Utilisation de l’indice standardisé de précipitation et d’évapotranspiration

(SPEI) de 1950 à 2018 pour caractériser la tendance de la sécheresse sur la

BASSE CASAMANCE
BOULY S.1, CISSE A. 2, FAYE .C 3, SANE T4
1
Département de Géographie, U.F.R. Sciences et Technologies, UASZ, Laboratoire de Géomatique et
d’Environnement, BP 523 Ziguinchor (Sénégal).
2
Département de Géographie, U.F.R. Sciences et Technologies, UASZ, Laboratoire de Géomatique et
d’Environnement, BP 523 Ziguinchor (Sénégal).
3
Département de Géographie, U.F.R. Sciences et Technologies, UASZ, Laboratoire de Géomatique et
d’Environnement, BP 523 Ziguinchor (Sénégal).
4
Département de Géographie, U.F.R. Sciences et Technologies, UASZ, Laboratoire de Géomatique et
d’Environnement, BP 523 Ziguinchor (Sénégal).

RESUME
L’étude de la variabilité hydropluviométrique et ces incidences, nous a poussé à
mieux réfléchir sur une nouvelle approche pour la surveillance de la sécheresse.
Pour apprécier cette tendance de la sécheresse, nous avons utilisé l’Indice
Standardisé de Précipitation et d’Evapotranspiration (SPEI). Dans ce travail,
l’évolution récente de la sécheresse est analysée avec les données SPEI, les
températures et les précipitations sur la Basse Casamance. Pour ce faire, nous
avons utilisé la méthode de test non paramétrique de Mann Kendal, de la pente
de Sen et du test t de Pettitt, analysées sur les différentes échelles de temps de
1950 à 2018. L’analyse des résultats obtenus a détecté une tendance au
desséchement sur pratiquement toute la basse Casamance. Que ce soit avec les
échelles multidate et le test non paramétrique, la pente de Sen et le test de Pettitt,
la sécheresse s’est pratiquée bien manifestée dans la zone.

Mots clés : Sécheresse, Surveillance, SPEI, Incidences, Basse Casamance

107
ABSTRACT
The study of the hydropluviometric variability and these incidences has led use
to better reflect on a new approch to the monitoring of drought, we used the
Standardized Index of Precipitation and Evapotranspiration (SPEI). In this work,
the recent evolution of drought is analyzed with SPEI data, temperatures and
pecipitation on Lower Casamance. To do this, we used the Mann Kendall non
paramétric test method, the sen slope and the pettitt t test, analyzed over the
different time scales from 1950 to 2018. The analysis of the results obtained
detects a drying tendency on practically all the Lower Casamance. Whether with
the multidate scales and the non parametric test, the Sen slope and the Pettitt
test, the drought has practically been good in the area.

Keywords : Drought, Oversight, SPEI, Incidences, Lower Casamance

108
Introduction :
Les pays du Sahel sont confrontés aux problèmes d’évaluation, d’exploitation et
de gestion des eaux ; le contexte de sécheresse persistante dans lequel évoluent
ces pays en particulier le Sénégal, depuis plus de quatre décennies et les
conséquences désastreuses de celle-ci sur l’économie, impose la recherche de
solutions adéquates au problème. Depuis 1968, le déficit annuel moyen des
apports provenant au Sahel, est de 30 milliards de m3 ; après avoir été de l’ordre
de 60 pour les années 72, 73, 77 et 82, il approche de 70 pendant l’année 83 et
dépasse 85 milliards de pertes en 1984, soit, en pourcentage, un déficit voisin de
70% ( J. Sircoulon, 1986). En Afrique de l’ouest, A.A Sow (2007) et Faye
(2013), ont aussi relaté la période de ces importantes manifestations (1969-
1970), coïncident à la période de sécheresse. Cette sécheresse météorologique
persistante a des conséquences socioéconomiques et environnementales, si on ne
peut que ce référé à ces impacts. Au Sénégal, les études de J.B Ndong (1995) ;
Roquet, 2008 ; C. Faye (2017) ont abouti à ce même constat. Dans la basse
vallée où la production agricole est directement liée à la superficie de terre
pouvant être submergée, la situation est quasi délicate. A ce rythme, on assiste à
des périodes climatiques anormales, avec une modification des temps de
concentration des eaux et d’écoulement de surface. En basse Casamance, le
déficit pluviométrique se fait sentir de plus d’une vingtaine d’années. La
modification de cette donnée fondamentale s’est peu à peu concrétisée des effets
sur les composantes du milieu : eaux de surface, nappes superficielles, sols et
végétation se trouvent parfois affectés de façon irréversible P. Bovin et B.
Mougenot (1998). Les travaux réalisés en basse Casamance par Olivry J.C
(1981) ; Barry et al. 1988 ; Dacosta et al. 1993, ont retrouvé des variations
négatives de salinités dans une grande partie des marigots. En dernier ressort, ce
sont les activités socioéconomiques voire agricole qui subissent le plus les
impacts de ces aléas. La sécheresse est un fléau insidieux qui découle d’une
baisse des précipitations par rapports à des niveaux considérés comme normaux
(OMM, 2012). Elle est l’un des aléas naturels les plus désastreux, avec ces
impacts difficiles à limités. Les sécheresses sont habituellement classées par
types (météorologique, agricole et hydrologique) et diffèrent entre elles en
fonction de leur intensité, de leur durée et de leur couverture spatiale.
La sécheresse météorologique s’accompagne en général de précipitations
inférieures à la normale et de températures supérieures à la normale Faye, 2017.
Son suivi ou sa surveillance fait appel à bon nombre de méthode dont le plus
puissant appliquée d’ailleurs par la plupart des météorologues et climatologues,
est l’indice standardisé de précipitation (SPI). L’indice SPI (Mc Kee et al.,
1993, 1995) est à la fois puissant, souple d’utilisation et simple à calculer

109
(OMM, 2012). Pour surveiller la sécheresse et voir les impacts du déficit
hydropluviométrique sur l’environnement, afin de prévenir ou atténuer les
dégâts, Faye, 2017; Zhang et Jia, 2013 ; Xing et al., 2015, ont appliqué cette
méthode dans des zones différentes.
L’avantage de l’indice SPI est qu’il porte sur un laps de temps relativement
court, et permet de détecter rapidement les situations de sécheresse. Pour le
calculer, il faut disposer idéalement de relevés mensuels s’étalant sur au moins
20 à 30 ans, mais de préférence sur 50 à 60 ans, ce qui constitue la période
optimale (Guttman, 1994). La principale limite du SPI est qu’il ne permet de
quantifier que le déficit de précipitations car les données sont basées sur des
relevés mensuels de précipitations. Face à cette contrainte ou limite du SPI,
Vicente Serrano et al. , 2010 ont trouvé la solution en prenant en compte la
température dans les calculs du nouvel indice qu’ils nomment indice de
précipitation et d’évapotranspiration standardisé (SPEI). Mathématiquement, le
SPEI est similaire au SPI, mais il incorpore des données de températures pour le
calcul de l’évapotranspiration potentielle. Par conséquent, il combine la
sensibilité au changement de la demande d’évapotranspiration (causé par les
fluctuations et les tendances de la température de l’air) avec la nature multi-
temporelle du SPI (Potopovà et al., 2015).
La crise climatique a particulièrement touché le Sénégal, qui est pour une partie
de son territoire, un pays du sahel régulièrement soumis à de graves sécheresses.
Le plus inquiétant dans cette dégradation de la pluviométrie (Roquet, 2008),
c’est son caractère chronique: depuis la fin des années soixante-dix jusqu’à
maintenant, les totaux pluviométriques inférieurs à la normal 1931 1960, sont
devenus la règle, plus graves encore, la saison des pluies tend de plus en plus à
ce raccourcir. Le nord du Sénégal fait face à une situation de crise agricole, suite
au déficit de pluies enregistrées ces dernières décennies. La situation de
sécheresse de 2017 est entrain de fragiliser l’économie des ménages et l’accès à
l’eau dans le nord, qui est la zone la plus affecté (OCHA, 2018). L’extension de
la sécheresse en plus au sud, en Casamance, est mise en évidence par des
déficits pluviométriques prononcés (Ndong, 1995). En basse Casamance, l’effet
du déficit hydropluviométrique se perçoit plus avec le tarissement des surfaces
d’eau superficielles, l’intrusion marine avec surtout la salinisation et
l’acidification des terres. Aujourd’hui, le disfonctionnement hydrologique fait
que le fleuve Casamance fonctionne comme une véritable ria caractérisée par de
fortes concentrations de sel sur l’essentiel de son grand bassin versant affectant
significativement les terrains adjacents (Sané et al., 2010).
Les précipitations inférieures à la normale sont un facteur déclenchant de ces
graves sécheresses, alors que l’augmentation de la température peut
généralement aggraver les sécheresses (Xing et al., 2015). En particulier ces

110
dernières années, de nombreuses sécheresses ont débuté avec un déficit en
précipitations et ont été aggravées par une température élevée (Yu et al., 2015).
Par conséquent, pour surveiller et quantifier la sécheresse sur le territoire
sénégalais, l’indice de sécheresse doit être intégré aux informations de
température. Dans cette étude, notre premier objectif est de fournir une analyse
complète des conditions de sécheresse sur la basse Casamance au cours de la
période 1950-2018. Sur la base de la série de SPEI pour différents décalages
temporels, les modèles multi-échelles, la tendance et l’étendue spatio-temporelle
de la sécheresse sont successivement analysés. Le deuxième objectif est de
fournir des informations fiables sur les performances de SPEI. Dans ce cas, une
analyse de corrélation entre le SPEI avec le SPI qui ne prend pas en compte la
température est effectuée.
Zone d’étude :
La basse Casamance est situé à 12°33’ Latitude Nord et 16°16’ de Longitude
Ouest. Son altitude 19,30 m dans la partie Sud-Ouest du Sénégal, occupe une
superficie de 7339 km2, soit 3,73% du territoire national (ANSD, 2013). La
Basse Casamance, qui s’étend de chaque côté du fleuve, de l’Océan au
Soungrougou et au marigot de Singuére, est constituée par une suite de basses
terres avec de nombreux bras de mers influencés par la marée (Seck A., 1955).
Elle est influencée par le climat sud-soudanien, qui lui confère zone la plus
pluvieuse du pays (isohyètes supérieurs à 1000 mm), comparée aux autres
parties du pays. Classée dans le domaine sud-soudanien côtier, la basse
Casamance enregistre des températures relativement faible en hiver boréal, d’où
une sensation de fraicheur durant les mois de Décembre, Janvier et Février. Par
contre, les études récentes effectuées sur la variation des paramètres climatiques
(Sané et al., 2010), la basse Casamance se caractérise par des situations
climatiques contraignantes, l’analyse montre que la période allant de 1980 à nos
jours, est caractérisée par une nette hausse de la température. Le réseau
hydrographique est principalement formé du fleuve Casamance (fleuve à régime
semi-permanent dont l’écoulement à la station de Ziguinchor dure de juin à
mars). Ce fleuve reçoit le Soungrougrou, un affluent de 140 km, et les marigots
de Baîla, Bignona, Kamobeul, Guidel et Agnak).

111
Figure 1 : Localisation de la Basse Casamance
Données et Méthodes :
Données de l’indice standardisé de précipitations et d’évapotranspiration
(SPEI)
Dans cette étude, le SPEI est utilisé pour surveiller et quantifier la sécheresse en
basse Casamance, et une comparaison supplémentaire a été effectuée avec le SPI
pour tester ses performances. Les données sont extraites du moniteur mondial de
la sécheresse SPEI : http://spei.csic.es/index.html. Ce moniteur offre des
informations en temps quasi réel sur les conditions de sécheresse à l’échelle
mondiale, avec une résolution spatiale de 0,5 degré et une résolution temporelle
mensuelle. Les échelles de temps SPI entre 1 et 48 mois sont fournies. La
période d’étalonnage pour le SPEI va de Janvier 1950 à décembre 2010.
Les valeurs SPEI sont calculées avec des données de températures et de
précipitations. Les données de températures sont obtenues à partir du jeu de
données de NOAA NCEP CPC GHCN_CAMS gridded dataset. Les données sur
les quantités de précipitations mensuelles sont obtenues du centre de
climatologie des précipitations dans le monde (Global precipitation climatology
Centre : GPCC). Les données de produit du GPCC de ‘’première hypothèse’’,
avec une résolution d’origine de 1°, sont interpolés à une résolution de 0,5°.

112
Actuellement le moniteur mondial SPEI est basé sur l’équation Thornthwaite
pour l’estimation de l’évapotranspiration potentielle, ETP. Cela est dû au
manque de sources de données en temps réel permettant de calculer des
estimations de l’ETP plus robustes, qui nécessitent des données plus
importantes. Le principal avantage de SPEI Global Drought Monitor est donc
son caractère quasi temps réel, caractéristique qui convient le mieux à la
surveillance de la sécheresse et à l'alerte rapide. Le SPEI est considérée comme
un indice de sécheresse amélioré, particulièrement adapté à l'analyse de l'effet
du réchauffement climatique sur les conditions de sécheresse (Beguería et al.,
2015). Le calcul du SPEI dans cette étude suit la méthode mentionnée dans
l’étude de Vicente-Serrano et al. (2010).
Le SPEI est basée sur un bilan hydrique climatique qui est déterminé par la
différence entre Précipitations (P) et évapotranspiration potentielle (ETP) pour
le mois i:
(1)
fournit une mesure simple de l'excédent ou du déficit en eau pour le mois
analysé. Le PET est calculé suivant l'équation de Thornthwaite (Thornthwaite,
1948).
Les valeurs calculées sont agrégées à différentes échelles de temps, en
suivant la même procédure que celle pour le SPI. La différence, dans un
mois donné j et l'année i dépend de l'échelle de temps choisie, k. Par exemple, la
différence accumulée pendant un mois d’une année donnée, avec une échelle de
temps de 12 mois, est calculée selon la formule suivante :
∑ ∑ (2)

∑ (3)

Où est la différence de P-ETP du lème mois de l'année i, en mm.

Et ensuite, la distribution log-logistique est sélectionnée pour normaliser la série
D afin d’obtenir le SPEI. La fonction de densité de probabilité de la variable
distribuée log-logistique est exprimée comme suit :

[ ] (4)

113
Où α, β et γ sont respectivement les paramètres d'échelle, de forme et d'origine
pour les valeurs D comprises dans la plage (γ> D <∞).
Ainsi, la fonction de distribution de probabilité de la série D est donnée par :

[ ] (5)
Avec F (x), le SPEI peut facilement être obtenu en tant que valeurs normalisées
de F (x). Par exemple, après l'approximation classique d'Abramowitz et Stegun
(1965) :
(6)

Où √ pour p 0,5 et p est la probabilité de dépasser une valeur

D déterminée, p = 1 - F (x). Si p > 0,5, p est remplacé par 1 - p et le signe du
SPEI résultant est inversé. Les constantes sont: C0 = 2,515517, C1 = 0,802853,
C2 = 0,010328, d1 = 1,432788, d2 = 0,189269 et d3 = 0,001308. Les valeurs
positives de SPEI indiquent les conditions d'humidité supérieures à la moyenne,
tandis que les valeurs négatives indiquent les conditions de sécheresse. Un
événement de sécheresse est défini lorsque la valeur de SPEI est inférieure ou
égale à -1 au cours d'une certaine période.
Les catégories de sécheresse en fonction des valeurs de SPEI sont présentées
dans le Tableau 1. Les indices SPEI calculés à partir des données mensuelles de
précipitation et de température sur la période 1950-2018, sont extraits, du
moniteur mondial de la sécheresse SPEI.

114
Tableau 1 : Catégorisation du degré de sécheresse / d'humidité en fonction
des indices standardisés de précipitations et d'évapotranspiration

Séquences de Séquences
Valeurs SPEI Valeurs SPEI
sécheresses humides

Extrêmement Extrêmement
SPEI < -2,00 2,00< ISP
sèche humide

-1,50< ISP <- Sévèrement sèche 1,50< ISP <1,99 Sévèrement

1,99 humide

-1,00< ISP <- Modérément sèche 1,00< ISP <1,49 Modérément

1,49 humide

0,00< ISP <- Légèrement sèche 0,00< ISP <0,99 Légèrement

0,99 humide

Quant aux indices SPI, ils sont calculés avec les données de précipitations de
Ziguinchor localisée dans le domaine climatique Sud soudanien. Ces données
ont été mises à notre disposition par l’Agence Nationale de la Climatologie et de
l’Aviation Civile (ANACIM) du Sénégal. Le SPI est exprimé
mathématiquement comme suit ((McKee et al., 1993) :

Avec Pi : la pluie du mois ou de l’année i ; Pm : la pluie moyenne de la série sur

l’échelle temporelle considérée ; S : l’écart-type de la série sur l’échelle
temporelle considérée.
Méthodes : une nouvelle approche statistique pour évaluer la variabilité du
climat
Dans un premier, temps afin de détecter un changement dans la base de données
SPEI, le test statistique de variables standardisé a été sélectionné.
Deuxièmement, afin de comprendre les tendances de données à long terme, le
test statistique de Mann-Kendall a été utilisé. Troisièmement, l’ampleur des
tendances a été détectée en calculant la pente de la ligne. Quatrièmement, le
point t de changement des données SPEI a été détecté par le test t de Pettitt.
Les tests de Mann-Kendall et de Pettitt ont été effectués avec le logiciel
informatique XLSTAT (Kundzewicz et Robson, 2000). Ces programmes

115
visuels de base disponibles via www.toolkit.net.au sont conçus pour faciliter les
tests statistiques sur la tendance, le changement et le caractère aléatoire des
données hydrologiques et des séries chronologiques. Ils permettent aussi de
détecter les ruptures dans les séries de mesures, l’importance et significativité
des tendances climatiques à l’augmentation ou à la diminution des débits dans le
temps (Nacimento et al, 2015). XLSTAT dispose de plus d’une dizaine de tests
statistiques, basés sur l'atelier d'experts OMM / UNESCO sur la détection des
tendances / changements et sur la publication du CRC for Catchment Hydrology
publication Hydrological Recipes (Grayson et al, 1996).
Le test non paramétrique de Mann-Kendall (Mann, 1945 ; Kendall, 1975) a été
appliqué pour détecter la tendance au dessèchement ou au mouillage de la zone
d'étude sur la base du SPEI. Pour déterminer l'ampleur du changement, la
méthode de la pente de la Sen (1968), disponible sur le test de Mann Kendall sur
Xlstat, a été appliquée. La robustesse du test a été validée par plusieurs essais de
comparaison effectués par Yue et al (2004). Le test t de Pettitt (1979) nous
permet de souligner un point de changement en vérifiant si les moyennes de
deux périodes différentes sont différentes.
En outre, afin de fournir des informations fiables sur les performances de SPEI,
l’analyse de corrélation de Pearson a été réalisée entre le SPI / SPEI mensuel à
une période d’accumulation de12 mois. Les coefficients de corrélation ont été
obtenus pendant la saison des pluies (juin à octobre) de 1950 à 2018.
Résultats et discussion
Modèles multi-échelles de sécheresse
Selon la méthodologie susmentionnée, le SPEI mensuel a été calculée de 1950 à
2018 à 5 échelles de temps (1, 3, 6, 12 et 24 mois) pour la basse Casamance
subdivisé en une centaine de pixels distants de 0,5°. Ces séries de SPEI de ces
pixels ont été moyennées afin de caractériser les conditions sèches ou humides
en basse Casamance (figure 2 et 3).
100 100
80 80
60 60
40 40
20 20
SPEI_1 mois SPEI_3 mois
0 0
1950
1954
1958
1962
1966
1970
1974
1978
1982
1986
1990
1994
1998
2002
2006
2010
2014
2018

1950
1954
1958
1962
1966
1970
1974
1978
1982
1986
1990
1994
1998
2002
2006
2010
2014
2018

116
 SPEI 1 mois SPEI 1 mois

0
0

20
40
60
80
20
40
60
80

100
100

-3
-2
-1
-3
-2
-1

0
1
2
3
0
1
2
3
janv.-50 janv.-50 1950 1950
août-51 août-51 1954 1954
mars-53 mars-53 1958 1958
oct.-54 oct.-54 1962 1962
mai-56 mai-56 1966 1966
déc.-57 déc.-57 1970 1970
juil.-59 juil.-59
1974 1974
févr.-61 févr.-61

SPEI_24 mois
SPEI_6 mois
sept.-62 sept.-62
1978 1978
avr.-64 avr.-64 1982 1982
nov.-65 nov.-65 1986 1986
juin-67 juin-67 1990 1990
janv.-69 janv.-69 1994 1994
août-70 août-70 1998 1998
mars-72 mars-72 2002 2002
oct.-73 oct.-73
2006 2006
mai-75 mai-75
déc.-76 déc.-76
2010 2010
juil.-78 juil.-78 2014 2014
févr.-80 févr.-80 2018 2018
sept.-81 sept.-81
0
20
40
60
80
100

avr.-83 avr.-83

117
nov.-84 nov.-84 1950

SPEI_3
SPEI_1
juin-86 juin-86 1954
janv.-88 janv.-88 1958
août-89 août-89 1962
mars-91 mars-91 1966
oct.-92 oct.-92 1970
mai-94 mai-94
1974
déc.-95 déc.-95
SPEI_12 mois

1978
juil.-97 juil.-97
févr.-99 févr.-99 1982
sept.-00 sept.-00 1986
de 1950 à 2018 sur la basse Casamance

avr.-02 avr.-02 1990

nov.-03 nov.-03 1994
Sévèrement sèche

Légèrement sèche

juin-05 juin-05
Modérément sèche

1998
Extrêmement sèche

Sévèrement humide
Légèrement humide
Modérément humide

Extrêmement humide

janv.-07 janv.-07 2002

août-08 août-08
2006
mars-10 mars-10
2010
oct.-11 oct.-11
mai-13 mai-13 2014
déc.-14 déc.-14 2018
juil.-16 juil.-16
févr.-18 févr.-18
Figure 2 : Evolution fréquentielle des catégories de sécheresse avec le SPEI
 2,5 SPEI_6 mois
2
1,5
SPEI 6 mois

1
0,5
0
-0,5
-1
-1,5
-2
-2,5
janv.-50

avr.-64
nov.-65

janv.-69

avr.-83
nov.-84

janv.-88

avr.-02
nov.-03

janv.-07
août-51
mars-53

mai-56
déc.-57
juil.-59
févr.-61
sept.-62

août-70

août-89
juin-67

mars-72

mai-75
déc.-76
juil.-78
févr.-80
sept.-81

juin-86

mars-91

mai-94
déc.-95
juil.-97
févr.-99
sept.-00

août-08
juin-05

mars-10

mai-13
déc.-14
juil.-16
févr.-18
oct.-54

oct.-73

oct.-92

oct.-11
2 SPEI_12 mois
1,5
1
SPEI 12 mois

0,5
0
-0,5
-1
-1,5
-2
-2,5
nov.-65

nov.-84

nov.-03
janv.-50

avr.-64

janv.-69

avr.-83

janv.-88

avr.-02

janv.-07
août-51
mars-53

mai-56

juil.-59
févr.-61

août-70
mars-72

mai-75

juil.-78
févr.-80

août-89
mars-91

mai-94

juil.-97
févr.-99

août-08
mars-10

mai-13

juil.-16
févr.-18
déc.-57

sept.-62

juin-67

déc.-76

sept.-81

juin-86

déc.-95

sept.-00

juin-05

déc.-14
oct.-54

oct.-73

oct.-92

oct.-11
2 SPEI_24 mois
1,5
1
SPEI mois

0,5
0
-0,5
-1
-1,5
-2
nov.-65

nov.-84

nov.-03
janv.-50

avr.-64

janv.-69

avr.-83

janv.-88

avr.-02

janv.-07
août-51
mars-53

mai-56

juil.-59
févr.-61

août-70
mars-72

mai-75

juil.-78
févr.-80

août-89
mars-91

mai-94

juil.-97
févr.-99

août-08
mars-10

mai-13

juil.-16
févr.-18
déc.-57

sept.-62

déc.-76

sept.-81

déc.-95

sept.-00

déc.-14
juin-67

juin-86

juin-05
oct.-54

oct.-73

oct.-92

oct.-11

Figure 3 : Evolution temporelle des valeurs SPEI sur des échelles de temps
1, 3, 6, 12 et 24 mois de 1950 à 2018 sur le bassin de la basse Casamance.
L’analyse des figures 2 et 3 montre explicitement une tendance à la hausse des
séquences de sécheresse sur la basse Casamance. Les séries SPEI avec
différentes échelles de temps indiquent toutes une tendance au desséchement de
la basse Casamance. Selon les valeurs d’SPEI, les conditions d’humidité étaient
très contrastées avant et après 2006. Ce desséchement est toutefois beaucoup
plus apparent au niveau des échelles de temps 12 et 24 mois qui montrent un
caractère sec presque tous les mois sur chaque année, notamment sur la période
1982-2018. Avant 1970, la zone d’étude était principalement caractérisée par
des conditions d’humidité modéré à sévère (et extrêmes comme notées sur les
échelles de temps 1, 3, 6 et 12 mois : c’est le cas en Août 1958 avec 2,52 à
l’échelle de temps 6 mois). Cependant, les sécheresse ont véritablement
commencé depuis 1970 et sont de nature légère à modérée, même si des cas de

118
sécheresses sévères à extrêmes apparaissent sur certains mois sur les différentes
échelles de temps. Si les sécheresses sont modérées sur la période allant 1970-
2000, elles vont s’aggraver au cours de la période 2000-2018. Un petit retour de
périodes humides au cours de la période 2002-2018 sur les échelles de temps de
1, 3, 6, et 12 mois.
La figure 3 montre l’évolution temporelle de SPEI avec des décalages de 1, 3, 6,
12 et 24 mois. La sécheresse la plus sévère a été enregistrée entre 2002 et 2013
avec plusieurs moyennes mensuelles de SPEI se rapprochant de -1,5. Le tableau
2 qui indique les valeurs moyennes de SPEI avec différentes échelles de temps
1950-2018 sur la basse Casamance, permet de voir clairement que si les
périodes 1950-1959, 1960-1969 et 1970-1979 ont un caractère humide, celles
allant de 1980 à 2018 sont plutôt sèches. Si la période 1950-1959 reste la plus
humide sur les différentes échelles de temps, celle de 2000-2009 reste la plus
sèche. Ainsi, la dernière période (2010-2018) bien qu’étant sèche l’est moins
que la précédente (2000-2009), ce qui atteste une baisse de la sécheresse sur la
basse Casamance avant la hausse de la pluviométrie noté la période récente.
Cette amélioration des conditions pluviométriques est de concert avec les
travaux de certains auteurs (Ali et Lebel, 2009 ; Ozer et al., 2009 ; Ouoba,
2013) qui suggèrent la fin de la sécheresse sahélienne durant les années 1990.
Tableau 2: Valeurs moyennes de SPEI sur des échelles de temps de 1, 3, 6,
12 et 24 mois de 1950 à 2018 sur le bassin de la Casamance
Périodes SPEI 1 SPEI 3 SPEI 6 SPEI 12 SPEI 24
1950-
1959 0,43 0,60 0,83 1,16 1,36
1960-
1969 0,20 0,32 0,40 0,54 0,76
1970-
1979 0,40 0,42 0,38 0,32 0,31
1980-
1989 -0,06 -0,15 -0,29 -0,46 -0,53
1990-
1999 -0,29 -0,35 -0,41 -0,49 -0,54
2000-
2009 -0,67 -0,84 -0,89 -0,93 -1,07
2010-
2018 -0,44 -0,47 -0,40 -0,32 -0,39

Ces résultats confirment les recherches effectués par de nombreuses chercheurs

qui ont déjà signalé cette grave sécheresse en Afrique de l’Ouest (Servat et al.,

119
1999 ; Sighomnou, 2004 ; Goula et al., 2005 ; Soro et al., 2014) et au Sénégal
(Faye et al., 2015 ; Faye et al., 2017 ; Faye, 2017 ; Faye, 2018) en indiquant
que les années 1970, 1980, et 1990 ont été des périodes sèches marquées par un
fort déficit pluviométrique.
L’évolution temporelle du SPI à l’échelle de temps 12 mois a également été
calculée à travers la moyenne de la pluviométrie de la station de Ziguinchor. Sa
représentation graphique avec le SPEI 12 mois, permet de voir (Figure 4) les
similitudes et différences temporelle entre le SPEI et le SPI.
2,50
SPEI_12 SPI_12
2,00
1,50
1,00
0,50
0,00
-0,50
-1,00
-1,50
-2,00
-2,50
1950
1952
1954
1956
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
2016
Figure 4: Différence entre SPEI et SPI à l’échelle de temps de 12 mois de
1950 à 2018 sur la Basse Casamance
L’analyse de la Figure 4 montre que le SPI était progressivement inférieur au
SPEI et que la différence diminue jusqu’à la fin des années 1990, période à
partir de laquelle les indices SPI deviennent positifs et supérieurs aux indices
SPEI (en phase avec la hausse de la pluie) et cela jusqu’en 2018. En effet, sur la
période 2000-2018, les indices statistiques ont détecté en Basse Casamance
d’importantes séquences humides même si l’optimum des années 1960 ne soit
pas encore atteint (Faye et al., 2017 ; Faye, 2017 ; Faye, 2018). C’est pourquoi,
durant la fin des années 1990, et particulièrement entre 1998 et 2018, la
différence entre les SPI positifs et les SPEI négatifs pouvait aller jusqu’à 1,73
(en 1999). Ce fait est probablement lié à l'augmentation de température signalée,
avec le changement climatique (IPCC, 2013). Cette augmentation de la
température a amélioré l’ETP, ce qui a rendu le déficit en eau élevé et a ainsi
abaissé la valeur de SPEI (Xing et al., 2015). Ce réchauffement climatique
conduirait probablement à l'intensification du cycle hydrologique (Yeh et Wu,
2018), entraînant des changements dans la disponibilité des ressources en eau et
la fréquence et l'intensité des sécheresses ainsi que l'amplification du
réchauffement par le biais de la rétroaction de la vapeur d'eau (Huntington,
2006).

120
3.2. Analyse de la significativité et de l’ampleur des tendances des séries
Pour étudier la tendance générale des SPEI sur la Basse Casamance, la méthode
de test non paramétrique de Mann Kendal, de la pente de Sen et du test t de
Pettitt a été appliquée sur les différentes échelles de temps de 1950 à 2018. Les
séries SPEI mensuelles ont d'abord été moyennées pour chaque année et pour
chaque échelle de temps de SPEI (1, 3, 6, 12 et 24 mois). Les résultats des tests
de tendances et de rupture en matière d'assèchement sont indiqués dans le
Tableau 3. Les valeurs moyennes des SPEI à cinq échelles de temps ont toutes
diminué de façon significative entre 1950 et 2018. Les tendances à la baisse sont
statistiquement significatives à un niveau de confiance de 99,9% pour les cinq
échelles de temps (SPEI_1, SPEI_3, SPEI_6, SPEI_12 et SPEI_24). La valeur
absolue de la tendance augmente progressivement lorsque le SPEI est calculé
avec davantage de mois décalés (-0,617 par an pour 1 mois, -0,617 par an pour 3
mois, -0,700 par an pour 6 mois, -0,361 par an pour 12 mois et -0,810 par an
pour 24 mois). Il est évident que la mémoire des conditions d'humidité des mois
précédents s'était accumulée jusqu'à ces derniers mois (Xing et al., 2015). Ainsi,
les conditions d'assèchement sur le territoire sénégalais sont plus remarquables
si l'on envisageait des délais plus longs. En termes de SPI (le SPI_12
notamment), les tendances en matière d'assèchement ont également été
détectées. Cependant, la tendance à la baisse n’est statistiquement significative
qu’à un niveau de confiance de 95%. Ainsi, les SPEI ont diminué plus
significativement que les SPI en raison de l'augmentation de la température, ce
qui est conforme à la Figure 4.
Tableau 3 : Tendance et année de changement des séries de SPEI (et SPI)
sur des échelles de temps de 1, 3, 6, 12 et 24 mois de 1950 à 2018 sur la basse
Casamance

Test de Mann Kendall

Test t de Pettitt
et de la pente de Sen

Moy
Varia Tau Moye Tau
Pen Ann enne
bles p- x de Ten p- nne x de
te ée de aprè
valu Ke dan valu avant vari
de rupt s
e nda ce e ruptu atio
Sen ure rupt
ll re n
ure

0,007 - - < 1982 0,32 -0,40 -

SPEI bais
0,61 0,23 0,00 224,
1 se
7 5 01 99

121
 0,006 - - < 1982 0,41 -0,46 -
SPEI bais
0,61 0,29 0,00 146,
3 se
7 9 01 47

0,004 - - < 1979 0,56 -0,50 -

SPEI bais
0,70 0,36 0,00 150,
6 se
0 1 01 11

0,004 - - < 1979 0,70 -0,56 -

SPEI bais
0,36 0,50 0,00 155,
12 se
1 6 01 77

0,002 - - < 1980 0,78 -0,65 -

SPEI bais
0,81 0,57 0,00 165,
24 se
0 8 01 20

Pour les amplitudes des tendances (avec la pente de Sen), elles sont relativement
faibles (moins de -0,1 partout) et négatives, confirmant ainsi la baisse des
valeurs des SPEI, en marge avec la sécheresse. La méthode statistique du test t
de Pettitt sur les séries a montré particulièrement 1979 et 1982 comme les points
de rupture pour quatre échelles de temps (SPEI_1, SPEI_3, SPEI_6 et SPEI_12).
Seul le SPEI_24 a enregistré une rupture sur l’intervalle des deux années, en
1980. A partir de ces années de rupture, les valeurs de SPEI sur les différentes
échelles de temps ont connu une forte baisse.
3.3. L'étendue temporelle et spatiale de la sécheresse
3.3.1. Etendue temporelle
Dans cette étude, la durée des épisodes de sécheresse (définis comme SPEI ≤
−1) a été calculée pour chaque année. La durée est exprimée en nombre de mois.
La Figure 6 présente le nombre moyen de mois secs par année de 1950 à 2018.
Pour chaque année, les différentes échelles de temps de SPEI ont été prises en
compte.

122
 14
SPEI 1
12 SPEI 3
SPEI 6
10
SPEI 12
8 SPEI 24

0
1950
1952
1954
1956
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
2016
2018
Figure : Nombre moyen annuel de mois secs (SPEI≤ −1) sur des échelles de
temps de 1, 2, 3, 12 et 24 mois de 1950 à 2018 sur la basse Casamance
Une situation aggravante de la sécheresse a été explicitement réalisée. Si
généralement, le nombre de mois secs (SPEI ≤ −1) ne dépassait pas 2 avant
1968, ce nombre de mois secs a considérablement augmenté, notamment sur ces
dernières années où tous les mois d’une année peuvent être concernés sur
certaines échelles de temps (c’est le cas entre 2002 et 2014 pour le SPEI_24). Le
nombre moyen de mois secs a atteint 5,9 pour SPEI_3 et 6 pour SPEI_1 et le
nombre maximal est même allé jusqu’à 9 mois pour SPEI_1, 10 mois pour
SPEI_6, 11 mois pour SPEI_12 et 12 pour SPEI_24. Les différentes échelles de
temps de SPEI peuvent représenter des conditions de sécheresse sous différents
aspects. Le SPEI avec un mois traduit la sécheresse météorologique. Aux
échelles de temps de 3 à 6 mois, on a la sécheresse agricole, alors que les
échelles de 6 à 12 mois correspondent à un indice de sécheresse hydrologique,
utile pour surveiller les ressources en eaux de surface (McKee et al., 1993 ;
Potop et al., 2014). Ainsi sur la basse Casamance, la sécheresse météorologique
(87,0%) et agricole (75,4%) était légèrement plus sévère que la sécheresse
hydrologique (71,0%) (Tableau 5). Cependant, une transition rapide s'est
produite. Le manque d'humidité dans l'aspect hydrologique dépassait celui des
aspects météorologiques et agricoles (Xing et al., 2015).

123
Tableau 5 : Pourcentage des années avec plus de trois mois secs (SPEI ≤ −1)
par sous-périodes sur des échelles de temps de 1, 3, 6, 12 et 24 mois de 1950
à 2018 sur la basse Casamance
SPEI 1 SPEI 3 SPEI 6 SPEI 12 SPEI 24
1950-1959 10,1 2,9 1,4 1,4 0,0
1960-1969 13,0 11,6 7,2 4,3 1,4
1970-1979 8,7 7,2 7,2 7,2 5,8
1980-1989 13,0 13,0 13,0 13,0 14,5
1990-1999 14,5 13,0 14,5 14,5 14,5
2000-2009 14,5 14,5 14,5 14,5 14,5
2010-2018 13,0 13,0 13,0 13,0 13,0
Total 87,0 75,4 71,0 68,1 63,8

Les résultats du Tableau 5 montrent que le pourcentage d’années connaissant

plus de trois mois de sécheresse augmente de 1950 à 2018. Entre 2000-2009, le
nombre moyens d’années avec plus de 3 mois secs pour SPEI_12 et SPEI_24
étaient de 10 années partout. Il est de même pour les échelles de temps moins
longues (6 années pour SPEI_1 et pour SPEI_6). Le déficit en eau précédent
s’était accumulé lors du calcul de SPEI avec des échelles de temps plus longues.
Le manque d'humidité a provoqué la sécheresse météorologique et agricole et a
aggravé la sécheresse hydrologique. Avant 1990, le nombre moyen de mois secs
était généralement faible sur les différentes échelles de temps de SPEI, les
fréquences des années avec plus de trois mois secs (SPEI ≤ −1) étant inférieures
à 10% par sous-période et même très faible sur certaines (Tableau 5). En
revanche, entre 1990 et 2018 (surtout entre 2000-2009), ces fréquences ont
connu une forte hausse, pouvant atteindre une valeur de 14,5% des années pour
pratiquement toutes les échelles de temps de SPEI.
3.3.2. Extension spatiale
Pour toujours évaluer la gravité de la sécheresse, on a opté pour la spatialisation
qui permet d'évaluer l'ampleur spatiale de la sécheresse. Pour caractériser
l’extension spatiale de la sécheresse, les valeurs moyennes de SPEI_12 mois de
la période 1950-2018 ont étaient spatialisées sur la basse Casamance et les
résultats, extraites du moniteur mondial de la sécheresse SPEI, sont indiqués
dans le Tableau 6 et sur la Figure 7. Leur analyse montre la persistance de la
sécheresse à partir de 1980 à 2018, quelle que soit la zone géographique
indiquée, comparée à la période allant de 1950 et 1970. Toutefois, la sécheresse
la plus apparente est localisée sur la partie Nord de la basse Casamance, où se

124
trouve la frontière gambienne. En revanche, la partie Sud, allant de Ziguinchor
au Cap-skiring, garde généralement des conditions de sécheresse moins
accentuées. Les résultats de la Figure 7 sont conformes à ceux du Tableau 5 qui
montrent que les sécheresses les plus étendues ont été enregistrées après 1990, et
qu’entre 1990 et 2018, environ 21,8% des années subissaient la sécheresse
météorologique de trois mois, 23,2% la sécheresse agricole et 18,9% la
sécheresse hydrologique.
Tableau 6: Valeurs moyennes de SPEI sur l’échelle de temps de 12 mois par
sous périodes sur différents sites choisis en basse Casamance de 1950 à 2018

Cordonnées Valeurs moyennes des SPEI 12 mois par décennies

Site 1950 1950 1960 1970 1980 1990 2000 2010
Latitud Longitud
s - - - - - - - -
e e
2018 1959 1969 1979 1989 1999 2009 2018
12,25 -14,75 - 1,182 0,322 0,666 - - - -
1
0,025 0,341 0,529 1,172 0,215
12,25 -15,25 - 1,273 0,691 0,343 - - - -
2
0,003 0,365 0,594 1,213 0,045
12,25 -15,75 - 1,269 0,772 0,100 - - - -
3
0,016 0,443 0,531 0,964 0,221
12,25 -16,25 - 1,084 0,415 0,255 - - - -
4
0,044 0,463 0,292 0,842 0,403
12,25 -16,75 - 1,094 0,256 0,342 - - - -
5
0,035 0,486 0,316 0,748 0,316
12,75 -14,75 - 1,198 0,313 0,539 - - - -
6
0,065 0,354 0,491 1,103 0,489
12,75 -15,25 - 1,212 0,473 0,531 - - - -
7
0,048 0,421 0,621 1,052 0,377
12,75 -15,75 - 1,087 0,549 0,360 - - - -
8
0,042 0,498 0,549 0,795 0,382
12,75 -16,25 - 1,095 0,359 0,354 - - - -
9
0,063 0,570 0,381 0,713 0,530
12,75 -16,75 - 1,204 0,475 0,294 - - - -
10
0,088 0,592 0,503 0,742 0,702
13,25 -14,75 - 0,937 0,869 0,249 - - - -
11
0,047 0,312 0,484 1,140 0,396
13,25 -15,25 - 1,142 0,494 0,397 - - - -
12
0,050 0,304 0,501 1,074 0,436
13 13,25 -15,75 - 1,204 0,339 0,461 - - - -

125
 0,041 0,267 0,589 0,959 0,398
13,25 -16,25 - 1,242 0,730 0,252 - - - -
14
0,066 0,517 0,740 0,831 0,525
13,25 -16,75 - 1,289 0,705 0,135 - - - -
15
0,095 0,594 0,723 0,717 0,696

Figure 7 : Evolution spatiale des valeurs de SPEI_12 par périodes sur la

basse Casamance
3.4. La performance de SPEI dans la surveillance de l'humidité du sol
L’analyse de corrélation a été effectuée annuellement entre le SPEI et le SPI sur
l’échelle de temps de 12 mois pour voire sa performance sur la basse
Casamance. Elle laisse apparaitre des corrélations moyennes à faibles entre les
différents indices de sécheresses utilisées.
Ces valeurs de corrélations faibles entre SPEI et SPI confirment qu’il ne suffit
simplement pas de calculer les indices de précipitation pour déduire une analyse
succincte de la variabilité pluviométrique ou de la différence de tendance entre
le SPEI et le SPI, comme noté la période 2000-2018 marquée par des SPEI

126
négatifs, alors les valeurs des SPI sont positives, d’où le recours à la température
normale (Tableau 7).
Tableau 7 : Corrélations moyennes entre le SPI et le SPEI à l’échelle de
temps 12 mois par sous-période de 1950 à 2018 sur la basse Casamance
1950- 1960- 1970- 1980- 1990- 2000- 2010- 1950-
Sous-périodes
1959 1969 1979 1989 1999 2009 2018 2018
Coef de
0,2797 0,0379 0,0367 0,0377 0,0296 0,0692 0,1178 0,1719
détermination

Tableau 8: Tendance et signification statistique de la température

mensuelle de 1960 à 2018 sur la basse Casamance.
Mois Janv. Fév. Mars Avril Mai Juin
Tau de Kendall 0,750 0,861 0,778 0,583 0,350 0,694
<
p-value
0,016 0,011 0,012 0,024 0,070 0,017
Mois Juillet Août Sept. Oct. Nov. Déc.
Tau de Kendall 0,611 0,694 0,667 0,694 0,500 0,806
< < <
p-value
0,021 0,013 0,015 0,016 0,033 0,012

40,0
Tau de Kendall= 0,667; p-value <0,029
35,0
30,0 Tau de Kendall= 0,833 ; p-
25,0 value<0,010
Tau de Kendall=0,806; P-value<0,014
20,0
15,0
1974

2008
1960
1962
1964
1966
1968
1970
1972

1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006

2010
2012
2014
2016

Max Min Moy

Figure 8 : Evolution de la température maximale, minimale et moyenne

annuelle de 1960 à 2018 sur la Basse Casamance.

127
Afin de mieux caractériser la performance de SPEI dans la surveillance de
l'humidité du sol et expliquer les différences entre le SPEI et le SPI sur la
période récente, la tendance de la température et sa signification statistique pour
chaque mois sont indiquées dans le Tableau 8. Au cours des trois dernières
décennies, la température enregistrée sur la Basse Casamance a connu une
hausse statistiquement significative sur tous les mois à un niveau de confiance
de 95%. Cette hausse est plus importante sur les mois de Février (0,861 °C par
an), Décembre (0,806 °C par an), Janvier (0,750 °C par an) et (0,694 °C par an)
pour les mois de Juin, Août et octobre. A l’échelle annuelle (Figure 8), la même
tendance à la hausse statistiquement significative (et même à un niveau de
confiance de 99,9%) est notée sur la température maximale (0,667 °C par an),
minimale (0,806 °C par an) et moyenne (0,833 °C par an). L’augmentation
significative de la température au cours de chaque année a aggravé les
conditions d'assèchement de la zone d’étude sur la période récente comme
indiqué par le SPEI. C’est pour cette raison que le SPEI, intégrant la température
dans le calcul de l’évapotranspiration potentielle, pourrait représenter davantage
les conditions sèches et humides.
Conclusion
Dans cette étude le SPEI, calculé avec les températures et précipitations a été
utilisé pour tester l’évolution récente de la sécheresse. Il est corrélé au SPI afin
d’évaluer sa performance, de mieux caractériser la sécheresse et ces différentes
tendances sur la basse Casamance. Les modèles multi-échelles, l’étendue et le
caractère spatio-temporel du SPEI ont été utilisés puis analysées dans ce travail.
Ces différentes démarches nous ont donné les résultats suivants :
L’analyse multi-échelles des SPEI a détecté une tendance de desséchement sur
pratiquement toute la base Casamance. A partir des années 1970 des sécheresses
légères à modérées ont été enregistrées, et même dans certains des cas sévère
détecté comme la période de 2010-2018.
Les résultats du test de Man Kendall ont indiqués que les valeurs moyennes des
SPEI à cinq échelles de temps (1, 3, 6,12 et 24) ont toutes diminué de manière
significative entre 150 et 2018. La valeur absolue de la tendance à la baisse
augmentait progressivement lorsque le SPEI est calculée avec plus de mois
retardée.
La condition aggravante de la sécheresse a été réalisée en examinant l'étendue
spatio-temporelle. Le nombre de mois secs augmentait de manière significative
et le pourcentage d’année ayant enregistré plus de trois mois secs augmentait
également dans une large mesure.

128
L'analyse des corrélations entre le SPEI et le SPI à l’échelle de temps 12 mois a
montré que la corrélation était globalement moyenne à faible et la plus élevée
avait été obtenue sur les sous-périodes 1950-1959, 1950-2018 et 2000-2009
avec des valeurs respectives de 0,2797, 0,1719 et 0,1178. Dans ce cas, le SPEI
avait tendance à mieux performer que le SPI, compte tenu de l’augmentation
significative de la température sur tous les mois.
La performance de SPEI dans la surveillance de la sécheresse sur la basse
Casamance a été bien démontrée. Du fait que la sensibilité de la croissance de la
végétation aux précipitations augmente naturellement, avec la hausse de la
température, l’indice SPEI devrait davantage être amélioré pour mieux
caractériser la sécheresse sur la Basse Casamance et certaines régions du
Sénégal dans des travaux futurs.
Dans cette étude, nous avons utilisé le SPEI pour surveiller la sécheresse car il
s’agit d’un indice amélioré qui tient compte à la fois des précipitations et de la
température et que sa caractéristique multi-temporelle a permis d’analyser à
différentes échelles temporelles les différents types de sécheresse. D'autres
indices de sécheresse in situ largement utilisés, tels que l’indice de sécheresse de
Palmer (PDSI) et ses variantes améliorées, ne sont pas pris en compte à l'heure
actuelle. Dans nos recherches ultérieures, des analyses complètes sur la
performance entre différents indices de sécheresse in situ devraient être
effectuées.
REFERENCES BIBLIOGRAPHIQUE
Barry B., Boivin P., Brunet D., Montoroi J.P., Mougenot B., Saos J.S,
Touma J., Zante P., 1988. Sécheresse et modification des ressources hydriques
en Basse Casamance conséquences pour le milieu naturel et son aménagement,
communication aux deuxièmes journées de l’eau au Sénégal « Eau et
Développement » 8-10 Décembre, 22 p.
Beguería S., Vicente-Serrano S.M., Reig F., Latorre B. 2014 : Standardized
precipitation evapotranspiration index (SPEI) revisited: Parameter fitting,
evapotranspiration models, tools, datasets and drought monitoring. Int. J.
Climatol., 34, 3001–3023.
Dacosta H., Albergel J., 1996. Les écoulements non pérennes sur les petits
bassins du Sénégal, l’hydrologie tropicale : géosciences et outils pour le
développement, Actes de la conférence de Paris, IAHS
Faye C., Sow A.A., Ndong J.B., (2015). Étude des sècheresses pluviométriques
et hydrologiques en Afrique tropicale : caractérisation et cartographie de la
sècheresse par indices dans le haut bassin du fleuve Sénégal, Physico-Géo,
Vol.9, pp.17-35

129
Faye. C, 2013. Evaluation et gestion intégrée des ressources en eau dans un
contexte de variabilité hydroclimatique : cas du bassin versant de la Falémé.
Thése (PhD). Université Cheikh Anta Diop de Dakar, 309 p.
Faye. C, 2017. Distribution spatiale et tendances temporelles de l'érosivite des
précipitations dans des bassins versants du Sud du Sénégal (Gambie et
Casamance), Journal of water Sciences and environment technologies, ISSN
2509-9250 n°32 et 33, Juin-Décembre
Faye C., 2017 : Variabilité et tendances observées sur les débits moyens
mensuels, saisonniers et annuels dans le bassin de la Falémé
(Sénégal). Hydrological Sciences Journal – Journal des sciences hydrologiques,
62 (2), 259-269.
Faye C, Ndiaye A., Mbaye I., 2017 : Une évaluation comparative des
séquences de sécheresse météorologique par indices, par échelles de temps et
par données climatiques au Sénégal. Journal of water sciences and
environmental (1), 11 à 28.
Faye C., 2018. Analysis of drought trends in Senegalese coastal zone on
different climatic domains (1951-2010). Anallelle Uniiversiităţiiii diin Oradea,,
Seriia Geografiie XXVIII, (2//2018). 231-244.
Grayson R.B., Argent R.M., Nathan R.J., McMahon T.A. and Mein R.T.,
1996 : Hydrological Recipes: Estimation Techniques in Australian Hydrology.
Cooperative Research Centre for Catchment Hydrology, Sydney,
Australia, 125 p.
Goula B. T. A., Savane I., Konan B., Fadika V., Kouadio G.B. 2005.
Comparative study of climatic variability impact on water resources of N’zo and
N’zi watersheds in Côte d’Ivoire – Sciences & Nature, 2 (1), 10-19.
Guttman, N.B. 1998.Comparing the Palmer drought index and the standardized
precipitation index. J. Am. Water. Resour. Assoc. 34, 113–121.
Huntington T. G., 2006. Evidence for intensification of the global water cycle:
Review and synthesis. Journal of Hydrology, 319(1-4), 83–95.
IPCC, 2007.Climate Change 2007: The Physical Basis. Contribution of
Working Group I. Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M.,
Averyt, K.B., Tignor, M., and Miller H.L. (Eds.), Cambridge Univ. Press,
Cambridge, U.K. and New York, U.S.A., 996 p.

130
JACQUES. Sircoulon, 1986 : bilan hydropluviométrique de la sécheresse
1968-1984 au sahel et comparaison avec les sécheresses des années 1910 à1916
et 1940 à1949, ORSTOM, pp.107-114.
J.B Ndong (1995) : L'évolution de la pluviométrie au Sénégal et les incidences
de la sécheresse récente sur l'environnement, Revue de géographie de Lyon, vol.
70, n°3-4, 1995. Sahel, la grande sécheresse. pp. 193-198
J.C. OLIVRY (1987) : Les conséquences durables de la sècheresse actuelle sur
l’écoulement du fleuve Sénégal et l’hypersalinisation de la basse-Casamance,
ORSTOM, 213 rue La Fayette 75010 Paris, France n°27, pp.501-512pages.
Kundzewicz Z.W. and Robson A., 2000. Detecting Trend and Other Changes
in Hydrological Data. World Meteorological Organization, Geneva, 157 p.
LEBEL T., ET ALI A., (2009). Recent trends in the Central and Western Sahel
rainfall regime (1990-2007). Journal of Hydrology, 375 pp.52-64.
McKee, T.B., Doesken N.J., Kleist, J. 1993.The relationship of drought
frequency and duration to time scales. In Proceedings of the 8th Conference on
Applied Climatology, Boston, MA, USA, 17–22 January, 179-184.
NASCIMENTO Jr. L., SANT’ANNA NETO, J. L., DUBREUIL, V. (2015).
Tendances, ruptures et variabilité et hydroclimatiques dans l’état du PARANA-
BRESIL, acte du XXVIIIe Colloque de l’Association Internationale de
Climatologie, Liège, pp.567-572.
OMM, 2012. Guide d’utilisation de l’indice de précipitation normalisé, OMM-
N°1090, 25 p.
Ouoba A.P., 2013. Changements climatiques, dynamique de la végétation et
perception paysanne dans le Sahel burkinabè. Thèse de Doctorat Unique,
Université de Ouagadougou (Burkina Faso), 305 p.
Ozer P., Hountondji Y.C. et Laminou Manzo O., 2009. Évolution des
caractéristiques pluviométriques dans l'Est du Niger de 1940 à 2007. Geo-Eco-
Trop, Revue de Géographie et d'Écologie Tropicale, 33, 11 - 30.
Pettitt A. N., 1979. A non-parametric approach to the change-point problem.
Applied Statistics, 28, 126-135.
Potopová V., Štěpánek P., Možný M., Türkott L., Soukup J. 2015.
Performance of the standardized precipitation evapotranspiration index at
various lags for agricultural drought risk assessment in the Czech Republic. Agr.
Forest Meteorol., 202, 26–38.

131
Potop V., Boroneanţ C., Možný M., Štěpánek P., Skalák P. 2014. Observed
spatiotemporal characteristics of drought on various time scales over the Czech
Republic. Theor. Appl. Climatol., 115, 563–581.
Roquet, 2008 : Partir pour mieux durer : la migration comme réponse à la
sécheresse au Sénégal ?, ESPACES, POPULATIONS, SOCIETES, Université
des Sciences et Technologies de Lille, pp.37-53.
SANÉ T., BENGA A. et SALL O. (2010) : La Casamance face aux
changements climatiques : Enjeux et perspectives, 23 éme Colloque de
l’Association Internationale de Climatologie, Rennes, pp.559-564.
SERGIO M. VICENTE-SERRANO, SANTIAGO BEGUERI´A, JUAN I.
LO ´ PEZ-MORENO (2010). A Multiscalar Drought Index Sensitive to Global
Warming: The Standardized Precipitation Evapotranspiration Index, journal of
climate, 23 pages.

Servat E. et al., 1998. Analyse spatio-temporelle de données pluviométriques en

Afrique de l’Ouest. Recherche d’une rupture en moyenne. Une alternative
intéressante : les tests de permutations. Revue Statistique appliquée, 1998, XLVI
(1) 95-110
SIGHOMNOU D., 2004. Analyse et redéfinition des régimes climatiques et
Hydrologiques du Cameroun : perspectives d’évolution des ressources en eau.
Thèse Doctorat d’Etat, Université de Yaoundé 1, Département des Sciences de
la Terre, 291 p.
Soro G.E., Anouman D. G.L., Goula BI T.A., Srohorou B. et Savane I.,
2014. Caractérisation des séquences de sécheresse météorologique a diverses
échelles de temps en climat de type soudanais : cas de l’extrême Nord-ouest de
la cote d’ivoire. Larhyss/Journal, 18, 107-124.
Sow A.A., 2007. L’hydrologie du Sud-Est du Sénégal et de ses Confins guinéo-
maliens : les bassins de la Gambie et de la Falémé. Thése (PHD). Université
Cheikh Anta Diop de Dakar, 1232 P.
Thornthwaite C.W., 1948 : An approach toward a rational classification of
climate. Geogr. Rev., 55–94.
Xing L., Binbin H., Xingwen Q., Zhanmang L. and Xiaojing B., 2015. Use of
the Standardized Precipitation Evapotranspiration Index (SPEI) to Characterize
the Drying Trend in Southwest China from 1982–2012. Remote Sens7, 10917-
10937.

132
Xu Z. X., YANG X. J., ZUO D. P. CHU Q., and LIU W. F., 2015.
Spatiotemporal characteristics of extreme precipitation and temperature: a case
study in Yunnan Province, China. Proc. IAHS, 369, 121–127. proc-
iahs.net/369/121/2015/ doi: 10.5194/piahs-369-121-2015.
Yeh P. J.-F., & Wu C., 2018. Recent acceleration of the terrestrial hydrologic
cycle in the U.S. Midwest. Journal of Geophysical Research: Atmospheres, 123,
1-16
Yu M., Li Q., Hayes M.J., Svoboda M.D., Heim R.R. 2014. Are droughts
becoming more frequent or severe in China based on the standardized
precipitation evapotranspiration index: 1951–2010? Int. J. Climatol., 34, 545–
558.
Zhang A., Jia, G. 2013. Monitoring meteorological drought in semiarid regions
using multi-sensor microwave remote sensing data. Remote Sens. Environ., 134,
12–23.

133