UIVERSITE D’ANTANANARIVO ECOLE SUPERIEURE POLYTECHNIQUE D’ANTANANARIVO DEPARTEMENT METEOROLOGIE

Mémoire de fin d’étude en vue de l’obtention du diplôme de Master en Météorologie

Titre : Ingénieur

Parcours

« Systèmes de Prévision de la Météorologie et Hydrologie »

Présenté par : RAZANATSIMBA Albert

Directeur de mémoire : Monsieur RANDRIANASOLO Léon, Enseignant et Maitre de Conférences à l’ESPA

Soutenu publiquement le 29 Juin 2016

Promotion 2015

UIVERSITE D’ANTANANARIVO ECOLE SUPERIEURE POLYTECHNIQUE D’ANTANANARIVO DEPARTEMENT METEOROLOGIE

Mémoire de fin d’étude en vue de l’obtention du diplôme de Master en Météorologie

Titre : Ingénieur

Parcours : « Systèmes de Prévision de la Météorologie et Hydrologie »

Présenté par : RAZANATSIMBA Albert

Soutenu : le 29 Juin 2016

Devant la commission d’examen composée de : Président : Monsieur RAKOTOVAZAHA Olivier, Chef de Département de la Météorologie à l’Ecole Supérieure Polytechnique d’Antananarivo Directeur de mémoire : RANDRIANASOLO Léon, Enseignant et Maitre de Conférences à l’ESPA Examinateurs : o Mme Docteur RAHARIVELOARIMIZA Samuëline, Directeur Général de la Météorologie et Représentent Permanent de l`OMM à . o Monsieur RAZAFINDRAKOTO Benjamin, Enseignant à l`ESPA et Chef du Service de la Météorologie Agricole au sein de la DGM. o Monsieur RANDRIAMAROLAZA Luc Yannick Andreas, Enseignant à l`ESPA, Chef du Service de la Climatologie et du Changement Climatique au sein de la DGM.

Promotion 2015

Table des matières

REMERCIEMENTS ...... ii

LISTE DES FIGURES ...... iii

LISTE DES TABLEAUX ...... v

LISTE DES GRAPHIQUES ...... v

LISTE DES ABREVIATIONS ...... vi

INTRODUCTION GENERALE ...... 1

Premier Partie : GENERALITES ...... 4

Chap. I - LE PRINCIPE DE SYSTEME D’ALERTE PRECOCE ...... 5

Chap. II - CONCEPT DE LA SECHERESSE ...... 12

Chap. III - ZONE D’ETUDE ...... 18

Deuxième Partie : LA METHODOLOGIE GENERALE ET LE PRINCIPE DU

MODELE ARV ...... 35

Chap. IV - DONNEES ET METHODOLOGIES ...... 36

Chap. V - LE PRINCIPE DU MODELE ARV ...... 53

Troisième Partie : RESULTATS ET ANALYSES ...... 58

Chap. VI - PLUVIOMETRIE ...... 59

Chap. VII - INDICE DE SECHERESSE (WRSI) ...... 69

CONCLUSION GENERALE ...... 77

BIBLIOGRAPHIE ...... 79

i

REMERCIEMENTS

Avant toute chose, nous adressons toute notre gratitude envers le Seigneur pour le courage et la force qu’Il nous a opéré durant la rédaction de cet ouvrage.

Nous tenons à remercier sincèrement les personnes qui ont contribué de près ou de loin à la réalisation de ce mémoire :

 Monsieur le Professeur ANDRIANAHARISON Ivon, Directeur de l’École Supérieure Polytechnique d’Antananarivo qui nous a permis d’exécuter nos études au sein de l’établissement.  Monsieur RAKOTOVAZAHA Olivier, Maître de Conférences à l’Ecole Supérieure Polytechnique d’Antananarivo et Chef de Département de la Météorologie, qui nous fait l’honneur de présider cette soutenance.  Monsieur RANDRIANASOLO Léon, Enseignant et Maitre de Conférences qui ne s’est pas ménagé pour nous guider et nous conseiller durant toutes les phases de préparation de ce mémoire.  Les membres du jury, qui ont voulu examiner ce mémoire, vu leurs nombreuses occupations:  Mme Docteur RAHARIVELOARIMIZA Samuëline, Directeur Général de la Météorologie et Représentent Permanent de l’OMM à Madagascar.  Monsieur RAZAFINDRAKOTO Benjamin, Enseignant à l`ESPA et Chef du Service de la Météorologie Agricole au sein de la DGM.  Monsieur RANDRIAMAROLAZA Luc Yannick Andreas, Enseignant à l`ESPA, Chef du Service de la Climatologie et du Changement Climatique au sein de la DGM.  à tout le Personnel et les Enseignants au sein de l’Ecole Supérieure Polytechnique d’Antananarivo, spécialement ceux du Département Météorologie et Premier Cycle, pour leur contribution à notre formation.  à tout le personnel au sein de la Direction Générale de la Météorologie à Ampandrianomby Antananarivo, particulièrement le personnel du Service Régional de la Météorologie d’Antananarivo.  Ma famille et les amis, pour leurs aides et soutiens.

ii

LISTE DES FIGURES

Figure 1 : Contexte institutionnel……………………………………………………… 6

Figure 2 : Schéma de la structure de coordination…………………………………...... 10

Figure 3 : Schéma de plan d’action du SAP…………………………………………… 11

Figure 4 : Succession de situations de sécheresse et de leur incidence pour les

différents types de sécheresse généralement admis………………………… 14

Figure 5 : Délimitation climatique de Madagascar……………………………………. 19

Figure 6: Cartographie de Grand Sud de Madagascar…………………………...……. 22

Figure 7 : Carte de localisation de la Région Atsimo Andrefana……………………… 24

Figure 8 : Représentation des groupes ethniques dans la Région Atsimo Andrefana…. 24

Figure 9 : Carte de localisation d’Aire Protégée……...……………………....…..…… 26

Figure 10: Carte de localisation de la Région Anosy……………………………...….. 27

Figure 11: Carte de localisation d’Aire Protégée……...………………………………. 28

Figure 12: Carte de localisation de la Région Androy…………..……………………. 29

Figure 13: Carte de localisation de la Région Atsimo Atsinanana…………….....…… 31

Figure 14: Carte de localisation d’Aire Protégée……………..………………………. 33

Figure 15: Carte Hydrographiques du Grand Sud…………………………………... 34

Figure 16: Les localisations des stations synoptiques de Madagascar………………… 40

Figure 17: Schématisation de la Procédure Opérationnelle Standard (POS)

« Pluviometrie »………………………………………………..…………… 44

Figure 18: Le fonctionnement du WRSI……………………………………………… 50

Figure 19: La procédure opérationnelle standard (POS) « WRSI »………………...…. 52

iii

Figure 20: Corrélation entre les donnée pluviométriques des stations synoptiques de

Madagascar et celles des satellites ARC2, RFE2 et TAMSAT (pour la

période 2001-2014)…………………………………………………………. 61

Figures de suivi et évaluation de l’indice de satisfaction des besoins en eau au cours

Figure 21 a : saison 2001/2002 21 b : saison 2002/2003…...……. 69

Figure 22 a : saison 2003/2004 22 b : saison 2004/2005……..….. 70

Figure 23 a : saison 2005/2006 23 b : saison 2006/2007………… 70

Figure 24 a : saison 2007/2008 24 b : saison 2008/2009……....… 70

Figure 25 a : saison 2009/2010 25 b : saison 2010/2011……..….. 71

Figure 26 a : saison 2011/2012 26 b : saison 2012/2013………… 71

Figure 27 a : saison 2013/2014 27 b : saison 2014/2014………… 71

Figure 28 : Etat de sécheresse pour la saison 2015/2016……………………………... 72

iv

LISTE DES TABLEAUX

Tableau 1 : Quatre éléments principaux de SAP axés sur la population………………. 17 Tableau 2 : Caractéristiques des subdivisions climatiques de Madagascar……………. 20 Tableau 3 : Synthèse des données manquantes par station considérée (pour la période allant de Janvier 1983 à Mai 2015)………………………………………… 38 Tableau 4 : Interprétation de corrélations………………………….…………..……… 46 Tableau 5 : Les données utilisées par ARV……..………………….…………..……… 51 Tableau 5 : Corrélations (basées sur l’examen des anomalies pluviométriques au cours de la période 2001-2014) entre les données des stations et celles des satellites (ARC2, RFE2 et TAMSAT)……………………………………... 61 Tableau 7 : Comparaison des précipitations moyennes et des tendances pluviométriques au niveau national………………………………………...….. 62 Tableau 8 : Différences de classification entre les données satellitaires et celles des stations pour les 5 années les plus sèches (sur la période 2001-2014) - Niveau national………………………………………………………..…… 65 Tableau 9 : Les Communes touchées de sécheresse moyenne………..………...……… 72 Tableau 10: Les Communes touchées de sécheresse sévère………………………...... 73 Tableau 11: Les Communes plus touchées de sécheresse agricole…………...………... 74 Tableau 12: Seuil des valeurs des précipitations en état d’alertes de sécheresse sévère… 76 Tableau 13: Seuil des valeurs des précipitations en état d’une bonne pluviométrie pour l’agriculture………………………………………………………...…… 76

LISTE DES GRAPHIQUES

Graphique 1 : Représentation graphique du cumul décadaire des précipitations……... 41 Graphique 2 : Moyennes nationales (2001-2014)…………………..…………………. 64 Graphique 3: Profil pluviométrique du Grand Sud de Madagascar (Régions d’Atsimo Andrefana, Androy, Anosy et Atsimo Atsinanana), Moyenne saisonnière de la période 2001-2015……………………..…………….. 67 Graphique 4 : Pourcentage des communes touchées par la sécheresse agricole…...….. 74

v

ACRONYMES ET ABREVIATIONS

% : Pour cent. A.E.D.E.S : Agence Européenne pour le Développement Et de la Santé. ARC2 : Advanced Room Correction 2. A.R.V : African Risk View. BNGRC : Bureau National de Gestion des Risques et des Catastrophes. CCGRC : Comités Communaux de GRC au niveau des Communes. C.C.R : Centre Commun de Recherche de la Commission Européenne. CDGRC : Comités District du GRC au niveau des Districts. CNA : Centre National Anti-acridien. CNGRC : Conseil National de Gestion des Risques et des Catastrophes. CNS : Conseil National de Secours. CPGU : Cellule pour la Prévention et Gestion des Urgences CRGRC : Comités Régionaux de GRC au niveau des Préfectures. CRIC : Comité Restreint des Intervenants en cas des Cataclysmes. Diff. : Différent. D.G.M : Direction Générale de la Météorologie. F.A.O : Organisation des Nations unies pour l’Alimentation et l’Agriculture. FEWS NET : Famine Early Warning Systems Network G.P.S : Global Positioning System. GRC : Gestion des Risques et des Catastrophes. GTS : Global Telecommunication System. NOAA : National Oceanic Atmospheric Agency. OLEP : Organe de Lutte contre les Evénements de Pollution marine. O.M.M : Organisation Météorologique Mondiale. O.M.S : Organisation Mondiale de la Santé. ONE : Office National pour l'Environnement. ONN : Office National de Nutrition PAM : Programme Alimentaire Mondial. P.I.B : Produit Intérieur Brut. QMM : QIT Madagascar Minerals.

vi

RFE2 : ADP-ribosylation factor2 /AUXIN RESPONSE FACTOR 2. RRC : Réduction de Risque des Catastrophes.

SIRSA-I : Système d’Information Rurale et de Sécurité Alimentaire-I. SIRSA/SAP : Système d’Information Rurale et de Sécurité Alimentaire–Système d’Alerte Précoce. SMART : Standardized Monitoring and Assessment of Relief and Transitions. SMT : Système Mondiale de Télécommunication. TAMSAT : Tropical Applications of Meteorology using SATellite data and ground-based observations. W.H.C : Wambergue Historique Compétition. W.R.S.I : Water Requirement Satisfaction Index ou Index de Satisfaction des Besoins en Eau.

vii

Introduction

INTRODUCTION GENERALE

1

Introduction

Les sécheresses font plus de victimes et provoquent plus de déplacements de population que les cyclones et les inondations. Ces catastrophes naturelles, moins spectaculaires, sont pourtant moins médiatisées. Madagascar est l’un des pays les plus vulnérables à la sécheresse surtout dans la partie Sud de la Grande Ile. Actuellement, cet événement devient un problème majeur pour les agriculteurs dans la Région Sud de Madagascar. Des nombreuses cultures sont touchées chaque année par la sécheresse, à un degré ou à un autre. Les pertes agricoles générées par une grave sècheresse peuvent être très lourdes. Même un léger manque d’eau peut amoindrir les rendements et empêcher un agriculteur de rentabiliser ses cultures. C’est pourquoi les agriculteurs devraient adopter généralement les cultures les mieux adaptées à leur volume d’eau disponible.

Ce présent mémoire a pour but de mettre en place un Système d’Alerte Précoce pour lutter contre la sécheresse dans le Grand Sud de Madagascar, en utilisant comme indicateur de sécheresse « L’Indice de satisfaction des Besoins en Eau » ou « Water Requirement Satisfaction Index WRSI ». Cet indice nous permet de déterminer le degré de la sécheresse afin d’évaluer son état avec les années et de faire un suivi régulier décadaire du bilan hydrique au cours d’une saison agricole. Ce bilan a pour but d’évaluer l’eau disponible dans le sol pour soutenir la plante à la prochaine décade s’il n’y aura pas des précipitations. L’indice WRSI est un modèle simple de simulation de culture, qu’il est facile de calculer en n’utilisant que quelques paramètres : ce n’est donc pas sans raison qu’il est repris dans de nombreux modèles d’alerte précoce dans toute l’Afrique. De fait, la plupart des pays africains intègrent l’indice WRSI dans leurs propres modèles culturaux pour évaluer le niveau de sécheresse. Si cet indice a été initialement développé par l’Organisation des Nations Unies pour l’alimentation et l’agriculture (FAO), certaines études ont montré que l’indice WRSI peut être corrélé aux rendements culturaux en appliquant une fonction linéaire de baisse de rendement spécifique à la culture en question. L’ARV (African RiskView) est un modèle très performant pour connaître le degré de la sécheresse agrométéorologique subi par la culture dans une région déterminée. Par conséquent, notre étude est basée sur le suivi de la sécheresse dans le Grand Sud de Madagascar pour permettre aux autorités régionales ou locales de prendre une mesure appropriée à partir des alertes précoces obtenues de ce modèle.

2

Introduction

Ce travail qui s’intitule «ELABORATION D’UN SYSTEME D’ALERTE PRECOCE ET SUIVI DE LA SECHERESSE DANS LE GRAND SUD DE MADAGASCAR EN UTILISANT LE MODELE ARV (African RiskView) » est divisé en trois grandes parties différentes :

La première partie présente les caractéristiques agroclimatiques de la Région Grand Sud de Madagascar. La deuxième partie explique la méthodologie générale et le principe du modèle ARV; et la dernière partie représente les résultats et interprétations obtenus à partir des sorties du modèle.

3

Première partie : Généralités

Premier Partie : GENERALITES

4

Première partie : Généralités

Chap. I - LE PRINCIPE DE SYSTEME D’ALERTE PRECOCE

I.1. INTRODUCTION

L’Alerte Précoce est un élément essentiel dans la prévention des risques de catastrophes. Elle permet d’éviter les pertes de la vie humaines et de réduire l’impact matériel et économique des catastrophes. Pour être efficaces, les Systèmes d’Alerte Précoce doivent impliquer activement les communautés exposées, faciliter la formation du public et le sensibiliser, diffuser efficacement les messages et les avertissements et veiller à entretenir un état de préparation constant. La notion « d’Alerte Précoce » a fait récemment son apparition dans le domaine de la décision politique et de la prévention des conflits. Jusqu’alors, son usage était réservé à des thématiques très particulières, comme celle des systèmes d’alerte dans le domaine militaire: prévention des attaques, ou encore dans les domaines sanitaire : l’O.M.S. dispose d’un dispositif remarquable, ou alimentaire, dans une perspective de prévention des désastres naturels: la F.A.O. possède ainsi ses propres dispositifs [15].

I.2. GENERALITES

Pour la sécheresse, Madagascar utilise le système d’alerte SIRSA/SAP, mis en œuvre depuis 1996 par l’Agence Européenne pour le Développement et de la Santé (AEDES), financé par l’Union Européenne, qui effectue le suivi de l’insécurité alimentaire dans le Grand Sud du pays. Ce système sert de guide de référence pour les organismes intervenant en développement ou en urgence dans la programmation des activités visant à atténuer les effets de la récurrence de la sécheresse et à prévenir des crises alimentaires et nutritionnelles dans le Sud. De 2005 à 2007, le système a été intégré dans le projet de Système d’Information Rurale et de Sécurité Alimentaire-I (SIRSA-I). Dans l’attente de l’intégration du système d’alerte précoce au sein d’une structure officielle, il s’avère nécessaire de mettre en place un mécanisme transitoire de coordination permettant d’assurer la continuité des activités de collecte, d’analyse et de publication des informations. En 2009, le Programme Alimentaire Mondial (PAM), suite à une

5

Première partie : Généralités sollicitation du Gouvernement et avec financement de l’Union Européenne, a pris la relève de la gestion opérationnelle et financière des activités du SAP pour une phase transitoire de deux années [9].

2.1. Le contexte institutionnel et opérationnel

À partir de la Stratégie Nationale de Gestion de Risques de Catastrophes (SNGRC) qui avait été validée en 2003, le Gouvernement Malagasy a mis en place un cadre institutionnel articulé autour des trois niveaux suivants (cf. graphique ci-dessous) : - Système d’Alerte Précoce. - Préparation et Réponses aux désastres. - Prévention, gestion des risques et adaptation au changement climatique. Le Système d’Alerte Précoce est régi sur la base d’un partenariat public-privé.

Figure 1: Contexte institutionnel Source : La Gestion Des Risques Naturels : Vers Une Prévention Renforcée Et Coordonnée

6

Première partie : Généralités

2.2. Structure actuelle de la Gestion des Risques et des Catastrophes (GRC) La loi No. 2003-010 relative à la Politique Nationale de Gestion des Risques et des Catastrophes (et ses décrets d'application), a mis en place un Système National de GRC compose d'un ensemble de structures, qui correspondent à des institutions ou à des instances de coordination, au niveau central et local, à savoir : le Conseil National de GRC, le Bureau National de GRC, les Conseils Régionaux, Communaux et Locaux ainsi que les ONGs et la coopération internationale [23].

2.2.1. Le Conseil National de Gestion des Risques et des Catastrophes (CNGRC), anciennement Conseil National de Secours (CNS) Le CNGRC, créé en 2005 et placé sous la Présidence du Premier Ministre, Chef du Gouvernement, est l'organe national stratégique de conception et de supervision en matière de gestion des risques et des catastrophes. Il a pour mission d'intervenir dans l'organisation de la protection de la population et de l'environnement en cas de catastrophe, et reprend à ce titre les attributions du CNS [23]. Mais sa mission est élargie à la définition et à la planification, la supervision et l’évaluation de la mise en œuvre de la SNGRC, en donnant ainsi une place centrale à la prévention des catastrophes au travers d'une gestion intégrée des risques naturels. Structures territoriales d'intervention, en matière de gestion des risques et des catastrophes. Le CNGRC se décline en structures décentralisés comme suit :  CRGRC, Comités Régionaux de GRC au niveau des Préfectures ;  CDGRC, Comités Districaux de GRC au niveau des Districts ;  CCGRC, Comités Communaux de GRC au niveau des Communes ;  Équipe locale de secours pour les Fokontany. Les attributions, l'organisation et le fonctionnement de ces différents Comités devront être arrêtés par les Autorités administratives territorialement compétentes au niveau des Régions, des Districts et des Communes. À ce jour, des Comités ont déjà été mis en place au niveau des Régions et des Districts. L'opérationnalité de ces structures est assez limitée et très variable géographiquement.

7

Première partie : Généralités

Le BNGRC a comme bras opérationnel le Corps de Protection Civile.

2.2.2. Le Bureau National de Gestion des Risques et des Catastrophes (BNGRC) Le BNGRC est le bras opérationnel du CNGRC rattaché au Ministère de l'Intérieur. Comme stipulé dans le décret N° 2006-904 fixant l'organisation, le fonctionnement et les attributions du BNGRC, il est l'organe de gestion, de coordination, de suivi et d'appui du Conseil National, et à ce titre est chargé d'assurer la prévention et la préparation des catastrophes ainsi que l'organisation et la gestion des secours d'urgence surtout en matière d'aides humanitaires. Le BNGRC remplace ainsi le Secrétariat Permanent du CNS (communément appelé CNS) et fonctionne avec les moyens en personnels et matériels de cette structure.

 Sa mission  Fournir des conseils techniques au CNGRC.  Promouvoir la prévention, la préparation et la mitigation au sein de toutes les agences et à tous les niveaux du Gouvernement ainsi qu'aux ONGs.  Soutenir techniquement le Plan Local et le Plan Régional pour la Gestion des Risques et des Catastrophes.  Fournir des directives, organiser la formation et promouvoir la préparation des plans en rapport avec les cataclysmes.  Commander le centre national des opérations d'urgence pendant les catastrophes.  Développer et gérer un système d'informations sur les risques et catastrophes, pré et post évènement.  Ses activités  Assurer la coordination des activités relatives aux GRC/RRC.  Encadrer les structures décentralisées.  Réaliser les activités relatives aux Information, Education, Communication en GRC.  Mettre en œuvre les systèmes d'alerte.  Renforcer la capacité des structures à différents niveaux.  Développer et gérer un système d'information efficace pour une meilleure prise de décision.

8

Première partie : Généralités

2.2.3. Le Comité de Réflexion des Intervenants en cas de

Catastrophes ou CRIC Créé en juin 1996, la mission originelle du CRIC a été d'être un organe de coordination générale entre partenaires autour d'une problématique donnée, ad hoc. D'autres documents concevaient le CRIC comme une structure de réalisation et de concertation ou encore comme une simple « cellule » informelle de coordination. En fait, le CRIC n'a pas de statut formel. Il ne dispose d'aucun moyen mis spécifiquement à sa disposition. Dans la pratique actuelle, il sert surtout de plate-forme de réflexion, et d'échanges d'information, qui regroupe les principaux responsables des organisations humanitaires et ONG. Ces dernières années, dans le cadre d'un processus guidé par la Stratégie Internationale pour la Prévention des Catastrophes, ce Comité a évolué vers la composition d'une Plateforme Nationale. Notons que la participation des institutions nationales au CRIC reste assez faible, et en l'état, cette plateforme nationale de coordination se concentre presque exclusivement sur les questions de réponse aux catastrophes. Dans ce domaine, il est devenu une plateforme de coordination incontournable et qui permet une meilleure coordination des interventions.

2.2.4. Les Structures et organes spécialisés

Il existe également un certain nombre de structures spécialisées sur un aléa et ses effets intervenant directement ou indirectement dans la GRC, parmi lesquelles :

 Le Corps de Protection Civile, rattaché au Ministère de la Défense ;

 Le Centre National Anti-acridien (CNA) ;

 L'Office National pour l'Environnement (ONE) ;

 L'Office National de Nutrition (ONN) ;

 L'Organe de Lutte contre les Evénements de Pollution marine (OLEP), rattaché au Ministère de l'Environnement, des Eaux et Forêts.

Ces structures et organes ont des statuts différents : soit il s'agit de comités nationaux dotés d'organes d'administration et de réflexion et d'exécution, soit de conseils ou de projets rattachés à un Ministère, soit encore d'unités au sein d'un Ministère. Certaines structures disposent d'importants moyens financier, humain et logistique.

9

Première partie : Généralités

2.2.5. Schéma de la structure de coordination et principales

responsabilités de chaque niveau de coordination (24).

Figure 2. Source : Plan national de contingence – Insécurité alimentaire et nutritionnelle dans le Grand sud 2013-15

2.3. LES PRINCIPAUX ELEMENTS

Un Système d’Alerte Précoce complet et efficace comporte quatre éléments interdépendants (cf. tableau page suivant), une large connaissance des dangers et vulnérabilités étroitement liée à la préparation et à la capacité de réponse. Les Systèmes d’Alerte Précoce associés aux meilleures pratiques sont également très liés et présentent des canaux de communication efficaces entre tous les éléments [25].

10

Première partie : Généralités

Tableau 1: Quatre éléments principaux des Systèmes d’Alerte Précoce axés sur la population. Connaissance des risques Service de surveillance et d’alerte

Recueillir systématiquement les données et procéder Développer des services de suivi des risques et à l’évaluation des risques. d’alerte précoce.

• Est-ce que les aléas et les vulnérabilités sont bien • Est-ce que les bons paramètres sont contrôlés ? connus ? • Est-ce qu’il existe une base scientifique solide • Quelles sont les caractéristiques et tendances de pour faire des prévisions ? ces facteurs ? • Est-ce que des alertes précises et opportunes • Est-ce que les cartes des risques sont largement peuvent être générées ? disponibles ?

Diffusion et communication Capacité de réponse

Communiquer les informations sur les risques et les Renforcer les capacités d’intervention nationales et alertes précoces communautaires

• Est-ce que les alertes atteignent toutes les • Est-ce que les plans de réponse sont à jour et ont personnes à risque ? été testés ?

• Est-ce que les risques et les alertes sont compris ? • Est-ce que les capacités et les connaissances locales ont été utilisées ? • Est-ce que l’information offre un avertissement clair et utilisable ? • Est-ce que les populations sont préparées et prêtes à réagir aux alertes précoces ?

Source : Plate-forme UN/SIPC Stratégie internationale pour la prévention des catastrophes

2.4. SCHEMA DE PLAN D`ACTION DU SAP

Figure 3. Source : Plan National de contingence (Grand Sud 2013-15)

11

Première partie : Généralités

Chap. II - CONCEPT DE LA SECHERESSE

Il n’y a pas de définition universelle de la sécheresse, sa détermination varie selon l’utilisation ainsi que la région.

Le glossaire de la météorologie (1959) la décrit comme «une période anormalement sèche suffisamment prolongée» pour que le manque d’eau, cause de sérieux déséquilibre hydrique pour la région affectée.

C’est un phénomène naturel dangereux, faisant partie intégrante du climat et qui virtuellement peut toucher tous les types de climat, mais dont les caractéristiques varient d’une région à une autre. La sécheresse est un phénomène à évolution lente, dont les impacts (directs ou indirects) sont complexes, cumulatifs et affectent différents secteurs d’activité.

A titre d’exemples d’impact de la sécheresse : réduction de la production agricole et forestière, accroissement des feux de forêts, diminution des ressources en eau.

II.1. LES TYPE DE SECHERESSE

Il y a quatre types de sécheresse communément admis [1] sécheresse météorologique, agricole, hydrologique et socioéconomique.

1.1 Sécheresse météorologique Elle est définie généralement par un seuil correspondant à un déficit de précipitations sur une période déterminée.

Le seuil choisi ainsi que la durée de la période varie d’un endroit à un autre ou selon l’utilisation.

12

Première partie : Généralités

1.2 Sécheresse agricole La sécheresse agricole se définit comme la présence dans le sol d’une quantité d’eau insuffisante pour la croissance des cultures et du fourrage.

La relation entre la hauteur des précipitations et l’infiltration des précipitations dans le sol est complexe puisque le taux d’infiltration varie en fonction des conditions d’humidité antérieure, de la pente, de la nature du sol et de l’intensité des précipitations.

1.3 Sécheresse hydrologique C’est l’écart en l’approvisionnement en eau de surface et en eau souterraine selon certaines conditions moyennes à différents moments.

Comme dans le cas de la sécheresse agricole, la quantité de précipitations et le degré d’approvisionnement en eau de surface et en eau souterraine des lacs réservoirs, aquifères et cours d’eau sont reliées par divers facteurs.

Aussi, il existe un décalage temporel entre le dérèglement des précipitations et l’effet de cette insuffisance dans les éléments superficiels ou souterrains des éléments hydrologiques. En ce qui concerne le retour à la normale, elle se fait lentement du fait de la longue durée des périodes de recharge des sources d’approvisionnement en eau superficielles et souterraines.

1.4 Sécheresse socio-économique Elle diffère des autres types de sécheresse puisqu’elle reflète la relation entre l’offre et la demande de certaines denrées économiques (eau, fourrage pour le bétail, énergie hydroélectrique) qui sont tributaires des précipitations.

1.5 Relation entre les différents types de sécheresse La sécheresse commence toujours par une diminution de la quantité de précipitations, mais peut (ou peut ne pas, selon la sévérité de cette baisse) affecter les débits de cours d’eau, l’humidité du sol, etc… La figure qui suit illustre cette relation [6].

13

Première partie : Généralités

Variabilité naturelle du climat

Précipitation insuffisantes Températures élevées, forts vents,

(Quantité, intensité, période) faible humidité relative, ensoleillement accru, couverture nuageuse inférieure à la normale.

Réduction de l`infiltration, de Sécheresse Météorologique l`écoulement, de la protection Augmentation de

profonde et de la recharge des l`évaporation et de la

nappes souterraines. transpiration.

Durée Teneur insuffisante

en eau du sol

Manque d`eau pour les plantes

Agricole biomasse et rendement réduits. Sécheresse

Baisse de l`écoulement fluvial et du débit entrant dans le réservoir, les lacs et les étangs ; diminution

des zones humides et des habitats

naturels. Sécheresse

Hydrologique

Incidences économiques Impacts sociaux Effets sur l`environnement Figure 4: Succession de situations de sécheresse et de leur incidence pour les différents types de sécheresse généralement admis Source: Centre national de lutte contre la sécheresse, Université de Nebraska-Lincoln, États Unis d’Amérique

II.2. CAUSES DE LA SECHERESSE METEOROLOGIQUE

Le phénomène climatique proprement dit est la sécheresse météorologique, tandis que les autres types de sécheresse sont plutôt ses impacts majeurs.

Les causes de la sécheresse météorologique sont nombreuses telles que : 14

Première partie : Généralités

 Excès d’aérosol dans l’atmosphère qui fait disperser les nuages.  Baisse de nucléon biogénique nécessaire pour la formation de gouttelette de pluie, causée par la réduction de la couverture végétale ainsi que d’autre facteurs (Berna et Rodier, 1985).  Augmentation de l’albédo qui fait diminuer la température en surface entrainant une diminution du soulèvement des masses d’air et donc de la convection.  Circulation océanique qui joue un rôle majeur en termes de conservation d’énergie, affectant de ce fait le temps et le climat.

II.3. LES VARIABLES DE LA SECHERESSE

Une variable de la sécheresse peut être définie comme une variable avec laquelle on peut suivre les effets de la sécheresse, et est considérée comme un élément clé pour définir la sécheresse [2].

Voici les variables classiques pour les différents type de sécheresse :

 Sécheresse météorologique : précipitation ;  Sécheresse agricole : humidité du sol, évapotranspiration, etc… ;  Sécheresse hydrologique : débit des cours d’eau, niveau d’eau dans les lacs ou réservoirs souterraines, etc…

II.4. LES PARAMETRES DE LA SECHERESSE

Les paramètres importants qui permettent de caractériser la sécheresse sont : l’intensité, la durée et l’étendue spatiale [1].

Les définitions de ces paramètres peuvent parfois prêter à confusion, du fait de l’ambiguïté de l’utilisation de ces termes. Tout au long de cet ouvrage, ce seront les définitions suivantes qui seront utilisées [3].

15

Première partie : Généralités

 Intensité : C’est l’ampleur du déficit de précipitations et de ses conséquences. Elle est généralement mesurée par l’écart par rapport à la normale de l’une des variables de la sécheresse pendant une durée fixée.  Durée : C’est la période s’écoulant entre le début et la fin d’un évènement de sécheresse. Elle peut être de l’ordre de la semaine, du mois jusqu’à des années.  Position absolue dans le temps : Il s’agit du début et de la fin de la sécheresse. Leur détermination peut être assez difficile et dépend des seuils choisis selon l’utilisation.  Surface touchée par la sécheresse : C’est l’extension géographique de la région touchée par la sécheresse qui peut évoluer tout au long d’un événement de sécheresse. Les épicentres, c’est-à-dire les zones d’intensité maximale peuvent se déplacer d’une saison ou d’une année à une autre. Souvent, cette surface est plus vaste que celle affectée par les autres catastrophes naturelles.  Magnitude : C’est le cumul de déficit d’eau (par exemple : précipitations) en dessous d’un certain seuil durant un évènement de sécheresse. L’intensité d’un évènement de sécheresse est le quotient de la division de la magnitude par la durée.  Sévérité : La sévérité de la sécheresse couvre deux usages : le premier ayant la même signification que la magnitude, le second, c’est le degré des impacts résultant du déficit d’eau. Ces impacts se cumulent dans le temps. C’est ce dernier que nous allons utiliser.

II.5. LES INDICE DE SECHERESSE

Les indices de sécheresse dérivent des paramètres de la sécheresse et sont utilisés afin de caractériser et déterminer un événement de sécheresse. Utilisation des indices de sécheresse :

16

Première partie : Généralités

 identifier les principaux caractéristiques de la sécheresse (début, fin, intensité, étendu spatial) ;  décrire et cartographier les événements de sécheresse ;  comparaison des événements de sécheresse dans le temps et dans l’espace ;  quantifier un phénomène complexe ;  offrir une base à la gestion de risque de sécheresse.

Généralement, ils sont caractérisés selon les impacts qu’ils décrivent. Ils peuvent donc être utilisés pour le suivi et la prévision de la sécheresse. Il existe plus d’une centaine d’indices de sécheresse, utilisés de manière opérationnelle ou dans les recherches [3]. Ils peuvent être simples, c’est-à-dire dérivant uniquement des précipitations ou complexes, utilisant différents paramètres climatiques tels que la température, l’évapotranspiration, etc…

17

Première partie : Généralités

Chap. III - ZONE D’ETUDE

III.1. GENERALITES

1.1. Contexte géographique et découpage administrative Madagascar est une ile dans l’Océan Indien, se trouvant dans la bande tropicale de l’Hémisphère Sud entre 12° et 26° de latitude.

Madagascar est bordé à l’Est par l’Océan Indien et est séparé de l’Afrique, à l’ouest, par le Canal de Mozambique.

Sa superficie est de 592000km2, sa longueur 1600km du Nord au Sud et sa largeur de 600km au maximum de l’Ouest à l’Est [4].

L’Ile de Madagascar est divisée en 22 régions, dont la plus petite est Itasy et la plus grande est Atsimo Andrefana.

1.2. Climat Il y a deux saisons distinctes à Madagascar séparées par deux courtes intersaisons (environ un mois) : la saison chaude et pluvieuse, entre Novembre et Avril, et la saison sèche et fraîche allant de Mai à Octobre [5].

Les caractéristiques des régions climatiques de Madagascar sont : Le climat trouvé à Madagascar est très diversifié du fait du relief et de la position géographique de chaque région, avec du climat chaud et humide dans la partie Est, du climat tempéré dans les Hautes terres, du climat chaud et sec à l’Ouest, et du climat semi-aride dans l’Extrême Sud. L’atlas climatique de Madagascar divise la Grande Ile en quatre principales zones climatiques, elles-mêmes subdivisées en plusieurs sous-zones telles que :

 zone très humides : très humide toute l’année (zone A), très humide (zone B) ;  zone humide : humide à forte pluviosité (zone C), humide (zone D), humide toute l’année (E), humide à faible précipitations (F) ;

18

Première partie : Généralités

 zone semi-humide : semi-humide venteux (G), semi-humide (H), semi-humide à faible pluviosité (I) ;  zone semi-aride (J)

La figure 5 ainsi que le tableau 2 donnent respectivement les caractéristiques de chaque zone ainsi que leurs positions géographiques.

Figure 5 : Délimitation climatique de Madagascar Source : Atlas climatologique de Madagascar 2014

19

Première partie : Généralités

Tableau 2: Caractéristiques des subdivisions climatiques de Madagascar

Très humide toute l’année ; ZONE A Exposée directement aux courants d’alizé ; Précipitation annuelle : 2500 – 3700mm ; Température moyenne annuelle : ≥ 23,6°C. Très humide ; ZONE B Influence de régime d’alizé atténué ; Précipitation annuelle : 1350 – 2500mm ; Température moyenne annuelle Humide à forte pluviosité ; ZONE C Exposée directement au régime de mousson en été ; Précipitation annuelle : 1200 – 2000mm ; Température moyenne annuelle : ≥ 26°C. Humide; ZONE D Climat adouci par le relief ; pluie concentrée en été ; Précipitation annuelle : 1250 – 1500mm ; Température moyenne annuelle : ≥ 19°C Humide toute l`année; ZONE E Exposée directement au régime d`alizé ; Précipitation annuelle : 1400 – 1700mm ; Température moyenne annuelle : ≥ 21°C Humide à faible précipitation ; ZONE F Hiver sec ; Précipitation annuelle : 800 – 1100mm ; Température moyenne annuelle : 18°C - 25°C Semi humide venteux ; ZONE G Influence du régime d`alizé ; Précipitation annuelle : 700 – 1200mm ; Température moyenne annuelle : ≥ 23°C Semi humide venteux ; ZONE H Influence des effets locaux (brises) ; Précipitation annuelle : 600 – 800mm ; Température moyenne annuelle : ≥ 23°C Semi humide à faible pluviosité; ZONE I Précipitation annuelle : ~ 500mm ; Température moyenne annuelle : ≥ 23°C Semi-aride ; ZONE J Nombre annuel de jours de pluie < 50 ; Précipitation annuelle : < 500mm ; Température moyenne annuelle : ≥ 22°C Source : Atlas climatologique de Madagascar 2014

20

Première partie : Généralités

1.3. Pluviométrie

La côte Est est généralement arrosée toute l`année mais les précipitations sont particulièrement abondantes de Janvier à Avril, et sont relativement faibles durant Septembre et Octobre.

Pour les régions des Hautes-terres, la période propice aux précipitations s`étend entre Octobre et Avril.

Sur la côte Ouest, la saison sèche est bien marquée entre Mai et Octobre, et le maximum de précipitations est observé en Janvier.

En ce qui concerne de l`Extrême Sud, la répartition des précipitations et très irrégulière. On distingue une petite saison de pluie commençant en Octobre ou en Janvier. Des séquences sèches s`étendant sur plusieurs mois consécutifs peuvent se produire.

1.4. Végétation

La couverture végétale de Madagascar est très diversifiée [7]. Les formations forestières primaires sont représentées par : La forêt dense humide : principalement sur la côte Est qui bénéficié d’une forte pluviométrie. Elle est caractérisée par sa densité et par la présence de grands arbres (jusqu’à 30 mètres de hauteur) à feuillage persistant. La forêt tropicale sèche : environ de 2.580.000 d’hectares et se trouvant principalement sur la côte ouest. Ce type de forêt est caractérisé par une densité moins faible des arbres avec une hauteur moindre (maximale 25 mètres). Les différentes savanes. Mangrove ou forêt de palétuvier : dans la zone côtière, principalement dans l’Ouest et le Nord du pays.

1.5. Relief Le relief de Madagascar divise le pays en trois bandes, une bande côtière étroite à l’Est, des hauts plateaux au centre et une zone de plateaux plus bas et de plaines à l’Ouest. Les hauts plateaux centraux ont une altitude oscillant entre 800 et 1500 m et couvrent 60 % de l’île; ils s’élèvent brusquement lorsqu’on approche le pays par la côte Est et descendent beaucoup plus doucement vers les vastes plaines de l’ouest [8].

21

Première partie : Généralités

Le relief de Madagascar joue un rôle important en ce qui concerne la distribution spatiale de la pluviométrie à Madagascar.

L’effet de Fœhn, dû à la combinaison de la présence des hauts plateaux centraux et du régime du vent d’alizé (chargé en humidité) fait que la côte Est (partie au vent) est arrosée tandis que la partie Ouest (sous le vent) est plutôt sèche, en fonction de l’intensité de l’Anticyclone des Mascareignes.

III.2. LE GRAND SUD

Région Atsimo Andrefana

Région Androy

Région Anosy Région Atsimo Atsinanana

Limite ex. Province

Limite Région

Figure 6: Cartographie de grand Sud de Madagascar Source : BD 500FTM édition Janvier 2009

2.1. Introduction

Madagascar est régulièrement concerné par des sècheresses, en particulier dans 248 communes des 4 régions du grand Sud, dont la population s’élève à 3 719 375 habitants). Cette région, la plus pauvre de Madagascar, souffre d’insécurité alimentaire, qui affecte entre 1/3 et

22

Première partie : Généralités

2/3 de la population locale de façon récurrente. Le Grand Sud pâtit également d’une température élevée (20-25°C), de faibles précipitations et de vents violents, qui, ces dernières années se sont intensifiés, aggravant ainsi les mauvaises récoltes. Le climat chaud et aride empêche la diversification des cultures, et les ressources en eau et forestières apparaissent parmi les plus dégradées de Madagascar.

La sécheresse à Madagascar relève de deux origines:  l’origine météorologique, par l’insuffisance de pluie ;  l’origine hydrologique par l’insuffisance des ressources en eau. Le plus grave épisode de sécheresse est celui de 1992. Durant trois années, elle a provoqué une grave situation de famine dénommée "KERE", aggravée par les effets de l’invasion acridienne sur le peu de récoltes existant. Près d’un million de personnes étaient ainsi en situation de détresse alimentaire et 200 décès ont été dénombrés [10].

2.2. Contexte géographique et découpage administratif de chaque région

2.2.1. Atsimo Andrefana 2.1.1.1. Administration Chef-lieu : Subdivisée en 09 districts et 85(communes) :  District d’ (16 communes)  District d’ (04 communes)  District de (02 communes)  District de Betioky (18 communes)  District de (05 communes)  District de (08 communes)  District de (09 communes)  District de Toliara I (06 communes)  District de Toliara II (17 communes)

23

Première partie : Généralités

Ankazoabo Atsimo

Morombe Sakaraha Toliara II Beroroha Toliara I BetiokyAtsimo Benenitra Ampanihy Limite ex. Province Limite Region Limite District

Figure 7: Carte de localisation de la Région Atsimo Andrefana Source principal : BD 500FTM édition Janvier 2009 Population : 1 352 456 hab (26). Densité : 20 hab/km2 Coordonnées : 23° 24′ 50″ Sud43° 48′ 22″ Est Superficie : 6 623 600 ha = 66 236 km2

2.2.1.2 Composition ethnique.

Trois grandes formations de population constituent la Région :

Figure 8: Représentation des groupes ethniques dans la région

24

Première partie : Généralités

2.2.1.3. Climatologie L’Atsimo-Andrefana Malgache a un climat semi-aride, avec maximum de la sécheresse dans la partie sud du secteur littoral: 274mm à , 356mm à Toliara. La thèse de J.N Salomon1 concerne donc une région semi-aride mais aussi les transitions vers le sub-humide. Plus de 80% des précipitations, en moyenne, se font pendant la saison humide (de novembre à mars), janvier étant sans conteste le mois le plus arrosé. Au contraire, la période qui s’étend d’avril en octobre est remarquablement sèche ; le minima tournant autour de 2 à 2,5mm en juillet. La frange côtière est balayée en permanence par un vent dominant, le « Tsiokatimo », de direction Sud-Ouest, et qui constitue un facteur sélectif local de la végétation. L’alizé franchissant la falaise orientale, y est subsident, c’est-à-dire sec et de caractère anticyclonique, ce qui donne le plus souvent une dorsale anticyclonique sur l’ensemble de la région. La température moyenne est de 25°C. La saison chaude s’installe entre octobre et avril avec un maximum de 40°C au mois de janvier. La saison fraîche s’étale de mai à septembre avec un minimum enregistré en dessous de 10°C pendant les mois de juin et juillet [11].

2.2.1.4. Géologie Battistini (1964) a défini trois grandes compositions géologiques pour l’Atsimo- Andrefana:  le socle cristallin ;  la couverture sédimentaire ;  les formations volcaniques.

2.2.1.5. Aire protégées  Parc national de Zombitse-Vohibasia : situé à 147 km au Nord-Est de Toliara dans la région Atsimo-Andrefana. Il a été créé en 1997. Il a une surface de 36.308 ha, réparti en trois parcelles : la forêt de Zombitse de 16.845 ha et les sites de l'Isoky Vohimena de 3.293 ha, et Vohibasia de 16.170 ha.

Parc national de Tsimanampetsotsa : il dispose d'une superficie de 43 200 hectares autour du seul lac salé du pays, le lac Tsimanampetsotsa. Entre 75 et 90 % de sa faune et sa flore sont endémiques.

25 1 : J.N SALOMON Professeur à l’Université de Bordeaux; Thèse d’Etat : Le Sud-Ouest de Madagascar, Etude de Géographie Physique, (Géomorphologie sous-marine et littorale . Presses Universitaires de Bordeaux) Première partie : Généralités

 Réserve spéciale de Beza Mahafaly : fait partie du réseau d'aires protégées de Madagascar. Créée par en 1986, elle couvre une superficie de 600 ha et est formée de deux parcelles distantes de 10 km. Elle abrite la seule forêt-galerie protégée malgache.

Parc National de Zombitse-Vohibasia

Parc National de Tsimanampetsotsa

Réserve Spécial de BezaMahafaly

Figure 9: La localisation d’aires protégées

2.2.2. Région d’Anosy

2.2.2.1. Administration Chef-lieu : Taolagnaro Subdivisée en 03 districts et 22 communes)  District d’AmboasaryAtsimo (16 communes)  District de Beraketa (04 communes)  District de Taolagmaro (02 communes) Population : 690 h19 hab (26). Densité : 27 hab/km2 Coordonnées : 25° 02′ Sud46° 59′ Est Superficie : 2 573 100 ha = 25 731 km2

26 Première partie : Généralités

Betroka Amboasary Sud Taolangaro

Limite ex. Province Limite Region

Limite District

Figure 10: Carte de localisation de la Région Anosy

Source principal : BD 500FTM édition Janvier 2009

Les tendances démographiques actuelles confirment le doublement de population d’ici 2020 avec le taux d’accroissement moyen de 2,9 % par année et caractérisée par une population relativement jeune et à majorité rurale. La barrière climatique qui sépare l’Ouest sec de l’Est humide [12].

2.2.2.2. Climatologie Le climat de la région est caractérisé par des précipitations abondantes au mois de décembre et janvier. Les mois de juillet et août sont encore des mois pluvieux avec une précipitation moyenne autour de 100mm. Uniquement les mois de septembre et octobre peuvent être considérés comme secs. La température moyenne de la région se situe autour de 23°C et 24°C.

2.2.2.3. Agriculture L'agriculture de subsistance est la principale source de revenus pour la plupart des personnes vivant dans l'Anosy, le riz étant la culture et la nourriture de premier choix. Le manioc est aussi une culture vivrière très importante. Les rendements de la plupart des cultures sont faibles, principalement en raison des méthodes agricoles traditionnelles. D'un point de vue commercial et exportateur les trois principales cultures sont le café (principalement dans la zone de Ranomafana), la pervenche (côte sud-ouest de l'Anosy) et le sisal (zone d'Amboasary-sud).

27 Première partie : Généralités

2.2.2.4. Économie L'agriculture d'autosubsistance domine à Anôsy. Le PIB Régional par habitant est estimé en 2010 à 322 dollars par personne alors que la moyenne nationale est de l’ordre de 391 dollars par habitant. Depuis 2009, le projet QMM est passé à la phase d’exploitation des dépôts de dioxyde de titane, grâce à la construction des infrastructures publiques nécessaires ainsi que la mise en fonction du nouveau port en eau profonde et à usage multiple d’Ehoala [12].

2.2.2.5. Aires protégées  La réserve de est une petite réserve privée constituée d'une forêt galerie située dans les fourrés épineux à l'extrême sud de Madagascar, à deux heures de route Tôlanaro. La réserve est un lieu privilégié pour l'observation d'espèces endémiques d'oiseaux tels que les couas (Le genre Coua comprend actuellement neuf espèces d`oiseaux endémiques de Madagascar appartenant à la famille des Cuculidae).  Le parc national d’Andohahela se trouve dans l’extrême sud-est de Madagascar, dans la région de l’Anosy, à mi-chemin entre les districts de Taolanaro et d’Amboasary-Sud en empruntant la route nationale no 13.

Parc National d’Andohahela

Réserve de Berenty

Figure 11: La localisation d’aires protégées d`Anosy.

28 Première partie : Généralités

2.2.3. Région d’Androy 2.2.3.1. Administration [13] Chef-lieu : Ambovombe Subdivisée en quatre districts et 51 communes :

 District d’Ambovombe (19 communes)  District de Bekily (19 communes)  District de Beloha (6 communes)  District de Tsihombe (7 communes) Population : 753 832 hab (26). Densité : 39 hab/km2 Coordonnées : 21° 30′13″ Sud45° 12′34″ Est Superficie : 1 931 700 ha = 19 317 km2

Beloha Ambovombe Bekily Tsihombe

Limite ex. Province Limite Region Limite District

Figure 12: Carte de localisation de la Région Androy Source: BD 500FTM édition Janvier 2009

2.2.3.2. Climat Le climat semi-aride avec une précipitation moyenne de 400 mm mal répartie dans l’année. On observe une diminution significative de l’intensité des précipitations de la zone Nord vers l’extrême Sud de la zone littorale [14]. L’irrégularité pluviométrique, combinée avec les variations et l’importance des amplitudes thermiques, favorise souvent la dégradation du sol. La Région est soumise à une présence quasi permanente de vent fort et desséchant du Sud «Tiokatimo». La moyenne de température est de 25°C, elle est la région le plus chaud et ensoleillement toute l’année

29 Première partie : Généralités

2.2.3.3. Economie Cette situation fait que l’Androy connaît un problème chronique et sévère de disponibilité et d’accessibilité en eau : source de maladies, d’insécurité alimentaire chronique, de migration, de dégradation de la capacité de production agricole – en somme une source d’aggravation de la pauvreté. Les capacités de production agricole dépendent du régime de précipitation de l’année. Des épisodes récurrents de kere ([kéré] = disette, famine) surviennent dans la région dès que la pluviométrie baisse.

2.2.3.4. Filières agricoles porteuses Globalement, les terres cultivables sont très limitées et leur exploitation semble atteindre le seuil de saturation. Les superficies cultivées ne représentent que 3% de la superficie totale de la Région.

 Cultures vivrières : Riz, manioc, maïs, patate douce, haricot, pois du cap, pomme de terre, etc.  Cultures industrielles : Canne à sucre, arachide.  Cultures maraîchères : Oignon, cucurbitacées et tomate.

2.2.3.5. Infrastructures économiques  Réseau de distribution d'eau : 4% des communes sont reliées au réseau de distribution de l'eau courante de la JIRAMA et 82% des communes ne disposent pas de réseau de distribution d'eau courante. 14% sont fournies par d'autres fournisseurs. Les rivières étant le plus souvent intermittentes, il faut puiser une eau légèrement saumâtre à des trous creusés dans le sable et approfondis chaque jour. A la fin de saison sèches, on fait la queue au bord du seul et dernier « puits » (appelé "vovo" pour "trous d’eau"), entretenu et recreusé sans cesse à grand-peine par tout le village.  Sécurité : 30% des communes seulement disposent d'une caserne de la gendarmerie, 2% d'un commissariat de police et 7% d'une caserne de l'armée

2.2.3.6. Elevage & Pêche Bovin, porcin, caprin, ovin, aviculture. Il y a 51% des communes qui exercent la pêche en eau douce et 18% en pêche côtière.

30 Première partie : Généralités

Dans ce pays où l’élevage des zébus et des chèvres s’ajoute à une maigre agriculture vivrière, la question de l’eau reste cruciale.

2.2.4. Atsimo Atsinanana

2.2.4.1. Administration (15/16) Chef-lieu : Farafangana Subdivisée en 5 districts et 90 communes  District de Befotaka (7 communes)  District de Farafangana (32 communes)  District de Midongy (6 communes)  District de Vangaindrano (29 communes)  District de Vondrozo (16 communes) Population : 923 068 hab (26). Densité : 49 hab/km2 Coordonnées : 22° 49′ 08″ Sud47° 49′ 48″ Est Superficie : 1 886 300 ha = 18 863 km2

Vondrozo Befotaka

Midongy Atsimo Farafangana Vangaindrano

Limite ex. Province Limite Region Limite District

Figure 13: Carte de localisation de la Région Atsimo Atsinanana Source : Monographie de la Région d’Atsimo Atsinanana

2.2.4.2. Milieu physique C'est une région faiblement mise en valeur par rapport à leur étendue et les inondations dévastent chaque année une grande partie des périmètres mis en culture. De plus, les dunes et

31 Première partie : Généralités les cordons littoraux (tout le long de la côte sur une largeur de 2 à 4 km) forment une digue contre les cours, déjà trop lents, des fleuves à leur embouchure.

2.2.4.3. Climat Comme pour l’ensemble, le climat de la région Atsimo Atsinanana appartient au type tropical per-humide à l’hiver. Il est caractérisé par un été austral chaud dont la pluviométrie élevée se répartit inégalement entre novembre et avril et un hiver moins pluvieux, à température basse. Le climat est marqué par la proximité de la bordure orientale de l’anticyclone de l’Océan Indien. De ce fait, un vent d’alizé constant souffle d’Est en Ouest entraînant des masses d’air humide, chaud et une forte pluviométrie. La température moyenne mensuelle oscille autour de 20°C pendant la saison fraîche. En saison chaude, elle est toujours supérieure à 25°C. La moyenne des températures minima descend à 15°C en juillet et celle des maxima 29°2C en février à Farafangana. Les heures d’insolation moyenne durent huit heures par jour au mois d’octobre et six heures en juillet à Farafangana. Les vents se caractérisent par des brises de mer, parfois très violentes, le long de la bande côtière, soufflant dans la journée et des brises de terre la nuit. Les vents violents enregistrés lors des cyclones (100 à 150km/h) sont très préjudiciables aux cultures (déracinements, cultures couchées, manioc cassé, accidents de fécondation du riz, etc.)

2.2.4.4. Végétation Les végétations de marais à via (Typhonodo rumlindleyanum), à Zozoro (Cyperus Madagascariensis), etc. recouvrent souvent de larges embouchures et font des incursions plus ou moins importantes à l’intérieur des terres (cas de Tangainony et les marais d’Etrotroka à Farafangana). Le déboisement dû à une surexploitation du domaine forestier et à l’abattage pour culture sur brûlis (Tavy) atteint des proportions alarmantes: selon les responsables, le déboisement intéresse environ 2500 hectares par an et à ce rythme, ne subsisteront, dans deux siècles, que quelques lambeaux sur les fortes pentes de la falaise et autour des tombeaux.

2.2.4.5 Accès à l’eau potable L’accès à l’eau potable reste encore l’apanage d’un nombre restreint de communes. Bon nombre de communes utilisent de puits ou forages communautaires

32 Première partie : Généralités

 Eau courante potable JIRAMA : 4,6%,  Eau courante société privée : 2,3%,  Eau courante ONG : 4,6%,  Eau courante communautaire : 11,4%,  Puits aménagés commun - forage : 46,6%.

2.2.4.6 Agriculture Pour l’ensemble de la région, la superficie totale cultivée représentait en moyenne 12% de la superficie physique en 1999. La superficie totale mise en culture est estimée à 212 262 Ha en 1999. La répartition par type de culture se présente comme suit :  Cultures vivrières : 127195Ha soit près de 60% ;  Cultures de rente : 44405Ha soit 20% ;  Cultures fruitières et maraîchères : 61322Ha soit environ près de 30% ;  Les cultures industrielles restent encore peu répandues.

2.2.4.7 Aires protégées  La Réserve spéciale de Manombo est située dans la partie Est de Madagascar, près de la côte de l'océan Indien, à 27 km au Sud de la ville de Farafangana. Elle s'étend sur 5 320 hectares, en deux parcelles séparés par la route nationale n°12.  Le Parc national de Midongy du sud est un parc national de Madagascar à environ 42 km de Befotaka et 90 km de Vangaindrano dans la région Atsimo-Atsinanana. Il s'étend entre 689 et 1679 mètres d'altitude et son sommet est le Mont Papango.

Farafangana

La réserve spéciale Le Parc national de Manombo de Midongy du Sud

Figure 14: La localisation d’aires protégées

33 Première partie : Généralités

2.2.5. L’Hydrographie de Grand Sud

Manampatrana

Figure 15: carte des fleuves et des rivières

Source : Carte FTM

Synthèse de la partie

Le Système d’Alerte Précoce à Madagascar est élaboration et les études dans le cadre de la mise en place du projet de généralisation de l’alerte précoce face à n’importe quel aléa. La sécheresse diffère des autres types de catastrophes à bien des égards. Que ce soit du fait de son installation lente et parfois imperceptible, de ses effets qui se cumulent au fil du temps ou de la large zone géographique qu’elle touche. Ce qui en fait un véritable danger. Ce qui distingue les événements de sécheresse entre eux sont leurs intensités, durées et leurs surfaces, mais leurs quantifications sont plutôt relatives, dépendant d’un seuil défini, souvent en fonction d’un indice de sécheresse.

34 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Deuxième Partie :

LA METHODOLOGIE GENERALE ET LE PRINCIPE DU MODELE ARV

35 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Objectifs de l`étude COMPOSANTE « PLUVETRIE »

L`analyse comparative de la composante « Pluviométrie » vise à évaluer la pertinence des jeux de données pluviométriques satellitaires et à les classer en fonction de leur correspondance avec les données collectées au sol par les stations pluviométriques nationales du pays concerné. Cette analyse des données pluviométriques satellitaires et leur comparaison aux données des stations contribuent à la sélection du jeu de données permettant globalement d’obtenir les meilleurs résultats après modélisation dans ARV.

Chap. IV - DONNEES ET METHODOLOGIES

IV.1. LES DONNEES UTILISEES

La personnalisation de la composante « Pluviométrie » du logiciel ARV nécessite :  Des données pluviométriques historiques fiables fournies par les stations météorologiques au sol - et relatives aux 15 dernières années, voire plus si possible ;  Des coordonnées GPS de ces stations météorologiques ; ainsi que,  Des données satellitaires, y compris ARC2, RFE2 et TAMSAT

1.1. Les données des stations

Les données pluviométriques utilisées sont fournies par la Direction Générale de la Météorologie (DGM) de Madagascar. Il s’agit de données mesurées au niveau de 23 stations synoptiques sur les 26 que compte le pays : les données des trois (3) stations synoptiques non prises en compte n’ayant pas été transmises en raison de la faiblesse de leur qualité. Ces données pluviométriques portent sur la période allant de Janvier 1983 (décade 1) à Mai 2015 (décade 15). Cependant, il convient de noter que certaines stations ont été récemment installées : de ce fait, les séries de données associées à ces nouvelles stations sont plus courtes et ne permettent pas de remonter aussi loin dans le temps.

36 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

1.1.1. Contrôle de qualité réalisée sur les données Le logiciel ARV utilise essentiellement des intervalles de temps décadaires (chaque mois contient trois décades). Une décade est une période de 10 jours, où les 10 premiers jours du mois correspondent à la 1ère décade, les 10 suivants à la 2ème décade et les 8 à 11 jours restants (selon les mois) à la 3ème décade. Le résultat est de 12 x 3 = 36 décades par année. Les décades étant numérotées à partir du 1er janvier, la 4ème décade correspondrait donc à la première décade (les 10 premiers jours) de février.

1.1.2. Données manquantes Pour une station et une décade donnée, il existait une ou plusieurs ou toutes les observations journalières qui n’avaient pas été faites ; l’information était considérée comme manquante pour la décade concernée. Les données manquantes ont été signalées par «-9999 ».

37 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Tableau 3: Synthèse des données manquantes par station considérée (pour la période allant de Janvier 1983 à Mai 2015) % de données Longueur manquantes de la série (sur l’ensemble Lat. Long des de la période Station/Localisation Remarques (Sud) (Est) années allant de (en janvier 1983 à décades) Mai 2015 : soit 1.167 décades) AMBOHITSILAOZANA -17,63 48,50 1.116 4,4% La série des données commence en Janvier 1990 et ANTALAHA -15 50,33 794 32,0% les données de l’année 2000 sont manquantes ANTANANARIVO -18,90 47,53 1.119 4,1% ANTSIRABE -19,86 47,06 1.113 4,6% ANTSIRANANA -12,35 49,30 1.124 3,7% La série des données commence en Février 1985 et ANTSOHIHY -14,88 47,96 975 16,5% les données (de Février à Septembre) de l’année 1999 sont manquantes BESALAMPY -16,75 44,48 1.125 3,6% FARAFANGANA -22,80 47,83 1.153 1,2% FIANARANTSOA -21,45 47,10 1.152 1,3% La série des données IVATO -18,80 47,48 1.057 9,4% commence en Janvier 1985 MAHAJANGA -15,66 46,35 1.152 1,3% Les données de l’année 2011 MAHANORO -19,83 48,80 1.103 5,5% sont manquantes Les données de l’année 2000 MAINTIRANO -18,05 44.03 1.081 7,4% sont manquantes MANANJARY -21,20 48,36 1.122 3,9% MOROMBE -21,75 43,36 1.148 1,6% MORONDAVA -20,26 44,30 1.047 10,3% La série des données NOSYBE -13,31 48,31 51 95,6% commence en Janvier 2014 RANOHIRA -22 ,55 45,40 1.146 1,8% SAINTEMARIE -17,08 49,81 1.153 1,2% SAMBAVA -14,28 50,16 1.149 1,5% TAOLAGNARO -25,03 46,95 1.137 2,6% TOAMASINA -18,11 49,40 1.157 0,9% TOLIARA -23,38 43,73 1.114 4,5% Ensemble 24.288 9,5% Source: ARV Madagascar Rainfall Customization Work

38 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Les données manquantes sont surtout significatives (au-dessus de 5%) pour six stations. Si l’on tient compte de la date de mise en service de ces stations (Antalaha, Antsohihy, Ivato et plus récemment Nosy be), il peut s’avérer inappropriée de considérer les données antérieures à leur existence comme manquantes ; et dans ce cas, la proportion de données manquantes serait moitié moins que celle indiquée dans le Tableau 1 pour l’ensemble : en effet, ce taux serait alors plutôt de 4.4% (au lieu de 9.5%).

1.1.3. Contraintes des données pluviométriques à Madagascar Au cours de l’analyse des données pluviométriques des stations terrestres de Madagascar, les principales contraintes ci-après ont été relevées [19]:  Le non inclusion des données de stations autres que synoptiques L’analyse porte uniquement sur les données des 88.5% stations synoptiques existantes. Les stations ont la particularité de faire partie du réseau global de télécommunication météorologique (SMT – Système Mondiale des Télécommunication ou, en anglais, GTS - Global Télécommunication System). Il s’agit d’un réseau de transmission de données entre les services météorologiques de tous les pays : celui-ci étant géré par l'Organisation Météorologique Mondiale (OMM). Les données des stations synoptiques contribuent au calibrage des données pluviométriques de certains satellites tels ARC2 et RFE2. Ce qui peut avoir une influence significative sur le niveau élevé de la corrélation entre les données pluviométriques de ce type de stations et celles des deux satellites susmentionnés.  Le nombre insuffisant de stations incluses dans l’analyse. L’analyse porte uniquement sur les données d’une vingtaine de stations (23 pour être plus précis). L’inclusion d’un nombre plus important de stations contribuerait à renforcer la robustesse et la significativité statistique des résultats découlant des analyses effectuées.  La couverture/répartition géo-spatiale des stations incluses dans l’analyse. Près de 70% des stations considérées dans le cadre de cette analyse se situent dans le pourtour littoral (cf. figure 16 dans la page suivante) : les zones de l’hinterland apparaissent donc insuffisamment couvertes ou prises en compte. De ce fait, la robustesse, la représentativité et la significativité statistique des résultats découlant des analyses effectuées peuvent, une fois encore, s’en trouver ainsi affectée/limitée.

39 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Figure 16: La localisation des stations synoptiques de Madagascar

 L’impact de certaines données manquantes dans l’analyse des tendances/profils pluviométriques. Les données manquantes pour certaines décades ont été laissées vides et n’ont pas du tout été remplacées par des valeurs telles une moyenne ou une médiane afin d’éviter un quelconque biais lié à une modification des données de base transmises. Cela pourrait se traduire par une sous-estimation des cumuls pluviométriques annuels et ainsi influencer les résultats des analyses y afférentes.

1.1.4. Données atypiques La représentation graphique du cumul décadaire des précipitations pour les différentes années et stations a permis de visualiser les éventuelles données atypiques : celles-ci ne se sont pas révélées être des anomalies ou des valeurs aberrantes/erronées.

40 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Le graphique ci-après en est une illustration pour les 4 stations dans Grand Sud (cf. annexe A)

TAOLAGNARO

300 1983 1984 1985 1986 1987 250 1988 1989 1990 1991 1992 1993 200 1994 1995 1996 1997 1998 150 1999 2000 2001 2002 2003 100 2004 2005 2006 2007 2008 50 2009 2010 2011 2012 2013

0 2014 2015 Moyenne des 30 dernières années

Graphe 1 : Représentation graphique du cumul décadaire des précipitations Source: ARV_ Madagascar Rainfall Customization Work

1.2. Les données GPS des stations

La possession des coordonnées GPS des stations permet d’identifier, pour chaque station considérée, le pixel correspondant dans le jeu de données satellitaires afin de pouvoir réaliser des analyses « point-à-pixel » portant sur les différences et les corrélations entre les données satellitaires et celles des stations. (cf. Tableau annexe B)

1.3. Les données satellitaires

Les données satellitaires utilisées sont : RFE2, ARC2, TAMSAT. La nécessité de disposer de données pluviométriques fiables remontant à au moins 2001 tient compte du fait que données RFE2 sont disponibles pour la période couvrant l’année 2001 à aujourd’hui, tandis que les données ARC2 et TAMSAT remontent à 1983. Il s’agit donc, en

41 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV fonction de la période à considérer, de faciliter le choix des données pluviométriques à prendre en compte lors des analyses comparatives (de tendance) entre les données satellitaires et celles des stations.

1.3.1. Format des jeux de données pluviométriques satellitaires

utilisées

1.3.1.1. RFE2

La version 2.0 des données RFE2 [20] a remplacé la version RFE 1.0 comme algorithme pluviométrique utilisé par le Centre de Prévision Climatique (USCPC) pour l’Afrique. La principale différence entre les jeux de données RFE1 et RFE2 réside dans le fait que RFE2 s’appuie sur les données micro-ondes passives, tandis que RFE1 intègre une procédure d’évaluation des précipitations orographiques liées à une masse d’air chaud. Non seulement le temps de calcul a été considérablement réduit, mais ce nouvel algorithme est beaucoup plus précis et sa portabilité a été améliorée. Il est capable de traiter les données d’une fenêtre comprise entre les longitudes 20W-55E et les latitudes 40S-40N avec une résolution de 0,1 degré. Les fichiers de sortie sont écrits en mode binaire et contiennent une matrice (751 x 801 pixels) d’estimations pluviométriques en virgule flottante. Les estimations pour une période de 10 jours sont obtenues en additionnant les données de sortie quotidiennes. ARV contient les archives des estimations RFE2 pour la période allant de 2001 à aujourd’hui.

1.3.1.2. ARC2 Ce jeu de données provient d’un projet de climatologie des précipitations estimées par satellite étendu à l’ensemble du continent africain. Cet instrument climatologique a été créé pour compléter les différents produits [satellitaires] d’estimation des précipitations quotidiennes et pour les erreurs d’estimation. Les jeux de données ARC2 et RFE2 sont assez proches, à la différence près que les données infrarouges ARC2 [21] sont acquises à une fréquence de 3 heures (contre 30 minutes pour RFE2) et qu’ARC2 n’utilise pas de données micro-ondes passives. En ce qui concerne la création de l’indice des précipitations climatologiques du satellite GOES, les données Meteosat (transmises toutes les 3 heures) ont été tirées directement des archives d’Eumetsat, alors que les produits de mise à jour quotidienne utilisent les données extraites toutes les 3 heures du flux de données Meteosat de la NOAA. Les archives regroupent

42 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV les données couvrant la période de 1982 à aujourd’hui, et ARV contient les archives depuis 1983.

1.3.1.3. TAMSAT

TAMSAT signifient « Tropical Applications of Meteorology using SATellite data and ground-based observations » [22] a été développé par l’Université de Reading au Royaume- Uni. Cette imagerie satellite sert à évaluer le volume des précipitations et d’autres composantes du bilan hydrique de surface. Les estimations décadaires, mensuelles et saisonnières de la pluviométrie en Afrique sont obtenues grâce aux canaux en infrarouge thermique de Meteosat utilisés pour la détection des nuages bas et le calibrage des capteurs satellite par comparaison aux données fournies par les stations terrestres.

Lorsqu’il manque une valeur dans un jeu de données, ARV la remplace par la «normale» de ce jeu de données. Le cas échéant, les valeurs RFE1, RFE2 et TAMSAT manquantes sont automatiquement remplacées par la normale de la valeur décadaire pour chaque décade manquante. Dans ARC2, le remplacement des valeurs se fait sur une base quotidienne, car le Centre de prévisions climatiques de l’agence NOAA ne génère quotidiennement que ce type de données.

IV.2 - METHODOLOGIE

2.1. Pluviométrie

Le processus de personnalisation de la composante « Pluviométrie » dans ARV comprend globalement les sept 7 étapes illustrées dans la figure ci-dessous. Le processus de personnalisation des précipitations permet aussi de faire une analyse critique des données et ainsi d’évaluer la robustesse des résultats finaux de la modélisation ARV pour les pays.

43 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Figure 17: Schématisation du Procédure Opérationnelle Standard (POS) «Pluviométrie»

Source: MDG_Preliminary Analysis Results ARV Customization

2.1.1. Objectif de l’analyse des corrélations entre les données des stations et celles des satellites

L’analyse des corrélations entre les données des stations et celles des satellites vise à :  évaluer la capacité des données pluviométriques satellitaires à représenter les données des stations ;  mesurer le degré de correspondance entre, d’une part, les données des stations et, d’autre part, celles des satellites ;

44 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

 inférer sur l’existence d’une corrélation entre le jeu de données des stations et celui des satellites. Notons que les corrélations générées par ARV sont des corrélations de Pearson.

2.1.1.1. Définition Le coefficient de corrélation entre deux variables aléatoires réelles X et Y ayant chacune une variance (finie), noté Cor(X,Y) ou parfois ρxy ou simplement rp, est défini par

(1)

Où Cor(X,Y) désigne la covariance des variables X et Y, σX et σY leur écarts types.

De manière équivalente

(2)

2.1.1.2. Matrice de corrélation

La matrice de corrélation d’un vecteur de p variables dont chacune

possède une variance (fine), est la matrice carrée dont le terme générique est donné par :

ri,j= Cor (Xi, Xj) (3)

Les termes diagonaux de cette matrice sont égaux à 1, elle est symétrique, semi-définie positive et ses valeurs propres sont positives ou nulles.

2.1.1.3 . Estimation

Partant d’un échantillon {(xi, yi)}, de réalisations indépendantes de deux variables X et Y, un estimateur non-biaisé du coefficient de corrélation est donné par

45 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

(4) avec

(5)

(6)

(7) qui sont respectivement des estimateurs de la covariance, des écarts-type et des espérances des variables X et Y.

2.1.1.4. Interprétation Ce coefficient est égal à 1 dans le cas où l'une des variables est une fonction affine croissante de l'autre variable, a -1 dans le cas où une variable est une fonction affine et décroissante. Les valeurs intermédiaires renseignent sur le degré de dépendance linéaire entre les deux variables. Plus le coefficient est proche des valeurs extrêmes -1 et 1, plus la corrélation entre les variables est forte ; on emploie simplement l'expression « fortement corrélées » pour qualifier les deux variables. Une corrélation égale à 0 signifie que les variables ne sont pas corrélées.

Tableau 4 : Interprétation de corrélation

Corrélation Négative Positive Faible de -0,5 à 0,0 de 0,0 à 0,5 Forte de −1,0 à −0,5 de 0,5 à 1,0

46 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

2.2 - Indice de Satisfaction des Besoins en Eau ou Water Requierement Satisfaction Index (WRSI)

2.2.1. Introduction aux modèles du bilan hydrique Le WRSI simule les besoins en eau des différentes cultures et utilise les estimations pluviométriques satellitaires pour déterminer la progression d’une saison agricole ou pastorale.

Chaque culture a un «profil » spécifique de besoins en eau qui détermine pour chaque phase de développement, et tout au long du cycle cultural, la quantité optimale nécessaire.

Les paramètres du WRSI doivent être personnalisés afin que le logiciel reflète la réalité du terrain et se montre le plus précis possible.

2.2.2. Méthode de calcul du WRSI (cf. annexe E) 2.2.2.1 Calcul du bilan hydrique : On effectue le calcul du bilan hydrique pour chaque pixel et chaque décade d comprise dans la période SWS ≤d ≤ SWE, puis les valeurs WRSI calculées à partir de chaque décade potentiellement favorable aux semis sont agrégées en fonction des données POAD et POAM.

Le calcul du bilan hydrique tient compte des précipitations efficaces (Rwgd) pour une décade de croissance (18). Ces précipitations efficaces décadaires sont calculées comme suit :

EFFR Rwgd = (Ry,d *( )) (8) 100

Si les données pluviométriques décadaires actuelles Ry,d ne sont pas disponibles pour une décades (parce qu’elles n’ont pas encore été transmises ou qu’elles sont manquantes), on pondère la valeur normales des précipitations :

EFFR Rwgd = (RNd *( )) (9) 100

47 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Le calcul du bilan hydrique de toutes les décades d comprises dans la période SWS et SWE est effectué comme suit : Première étape : vérifier qu`il est possible de procéder aux semis

Aucun semi si Rwd< STH (10)

S`il n`est pas possible de procéder aux semis, la de l`indice WRSI à la fin de la phase de croissance, WRSId, n`est pas définie :

d WRSI = nom définie (11)

S`il est possible de procéder aux semis, la décade est considérée comme une décade de semis (ppd) et on en calcule le bilan hydrique comme suit :

La capacité de rétention en eau du sol (SW) lors de la phase d`initialisation s`exprime en teneur en eau pour les 10 décades précédent la décade ppd. La valeur de cette capacité de rétention en eau du sol pour la première décade est fixée à 0 :

SWppd-11 = 0 (12)

La valeur de l`indice WRSI, lors de la première étape du calcul du bilan hydrique, est fixée à 100 :

SWppd-1 = 100 (13)

Les besoins en eau (WR0 d`une décade de croissance, gd, sont calculés comme suit :

WRgd = Etgd + Kcgd (14)

Le total des besoins en eau (TWR) pour toute la durée du cycle de croissance est calculé comme suit :

48 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

(15)

La capacité de rétention en eau du sol lors de la phase d`initialisation est calculée par itération en tenant compte des décades (d) dans le période ppd– 10 ≤ d ≤ ppd – 1 comme suit :

Pour chaque décade d :

SWd = min (WHC, max(0,SWd-1 + Rwd – Etd * PSKC)) (16)

On calcule ensuite le bilan hydrique des décades de croissance (gd) comprises dans la période ppd ≤ gd < ppd + LGP – 1 comme suit :

Pour chaque décade de croissance gd :

푢푛푙푖푚푖푡푒푑 푆푊푔푑 = SWgd-1 + Rwgd * KCgd (17)

푢푛푙푖푚푖푡푒푑 SW gd = min (WHC, max (0,푆푊푔푑 ))

puis:

푢푛푙푖푚푖푡푒푑 푢푛푙푖푚푖푡푒푑 ( 푆푊푔푑 ∗100) 푆푊 <0 WRSIgd = WRSIgd-1 + (18) 푔푑 TWR

푢푛푙푖푚푖푡푒푑 푆푊푔푑 >WHC + ETH WRSIgd = WRSIgd-1 - ERV (19)

49 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Sinon, si

푢푛푙푖푚푖푡푒푑 0 ≤ 푆푊푔푑 ≤ WHC + ETH WRSIgd = WRSIgd-1 – ERV (20)

La valeur de l`indice WRSI ainsi obtenue correspond à la valeur WRSI pour la fin du cycle de croissance, WRSIppd, exprime comme suit :

ppd WRSI = WRSIgd = (ppd+LGP-1) (21)

2.2.3. Fonctionnement du WRSI

EVAPO- PLUIS TRANSPIRATION Données satellitaires Evaporation (sol) + (e.g. RFE2, ARC2, TAMSAT) Transpiration (culture)

CAPACITE DE RETENTION EN EAU DU SOL

Figure 18: Le fonctionnement du WRSI Source : Personnalisation de l’indice de sécheresse (WRSI)

 Le bilan hydrique est calculé au niveau pixel (0.1 x 0.1 degrés) ;  Il est calculé pour chaque décade (10 jours) en utilisant les données pluviométriques transmises par satellite ;  Le WRSI final est déterminé par le niveau de satisfaction des besoins en eau pour chaque décade de la saison.

50 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

2.2.4. Les données utilisées Tableau 5: les données utilisées par ARV DONNEES D`ENTREE DONNEES D`ENTREE DONNEES D`ENTREE DYNAMIQUES DYNAMIQUES DYNAMIQUES (SPECIFIQUES AU (SPECIFIQUES A LA NIVEAU PIXEL/REGION) CULTURE)  Pluviométrique  Capacité de rétention  Coefficient cultural en eau du sol ; (Kc) : profil des besoins en ARC2  Evapotranspiration ; eau ; RFE2  Durée du cycle ;  Algorithme de calcul

TAMSAT  Période de semis. du bilan hydrique décadaire.

DEFINIES PAR LE SOUS- DEFINIES PAR LE SOUS-GROUPE GROUPE PLUVIOMETRIE INDICE DE SECHERESSE (WRSI)

ARC2

RFE2

TAMSA T

Source : Personnalisation de l’indice de sécheresse (WRSI)

51 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

2.2.5. Processus de personnalisation du WRSI sur ARV

Figure 19: La procédure opérationnelle standard (POS) Source: MDG_Preliminary Analysis Results ARV Customization

52 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Chap. V - LE PRINCIPE DU MODELE ARV

V.1. INTRODUCTION

ARV ou Africa Risk View surveille le déficit hydrique à intervalles décadaires et analyse l’impact du volume et de la distribution spatio-temporelle des précipitations sur la productivité des cultures et des pâturages. Ces données servent à évaluer l’impact d’une saison des pluies sur les moyens de subsistance agricoles et pastoraux vulnérables à la sécheresse. ARV utilise l’indice des besoins de satisfaction en eau (WRSI), également appelé indice de sécheresse, pour comparer la quantité d’eau nécessaire à satisfaire les besoins en eau des cultures (précipitations effectives moins perte en eau du sol par évaporation moins perte par transpiration de la plante) en fonction de leur stade de croissance. Si une saison est en cours et qu’elle ne s’est pas encore terminée, ARV utilise les données pluviométriques déjà enregistrées jusqu’à la décade la plus récente (y compris), puis complète les données de la saison en utilisant les valeurs normales des précipitations afin de donner une estimation de la valeur finale WRSI pour la fin de la saison. Pour ce faire, ARV s’appuie sur les modèles d’alerte précoce existants et convertit quasiment en temps réel les données pluviométriques transmises par satellite en termes d’impact de la sécheresse sur la production agricole et sur les zones de pâturage.

V.2. APERÇU DE L’INDICE DE SECHERESSE DANS ARV ET D’AUTRES OUTILS DE CALCUL DU BILAN HYDRIQUE

ARV est conçu pour suivre l’évolution du bilan hydrique au cours de la saison et d’évaluer son impact sur la croissance des cultures. Le calcul du bilan hydrique fait apparaître de nombreux résultats : en plus de l’indice WRSI, ARV permet de visualiser les besoins en eau, le déficit hydrique, le surplus hydrique et l’évapotranspiration pendant une phase de croissance donnée ou à un certain stade de développement de la plante.

53 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

Les paramètres et options permettant de calculer l’indice WRSI sont :  L’indice WRSI final (plage de 0-100) pour la variété de culture et l’année sélectionnées ;  La décade de plantation ;  Les besoins totaux en eau (en mm) pour la variété de culture et l’année sélectionnées ;  Le déficit hydrique (en mm) pour les phases initiale / végétative / florale / fructifère pour la variété de culture et l’année sélectionnées ;  Le surplus hydrique (en mm) pour les phases initiale / végétative / florale / fructifère pour la variété de culture et l’année sélectionnée ;  Le surplus/déficit hydrique total pour la variété de culture et l’année sélectionnées ;  L’évapotranspiration réelle (en mm) pour les phases initiale / végétative / florale / fructifère pour la variété de culture et l’année sélectionnées ;  L’évapotranspiration réelle totale pour la variété de culture et l’année sélectionnées ;  Indice WRSI décadaire pour une culture et une année données (plage de 0 à 100 – pour les projets concernant les zones pastorales, doit être utilisée en combinaison avec le bouton Exporter au format tabulaire, où le fichier exporté affiche une valeur finale WRSI (moyenne) ventilée par décade).

V.3 AVANTAGES

La fonction Afficher permet d’effectuer les calculs suivants à partir des composantes du bilan hydrique d’une variété de culture et d’une année sélectionnées :  Actuelle (lorsque plusieurs années ont été sélectionnées pour être affichées dans le menu Année, la première année s’affiche dans la visionneuse et est utilisée lors de l’exportation de données) ;  Normale (ensemble des années disponibles dans un jeu de données, mis à jour en fin d’année) ;  Comparer à la normale (comparer l’année actuelle sélectionnée à la normale) ;  Somme (somme des années sélectionnées) ;  Moyenne (moyenne des années sélectionnées) ;  Maximum (maximale des années sélectionnées) ;  Minimum (minimale des années sélectionnées) ;  Médiane (médiane des années sélectionnées) ;

54 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV

 Écart type (écart type sur l’ensemble des années sélectionnées).

V.4. PRINCIPES ET METHODOLOGIES

ARV convertit les données pluviométriques sélectionnées par l’utilisateur en un indice de sécheresse appelé « indice de satisfaction des besoins en eau » (WRSI), soit un indicateur des performances d’une culture reflétant les ressources en eau disponibles pour une culture durant la phase de croissance. L’indice WRSI tient compte de la périodicité, du volume et de la répartition géographique des précipitations alimentant les cultures vivrières pluviales annuelles.

Si cet indice a été initialement développé par l’Organisation des Nations Unies pour l’alimentation et l’agriculture (FAO), certaines études ont montré que l’indice WRSI peut être corrélé aux rendements culturaux en appliquant une fonction linéaire de la baisse de rendement spécifique à la culture en question [27]. L’indice WRSI est un modèle simple de simulation de culture, qu’il est facile de calculer en n’utilisant que quelques paramètres : ce n’est donc pas sans raison qu’il est repris dans de nombreux modèles d’alerte précoce dans toute l’Afrique. De fait, la plupart des pays africains intègrent l’indice WRSI à leurs propres modèles culturaux pour évaluer le niveau de sécheresse, tout comme différents organismes techniques et autres instances spécialisées dans les mécanismes d’alerte précoce, tels que le réseau d’alerte rapide en cas de famine (FEWS NET), le Centre Commun de Recherche de la Commission Européenne (CCR) et la FAO, qui utilise son propre logiciel (AgroMetShell) et d’autres outils connexes. Tous s’appuient sur la même approche pour calculer l’indice WRSI, considéré comme un indicateur fiable dans le cadre de ce même suivi de la sécheresse.

Outre les précipitations, il est nécessaire d’intégrer d’autres données d’entrée statiques au calcul de l’indice WRSI afin d’obtenir sa valeur finale pour une saison donnée, notamment la normale de l’évapotranspiration potentielle, la capacité de rétention en eau du sol et des paramètres comme les types de culture et les calendriers culturaux. Le logiciel ARV utilise ces données, qu’il est possible d’obtenir auprès de la FAO et FEWS NET. Toutefois, le processus de personnalisation d’ARV requiert que les pays participants évaluent et, si nécessaire, améliorent la qualité des données d’entrée afin de s’assurer qu’elles correspondent aux informations les plus pertinentes et les plus récentes à disposition et reflètent fidèlement les

55 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV pratiques agricoles locales. ARV est par ailleurs prévu pour que les utilisateurs puissent modifier tous les paramètres de l’indice WRSI utilisés dans le modèle [28].

Les valeurs de l’indice WRSI sont calculées pour chaque pixel sur la base des données pluviométriques. Dans ARV, l’indice apparaît sous forme de valeurs sur une échelle de 0 à 100, où 100 correspond à un déficit hydrique nul pour une culture donnée et indique qu’aucune baisse des rendements des niveaux optimaux, due au déficit hydrique n’est à prévoir. Une valeur inférieure à 100 indique un déficit ou un stress hydrique et, par conséquent, qu’il faut s’attendre à une baisse de rendement. La valeur 0 indique que les précipitations ont été insuffisantes pendant la saison et qu’il n’a pas été possible de procéder aux semis. Plus simplement, plus la valeur de l’indice WRSI est élevée, moins le risque de sécheresse est important, dans la mesure où l’apport en eau (précipitations et rétention en eau du sol) dont bénéficie la plante correspond à ses besoins pendant le cycle de croissance.

Le calcul de l’indice WRSI pour un pixel donné se fait en deux étapes : calcul de la décade de semis qui marque le début de la saison, autrement le moment à partir duquel calculer l’indice WRSI, puis calcul de l’indice WRSI proprement dit à partir des données pluviométriques allant de la première décade de la saison jusqu’à la dernière décade de la saison. La différence entre les décades comprises entre la première et la dernière décade correspond à la durée du cycle de croissance d’une culture (exprimée en décades) pour un pixel donné. La première décade de la saison doit se faire sur la base de critères précis et objectifs permettant de déterminer une décade de semis donnée, soit la décade comprise dans une période potentiellement favorable aux semis et pendant laquelle les agriculteurs décident de procéder aux semis. Il existe différentes méthodes permettant de déterminer le début d’une saison agricole d’après les données pluviométriques, mais l’approche utilisée par ARV est la suivante. Pour chaque décade i comprise dans la période de semis qui enregistre une hauteur de précipitations cumulées supérieure à X mm, l’indice WRSI est calculé pour une culture donnée en prenant cette décade i comme première décade de la phase de croissance de la culture [29]. Lorsque toutes les données relatives à la période de semis ont été saisies, la valeur finale de l’indice WRSI pour un pixel donné s’entend comme une fonction après agrégation de l’ensemble des valeurs WRSI calculées pour chaque décade potentiellement favorable aux semis. L’interface du logiciel permet de déterminer la méthode d’agrégation de l’indice WRSI en sélectionnant la « première » décade de semis détectée, la décade « maximum » ou «

56 Deuxième partie : La Méthodologie Générale et le Principe du Modèle ARV moyenne » ou tout autre algorithme reposant sur le volume des précipitations et reflétant correctement les pratiques locales. Si les conditions nécessaires aux semis ne sont pas remplies pendant la période qui permettrait d’ensemencer, le logiciel part du principe que les agriculteurs n’ont pas procédé aux semis ou que cette opération a échoué. Si les agriculteurs ne peuvent pas procéder aux semis au moment propice, par exemple par manque d’engrais ou de semences alors que la saison des pluies a commencé et que les conditions sont bonnes, les critères objectifs sélectionnés ne reflèteront peut-être pas la réalité au sol. Cet exemple montre bien que l’identification correcte d’une décade propice aux semis est la part la plus délicate du calcul de l’indice WRSI, car il est nécessaire d’appréhender précisément ce qui se passe sur le terrain. C’est la raison pour laquelle ARV intègre différentes méthodes et approches qu’il est possible de tester à des fins de vérification. Dans ARV, la valeur par défaut du seuil pluviométrique nécessaire aux semis, « X », a été fixée à 20 mm, de sorte que seules les décades qui enregistrent des précipitations d’au moins 20 mm peuvent être considérées comme des décades de semis.

4.1. Classification

Selon la classification de FAO :  WRSI > 95% : pas de sécheresse importante

 90% < WRSI < 95% : sécheresse mineure

 80% < WRSI < 90% : sécheresse légère

 70% < WRSI < 80% : sécheresse moyenne

 WRSI <70% : sécheresse sévère

57 Troisième partie : Résultats et Analyses

Troisième Partie :

RESULTATS ET ANALYSES

58 Troisième partie : Résultats et Analyses

Chap.VI - PLUVIOMETRIE

VI.1. LIMITE DE L'ANALYSE

 Ne concerne que les données de stations synoptiques ;  Données disponibles que pour un nombre limité de stations (une vingtaine) ;  Répartition/Couverture géo-spatiale des stations (près de 70% sont situées sur le pour tout le littoral) ;  Longueur courte de quelques séries de données (six stations concernées) ;  Impact de certaines données manquantes dans l’analyse des tendances/profils pluviométriques.

VI.2. ANALYSE DES CORRELATIONS

Les résultats de cette analyse (cf. tableau page suivant) mettent en exergue la forte corrélation (>75%) qui existe globalement entre les données des stations et celles satellites ARC2 et RFE2 ; tandis que cette corrélation est moyenne avec le jeu de données satellitaires TAMSAT (50%). Ce constat est probablement une résultante du fait que les données analysées sont celles des stations synoptiques. Leurs données sont, rappelons-le, utilisées dans le calibrage quasi- quotidien des données pluviométriques des satellites ARC2 et RFE2 – engendrant logiquement un degré de liaison significativement plus important en comparaison à celui observé pour TAMSAT qui inclut dans son algorithme d’estimations des précipitations un calibrage qui change d’un mois et d’une région à l’autre en fonction des données pluviométriques historiques issues des stations terrestres.

59 Troisième partie : Résultats et Analyses

Tableau 6: Corrélations (basée sur l’examen des anomalies pluviométriques au cours de la période 2001-2014) entre les données des stations et celles des satellites (ARC2, RFE2 et TAMSAT)

Station ARC2 RFE2 TAMSAT AMBOHITSILAOZANA 66.5% 54.1% 73.6% ANTALAHA 68.1% 69.8% 39.9% ANTANANARIVO 73.1% 75.8% 55.1% ANTSIRABE 85.7% 89.2% 47.3% ANTSIRANANA 91.5% 91.9% 57.9% ANTSOHIHY 88.6% 87.2% 48.0% BESALAMPY 70.7% 73.0% 66.0% FARAFANGANA 72.9% 67.9% 39.0% FIANARANTSOA 86.2% 86.4% 61.0% IVATO 88.4% 90.3% 59.8% MAHAJANGA 85.3% 87.3% 64.8% MAHANORO 78.8% 80.9% 43.1% MAINTIRANO 63.8% 63.5% 55.8% MANANJARY 71.2% 71.7% 50.9% MOROMBE 72.5% 69.0% 61.2% MORONDAVA 87.3% 87.5% 53.0% NOSYBE (série courte ne comptant seulement que les 36 décades de l’année 82.6% 80.9% 55.3% 2014) RANOHIRA 89.0% 88.5% 55.7% SAINTEMARIE 66.3% 67.1% 43.2% SAMBAVA 87.8% 85.5% 34.8% TAOLAGNARO 87.8% 78.5% 31.6% TOAMASINA 87.0% 85.4% 52.9% TOLIARA 72.6% 75.4% 58.8% ENSEMBLE (MADAGASCAR) 77.7% 76.2% 50.0%

60 Troisième partie : Résultats et Analyses

Figure 20: Corrélation entre les donnée pluviométriques des stations synoptiques de Madagascar et celles des satellites ARC2, RFE2 et TAMSAT (pour la période 2001-2014)

61 Troisième partie : Résultats et Analyses

VI.3. ANALYSES ADDITIONNELLES ET COMPLE- MENTAIRES RELATIVES AUX MOYENNES NATIONALES (DES DONNEES PLUVIOME- TRIQUES AU COURS DE LA PERIODE 2001- 2014)

3.1 Comparaison des précipitations moyennes et des tendances pluviométriques au niveau national.

A Madagascar, le cumul annuel des précipitations est en moyenne de près de 1.500mm, selon les données pluviométriques collectées au niveau de 23 stations synoptiques dans le pays. Globalement ; les données satellitaires semblent sous-estimer de manière systématique les données des stations : en moyenne –20% pour ARC2 et RFE2; voir deux fois plus pour TAMSAT (cf. tableau ci-dessous). Toutes les 14 précédentes années sont concernées par cette sous-estimation et il en est de même pour quasiment toutes les moyennes décadaires.

Tableau 7: Comparaison des précipitations moyennes et des tendances pluviométriques au niveau national STATIONS Ecart (en %) (Cumul comparativement Année pluviométrique aux données des stations moyenne annuelle en mm) ARC2 RFE2 TAMSAT 2001 1,487.8 -18.8% -24.1% -46.5% 2002 1,749.0 -11.4% -20.5% -56.8% 2003 1,789.0 -7.9% -14.3% -45.8% 2004 1,605.9 -13.8% -15.1% -36.8% 2005 1,476.3 -17.7% -24.6% -45.5% 2006 1,421.9 -26.3% -24.2% -41.4% 2007 1,670.0 -26.9% -23.2% -42.0% 2008 1,368.5 -31.0% -30.3% -33.8% 2009 1,399.3 -31.7% -32.1% -41.6% 2010 1,431.3 -30.2% -28.7% -42.4%

62 Troisième partie : Résultats et Analyses

2011 1,364.2 -22.6% -18.3% -37.6% 2012 1,444.0 -11.4% -4.2% -39.8% 2013 1,289.9 -16.6% -13.5% -40.3% 2014 1,450.6 -12.8% -14.9% -37.9% ENSEMBLE 1,492.5 -19.4% -20.3% -42.2%

On peut en conclure que les données satellitaires rapportent probablement des conditions plus sèches qu’elles ne le sont en réalité comparativement à la situation observée sur le terrain. S’agissant des tendances pluviométriques et comme l’illustre le graphique de la page suivante, l’on peut noter que :

 les données satellitaires ont une tendance pluviométrique similaire à celles des stations synoptiques ;

 à Madagascar, il pleut quasiment tout au long de l’année : en considérant les données des stations, il est possible de constater que le cumul des précipitations décadaires apparaît globalement en dessous du seuil de 20 mm entre de début du mois d’août (décade 22) et la mi-octobre (décade 29) ; puis s’en suit une intensification des pluies qui atteignent leur maxima vers la fin du mois de janvier (décade 3) avant l’amorçage de la baisse saisonnière ;

 en considérant les données des satellites ARC2 et RFE2, il apparaît que le cumul des précipitations décadaires est globalement en dessous du seuil de 20 mm entre les décades 12 (fin avril) et 31 (début novembre) : il conviendrait donc d’en tenir compte lors de la personnalisation globale d’ARV et de sa composante « Indice de sècheresse WRSI » sachant que ce seuil de 20 mm de pluies est un seuil par défaut permettant d’apprécier les opportunités de plantation au cours de la fenêtre de semis d’une saison agricole.

63 Troisième partie : Résultats et Analyses Moyennes nationales (2001-2014) 140

120

100

80

60

RR (en mm) (en RR 40

20

0

-20

-40 Diff. TAMSAT-Stations Diff. RFE2-Stations Diff. ARC2-Stations Stations ARC2 RFE2 TAMSAT

Graphique 2 : Moyennes nationales des cumules pluviométriques (2001-2014)

64 Troisième partie : Résultats et Analyses

3.2. Analyse des différences entre les données satelli- taires et celles des stations pour les 5 années les plus sèches

Cette analyse a consisté à :  calculer, pour chaque jeu de données (stations et satellites), pour chaque année ainsi que pour l’ensemble (niveau national), le cumul pluviométrique annuel  puis de classer, pour chaque jeu de données, les différentes années tenant compte de leur écart par rapport à la moyenne d’ensemble de leur cumul pluviométrique – en partant des années les plus sèches.

Tableau 8: Différences de classification entre les données satellitaires et celles des stations pour les 5 années les plus sèches (sur la période 2001-2014) - Niveau national.

Année STATION ARC2 RFE2 TAMSAT 2001 10 7 8 3 2002 13 13 13 1 2003 14 14 14 13 2004 11 12 11 14 2005 9 8 5 4 2006 5 4 4 7 2007 12 9 10 12 2008 3 1 2 11 2009 4 2 1 5 2010 6 3 3 6 2011 2 5 6 8 2012 7 11 12 9 2013 1 6 7 2 2014 8 9 9 10 Similitude dans la détection des 5 années les plus sèches (en se référant au classement des stations) Détection en termes d’années 80% 60% 40% Détection en termes de sévérité 0% 0% 0%

Le tableau (ci-dessus) résume le résultat ainsi obtenu et met en exergue les 5 années les plus sèches pour chaque jeu de données - qui sont dans l’ordre :  2013, 2011, 2008, 2009 et 2006 pour les données des stations ;  2008, 2009, 2010, 2006 et 2011 pour ARC2 ;  2009, 2008, 2010, 2006 et 2005 pour RFE2 ;

65 Troisième partie : Résultats et Analyses

 2002, 2013, 2001, 2009 et 2005 pour TAMSAT. En termes de similitude dans la détection des années sèches, en adoptant le classement des stations comme étant celui de référence ; elle est de :  80% avec ARC2 (qui a aussi détecté les années 2006, 2008, 2009 et 2011 comme faisant partie des 5 années les plus sèches) ;  60% avec RFE2 (qui a aussi détecté les années 2006, 2008 et 2009 comme faisant partie des 5 années les plus sèches) ;  40% avec TAMSAT (qui a aussi détecté les années 2009 et 2013 comme faisant partie des 5 années les plus sèches). Cependant, il n’y a aucune concordance dans la sévérité (même ordre de classement) pour aucune de ces 5 années les plus sèches.

3.3. Points de discussions/réflexions clés

 Les analyses effectuées dans ce cadre ont principalement portées sur la période 2001- 2014 (en lieu et place de celle plus longue allant de 1983 à 2014) ; ceci, dans le but de faciliter les différentes comparaisons entre les trois jeux de données satellitaires considérées (ARC2, RFE2 et TAMSAT) sachant que la série des données pluviométriques de RFE2 ne commence qu’à partir de 2001. Cependant, l’analyse des corrélations menées sur la période 1983-2014 conduit à des résultats presque similaires à ceux obtenus pour la période 2001-2014 : soit 75.7% pour la corrélation d’ensemble avec ARC2, 74.7% pour celle relative à la série RFE2 et 48.1% pour TAMSAT – autrement dit, 2 point en-dessous des corrélations obtenues sur la période 2001-2014.

 En termes d’analyses additionnelles (comparaisons & tendances) ; il serait pertinent de pouvoir réaliser des analyses plus fines (au niveau des différentes zones agro-écologiques, par exemple) - tout en ayant à l’esprit les problèmes de validité statistiques qui sont à même de ce poser du fait du nombre peu élevé de stations (synoptiques) existantes ou pour lesquelles des données de qualité sont disponibles.

66 Troisième partie : Résultats et Analyses

Synthèses partielles

Les analyses effectuées montrent que :  au niveau national; une forte corrélation (basée sur l’examen des anomalies pluviométriques au cours de la période 2001-2014) entre les données des stations et celles des satellites ARC2 et RFE2 (respectivement 77.7% et 76.2%), tandis que cette corrélation est moyenne avec le jeu de données satellitaires TAMSAT (50.0%) – (cf. tableau 6);  concernant le Sud du pays (régions d’Androy, d’Anosy, Atsimo Atsinanana et d’Atsimo Andrefana), sachant que la saison agricole commence au cours du 3e trimestre de l’année, considérant les données satellitaires (ARC2, RFE2 et TAMSAT) ; le cumul des précipitations décadaires moyennes atteint 10mm au cours de la 3e décade de septembre, le seuil de 20mm lui n’est atteint qu’au début du mois de novembre (décade 33) – cf. le graphique suivant relatif au profil pluviométrique du sud de Madagascar. Des éléments dont il conviendrait d’en tenir Profil pluviométriquecompte du lors sud dede laMadagascar personnalisation (régions globale d'Androy, d’ARV d'Anosy et, et particulièrement d'Atsimo Andrefana lors) de celle de sa composanteMoyenne « Indice saisonnière de sècheresse de la périodeWRSI » sachant2001-2015 que ce seuil de 20 mm de pluies est un seuil 80 par défaut permettant d’apprécier les opportunités de plantation au cours de la fenêtre de semis 75 d’une saison agricole.Profil pluviométrique du sud de Madagascar (régions d'Androy, d'Anosy et d'Atsimo Andrefana) Moyenne saisonnière de la période 2001-2015 70 80

65 75

70 60 65

55 60

55 50 50

45 45

40 ARC2 40 ARC2 35 RFE2 35 RFE2 TAMSAT 30 TAMSAT 30 25

20 Cumul pluviométrique décadaire (en mm) (en décadaire pluviométriqueCumul 25 15

20 10 Cumul pluviométrique décadaire (en mm) (en décadaire pluviométriqueCumul

5 15 0 10 Décades 5 Graphique 3: Profil pluviométrique du Grand Sud de Madagascar, Moyenne 0 saisonnière de la période 2001-2015 Décades

67 Troisième partie : Résultats et Analyses

 le jeu satellitaire ARC2 semble mieux capturer les différentes catégories de situation associée au déficit pluviométrique du sud de Madagascar : une zone où ne tombe annuellement que 600mm de pluies en moyenne (cf. Plan de contingence pour le grand Sud - Insécurité alimentaire et nutritionnelle – 20013/2015. Annexe C)

Une synthèse de la performance de chaque jeu de données satellitaires, dans le cadre de la personnalisation de la composante « Pluviométrique », peut être obtenue en considérant la moyenne géométrique incluant son niveau de corrélation avec les données de stations, son écart (sous-estimation) par rapport aux données de stations, son degré de similitude dans la détection des 5 années les plus sèches (sur la période 2001-2014 et en se référant au classement des stations) : soit 80% pour ARC2, 60% pour RFE2 et 40% pour TAMSAT. (cf. Tableau 8)

A la lueur des différentes analyses effectuées et susmentionnées ; le jeu de données satellitaires ARC2 semble refléter, au mieux possible, la réalité observée sur le terrain. Cependant, il n’est pas opportun d’exclure à ce stade les jeux de données satellitaire RFE2 et TAMSAT. C’est pourquoi, il s’avère pertinent de tester les 3 jeux de données satellitaires dans le cadre de la personnalisation ARV de la composante « Indice de sécheresse WRSI ».

68 Troisième partie : Résultats et Analyses

Chap. VII - INDICE DE SECHERESSE (WRSI)

VII.1. PARAMETRES INITIAUX POUR LA PERSONNALISATION DU MODELE ARV

 Jeu de données satellitaires : RFE2 Et, dans une moindre mesure ARC2.  Culture de référence : le maïs L’utilisation du riz comme culture de référence est problématique tenant compte de l’influence du recours important/significatif à la pratique de l’irrigation à Madagascar. De ce fait, une baisse de l’indice de sècheresse (WRSI) ne se traduit pas nécessairement par une baisse des rendements.  Evapotranspiration (ET) de référence : Données de la FAO.  Seuil de pluviométrie décadaire minimal pour les semis : 20mm.  Méthode d’agrégation (des opportunités de semis) : Moyenne.  Niveau pluviométrique considéré comme excessif : 100mm.  Capacité de rétention en eau (WHC) : Données de référence de la FAO.  Kcr de pré-saison : 0.25.  % de précipitation effective : (100).

VII.2. SUIVI ET EVALUATION DE WRSI AU COURS DES (2001- 2015)

(a) (b) Figure.21 (a) (a)

69 Troisième partie : Résultats et Analyses

(a) (b) (a) Figure.22 (a)

(a) (b) (a) Figure.23 (a)

(a) (b) (a) (a) Figure.24

70 Troisième partie : Résultats et Analyses

(a) (b) (a) Figure.25 (a)

(a) (b) (a) (a) Figure.26

(a) (b)

(a) Figure.27 (a)

71 Fig.17

Troisième partie : Résultats et Analyses

VII.3. ETAT DE SECHERESSE POUR LA SAISON 2015/2016

Figure.28 3.1. Listes des communes les plus touchées par la sécheresse agricole (risque très élevés sur la baisse de production agricole)

3.1.1. Sécheresse moyenne Tableau 9: listes des communes touchées par la sécheresse moyenne

SAISON COMMUNE DISTRICT REGION 2015 2015-2016 Ambondro AmbovombeAndroy Androy 72 2015-2016 Antaritarika Tsihombe Androy 73 2015-2016 Marolinta Beloha Androy 74 2015-2016 Analamarina AmbovombeAndroy Androy 75 2015-2016 Morombe AtsimoAndrefana 76 2015-2016 Andranohinaly Toliara-II AtsimoAndrefana 76 2015-2016 Manambaro Taolagnaro Androy 77 2015-2016 AnjekyAnkilikira AmbovombeAndroy Androy 79 2015-2016 Ankililaoka Toliara-II AtsimoAndrefana 79 2015-2016 Kopoky Beloha Androy 80 2015-2016 Analaiva Morondava Androy 76 2015-2016 Belo sur Tsiribihina Belo sur Tsiribihina Morondava 76 2015-2016 Bemanonga Morondava Morondava 77

72 Troisième partie : Résultats et Analyses

3.1.2. Sécheresse sévère

Tableau 10: listes des communes touchées par la sécheresse moyenne sévère

SAISON COMMUNE DISTRICT REGION 2015 2015/2016 Toliara-II AtsimoAndrefana 44 2015/2016 Morombe AtsimoAndrefana 45 2015/2016 Beheloka Toliara-II AtsimoAndrefana 45 2015/2016 AntongoVaovao Morombe AtsimoAndrefana 47 2015/2016 Cu Morombe Morombe AtsimoAndrefana 50 2015/2016 Ampanihy Ouest AtsimoAndrefana 52 2015/2016 Toliara-II AtsimoAndrefana 57 2015/2016 Morombe AtsimoAndrefana 57 2015/2016 Nikoly Tsihombe Androy 60 2015/2016 Tranovaho Beloha Androy 60 2015/2016 Saint Augustin Toliara-II AtsimoAndrefana 63 2015/2016 Manorofify Toliara-II AtsimoAndrefana 65 2015/2016 Toliara-II AtsimoAndrefana 65 2015/2016 Soalara Sud Toliara-II AtsimoAndrefana 66 2015/2016 Onilahy Toliara-II AtsimoAndrefana 66 2015/2016 Imongy Tsihombe Androy 67 2015/2016 Ampanihy Ouest AtsimoAndrefana 69 2015/2016 Andranopasy Manja Menabe 66 2015/2016 Belo Sur Mer Morondava Menabe 57

VII.4. POURCENTAGE DES COMMUNES TOUCHEES PAR LA SECHERESSE AGRICOLE

Pour les quatre régions y compris Androy, Anosy, Atsimo Andrefana et Atsimo Antsinanana, on a 255 communes et 20 districts

73 Troisième partie : Résultats et Analyses

Graphique 4 : Pourcentage des communes touchées par la sécheresse agricole.

VII.5. LES REGIONS LES PLUS TOUCHEES PAR LA SECHERESSE AGRICOLE AU COURS DE 15 DERNIERES ANNEES (SEVERE)

Tableau 11: Les communes plus touchées de sécheresse agricole

Commune District Région Nb année % Listes années sèches sèche (2001-2015) Androka Ampanihy Ouest AtsimoAndrefana 12 80 15-14-13-12-11-9-8-7-5-3-2-1 Beheloka Toliara II AtsimoAndrefana 12 80 15-14-13-11-10-9-8-7-6-5-3-2 Itampolo Ampanihy Ouest AtsimoAndrefana 12 80 15-13-12-11-10-9-8-7-5-3-2-1 Manombo Sud Toliara II AtsimoAndrefana 12 80 15-14-13-12-11-10-9-8-7-5-4-3 St Augustin Toliara II AtsimoAndrefana 12 80 15-14-13-12-11-10-9-8-7-5-3-2 Soalara Sud Toliara II AtsimoAndrefana 12 80 15-14-13-12-11-10-9-8-7-5-3-2 AntongoVaovao Morombe AtsimoAndrefana 11 73 15-14-13-11-10-9-8-7-5-4-3 Befandefa Morombe AtsimoAndrefana 11 73 15-13-12-11-10-9-8-7-5-4-3 Belalanda Toliara II AtsimoAndrefana 11 73 15-13-12-11-10-9-8-7-5-3-2 Tranovaho Beloha Androy 11 73 15-14-13-11-8-7-5-3-2-1 Ambolofoty Toliara II AtsimoAndrefana 10 67 15-14-13-12-11-9-8-5-3-2 Ankililaoka Toliara II AtsimoAndrefana 10 67 15-13-11-10-9-8-7-5-3-2 Cu Morombe Toliara II AtsimoAndrefana 10 67 15-13-12-11-10-9-8-5-4-3 Marolinta Beloha Androy 10 67 15-14-13-11-9-8-7-5-3-1 Maromiandra Toliara-II AtsimoAndrefana 10 67 15-13-11-10-9-8-7-5-3-2 Andranohinaly Toliara-II AtsimoAndrefana 9 60 15-14-13-11-9-8-5-3-2 Antanimena Onilahy Toliara-II AtsimoAndrefana 9 60 15-14-13-9-8-7-5-3-2

74 Troisième partie : Résultats et Analyses

Behompy Toliara-II AtsimoAndrefana 9 60 15-13-11-9-8-7-5-3-2 Monorofify Toliara-II AtsimoAndrefana 9 60 15-13-12-11-9-8-5-3-2 Nikoly Tsihombe Androy 9 60 15-13-9-8-7-5-3-2-1 Toliara-II AtsimoAndrefana 8 53 15-13-9-8-7-3-2-1 Maroarivo BetiokyAtsimo AtsimoAndrefana 8 53 15-13-9-8-7-3-2-1 Ankazomanga

Synthèses partielles

On peut constater d’après la Figure 23a et Figure 25b que les années 2005 et 2009 ont été marquées par des saisons les plus difficiles des 15 dernières années. En effet, plus de 30% des communes dans le Grand Sud de Madagascar ont été touchées par des sécheresses agricoles sévères pendant ces périodes (2005 et 2009) en soulignant que la majeure partie des communes victimes de la sécheresse a été trouvé dans la région Atsimo Andrefana (RR=409mm en 2005 et RR=338mm en 2009).

Par contre, la Figure 22b et la Figure 23b montre que les saisons qui ont une bonne pluviométrie pour l’agriculture dans le Grand sud sont les années 2004 et 2006. L’indice de satisfaction des besoins eau a été presque satisfaisante (WRSI ≥ 90%) au cours de ces deux saisons, c’est-à-dire que la plante n’a subi aucun stress hydrique significatif pendant le cycle végétatif. (RR = 752mm en 2004 et RR = 718mm en 2006).

Concernant la saison 2015/2016, on a remarqué que des sécheresses sévères ont été observées sur des 10% des communes dans le grand sud de Madagascar, y compris la région Androy et Atsimo Andrefana (Fig.28). On a donc 19 communes dans la région Atsimo Andrefana et 3 communes dans la région Androy (320mm) sont en état d’alerte précoce pour l’existence de la sécheresse agricole sévère. Un risque très élevé de la baisse de la production agricole pourrait être observé dans ces régions dû à l’insuffisance des précipitations (selon ARC2, RR = 400mm Nov-Mars). L’indice de satisfaction des besoins en eau a démunie jusqu’à 50 à la fin du cycle cultural. Il est donc fortement recommandé pour ces 22 communes dans ces deux régions de prendre une mesure approprié afin d’éviter une présence de l’insécurité alimentaire sévère.

75 Troisième partie : Résultats et Analyses

D’après une étude sur une longue durée des valeurs de l’indice de satisfaction des besoins en eau dans les régions du grand sud de Madagascar, on obtient un seuil minimum d’avoir prédire une alerte précoce au cours d’une saison agricole :

Tableau 12: Seuil des valeurs des précipitions en état d’alertes de sécheresse sévère Régions Seuil des précipitations ARC2 Etat WRSI (début Nov-début Mars) Androy RR ≤ 300mm Sécheresse sévère ≤ 50 Anosy RR ≤ 400mm Sécheresse sévère ≤ 50 Atsimoandrefana RR ≤ 350mm Sécheresse sévère ≤ 50

Tableau 13: Seuil des valeurs des précipitions en état d’une bonne pluviométrie pour l’agriculture.

Régions Seuil des précipitations ARC2 Etat WRSI (début Nov-début Mars) Androy RR ≥ 560mm Bonne pluviométrie ≥ 90 Anosy RR ≥ 750mm Bonne pluviométrie ≥ 90 Atsimo Andrefana RR ≥ 700mm Bonne pluviométrie ≥ 90

76 Conclusion

CONCLUSION GENERALE

77 Conclusion

En guise de conclusion, les précipitations sont la principale variable déterminant le calcul de l’indice de sécheresse agrométéorologique (Indice de Satisfaction des Besoins en Eau ou WRSI en Anglais). Toute modification des jeux de données pluviométriques satellitaires utilisés dans le logiciel ARV aura une incidence sur la valeur de l’indice de sécheresse et, par ricochet, sur le nombre de personnes affectées par la sécheresse. En effet, les différentes analyses comparatives effectuées tout au long de ce travail ont permis d’évoquer que le jeu des donnée ARC2 semblent refléter au mieux possible, la réalité observée sur le terrain (données stations). Cependant, il n’est pas opportun d’exclure à ce stade les jeux des données satellitaires RFE2 et TAMSAT.

De plus, le suivi décadaire des valeurs de l’indice de satisfaction des besoins en eau utilisé comme indicateur de sécheresse dans le Grand Sud de Madagascar a permis d’identifier les zones les plus vulnérables de la sécheresse agrométéorologique dans les quinze dernières années. On peut trouver que parmi les 4 régions du sud, les régions Atsimo Andrefana et Androy constituent les régions les plus touchées par la sécheresse agrométéorologique sévère.

Concernant la saison culturale 2015/2016, des sécheresses agrométéorologiques sévères ont été observées sur quelques communes dans les deux régions Atsimo Andrefana (19 communes) et Androy (3communes). Mais généralement, des déficits des précipitations tout au long du cycle cultural ont été enregistrés sur la majeure partie du Grands Sud de Madagascar pour cette année, sauf pour la région Atsimo Antsinana. Un seuil des précipitations a été déterminé à partir d’une étude effectuée pendant une longue durée afin de détecter en avance le risque de sécheresse dans le Grand Sud de Madagascar. La valeur de ce seuil est située entre 300 à 400 mm sur la précipitation et inférieur à 70 sur le WRSI pour les 3 régions, y compris la région Anosy, Androy et Atsimo andrefana.

Enfin, le modèle ARV permet aussi de faire l’analyse de la vulnérabilité, y compris les nombres des personnes affectées par la sécheresse au cours d’une saison agricole. Mais malheureusement, les données de références (données sur terrain) sur la vulnérabilité en termes de sécheresse à Madagascar ne sont plus disponibles même au niveau du BNGRC. Les données disponibles ne sont que des données sur l’insécurité alimentaire.

78

Bibliographie

[1] Organisation Météorologique Mondiale (OMM). Suivi de la sécheresse et alerte précoce : principes, progrès et enjeux futurs, 2006. [2] U.S. Panu and T.C Sharma. Challenge in drought research: some perspectives and future directions. Hydrological Sciences -Journal des Sciences Hydrologique, 2002. [3] Amin Zargar, RehanSadiq, BahmanNaser, and Faisal I. Khan. Review of drought indices. Environ. Rev, pages 333-349, 2011. [4] Ministère de l’eau. Etude de faisabilités des forages manuels. [5] Météo Malagasy. Atlas climatologique de Madagascar, 2014 [6] Centre National de Lutte contre la Sécheresse, Université de Nebraska-Lincoln, Etats Unis d’Amérique. [7] Conservation &développement durable. http://www.cons-dev.org/. [8] D. C. Edwards and T. B. McKee. Characteristics of 20th century drought in the United States at multiple time scales. ClimatologyRep., 1997 [9] La Gestion Des Risques Naturels : Vers Une Prévention Renforcée Et Coordonnée (Andoniaina Ratsimamanga et Sofia Bettencourt) http://siteresources.worldbank.org /INTMADAGASCARINFRENCH/Resources/GRC.pdf [10] Stratégie Nationale de Gestion des Risques et des Catastrophes http://www.primature.gov.mg/cpgu/wp-content/uploads/2014/03/SNGRC.pdf [11] Monographie de la Région Atsimo-Andrefana [12] Monographie de la Région Anosy 2008 [13] http://www.fort-dauphin.org/fort-dauphin/zoom-sur-l-anosy [14] Monographie de la Région Androy– 2005 http://www.fort-dauphin.org/fort-dauphin/zoom-sur-l-androy [15] https://fr.wikipedia.org/wiki/Atsimo-Atsinanana [16] Profil environnemental de région d’Atsimo_ Atsimamama_oct_06.pdf (Agir ensemble pour un environnement de qualité) [17] «Suivi de la Sècheresse et Alerte Précoce» WMO.drought_monitoring-carly-warning- fr-2006 [18] ARV_PersonnalisationWRSI_FR_20150628_v01_FD

79

[19] ARV_Madagascar Rainfall CustomisationWork_FR_20150805_v01_GO [20] NOAA, 2001 ; archives FEWS-NET/MFEWS/AFN ; estimations à 10 jours (RFE2) FEWS NET/CPC ; Centre de prévision climatique, College Park, Maryland, USA. http://www.cpc.ncep.noaa.gov/products/fews/data.html; ftp://ftp.cpc.ncep.noaa.gov/fews/newalgo_est_dekad (données RFE2) ; http://www.cpc.ncep.noaa.gov/products/fews/RFE2.0_tech.pdf). [21] Centre de Prévision Climatique (CPC) : Africa Rainfall Climatology Version 2.0 (ARC2). Centre de prévision climatique, College Park, Maryland, USA. https://catalog.data.gov/harvest/object/c5170f0f-9094-4d54-8cad-95cae0c3d237/html; ftp://ftp.cpc.ncep.noaa.gov/fews/fewsdata/africa/arc2/bin (ARC2 data); http://www.cpc.ncep.noaa.gov/products/fews/AFR_CLIM/arc2_201303_final.pdf [22] TAMSAT African Rainfall Climatology And Time-series (TARCAT v2.0), Université de Reading, 2013. TAMSAT Research Group. Université de Reading, Royaume-Uni. http://www.met.readingac.uk/~tamsat/docs/TAMSAT_Data_Policy_TARCATv 2.0 [23] BNGRC Madagascar; www.bngrc-mid.mg. [24] Plan national de contingence – Insécurité alimentaire et nutritionnelle dans le Grand sud 2013-15 [25] Systèmes d’Alerte Précoce au Niveau Communautaire – Niveau communautaire « www-fao.org/3/a-i3774fr.pdf ». [26] Instat.mg/madagascar [27] FAO, 1986. Yield Response to Water. Bulletin d’irrigation et de drainage No 33. Organisation des Nations unies pour l’alimentation et l’agriculture, Rome. [28] Pour en savoir plus voir le Guide de personnalisation d’ARV (indice WRSI). [29] (T. Dinku, P. Ceccato, E. Grover-Kopec, M. Lemma, S.J. Connor, C.F. Ropelewski, 2007. Validation of satellite rainfall products over East Africa’s complex topography, International Journal of Remote Sensing, 28:7, 1503 – 1526).

80 Annexes

ANNEXES

81

Annexes

Annexe A

Visualisation des données atypiques: représentation graphique du cumul décadaire des précipitations pour les différentes années et stations

FARAFANGANA 450 1983 1984 1985 400 1986 1987 1988 1989 350 1990 1991 1992 300 1993 1994 1995 1996 250 1997 1998 1999 200 2000 2001 2002 2003 150 2004 2005 2006 100 2007 2008 2009 2010 50 2011 2012 2013

0 2014 2015 Moyenne des 30 dernières années

MOROMBE

500 1983 1984 1985 450 1986 1987 1988 400 1989 1990 1991 1992 350 1993 1994 1995 300 1996 1997 1998 250 1999 2000 2001 200 2002 2003 2004 150 2005 2006 2007 100 2008 2009 2010 50 2011 2012 2013

0 2014 2015 Moyenne des 30 dernières années

82

Annexes

TAOLAGNARO

300 1983 1984 1985 1986 1987 250 1988 1989 1990 1991 1992 1993 200 1994 1995 1996 1997 1998 150 1999 2000 2001 2002 2003 100 2004 2005 2006 2007 2008 50 2009 2010 2011 2012 2013

0 2014 2015 Moyenne des 30 dernières années

TOAMASINATOLIARA 300 1983 1984 1985 1986 1987 250 1988 1989 1990 1991 1992 200 1993 1994 1995 1996 1997 1998 150 1999 2000 2001 2002 2003 100 2004 2005 2006 2007 2008 50 2009 2010 2011 2012 2013 2014 0 2015 Moyenne des 30 dernières années

83

Annexes

Annexe B

Tableau : les coordonnées GPS

Location Latitude Longitude 01 AMBOHITSILAOZANA -17,6333 48,5 02 ANTALAHA -15 50,33333 03 ANTANANARIVO -18,9 47,53333 04 ANTSIRABE -19,8667 47,06667 05 ANTSIRANANA -12,35 49,3 06 ANTSOHIHY -14,8833 47,96667 07 BESALAMPY -16,75 44,48333 08 FARAFANGANA -22,8 47,83333 09 FIANARANTSOA -21,45 47,1 10 IVATO -18,8 47,48333 11 MAHAJANGA -15,6667 46,35 12 MAHANORO -19,8333 48,8 13 MAINTIRANO -18,05 44,03333 14 MANANJARY -21,2 48,36667 15 MOROMBE -21,75 43,36667 16 MORONDAVA -20,2667 44,3 17 NOSYBE -13,3167 48,31667 18 RANOHIRA -22,55 45,4 19 SAINTEMARIE -17,0833 49,81667 20 SAMBAVA -14,2833 50,16667 21 TAOLAGNARO -25,0333 46,95 22 TOAMASINA -18,1167 49,4 23 TOLIARA -23,3833 43,73333

84

Annexes

Annexe C

Plan de contingence pour le Grand Sud - Insécurité alimentaire et nutritionnelle – 2013/2015

ARC2 RFE2 TAMSAT

Classement Classement Classement Classement Classement Classement Atsimo ENSEMBLE Classement Classement Atsimo ENSEMBLE Classement Classement Atsimo ENSEMBLE Classement Classement Année Androy Anosy Atsimo ENSEMBLE Androy Anosy Atsimo ENSEMBLE Androy Anosy Atsimo ENSEMBLE Andrefana (SUD) Androy Anosy Andrefana (SUD) Androy Anosy Andrefana (SUD) Androy Anosy Andrefana (SUD) Andrefana (SUD) Andrefana (SUD)

2001/2002 606.05 921.40 625.10 682.48 10 11 13 13 747.63 981.47 712.47 787.87 11 11 13 11 449.64 608.38 448.64 484.58 9 5 4 5 2002/2003 532.75 778.20 402.00 543.71 9 6 6 7 663.85 923.05 500.42 666.97 7 9 7 8 453.17 665.47 494.43 514.10 10 11 9 11 2003/2004 452.15 781.95 343.40 489.19 5 7 4 6 556.02 891.94 400.28 578.76 4 7 3 4 446.53 641.91 462.37 495.23 8 8 7 8 2004/2005 911.25 1134.10 687.23 886.10 14 14 14 14 965.78 1301.08 719.64 958.24 14 14 14 14 612.82 808.02 650.64 668.80 14 14 14 14 2005/2006 351.25 545.75 307.10 379.76 1 1 1 1 427.09 639.42 395.57 463.77 1 2 2 2 454.23 588.35 542.43 513.43 11 2 12 10 2006/2007 504.73 837.55 563.00 598.11 8 8 12 9 677.36 958.32 654.77 732.27 9 10 11 10 471.38 740.62 511.13 544.46 12 13 11 12 2007/2008 368.80 590.10 333.67 406.27 2 3 3 2 671.16 767.62 470.99 625.87 8 5 6 6 418.40 610.91 497.32 487.49 3 7 10 6 2008/2009 393.78 670.30 403.37 458.42 3 5 7 4 436.88 723.21 424.53 496.39 2 3 4 3 419.01 648.25 492.86 494.57 4 9 8 7 2009/2010 423.48 583.75 316.87 423.56 4 2 2 3 453.99 580.98 375.91 456.18 3 1 1 1 306.32 463.97 300.65 339.47 1 1 1 1 2010/2011 646.90 950.10 467.00 654.31 13 13 11 12 905.68 1147.65 556.78 843.15 13 13 8 12 514.05 732.11 542.61 572.02 13 12 13 13 2011/2012 475.88 641.20 346.33 469.43 7 4 5 5 610.67 766.04 425.09 583.34 6 4 5 5 424.61 600.48 392.99 453.15 6 4 2 3 2012/2013 614.08 937.80 465.27 636.41 11 12 10 11 877.16 1080.05 658.82 849.46 12 12 12 13 412.77 593.08 393.24 446.33 2 3 3 2 2013/2014 469.08 895.05 462.23 561.46 6 10 9 8 589.30 847.87 619.13 656.70 5 6 10 7 444.55 663.46 450.66 495.23 7 10 5 9 2014/2015 623.85 865.30 447.77 618.81 12 9 8 10 708.21 921.41 596.53 718.36 10 8 9 9 424.12 609.40 458.07 476.61 5 6 6 4 Moyenne 526.71 795.18 440.74 557.72 663.63 895.01 536.49 672.67 446.54 641.03 474.14 498.96

Cumul pluviométrique annuel ≥ 600 mm Cumul pluviométrique annuel compris entre 500 et 600 mm Cumul pluviométrique annuel compris entre 400 et 500 mm Cumul pluviométrique annuel ≤ 400 mm Situation au dessus de la normale Situation légèrement en dessous de la normale Risque élevé de périodes de soudure alimentaire difficile Risque élevé de disette

Identification des 5 années les plus sèches sur la période considérée (2001-2015)

85

Annexes

VALEUR D’INDICE FINAL (WRSI) 2001-2015 DE GRAND SUD DE MADAGASCAR

DISTRICT REGION 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Amboasary-Atsimo Anosy 97 98 99 98 89 100 99 88 81 100 100 98 97 96 96 Ambovombe-Androy Androy 94 98 97 99 78 100 99 78 61 100 97 97 94 98 84 Ampanihy Ouest Atsimo Andrefana 89 90 71 96 66 94 83 76 53 90 88 91 88 89 79 Ankazoabo Atsimo Andrefana 99 100 100 98 100 100 100 100 98 100 91 100 96 98 100 Befotaka Atsimo Atsinanana 99 100 97 97 93 100 100 100 100 100 100 99 98 98 100 Bekily Androy 99 100 98 98 91 100 98 94 92 100 98 97 98 96 99 Beloha Androy 87 91 78 99 64 90 81 69 39 99 89 99 80 86 72 Benenitra Atsimo Andrefana 97 100 97 97 94 99 100 96 98 100 97 96 95 99 98 Beroroha Atsimo Andrefana 99 100 99 96 100 96 99 99 92 99 94 99 95 98 100 Betioky Atsimo Atsimo Andrefana 97 96 80 98 72 99 96 86 84 93 95 99 88 87 96 Betroka Anosy 99 100 100 98 99 100 100 100 98 98 100 99 97 99 100 Farafangana Atsimo Atsinanana 98 99 98 97 83 99 99 89 97 99 100 100 99 96 100 Midongy-Atsimo Atsimo Atsinanana 100 100 99 98 93 100 100 100 100 98 100 99 96 99 100 Morombe Atsimo Andrefana 92 93 79 87 79 97 91 87 64 79 72 90 76 92 76 Sakaraha Atsimo Andrefana 96 98 99 98 95 99 99 98 95 98 90 98 94 98 99 Taolagnaro Anosy 97 100 99 97 85 100 98 92 96 98 100 96 98 94 92 Toliara II Atsimo Andrefana 87 72 58 92 52 92 73 67 41 75 63 87 71 80 67 Tsihombe Androy 82 83 72 98 50 95 87 65 39 100 94 99 76 94 62 Vangaindrano Atsimo Atsinanana 100 100 98 99 83 100 94 94 99 100 100 97 100 96 99 Vondrozo Atsimo Atsinanana 98 98 98 98 92 100 100 99 99 99 100 99 97 93 100

86

Annexes

ANNEXE D

TABLEAU DE REPRESENTATION DU CUMUL DECADAIRE DES PRECIPITATIONS ET

EVAPOTRANSPIRATIONS (2015-2016)

REGION ATSIMO ANDREFANA

TOLIARA I

Année 2015 2016 Mois Octobre Novembre Décembre Janvier Février Mars Avril Déc. d28 d29 d30 d31 d32 d33 d34 d35 d36 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 d12 Somme ETP 57 60 70 66 67 67 67 68 79 69 69 75 67 65 61 61 58 59 50 45 41 1321,0 RFE2 0,0 1,0 55,5 9,0 0,0 0,0 0,0 74,0 33,5 7,0 0,0 13,5 10,0 0,0 18,5 25,5 7,0 101,5 1,5 2,0 0,0 359 ,5 ARC2 0,0 1,0 21,0 0,0 0,5 0,0 0,0 38,0 17,0 20,0 6,5 0,0 0,0 0,0 6,0 8,0 0,0 83,0 2,5 4,5 0,0 208,0 RR 0,0 0,0 17,2 33,8 0,0 2,4 0,0 2,4 0,0 42,9 32,5 0,0 1,3 8,8 3,3 0,0 65,4 2,0 20,8 114,8 0 374,9

MOROMBE

Année 2015 2016 Mois Octobre Novembre Décembre Janvier Février Mars Avril Déc. d28 d29 d30 d31 d32 d33 d34 d35 d36 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 d12 Somme ETP 64 68 79 74 74 72 69 70 83 71 72 78 68 67 53 65 64 67 57 53 48 1416,0 RFE2 0,6 6,5 40,3 9,2 1,6 1,7 1,2 82,9 41,1 21,9 20,2 45,8 32,3 3,1 60,1 35,6 59,5 128,1 2,6 5,3 0,0 599,3 ARC2 0,0 0,0 11,7 4,0 0,0 3,4 1,0 71,9 33,0 23,7 28,4 30,1 32,2 3,8 26,7 15,8 18,0 84,1 5,1 6,8 0,0 399,8 RR 0,0 0,0 4,3 2,4 0,0 0,0 0,0 0,7 16,7 20,1 0,0 3,6 0,4 0,0 10,6 3,0 13,8 150,9 0,0 0,0 0,0 223,5

87

Annexes

REGION ANOSY

TOLAGNARO

Année 2015 2016 Mois Octobre Novembre Décembre Janvier Février Mars Avril Déc. d28 d29 d30 d31 d32 d33 d34 d35 d36 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 d12 Somme ETP 56 60 68 63 62 60 59 64 84 67 66 82 72 65 46 53 49 51 44 41 37 1249,0 RFE2 0,1 4,5 27,2 48,5 15,3 34,7 15,5 47,0 25,2 4,6 18,6 13,2 35,6 21,6 15,4 62,2 22,4 32,2 3,6 9,8 0,6 457,6 ARC2 0,5 6,9 33,2 42,6 7,5 57,5 9,7 34,4 23,3 3,8 13,8 10,3 38,9 17,2 12,0 43,0 17,7 52,6 4,0 9,7 1,0 439,5 RR 0,0 3,9 24,8 50,2 2,0 81,4 39,0 12,7 11,1 22,0 16,3 26,4 51,3 31,4 9,8 39,7 23,1 65,6 6,2 15,4 21,3 553,6

REGION ATSIMO ATSINANANA

FARAFANGANA

Année 2015 2016 Mois Octobre Novembre Décembre Janvier Février Mars Avril Déc d28 d29 d30 d31 d32 d33 d34 d35 d36 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 d12 Somme ETP 50 52 59 54 54 53 52 54 66 45 57 68 60 55 41 49 48 51 44 40 37 1089,0 RFE2 0,0 10,1 41,9 90,9 48,7 28,7 40,7 84,4 72,7 15,3 56,3 1,2 20,3 39,3 54,0 81,7 39,4 48,3 0,3 3,7 0,1 778,3 ARC2 0,0 24,1 50,7 36,1 48,4 24,2 43,0 87,9 69,9 10,6 47,9 1,4 23,6 25,6 37,8 62,2 30,7 45,4 2,2 4,9 0,0 676,7 RR 4,4 49,1 61,8 61,4 12,1 0,0 29,2 1,8 37,4 10,3 197,9 19,7 54,0 78,9 92,7 53,3 159,4 70,6 1,2 47,2 40,1 1082,5

RR = Précipitation de station synoptique ETP = Evapotranspiration

88

Annexes

REPRESENTATION GRAPHIQUE DU CUMUL DECADAIRE DES

PRECIPITATIONS ET EVAPOTRANSPIRATIONS (2015-2016)

REGION ATSIMO ANDREFANA

TOLIARA 140 120 100 80 60 40 20

0

2016_1 2016_2 2016_3 2016_4 2016_5 2016_6 2016_7 2016_8 2016_9

2015_28 2015_29 2015_30 2015_31 2015_32 2015_33 2015_34 2015_35 2015_36 2016_10 2016_11 2016_12 TOLIARA

ETP RFE2 ARC2 RR

MOROMBE 160 140 120 100 80 60 40 20

0

2016_1 2016_2 2016_3 2016_4 2016_5 2016_6 2016_7 2016_8 2016_9

2015_28 2015_29 2015_30 2015_31 2015_32 2015_33 2015_34 2015_35 2015_36 2016_10 2016_11 2016_12

ETP RFE2 ARC2 RR

89

Annexes

REGION ANOSY

TAOLAGNARO 90 80 70 60 50 40 30 20 10

0

2016_8 2016_1 2016_2 2016_3 2016_4 2016_5 2016_6 2016_7 2016_9

2015_28 2015_29 2015_30 2015_31 2015_32 2015_33 2015_34 2015_35 2015_36 2016_10 2016_11 2016_12

ETP RFE2 ARC2 RR

REGION ATSIMO ATSINANANA

FARAFANGANA 250

200

150

100

50

0

2016_1 2016_2 2016_3 2016_4 2016_5 2016_6 2016_7 2016_8 2016_9

2015_28 2015_29 2015_30 2015_31 2015_32 2015_33 2015_34 2015_35 2015_36 2016_10 2016_11 2016_12

ETP RFE2 ARC2 RR

90

Annexes

BILAN HYDROLOGIQUE (Janvier 2015 – Avril 2016)

Station : TOLIARA Années 2015 2016

Mois Jan Fév Mar Avr Mai Juin Jui Aou Sep Oct Nov Déc Jan Fév Mar Avr ETP 213 193 178 136 108 89 95 122 150 187 200 214 213 193 178 136 P 55,6 334,3 4,1 1 0 5,3 10,9 0 0 17,2 36,2 75,4 10,1 98,4 137,6 0 P-ETP -157,4 141,3 -173,9 -135 -108 -83,7 -84,1 -122 -150 -169,8 -163,8 -138,6 -202,9 -94,6 -40,4 -136 RFU 0 100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ETR 55,6 193 4,1 1 0 5,3 10,9 0 0 17,2 36,2 75,4 10,1 98,4 137,6 0 DA 157,4 0 173,9 135 108 83,7 84,1 122 150 169,8 163,8 138,6 202,9 94,6 40,4 136 Station : TAOLAGNARO

Années 2015 2016 Mois jan fev mar avr mai jun jul aout sep oct nov dec JAN FEV MAR AVR

ETP 215 183 153 122 97 83 91 118 149 184 185 207 215 183 153 122 P 622,6 136,1 250,9 171,8 126,4 151,2 132,2 28,8 41,1 28,7 133,6 62,8 64,7 92,5 128,4 42,9 P-ETP 407,6 -46,9 97,9 49,8 29,4 68,2 41,2 -89,2 -107,9 -155,3 -51,4 -144,2 -150,3 -90,5 -24,6 -79,1 RFU 100 53 100 50 21 0 0 0 0 0 0 0 0 0 0 0 ETR 215 183 153 122 97 83 91 28,8 41,1 28,7 133,6 62,8 64,7 92,5 128,4 42,9 DA 0 0 0 0 0 0 0 89,2 107,9 155,3 51,4 144,2 150,3 90,5 24,6 79,1

Bilan: ETP = Evapotranspiration P = Precipitation Station de Toliara: Prèsque déficitaire sauf le mois de Février 2015 RFU = Reserve hydrique Station de Taolangaro : le mois de Janvier jusqu'au Juillet 2015 : exédentaire; ETR = Evapotranspiration réel le mois d'Août 2015 jusqu'au mois d'Avril 2016 : déficitaire DA = Difficit d`alimentation

91

Annexes

92

Annexes

ANNEXE E

METHODE DE CALCUL DE L’INDICE WRSI Cette annexe décrit précisément les paramètres du calcul du bilan hydrique utilisé par le logiciel ARV. Elle comprend une définition des données d’entrée puis donne les différentes étapes de ce calcul, illustrés par quelques exemples. Données d’entrée Toutes les données d’entrées sont définies pour un pays et une saison donnée, autrement dit avec une résolution de 0,1 degré de latitude-longitude par pixel.

PREMIERE ANNEE COMPRENANT DES DONNEES PLUVIOMETRIQUES COMPLETES Symbole : FRY Unité : année Domaine : valeur entière ; 1900 ≤ FRY ≤ EY Description : première année pour laquelle il existe des données pluviométriques décadaires complètes.

PREMIERE ANNEE Symbole : EY Unité : année Domaine : valeur entière ; 1900 ≤ EY < CY Description : première année à partir de laquelle on effectue les calculs (sauf les calculs sur les précipitations décadaires disponibles des années précédentes).

ANNEE EN COURS Symbole : CY Unité : année Domaine : valeur entière ; 1900 ≤ CY ≤ {année correspondant à la date actuelle} Description : année pendant laquelle une saison est en cours ou vient de se terminer.

DEBUT DE SAISON Symbole : SOS Unité : décade Domaine : valeur entière ; 1 ≤ SOS ≤ 36 Description : début de la saison agricole – cette donnée n’est pas intégrée directement aux calculs et ne sert qu’à définir le domaine des première et dernière décades de semis.

FIN DE SAISON Symbole : EOS Unité : décade Domaine : valeur entière ; 1 ≤ EOS ≤ 36 Description : fin de la saison agricole – cette donnée n’est pas intégrée directement aux calculs et ne sert qu’à définir le domaine des première et dernière décades de semis.

93

Annexes

SEUIL PLUVIOMETRIQUE DES SEMIS Symbole : STH Unités : mm/décade Domaine : valeur entière ; 0 ≤ STH ≤ 100 Description : seules les décades qui enregistrent un volume de précipitations supérieur à ce seuil peuvent être considérées comme des décades favorables aux semis.

SEUIL DE REDUCTION/EXCES HYDRIQUE Symbole : ETH Unités : mm/décade Domaine : valeur entière ; 1 ≤ ETH ≤ 200 Description : pour chaque décade de la phase de croissance de la culture où la teneur en eau d’un sol (SW) est supérieure à la valeur ETH, la valeur de l’indice WRSI est corrigée à la baisse par un coefficient de réduction (ERV).

COEFFICIENT DE REDUCTION/EXCES HYDRIQUE Symbole : ERV Unité : unités WRSI Domaine : valeur entière, 1 ≤ ERV ≤ 15 Description : le coefficient de réduction de l’indice WRSI en cas d’excédent de précipitations.

METHODE D’AGREGATION/DECADES DE SEMIS Symbole : POAM Domaine : {Maximum, Moyenne, Première} Description : méthode d’agrégation de l’indice WRSI calculé d’après chaque décade potentiellement favorable aux semis et pour laquelle on peut définir un niveau d’agrégation.

NIVEAU D’AGREGATION/DECADES DE SEMIS Symbole : POAD Domaine : {Semis en cours; semis en cours et prévus ; semis en cours et prévus uniquement après le début de la phase d’ensemencement} Description : définition du niveau d’agrégation des décades potentiellement favorables aux semis à prendre en compte lorsque l’on agrège les valeurs WRSI correspondantes.

POURCENTAGE DE LA DUREE D’UNE PHASE DE DEVELOPPEMENT DE LA CULTURE Symbole : 퐶푃푝ℎ푎푠푒. Domaine : 0 < CP ≤ 1 pour chaque phase, où 0 ≤ phase ≤ 8 et où la phase 0 correspond au début de la phase de croissance. Description : pourcentage de la phase de croissance (LGP) atteint à la fin de chaque phase de développement de la culture.

COEFFICIENTS KC EN FIN DE PHASE DE DEVELOPPEMENT DE LA CULTURE Symbole : 퐶퐾퐶푝ℎ푎푠푒 94

Annexes

Domaine : 0 < CKC ≤ 2 pour chaque phase, où 0 ≤ phase ≤ 8 et où la phase 0 correspond au coefficient CKC du début de la phase 1. Description : définition du coefficient cultural Kc à chaque phase du développement de la culture.

Les données d’entrée suivantes s’entendent comme des matrices dont chaque point représente un pixel, pour lequel on calcule le bilan hydrique. Ces matrices correspondent à des points d’échantillonnage pour une grille donnée avec une résolution latitude-longitude de 0,1 degré. Le calcul du bilan hydrique est effectué pour chaque grille.

MASQUE DE CALCUL Symbole : CM Domaine : valeur entière ; {0, 1} Description : définition de la zone géographique prise en compte dans les calculs pour un pays/une saison donnés. Le bilan hydrique est calculé pour chaque point dont la valeur est 1.

DUREE DE LA PHASE DE CROISSANCE Symbole : LGP Unité : décades Domaine : valeur entière ; 5 ≤ LGP ≤ EOS-SWE Description : durée de la phase de croissance de la culture.

PREMIERE DECADE DE LA PERIODE DE SEMIS Symbole : SWS Unité : décade Domaine : valeur entière ; SOS ≤ SWS ≤ EOS-LGP-1 Description : première décade de la saison potentiellement favorable aux semis.

DERNIERE DECADE DE LA PERIODE DE SEMIS Symbole : SWE Unité : décade Domaine : valeur entière ; SOS ≤ SWE ≤ EOS-LGP-1 Description : dernière décade de la saison potentiellement favorable aux semis.

KC PRE-SAISONNIER Symbole : PSKC Domaine : flottant ; 0 ≤ KC ≤ 2 Description : coefficient cultural (Kc) ou teneur en humidité du sol lors de la phase d’initialisation.

CAPACITE DE RETENTION EN EAU DU SOL Symbole : WHC Unité : mm Domaine : flottant ; 0 ≤ WHC ≤ 253 95

Annexes

Description : capacité maximale de rétention en eau du sol.

POURCENTAGE DE PRECIPITATIONS EFFECTIVES Symbole : EFFR Domaine : valeur entière ; 1 ≤ EFFR ≤ 200 Description : facteur de correction appliqué aux précipitations décadaires enregistrées et normales.

PRECIPITATIONS DECADAIRES Symbole : 푅푦, Units: mm/dekad Domaine : valeur entière ; 0 ≤ 푅푦, ≤ 253 où EY ≤ y ≤ CY et 1 ≤ d ≤ 36 Description : volume de précipitations enregistré pour une décade donnée au cours d’une année donnée.

EVAPOTRANSPIRATION NORMALE Symbole : 퐸푡푑 Unité : mm/décade Domaine : valeur entière ; 0 ≤ 퐸푡푑 ≤ 253 où 1 ≤ d ≤ 36 Description : évapotranspiration attendue pour une décade donnée à un endroit donné si les besoins en eau culture de référence sont suffisants.

Méthode de calcul: Remarque : ces calculs n’utilisent aucune règle d’arrondi, sauf lorsque la formule mathématique en fait clairement état. Les valeurs normales des précipitations pour toutes les décades d’une année donnée, 푅푁푑, sont calculées comme suit arrondies à l’entier le plus proche :

et 1 ≤ 푑 ≤ 36

La phase de développement de la culture est ensuite déterminée pour chaque décade de croissance, 𝑔푑, comprise dans le cycle de croissance (1 ≤ 𝑔푑 ≤ 퐿퐺푃) : On détermine d’abord le pourcentage de la phase de croissance (gpc) pour chaque gd :

𝑔푝푐 = (𝑔푑 − 0.5)/퐿퐺푃

La phase de croissance d’une culture (𝑔푝ℎ) utilisée pour une décade de croissance est celle qui correspond au pourcentage 퐶푃푝ℎ푎푠푒 minimum, lequel est plus grand que le pourcentage de la phase de croissance de la décade de croissance :

𝑔푝ℎ = min퐶푃푝ℎ푎푠푒>𝑔푝(푝ℎ푎푠푒) et 1 ≤ 푝ℎ푎푠푒 ≤ 8

96

Annexes

Le coefficient Kc d’une culture utilisé pour une décade de croissance s’obtient par une interpolation linéaire des valeurs CKC :

Exemple concret avec une culture, le maïs, dont les caracteristiques sont les suivants :

Phase CPphase CKCphase 0 0% 03 1 3% 03 2 6% 03 3 9% 03 4 13% 03 5 17% 03 6 40% 12 7 79% 12 8 100% 06

Valeur calculées pour chaque gd en partant du principe que la durée du cycle de croissance du maïs s’étend sur 5 décades :

97

Table des matières

Table des matières REMERCIEMENTS ...... ii LISTE DES FIGURES ...... iii LISTE DES TABLEAUX...... v LISTE DES GRAPHIQUES ...... v LISTE DES ABREVIATIONS...... vi INTRODUCTION GENERALE ...... 1 Premier Partie : GENERALITES ...... 4 Chap. I - LE PRINCIPE DE SYSTEME D’ALERTE PRECOCE ...... 5 I.1. INTRODUCTION ...... 5 I.2. GENERALITES ...... 5 2.1. Le contexte institutionnel et opérationnel ...... 6 2.2.Structure actuelle de la Gestion des Risques et des Catastrophes (GRC) ...... 7 2.2.1. Le Conseil National de Gestion des Risques et des Catastrophes (CNGRC), anciennement Conseil National de Secours (CNS) ...... 7 2.2.2.Le Bureau National de Gestion des Risques et des Catastrophes (BNGRC) ...... 8 2.2.3.Le Comité de Réflexion des Intervenants en cas de Catastrophes ou CRIC ...... 9 2.2.4.Les Structures et organes spécialisés ...... 9 2.2.5.Schéma de la structure de coordination et principales responsabilités de chaque niveau de coordination (24)...... 10 2.3. Les principaux elements ...... 10 2.4. Schema de plan d`action du sap ...... 11 Chap. II - CONCEPT DE LA SECHERESSE...... 12 II.1. LES TYPE DE SECHERESSE ...... 12 1.1 Sécheresse météorologique ...... 12 1.2 Sécheresse agricole ...... 13 1.3 Sécheresse hydrologique ...... 13 1.4 Sécheresse socio-économique ...... 13 1.5 Relation entre les différents types de sécheresse ...... 13 II.2. CAUSES DE LA SECHERESSE METEOROLOGIQUE ...... 14

98

Table des matières

II.3. LES VARIABLES DE LA SECHERESSE ...... 15 II.4. LES PARAMETRES DE LA SECHERESSE ...... 15 II.5. LES INDICE DE SECHERESSE ...... 16 Chap. III - ZONE D’ETUDE ...... 18 III.1. GENERALITES ...... 18 1.1. Contexte géographique et découpage administrative ...... 18 1.2. Climat ...... 18 1.3. Pluviométrie ...... 21 1.4. Végétation ...... 21 1.5. Relief ...... 21 III.2. LE GRAND SUD ...... 22 2.1. Introduction ...... 22 2.2. Contexte géographique et découpage administratif de chaque région ...... 23 2.2.1. Atsimo Andrefana ...... 23 2.2.2. Région d’Anosy ...... 26 2.2.3. Région d’Androy ...... 29 2.2.4. Atsimo Atsinanana ...... 31 2.2.5. L’Hydrographie de Grand Sud ...... 34 Synthèse de la partie ...... 34 Deuxième Partie : LA METHODOLOGIE GENERALE ET LE PRINCIPE DU MODELE ARV ...... 35 Objectifs de l`études ...... 36 Chap. IV - DONNEES ET METHODOLOGIES ...... 36 IV.1. LES DONNEES UTILISEES ...... 36 1.1. Les données des stations ...... 36 1.1.1. Contrôle de qualité réalisée sur les données ...... 37 1.1.2. Données manquantes ...... 37 1.1.3. Contraintes des données pluviométriques à Madagascar ...... 39 1.1.4. Données atypiques ...... 40 1.2. Les données GPS des stations ...... 41

99

Table des matières

1.3. Les données satellitaires ...... 41 1.3.1. Format des jeux de données pluviométriques satellitaires utilisées ...... 42 IV.2 - METHODOLOGIES ...... 43 2.1. Pluviométries ...... 43 2.1.1. Objectifs de l’analyse des corrélations entre les données des stations et celles des satellites...... 44 2.2 - Indice de Satisfaction des Besoins en Eau ou Water Requierement Satisfaction Index (Wrsi) ...... 47 2.2.1. Introduction aux modèles du bilan hydrique ...... 47 2.2.2. Méthode de calcul du WRSI (cf. annexe E) ...... 47 2.2.3. Fonctionnement du WRSI...... 50 2.2.4. Les données utilisées...... 51 2.2.5. Processus de personnalisation du WRSI sur ARV ...... 52 Chap. V - LE PRINCIPE DUMODELE ARV ...... 53 V.1. INTRODUCTION ...... 53 V.2. APERÇU DE L’INDICE DE SECHERESSE DANS AFRICA RISK VIEW ET D’AUTRES OUTILS DE CALCUL DU BILAN HYDRIQUE ...... 53 V.3 AVANTAGES ...... 54 V.4. PRINCIPES ET METHODOLOGIES ...... 55 4.1. Classification ...... 57 Troisième Partie : RESULTATS ET ANALYSES ...... 58 VI. PLUVIOMETRIE ...... 59 VI.1. LIMITE DE L'ANALYSE ...... 59 VI.2. ANALYSE DES CORRELATIONS ...... 59 VI.3. ANALYSES ADDITIONNELLES ET COMPLEMENTAIRES RELATIVES AUX MOYENNES NATIONALES (DES DONNEES PLUVIOMETRIQUES AU COURS DE LA PERIODE 2001-2014) ...... 62 3.1 Comparaison des précipitations moyennes et des tendances pluviométriques au niveau national...... 62 3.2. Analyse des différences entre les données satelli-taires et celles des stations pour les 5 années les plus sèches ...... 65 3.3. Points de discussions/réflexions clés ...... 66

100

Table des matières

Synthèses partielles ...... 67 Chap. VII - INDICE DE SECHERESSE (WRSI) ...... 69 VII.1. PARAMETRES INITIAUX POUR LA PERSONNALISATION DU MODELE ARV ..69 VII.2. SUIVI ET EVALUATION DE WRSI AU COURS DES (2001- 2015) ...... 69 VII.3. ETAT DE SECHERESSE POUR LA SAISON (2015- 2016) ...... 72 3.1. Listes des communes les plus touchées par la sécheresse agricole (risque très élevés sur la baisse de production agricole) ...... 72 VII.4. POURCENTAGE DES COMMUNES TOUCHEES PAR LA SECHERESSE AGRICOLE ...... 73 VII.5. LES REGIONS LES PLUS TOUCHEES PAR LA SECHERESSE AGRICOLE AU COURS DE 15 DERNIERES ANNEES (SEVERE) ...... 74 Synthèses partielles ...... 75 CONCLUSION GENERALE ...... 77 ANNEXES ...... 81

101

Titre : «ELABORATION D’UN SYSTEME D’ALERTE PRECOCE ET SUIVI DE LA SECHERESSE DANS LE GRAND SUD DE MADAGASCAR EN UTILISANT LE MODELE ARV (African RiskView) ».

Auteur : RAZANATSIMBA Albert Tél : +261338176771 / +261325780875 E-mail : [email protected] Nombre de pages : 78 Nombre de tableaux : 13 Nombre de figures : 28 RESUME : Parmi les calamités naturelles, la sécheresse touche plus de personnes et coûte très chère sur le plan économique, social et environnemental, particulièrement dans les pays en voie de développement. L’élaboration de systèmes efficaces de suivi et d’annonce précoce de la sécheresse et de diffusion de l’information a constitué un défi de taille en raison du caractère particulier de ce désastre. L’amélioration du suivi de la sécheresse est l’un des éléments clefs de ces plans ainsi que des politiques nationales en la matière. Des données de précipitations ré- analysées et de l`ARV ont été utilisées pour calculer les indices de sécheresse afin d’analyser les valeurs et répartitions spatiales des fréquences des sécheresses ainsi que la relation entre WRSI et la variabilité interannuelle de précipitations à Madagascar. D’après le modèle ARV et le calcul de l’indice de WRSI, la sécheresse a touché la région de Grand Sud surtout les littorales Sud- Ouest et Sud (Atsimo Andrefana, Androy et Anosy).

Mot clés : Alerte précoce, sécheresse, ARV et WRSI

ABSTRACT

Among the natural disasters, the drought reaches more people and very expensive on the economic, social and environmental fields especially in developing countries. The elaboration of an efficient continuous work systems, and an early announcement of the drought and broadcasting of the information constituted an important challenge on account of the particular type of calamity. The improvement of the drought continuous work is one of the key-elements of these plans in a like manner of the national politics in this subject. The precipitations which were analysed again and the ARV ware used to calculate the indication of the drought in order to analyse the values and frequency of drought in a like manner of the relationship between WRSI and the interannual variability of the precipitations in Madagascar. According to the ARV pattern and calculation of WRSI sign the drought stroke the large south region especially the South-west and South Coastal (Atsimo Andrefana, Androy and Anosy).

Key words: early warning, drought, and ARV WRSI

Directeur de mémoire: RANDRIANASOLO Léon