Calcul et cartographie d’indices climatiques sur l’ensemble de l’Afrique de l’Ouest à l’échelle locale et régionale.

Pierron, Fabrice (2018) Calcul et cartographie d’indices climatiques sur l’ensemble de l’Afrique de l’Ouest à l’échelle locale et régionale. [Mémoire]

[img] Text

Fabrice.Pierron_master2.pdf


Accès : Repository staff only

Télécharger (12MB) | Request a copy
Item Type: Mémoire
Creators: Pierron, Fabrice
Directeur de recherche: Sheeren, David
Divisions: UFR Sciences, Espaces, Sociétés > Département Géographie-Aménagement-Environnement
Diplôme: M2 Géomatique (SIGMA)
Subjects: INFORMATIQUE MATHEMATIQUES TECHNOLOGIES > Informatique > Langage de programmation
SCIENCES HUMAINES ET SOCIALES > Agriculture, économie et politique
SCIENCES HUMAINES ET SOCIALES > Etudes de l'environnement > Environnement et société
SCIENCES HUMAINES ET SOCIALES > Etudes de l'environnement > Milieux et changements globaux
SCIENCES HUMAINES ET SOCIALES > Géographie > Cartographie
Uncontrolled Keywords: Afrique de l’Ouest, changements climatiques, mousson, modèles climatiques, stations météorologiques, indicateurs
Mots-clés dans une autre langue: West Africa, climate change, monsoon, climate models, weather stations, indicators
Abstract: Les études portant sur le changement climatique sont nombreuses en Afrique de l’Ouest. Les expertises, menaient par les différents scientifiques, tendent à démontrer que la région devrait connaître une perturbation dans les cycles de mousson. Cette dernière s’avère primordiale en Afrique de l’Ouest, car elle constitue bien souvent le seul apport en eau pour l’agriculture. Celle-ci tend néanmoins à varier de trois manières : Nord-Sud, Est-Ouest et interannuelle. C’est dans ce contexte que le projet AGRICORA (Agriculture et Gestion des Risques Climatiques : Outils et Recherches en Afrique) a vu le jour. Ce dernier a pour objectif de prendre en compte les risques climatiques dans la production agricole des pays de la région. Afin, d’analyser ces risques, des modèles climatiques sont produits. Ces derniers visent à anticiper et à prévoir les impacts du changement climatique. Mais ils ne sont pas toujours adaptés pour les études d’agronomies et d’hydrologies. Ainsi, pour analyser la qualité de ces modèles, nous allons comparer ces derniers avec des données réelles (stations), issues de la base données Hydrosciences/SIEREM. Cette comparaison doit permettre d’étudier les écarts entre les données créées et les données des stations. Pour appréhender au mieux cette différence, une série d’indices climatiques va être calculés. Ceux-ci doivent permettre de prendre en compte l’ensemble des contextes climatiques de la région. De plus, pour quantifier ces erreurs, des opérateurs statistiques (RMSE, RRMSE) ont également été réalisés. Ces derniers visent à mesurer les erreurs entre les différents jeux de données, en étudiant les variabilités en fonction des zones et des indicateurs climatiques.
Résumé dans une autre langue: Studies on climate change are numerous in West Africa. Expertise, led by different scientists, tends to show that the region should experience a disturbance in the monsoon cycles. These is essential in West Africa beacause it is often the only water supply for agriculture. It nevertheless tend to vary in three ways : North-South, East-West and interannual. It is in this context that the AGRICORA project (Agriculture and Climate Risk Management: Tools and Research in Africa) was born. This one aims to take into account the climatic risks in the agricultural production in the countries of the region. In order to analyze these risks, climate models are produced. These aim to anticipate and predict the impacts of climate change. But they are not always suitable for studies of agronomies and hydrology. Thus, to analyze the quality of these models, we will compare these with real data (weather stations), from the Hydrosciences / SIEREM database. This comparison should make it possible to study the differences between the data created and the data of the stations. To better understand this difference, a series of climate indices will be calculated. These must make it possible to take into account all the climatic contexts of the region. In addition, to quantify these errors, statistical operators (RMSE, RRMSE) have also been made. These aim to measure the errors between the different data sets, by studying the variabilities according to the zones and the climatic indicators.
URI: http://dante.univ-tlse2.fr/id/eprint/6494