mars, on n’observe pas de tendances nettes sur 60 ans. En revanche, durant les mois de janvier et février en particulier, les fluctuations interannuelles courtes sont prédominantes, avec des températures mensuelles qui varient de plus de 5 °C d’une année à l’autre. Au printemps (avril, mai), ces fluctuations interannuelles courtes diminuent et une tendance climatique plus marquée, linéaire apparaît (les courbes superposées aux séries de point correspondent à un ajustement à l’ordre 2). Le réchauffement multi-décennal reste important pendant les quatre mois de mousson qui suivent. Cependant, il est de moins en moins linéaire et l’ajustement devient concave. On distingue notamment aux mois d’août et septembre la signature des sècheresses des décennies de 1970 et 1980 qui sont associées à une augmentation de la température. L’inverse prévaut pour les années 1950, qui correspondent à la décennie la plus pluvieuse, et la plus fraîche pendant la mousson. Précipitations et températures sont fortement corrélées pendant cette période de l’année, et leurs cofluctuations multi-décennales expliquent une grande part des variations de température observées depuis 60 ans au mois d’août et septembre, un résultat en accord avec l’analyse à plus grande échelle de Douville (2006). Finalement, la tendance devient à nouveau plus linéaire au moment du retrait de la mousson, après la fin des pluies, en octobre.

Figure 3. Réchauffement observé au cours des soixante dernières années (1950 à 2010) à Hombori (données SYNOP) en fonction du mois de l’année.

Figure 3. Réchauffement observé au cours des soixante dernières années (1950 à 2010) à Hombori (données SYNOP) en fonction du mois de l’année.

Pour chacun des mois, la série de points gris correspond à la série temporelle des valeurs moyennes mensuelles. Un ajustement quadratique est surajouté (lignes noires).
La tendance linéaire par mois est indiquée en haut à droite du graphe avec des barres colorées.

13Le réchauffement observé ne concerne que très peu les mois d’hiver, plus frais, mais affecte le printemps, l’été et l’automne. L’augmentation est particulièrement forte au printemps, sans relation apparente avec les fluctuations des précipitations, puisqu’il ne pleut pas à cette période de l’année au Sahel. On observe donc une augmentation de l’amplitude du cycle annuel de la température, les périodes fraîches varient peu, tandis que les périodes chaudes se réchauffent.

14Les données CRU, un jeu de données interpolées sur une grille régulière, communément utilisé pour les études climatiques, n’intègrent qu’une partie des données de la station d’Hombori utilisées ici. Cependant, lorsqu’on considère le point du CRU le plus proche de cette station, les résultats obtenus sont semblables, même si la tendance est alors un peu plus forte, de quelques dixièmes de degrés, avec un réchauffement sur 60 ans qui dépasse 2 °C pendant un tiers de l’année. Plus généralement, on observe que les différents jeux de données que nous avons comparés sur le Sahel fournissent des résultats concordants. La figure 4 montre le même graphique construit avec les données CRU pour une zone plus large du Sahel. Là encore, les conclusions sont assez similaires. Cependant, la tendance est maintenant dominée par le réchauffement au printemps et le second pic de réchauffement observé à l’automne n’apparaît plus.

Figure 4. Réchauffement observé en fonction du mois de l’année avec les données CRU, en moyenne sur (10° W-10° E, 10° N-20° N) de 1950 à 2009

Figure 4. Réchauffement observé en fonction du mois de l’année avec les données CRU, en moyenne sur (10° W-10° E, 10° N-20° N) de 1950 à 2009

On utilise ici une représentation graphique semblable à celle de la fig. 3.

Comment ont évolué les températures journalières minimales et maximales ?

15À grande échelle, de nombreux travaux ont montré que le réchauffement climatique est généralement plus fort la nuit que le jour (Karl et al., 1991, 1993 ; Easterling et al., 1997). On utilise généralement les températures journalières maximales (Tmax) et minimales (Tmin) pour étudier ce cycle diurne, ainsi que leur différence, Tmax-Tmin, notée DTR (pour Diurnal Temperature Range). Le DTR est une variable importante, qui soulève de nombreuses questions quant aux mécanismes responsables de ces différences jour-nuit. Elle importe aussi au regard de ses répercussions sociétales : des températures minimales excessivement élevées ont notamment des conséquences sur la santé, car elles empêchent le corps de se reposer et de récupérer ; elles sont aussi potentiellement néfastes pour l’agriculture via la respiration de maintenance qui augmente lors des nuits plus chaudes (Peng et al., 2004).

16La figure 5 montre, suivant le même principe que la figure 3, l’évolution de ces températures journalières maximales (Tmax) et minimales (Tmin), ainsi que celle du DTR, de 1950 à 2010. La tendance de Tmax est nettement moins forte que celle de la température moyenne journalière discutée ci-dessus. De plus, cette augmentation de Tmax concerne surtout les deux derniers mois de mousson (août et septembre), beaucoup moins le printemps. Pendant la mousson, on retrouve cette forme concave de l’ajustement, encore plus prononcée, qui souligne l’importance des couplages entre température et pluie pendant la mousson. La tendance est plus linéaire au printemps, mais presque deux fois plus faible. La tendance forte au printemps résulte principalement d’une augmentation des températures minimales, Tmin, qui dépasse 2 °C d’avril à juin. La tendance de Tmin est positive pour chacun des mois de l’année ; elle est maximale au printemps, et généralement plus bruitée, moins significative, pendant les mois d’hiver. La signature des fluctuations multi-décennales des précipitations est aussi nettement moins marquée sur Tmin que sur Tmax.

Figure 5. Fluctuations multidécennales observées en fonction du mois de l’année de la température journalière minimale Tmin (a), la température journalière maximale Tmax (b) et Tmax-Tmin, à savoir le “diurnal temperature range” DTR (c) à Hombori (données SYNOP).

Figure 5. Fluctuations multidécennales observées en fonction du mois de l’année de la température journalière minimale Tmin (a), la température journalière maximale Tmax (b) et Tmax-Tmin, à savoir le “diurnal temperature range” DTR (c) à Hombori (données SYNOP).

On utilise ici une représentation graphique semblable à celle de la fig. 3.

17Cette structure différente des cycles annuels du réchauffement diurne et nocturne conduit à une tendance de DTR qui diminue pendant la mousson. Elle reste cependant forte, en hiver comme au printemps. Les évolutions multi-décennales du DTR sont significatives et plusieurs interprétations de cette signature du réchauffement climatique ont été proposées. DAI et al. (1999) ont analysé les corrélations entre l’évolution du DTR et les changements d’humidité du sol, la vapeur d’eau et les nuages. Au Sahel, il est possible que les changements d’humidité du sol participent à l’évolution du DTR. On observe notamment une augmentation du DTR pendant les décennies plus sèches 1970 et 1980, qui serait cohérente avec une diminution de l’humidité du sol accompagnant des pluies plus rares, et peut-être aussi avec une diminution de la couverture nuageuse, qui renforcerait l’augmentation des Tmax. Cependant, c’est justement à ce moment de l’année que la tendance du DTR est la plus faible, ce qui suggère que cet effet n’est pas dominant (fig. 5). Au printemps, il semble très peu probable que l’humidité du sol, contrairement à la vapeur d’eau et aux nuages, joue un quelconque rôle, dans la mesure où le sol superficiel est alors généralement sec. Finalement, au Sahel, il est possible que les aérosols désertiques, dont le contenu semble avoir évolué au cours des dernières décennies (PROSPERO et LAMB, 2003) participent au même titre que la vapeur d’eau et les nuages à cette tendance du DTR, en particulier pendant la saison sèche, lorsque l’effet de serre de l’eau atmosphérique (sous forme de vapeur d’eau et de nuages) est minimal. Cependant, la connaissance des évolutions multi-décennales de la vapeur d’eau, des nuages et des aérosols est encore trop partielle au Sahel pour déterminer précisément les mécanismes responsables de la diminution du DTR observée sur les soixante dernières années.

L’importance des différences entre températures diurnes et nocturnes

Des cycles annuels de Tmin et Tmax distincts

18Nous avons vu que les évolutions climatiques observées de la température s’expriment très différemment suivant les saisons, et suivant la période de la journée (jour/nuit). Elles s’inscrivent aussi dans un cycle annuel complexe, dont l’analyse, présentée ici, permet de mieux comprendre pourquoi la signature observée au printemps est particulièrement marquée.

19La comparaison des figures 5a et 5b montre que les cycles annuels de Tmax et Tmin sont distincts au Sahel. Ces différences entre Tmin et Tmax sont encore plus évidentes lorsqu’on analyse des données à plus haute fréquence temporelle (par exemple, les données SYNOP journalières), comme illustré avec la figure 6. En particulier, l’augmentation de Tmin de l’hiver au printemps est plus marquée que celle de Tmax, et le minimum de Tmin pendant la mousson est moins prononcé que celui de Tmax. Finalement, le maximum annuel de Tmin ne coïncide pas avec celui de Tmax, il est observé un peu plus tard, typiquement quelques semaines après. Inversement, le second maximum de Tmin, au moment du retrait de la mousson, vers septembre-octobre, est observé plus tôt que celui de Tmax, en octobre-novembre. La figure 5c montre aussi que le DTR atteint son maximum en hiver et diminue pendant la mousson. L’ensoleillement au sommet de l’atmosphère est moindre en hiver, ce qui tend à limiter Tmax, cependant, son opacité (qui augmente avec le contenu en vapeur d’eau et en aérosols) est aussi généralement plus faible, car l’air est alors sec, et donc plus propice à la chute des températures nocturnes.

Zoom sur le printemps

20La conséquence directe de ces différences des cycles annuels de Tmin et Tmax est qu’il existe une période au printemps au cours de laquelle Tmax commence à diminuer alors que Tmin augmente encore (fig. 6b). Cette période dure typiquement quelques semaines. L’augmentation des températures minimales est la plupart du temps causée par les premières incursions du flux de mousson. Plus généralement, les arrivées de masses d’air plus humides sont la plupart du temps associées à une forte augmentation de la température nocturne en dehors de la saison de pleine mousson (GUICHARD et al., 2009).

Figure 6. Cycles annuels de Tmin et Tmax, l’exemple de Ouagadougou (utilisation de 30 ans de données SYNOP).

Figure 6. Cycles annuels de Tmin et Tmax, l’exemple de Ouagadougou (utilisation de 30 ans de données SYNOP).

(a) Cycle annuel de Tmin (bleu) et Tmax (orange). Les points correspondent aux données journalières, les courbes à des moyennes glissantes sur 15 jours, intégrant les données de toute la période.
(b) Cycle annuel de Tmin et Tmax après soustraction du minimum annuel afin de montrer plus précisément les différences d’amplitude des cycles de Tmin et Tmax.
Le disque rouge (bleu) indique le maximum annuel de Tmax (Tmin).

21La figure 7 montre un exemple de ces événements récurrents au printemps. Les températures nocturnes (Tmin) augmentent brusquement de 5 à 10 °C et on observe une augmentation simultanée du flux infrarouge descendant cohérent avec le passage d’un air sec à humide. Ces événements s’accompagnent souvent d’une diminution des températures diurnes (Tmax), car l’humidité, les nuages et les soulèvements de poussières qui les accompagnent limitent le rayonnement solaire à la surface.

22Ainsi, les effets opposés des processus diurnes et nocturnes ont tendance à réduire considérablement l’influence des circulations atmosphériques sur la température moyenne journalière au printemps, même si elles s’accompagnent de variations importantes des températures diurnes et nocturnes, puisqu’elles ont tendance à se compenser. Le maximum de température observé au printemps est ainsi relativement « plat », avec des températures moyennes journalières qui restent élevées pendant plusieurs semaines (fig. 2).

Figure 7. Série temporelle à haute résolution (15 minutes) de la température (courbe rouge) et de l’humidité spécifique (courbe bleue) de l’air à la surface pendant le printemps 2010.

Figure 7. Série temporelle à haute résolution (15 minutes) de la température (courbe rouge) et de l’humidité spécifique (courbe bleue) de l’air à la surface pendant le printemps 2010.

Les jours sont séparés par des traits verticaux. Données de la station météorologique d’Agoufou.

Gradient méridional

23Les conclusions précédentes sont corroborées par une analyse systématique des données SYNOP issues de plusieurs dizaines de stations météorologiques (fig. 8).

Figure 8. Fluctuations annuelles de la température en fonction de la latitude (code couleur) à 12 h (a) et 6 h (b).

Figure 8. Fluctuations annuelles de la température en fonction de la latitude (code couleur) à 12 h (a) et 6 h (b).

Les symboles indiquent les maxima annuels.
Les données SYNOP d’une vingtaine de stations sont utilisées ici sur la période 1980-2010.
Ces stations s’étagent de 5° N à 16° N et sont situées à l’est de 10° W, excluant ainsi toutes les stations proches de l’Atlantique et dont le cycle annuel est distinct. Les données sont présentées en anomalie par rapport à leur moyenne annuelle.

On montre ici le cycle annuel des températures relevées à 6 h et à 12 h. La première est un bon proxy de Tmin, tandis que la seconde est généralement légèrement inférieure à Tmax. Cette analyse permet aussi de renseigner les variations de la structure du cycle annuel avec la latitude. Les premiers maxima de température (Tmin et Tmax) sont atteints plus tard dans l’année au nord du Sahel, le refroidissement pendant la mousson est moins marqué. En revanche, le refroidissement hivernal y est plus marqué. Ces résultats montrent aussi qu’une analyse qui considère un « Sahel moyen » sans distinction des latitudes tend à gommer les extrema observés à plus petite échelle.

Conséquences sur les tendances au printemps

24Finalement, cet équilibre particulier entre températures diurne et nocturne qui contraint les fluctuations des températures moyennes au printemps conduit à une sensibilité aux circulations atmosphériques d’échelle synoptique ou intra-saisonnière amoindrie. Il explique probablement en partie que la variabilité interannuelle courte (inférieure à 10 ans) soit relativement faible au printemps, en comparaison de l’hiver notamment (fig. 2). L’absence de précipitations pendant cette période conduit également à un signal plus linéaire au printemps que pendant la mousson, car la variabilité multi-décennale de la pluie affecte l’évolution climatique des températures en été. Par conséquent, les tendances à plus long terme apparaissent plus clairement, et conduisent au Sahel à une signature du réchauffement multi-décennal au printemps particulièrement nette.

Que peut-on attendre des ré-analyses météorologiques ?

25Ces ré-analyses fournissent des jeux de données particulièrement utiles pour les études climatiques. Cependant, comme évoqué dans l’introduction, ce ne sont pas des observations. La comparaison des trois ré-analyses météorologiques récentes et beaucoup utilisées, ERA-Interim (DEE et al., 2011), MERRA (Rienecker et al., 2011) et NCEP-CFSR (Saha et al., 2010) avec le jeu de données du CRU indiquent en effet des différences notables au Sahel (fig. 9). De plus, les ré-analyses retenues ici ne couvrent que les trente dernières années, ce qui est court pour calculer et identifier des tendances climatiques. Néanmoins, la comparaison reste instructive.

26Les données du CRU indiquent en moyenne sur le cycle annuel un réchauffement sur les trente dernières années, mais moins important sur cette période deux fois plus courte. Elles indiquent également un léger refroidissement pendant les deux derniers mois de mousson (août et septembre). Ce refroidissement est probablement lié en partie à la transition des années 1980, caractérisées par des sécheresses récurrentes, aux années plus récentes, plus pluvieuses (fig. 9, encart du haut). On observe également un fort réchauffement au mois de décembre.

Figure 9. Comparaison des évolutions de température entre 1980 et 2010 en moyenne sur (10° W-10° E, 10° N-20° N) fournies par le CRU (noir) et les ré-analyses ERA-Interim (violet), MERRA (cyan) et NCEP-CFSR (gris).

Figure 9. Comparaison des évolutions de température entre 1980 et 2010 en moyenne sur (10° W-10° E, 10° N-20° N) fournies par le CRU (noir) et les ré-analyses ERA-Interim (violet), MERRA (cyan) et NCEP-CFSR (gris).

On ne montre ici que l’ajustement quadratique pour des raisons de clarté.
Les tendances obtenues via un ajustement linéaire sont indiquées en haut du graphe, pour comparaison.
Elles ne peuvent pas être interprétées comme des tendances climatiques compte tenu de la courte durée de la période utilisée ici (30 ans).

27ERA-Interim est généralement en bon accord avec le CRU, en termes de cycle annuel moyen comme de tendances. Il est légèrement plus froid en moyenne (différence des courbes noires et violettes) et fournit une tendance non pas négative, mais positive pendant la mousson. La combinaison des ré-analyses ERA40 et ERA-Interim, qui permet de couvrir une période plus longue, est également en bon accord avec les données du CRU (Guichard et al., 2012).

28En revanche, MERRA et NCEP-CFSR s’écartent beaucoup plus du CRU qu’ERA-Interim. Elles surestiment toutes les deux le réchauffement, à toutes les saisons. De plus, les fluctuations de température sur les 30 ans fournies par MERRA ne correspondent pas aux observations, ce qui se traduit ici par une structure concave de l’ajustement quadratique irréaliste d’avril à janvier (courbes vertes). Dans NCEP-CFSR, cette évolution est dominée de mars à octobre par une tendance au réchauffement surestimée. Enfin, cette ré-analyse présente un biais froid de quelques degrés sur la majorité des mois, en particulier l’hiver. Ce résultat qui peut surprendre est cependant en accord avec ceux de Bao et Zhang (2012).

29En conclusion, cette comparaison indique que l’utilisation des ré-analyses météorologiques pour étudier les évolutions de température est délicate. ERA-Interim semble fournir la meilleure chronologie des trois décennies passées sur le Sahel, mais il reste important de croiser les informations fournies par ce type de produits avec les différents jeux de données disponibles afin d’arriver à des conclusions plus robustes.

Comment les modèles de climat simulent-ils le réchauffement observé ?

30La question mérite d’être posée, d’autant plus que les modèles de climat sont utilisés pour élaborer les projections climatiques. Comme indiqué en introduction, la modélisation climatique en Afrique de l’Ouest reste un défi (Hourdin et al., 2010 ; Roehrig et al., 2013), en particulier parce que les processus physiques y jouent un rôle important et qu’il est encore difficile de les modéliser avec suffisamment de précision (voir aussi chapitre 3 par Gaye et al.).

31Nous utilisons ici les résultats des modèles de climat ayant participé à l’exercice du GIEC CMIP5, et plus précisément les simulations dites « historical » qui permettent d’évaluer les modèles sur la période 1950-2010. La figure 10 illustre les tendances simulées avec une comparaison aux données d’Hombori. Cinq des huit modèles utilisés ici indiquent un réchauffement moyen relativement proche des observations, au-delà de différences dans la structure annuelle générale. Les tendances de DTR varient, quant à elles, beaucoup plus d’un modèle à l’autre, ce qui traduit des tendances de Tmin et Tmax bien différentes. La comparaison d’autres variables telles que l’humidité indique également des différences notables entre modèles, ce qui suggère que les mécanismes à l’œuvre dans les réchauffements simulés ne sont pas forcément identiques (par exemple, un réchauffement diurne renforcé par une diminution des nuages pendant la journée versus un réchauffement nocturne faisant intervenir une augmentation de la vapeur d’eau). Il est cependant difficile d’interpréter trop directement ces résultats dans la mesure où le cycle annuel de la température est souvent approximativement simulé par ces modèles, comme illustré sur la figure 11, en moyenne (10° W-10° E, 10° N-20° N). La plupart des modèles reproduisent effectivement un cycle annuel bimodal, mais qui s’écarte considérablement de l’observation avec des décalages temporels atteignant parfois plus de 2 mois. Les biais de la température moyenne mensuelle atteignent plus de 5 °C pour certains modèles, et ceux de Tmin et Tmax sont généralement encore plus importants. L’intérêt de distinguer températures diurne et nocturne pour analyser le cycle annuel et les tendances observées suggère aussi qu’il est important de corriger ces biais. Des travaux récents montrent d’ailleurs que les différences des projections climatiques fournies par les modèles de climat sont reliées aux différences de leur simulation du climat moyen (Christensen et Boberg, 2012).

Figure 10. Réchauffement (à gauche) et tendance de DTR (Tmax-Tmin) (à droite) obtenus avec 8 modèles de climat sur la période 1950-2010.

Figure 10. Réchauffement (à gauche) et tendance de DTR (Tmax-Tmin) (à droite) obtenus avec 8 modèles de climat sur la période 1950-2010.

Ces tendances linéaires sont calculées séparément pour chacun des mois de l’année.
On utilise ici les simulations de l’exercice CMIP5 du GIEC dites “historical” et le point du modèle le plus proche d’Hombori (1° W, 15° N).
Le nom de chaque modèle est indiqué à gauche de la figure. Les modèles sont ordonnés par réchauffement décroissant.

Figure 11. Cycle annuel de la température simulée par plusieurs modèles de climat, présenté à partir de moyennes mensuelles sur 30 ans et moyennées sur (10° W-10° E, 10° N-20° N).

Figure 11. Cycle annuel de la température simulée par plusieurs modèles de climat, présenté à partir de moyennes mensuelles sur 30 ans et moyennées sur (10° W-10° E, 10° N-20° N).

Les couleurs correspondent à différents modèles.
Les cycles annuels du CRU, d’ERA-Interim, MERRA et NCEP-CFSR sont également indiqués en traits épais (voir légende).

Conclusion

32Les travaux présentés ici montrent que la température a beaucoup augmenté au Sahel depuis 1950. Le réchauffement observé est particulièrement marqué et régulier au printemps, alors que les températures sont déjà très élevées durant cette période de l’année. Il est aussi nettement plus fort la nuit que le jour (supérieur à 2 °C). Une telle régularité du réchauffement n’est pas observée en hiver, car l’évolution multi-décennale de la température est alors dominée par une forte variabilité interannuelle courte. Elle n’est pas observée non plus pendant la mousson, une période de l’année qui a été surtout affectée par un fort réchauffement lors des sécheresses des décennies 1970 et 1980 (réchauffement qui se manifeste principalement sur les températures diurnes). L’amplitude et la structure annuelle du réchauffement observé au Sahel sont aussi plus marquées que plus au sud, dans les zones soudaniennes et guinéennes.

33Le cycle annuel de la température est la résultante de cycles annuels distincts des températures diurne et nocturne, qui sont régis par des mécanismes différents. Le réchauffement multi-décennal se caractérise lui aussi par des différences entre réchauffements diurne et nocturne. Cependant, les mécanismes responsables de ce réchauffement, et de sa signature diurne/nocturne, ne sont pas encore clairs. Au printemps, on s’attend à des mécanismes radicalement différents de ceux opérant pendant la mousson, en particulier du fait de l’absence de précipitations. Font-ils intervenir des changements du flux de mousson déjà présent au printemps, via l’impact radiatif de la vapeur d’eau particulièrement fort à cette période de l’année ? Ou encore via celui des nuages et des aérosols ? De nouvelles études sont indispensables pour répondre à toutes les questions soulevées. Des travaux à plus fine échelle temporelle sont nécessaires pour déterminer si cette augmentation des températures mensuelles résulte d’un réchauffement réparti de manière homogène, ou bien s’il s’accompagne d’une augmentation des journées et/ou nuits plus chaudes. Des travaux récents indiquent une augmentation de la fréquence des vagues de chaleur au Sahel (Fontaine et al., 2013), faisant intervenir des circulations grande échelle entre tropiques et extra-tropiques. Des vagues de chaleurs sévères, telles que celle survenue au Sahel en 2010, vont-elles devenir plus fréquentes dans un climat plus chaud ? L’impact de l’augmentation des températures sur l’agriculture soulève aussi de nouvelles questions et inquiétudes (Sheehy et al., 2005, voir aussi Chapitre 9 par Sultan et al.).

34Les ré-analyses météorologiques existantes ne semblent pas toutes capables de reproduire fidèlement les évolutions observées au cours des dernières décennies au Sahel. Les résultats fournis par les modèles de climat actuels sont entachés d’erreurs qui rendent leur utilisation délicate. Ils suggèrent cependant une forte augmentation des températures dans les régions semi-arides des tropiques (IPCC). Or, les répercussions sociétales potentielles du réchauffement climatique au Sahel sont nombreuses, notamment au printemps, en fin de saison sèche. Elles sont susceptibles de toucher tout autant la santé que l’agriculture pour ne citer qu’elles. Pour avancer sur ces questions, il est donc important de renouveler nos connaissances et notre compréhension des mécanismes pilotant les températures observées et leurs fluctuations à de multiples échelles, depuis le jour et la nuit, lors des épisodes de vagues de chaleur ou plus généralement au printemps, jusqu’à leurs évolutions sur quelques décennies, voire plus longtemps. Des travaux dédiés sur les données, les modèles de processus et les nouveaux développements des modèles de climat seront probablement des éléments clefs pour répondre aux nombreuses questions soulevées par le réchauffement observé au Sahel depuis 1950.

Bibliographie

Bao X., Zhang F., 2012. Evaluation of NCEP/CFSR, NCEP/NCAR, ERA-Interim and ERA-40 reanalysis datasets against independent sounding observations over the Tibetan Plateau. J. Climate, 26: 206-214.

Christensen J. H., Boberg F., 2012. Temperature-dependent climate projection deficiencies in CMIP5 models. Geophysical Research Letters, 39 (24): L24 705.

Collins J. M., 2011. Temperature Variability over Africa. J. Climate, 24: 3649-3666.

Dai A., Trenberth K.E., Karl T. R., 1999. Effects of clouds, soil moisture, precipitation, and water vapor on diurnal temperature range. J. Climate, 12: 2451-2473.

Dee D. P. et al., 2011. The ERA-Interim reanalysis: configuration and performance of the data assimilation system. Q. J.R. Meteorol. Soc., 137: 553-597.

Douville H., 2006. Detection-attribution of global warming at the regional scale: How to deal with precipitation variability? Geophys. Res. Lett., 33: L02701.

Easterling D. R. et al., 1997. Maximum and minimum temperature trends for the globe. Science, 277 : 364-367.

Fontaine B., Janicot S., Monerie P.-A., 2013. Recent changes in air temperature, heat waves occurrences, and atmospheric circulation in Northern Africa. J. Geophys. Res. Atmos., 118: 8536-8552.

Guichard F., Kergoat L., Mougin E., Timouk F., Baup F., Hiernaux P., Lavenu F., 2009. Surface thermodynamics and radiative budget in the Sahelian Gourma: seasonal and diurnal cycles. J. Hydrol., 375: 161-177.

Guichard F., Kergoat L., Mougin E., Hourdin F., 2012. The annual cycle of temperature in the Sahel and its climatic sensitivity. AGU 2012. GC33A-1004.
http://fallmeeting.agu.org/2012/files/2012/12/guichard_etal_agu2012_26nov.pdf)

Harris I., Jones P. D., Osborn T. J., Lister D. H., 2013. Updated high-resolution grids of monthly climatic observations-the CRU TS3.10 Dataset. Int. J. Climatol., 34: 623-642.

IPCC, 2013. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (Stocker T. F., D. Qin, G.-K. Plattner, M. Tignor, S. K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P. M. Midgley eds). Cambridge, Cambridge University Press, United Kingdom and New York, NY, USA, 1 535 p., doi :10.1017/CBO9781107415324

Hourdin F. et al., 2010. AMMA-Model Intercomparison Project. Bull. Amer. Meteor. Soc., 91: 95-104.

Karl T. R. et al., 1991. Global warming: evidence for asymmetric diurnal temperature change. Geophys. Res. Lett., 18 : 2253-2256.

Karl T. R. et al., 1993. A New Perspective on Recent Global Warming: Asymmetric Trends of Daily Maximum and Minimum Temperature. Bull. Amer. Meteor. Soc., 74: 1007-1023.

Mitchell T. D., Jones P. D., 2005. An improved method of constructing a database of monthly climate observations and associated high-resolution grids. International Journal of Climatology, 25: 693-712.

Mougin E. et al., 2009. The AMMA-CATCH Gourma observatory site in Mali: Relating climatic variations to changes in vegetation, surface hydrology, fluxes and natural resources. J. Hydrol., 375: 14-33.

Peng S. B., Huang J. L., Sheehy J. E., Laza R. C., Visperas R. M., Zhong X. H., Centeno G. S., Khush G. S., Cassman K. G., 2004. Rice yields decline with higher night temperature from global warming. Proc. Natl. Academy of Science, 101: 9971-9975.

Prospero J. M., Lamb P. J., 2003. African Droughts and Dust Transport to the Caribbean: Climate Change Implications. Science, 302 : 1024-1027.

Rienecker M. M. et al., 2011. MERRA-NASA’s Modern-Era Retrospective Analysis for Research and Applications. J. Climate, 24: 3624-3648.

Roehrig R., Bouniol D., Guichard F., Hourdin F., Redelsperger J.-L., 2013. The present and future of the West African monsoon: a process-oriented assessment of CMIP5 simulations along the AMMA transect. J. Climate, 26 : 6471-6505.

Saha S. et al., 2010. The NCEP Climate Forecast System Reanalysis. Bull. Amer. Meteor. Soc., 91: 1015-1057.

Sandu I., Beljaars A., Bechtold P., Mauritsen T., Balsamo G., 2003. Why is it so difficult to represent stably stratified conditions in numerical weather prediction (NWP) models? J. Adv. Model. Earth Syst., 5: 117-133.

Sheehy J. E., Elmido A., Centeno G., Pablico P., 2005. Searching for new plants for climate change. International Rice Commission Newsletter (FAO) 0538-9550, v. 4 : 40-46.

Uppala S. M. et al., 2005. The ERA-40 re-analysis. Q. J. R. Meteorol. Soc., 131: 2961-3012.

Table des illustrations

Titre Figure 1. Réchauffement multi-décennal au Sahel, structure annuelle et spatiale :
Légende (a) augmentation de la température mensuelle de 1950 à 2010, calculée avec les données de la station météorologique d’Hombori au Sahel, en utilisant une régression linéaire ;(b) augmentation maximum de la température mensuelle de 1950 à 2010 en utilisant les données CRU (on considère ici le mois pour lequel la tendance est maximale).
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-1.jpg
Fichier image/jpeg, 472k
Titre Figure 2. Cycle annuel de la température (courbes du haut) et de l’humidité spécifique (courbe du milieu) à 2 m au-dessus de la surface mesurée par la station météorologique installée à Agoufou (données du service d’observations Amma-Catch).
Légende Les observations de plusieurs années sont superposées et présentées en moyenne glissante sur 10 jours.Chacune des barres noires (en bas du graphe) correspond à la pluie cumulée au cours d’un événement de pluie (de 2002 à 2007).Leur ensemble permet de délimiter la période de la saison des pluies (de juin à septembre). La succession des saisons est indiquée par les segments gris foncé en haut du graphe ;les plages plus claires en dessous montrent les variations de l’angle zénithal solaire ;ce dernier explique la majeure partie des fluctuations de l’insolation au sommet de l’atmosphère à cette latitude (15,3° N).
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-2.jpg
Fichier image/jpeg, 320k
Titre Figure 3. Réchauffement observé au cours des soixante dernières années (1950 à 2010) à Hombori (données SYNOP) en fonction du mois de l’année.
Légende Pour chacun des mois, la série de points gris correspond à la série temporelle des valeurs moyennes mensuelles. Un ajustement quadratique est surajouté (lignes noires).La tendance linéaire par mois est indiquée en haut à droite du graphe avec des barres colorées.
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-3.jpg
Fichier image/jpeg, 216k
Titre Figure 4. Réchauffement observé en fonction du mois de l’année avec les données CRU, en moyenne sur (10° W-10° E, 10° N-20° N) de 1950 à 2009
Légende On utilise ici une représentation graphique semblable à celle de la fig. 3.
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-4.jpg
Fichier image/jpeg, 212k
Titre Figure 5. Fluctuations multidécennales observées en fonction du mois de l’année de la température journalière minimale Tmin (a), la température journalière maximale Tmax (b) et Tmax-Tmin, à savoir le “diurnal temperature range” DTR (c) à Hombori (données SYNOP).
Légende On utilise ici une représentation graphique semblable à celle de la fig. 3.
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-5.jpg
Fichier image/jpeg, 556k
Titre Figure 6. Cycles annuels de Tmin et Tmax, l’exemple de Ouagadougou (utilisation de 30 ans de données SYNOP).
Légende (a) Cycle annuel de Tmin (bleu) et Tmax (orange). Les points correspondent aux données journalières, les courbes à des moyennes glissantes sur 15 jours, intégrant les données de toute la période.(b) Cycle annuel de Tmin et Tmax après soustraction du minimum annuel afin de montrer plus précisément les différences d’amplitude des cycles de Tmin et Tmax.Le disque rouge (bleu) indique le maximum annuel de Tmax (Tmin).
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-6.jpg
Fichier image/jpeg, 428k
Titre Figure 7. Série temporelle à haute résolution (15 minutes) de la température (courbe rouge) et de l’humidité spécifique (courbe bleue) de l’air à la surface pendant le printemps 2010.
Légende Les jours sont séparés par des traits verticaux. Données de la station météorologique d’Agoufou.
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-7.jpg
Fichier image/jpeg, 248k
Titre Figure 8. Fluctuations annuelles de la température en fonction de la latitude (code couleur) à 12 h (a) et 6 h (b).
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-8.jpg
Fichier image/jpeg, 372k
Titre Figure 9. Comparaison des évolutions de température entre 1980 et 2010 en moyenne sur (10° W-10° E, 10° N-20° N) fournies par le CRU (noir) et les ré-analyses ERA-Interim (violet), MERRA (cyan) et NCEP-CFSR (gris).
Légende On ne montre ici que l’ajustement quadratique pour des raisons de clarté.Les tendances obtenues via un ajustement linéaire sont indiquées en haut du graphe, pour comparaison.Elles ne peuvent pas être interprétées comme des tendances climatiques compte tenu de la courte durée de la période utilisée ici (30 ans).
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-9.jpg
Fichier image/jpeg, 152k
Titre Figure 10. Réchauffement (à gauche) et tendance de DTR (Tmax-Tmin) (à droite) obtenus avec 8 modèles de climat sur la période 1950-2010.
Légende Ces tendances linéaires sont calculées séparément pour chacun des mois de l’année.On utilise ici les simulations de l’exercice CMIP5 du GIEC dites “historical” et le point du modèle le plus proche d’Hombori (1° W, 15° N).Le nom de chaque modèle est indiqué à gauche de la figure. Les modèles sont ordonnés par réchauffement décroissant.
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-10.jpg
Fichier image/jpeg, 284k
Titre Figure 11. Cycle annuel de la température simulée par plusieurs modèles de climat, présenté à partir de moyennes mensuelles sur 30 ans et moyennées sur (10° W-10° E, 10° N-20° N).
Légende Les couleurs correspondent à différents modèles.Les cycles annuels du CRU, d’ERA-Interim, MERRA et NCEP-CFSR sont également indiqués en traits épais (voir légende).
URL http://books.openedition.org/irdeditions/docannexe/image/8929/img-11.jpg
Fichier image/jpeg, 337k

Auteurs

© IRD Éditions, 2015

Licence OpenEdition Books

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search