projet ldas-maroc
TRANSCRIPT
1
Centre Royal de Télédétection Spatiale
Projet LDAS -Maroc
Suivi et Alerte à la Sécheresse
Rapport de synthèse
Noureddine BIJABER
Mai 2015
2
TABLES DES MATIERES
Liste des figures......................................................................................................i
Liste des tableaux...................................................................................................i
Liste des acronymes...............................................................................................ii
Introduction............................................................................................................1
1- Contexte de l'étude............................................................................................3
1.1. Projet LDAS-Maroc.........................................................................................3
1.2. Composante d'alerte et de suivi de la sécheresse..........................................4
2- Généralités sur la sécheresse...........................................................................5
2.1. Sécheresse météorologique...........................................................................6
2.2. Sécheresse agricole........................................................................................7
2.3. Sécheresse hydrologique................................................................................7
2.4. Sécheresse socioéconomique........................................................................8
3- Suivi et alerte à la sécheresse météorologique.................................................8
4- Suivi et alerte à la sécheresse agricole...........................................................12
5- Méthodologie globale.......................................................................................13
5.1. Données utilisées..........................................................................................13
5.2. Structuration des données et modèles de calcul de l'indicateur SPI............16
5.3. Calcul de l'indicateur composite de sécheresse...........................................21
5.4. Méthodologie de validation des produits générés.........................................24
6- Résultats..........................................................................................................25
Conclusion...........................................................................................................39
Références bibliographiques................................................................................40
3
Liste des figures
Figure 1 : Succession des situations de sécheresse et de leurs incidences (Source: NDMC, Université de Nebraska-Lincoln, USA)................................6
Figure 2 : Carte du SPI-2 mois (Mars 2015)..................................................................11
Figure 3 : Carte des anomalies du NDVI (Février 2015)...............................................14
Figure 4: Carte des anomalies de l'évapotranspiration (Février 2015)..........................15
Figure 5: Carte des anomalies de la température de surface de la terre (Février 2015)...........................................................................................................16
Figure 6: Grille de points à 5 km de résolution spatiale.................................................17
Figure 7: Interface de calcul du SPI..............................................................................19
Figure 8: Exemple de résultat de calcul du SPI pour un pixel.......................................20
Figure 9: Variations du SPI-2 des mois de Février (Centre de la province de Settat)...20
Figure 10: Organigramme méthodologique de calcul de l'indicateur composite...........23
Figure 11: Cartes SPI-NDVIa-ETa-LST (Octobre 2014)...............................................26
Figure 12: Indicateur composite de sécheresse (Octobre 2014)...................................27
Figure 13: Cartes SPI-NDVIa-ETa-LST (Novembre 2014)............................................28
Figure 14: Indicateur composite de sécheresse (Novembre 2014)...............................29
Figure 15: Cartes SPI-NDVIa-ETa-LST (Décembre 2014)............................................30
Figure 16: Indicateur composite de sécheresse (Décembre 2014)...............................31
Figure 17: Cartes SPI-NDVIa-ETa-LST (Janvier 2015).................................................32
Figure 18: Indicateur composite de sécheresse (Janvier 2015)....................................33
Figure 19: Cartes SPI-NDVIa-ETa-LST (Février 2015).................................................34
Figure 20: Indicateur composite de sécheresse (Février 2015)....................................35
Figure 21: Cartes SPI-NDVIa-ETa-LST (Mars 2015)....................................................36
Figure 22: Indicateur composite de sécheresse (Mars 2015).......................................37
Figure 23 : Cartes de l'indicateur CDI pour la campagne 2014-2015 (classes de sécheresse).......................................................................38
4
Liste des Tableaux
Tableau 1 : Classes de sévérité de la sécheresse selon SPI (McKee, 1995).................9
Tableau 2: Extrait de la table dbf générée après ré-échantillonnage............................18
5
Liste des acronymes
CDI Combined Drought Indicator
CHIRPS Climate Hazards Group InfraRed Precipitation with Station data
CHPClim Climate Hazards Precipitation Climatology
CPC Climate Prediction Center
CRTS Centre Royal de Télédétection Spatiale
DMN Direction de la Météorologie Nationale
ENSO El Nino Southern Oscillation
EROS Earth Resources Observation and Science Centre
ET Evapotranspiration
FEWSNET Famine Early Warning System Network
GOES Geostationary Operational Environmental Satellite
GMS Geostationary Meteorological Satellite
HCEFLCD Haut Commissariat aux Eau et Forêts et à la Lutte Contre la Désertification
LDAS Land Data Assimilation System
LST Land Surface Temperature
MODIS Moderate Resolution Imaging Spectroradiometer
NASA National Astronautic and Space Agency
NCDC National Climatic Data Center
NDMC National Drought Mitigation Center
NDVI Normalized Difference Vegetation Index
NOAA National Oceanic and Atmospheric Administration
PIB Produit Intérieur Brut
PIR Proche Infrarouge
PIBA Produit Intérieur Brut Agricole
RN Rapport à la Normale
SAU Superficie agricole utile
SMAS Système Maghrébin d'Alerte à la Sécheresse
SSEB Simplified Surface Energy Balance
SSEBop Operational Simplified Surface Energy Balance
SPI Standardized Precipitation Index
SVI Standardized Vegetation Index
VCI Vegetation Condition Index
VHI Vegetation Health Index
TCI Temperature Condition Index
TRMM Tropical Rainfall Measuring Mission
USAID United States Agency for International Development
USGS United States Geological Survey
6
Introduction
Au Maroc, l'agriculture constitue un secteur important pour le développement économique et social. En effet, le secteur agricole contribue au produit intérieur brut national à hauteur de 15% et représente près de 1,5 million d'exploitations permettant ainsi de générer près de 40% de l'emploi. Le plan Maroc Vert prévoit de faire du secteur agricole un levier prioritaire du développement socioéconomique au Maroc et d'assurer la sécurité alimentaire du pays à travers l'amélioration de la productivité tout en limitant l'impact des changements climatiques et en préservant les ressources naturelles.
L'agriculture au Maroc se heurte cependant à plusieurs contraintes dont la plus importante est la dépendance de cette agriculture des conditions climatiques. En effet, le Maroc est confronté, depuis plusieurs années, à un déficit pluviométrique récurrent mettant en péril la production agricole et confrontant les éleveurs à des pénuries d'eau et de fourrage. Ces situations de sécheresse conduisent à la dégradation des conditions de vie des populations locales et de l'Environnement.
De part sa situation géographique, le Maroc est caractérisé par un climat fortement contrasté avec un régime pluviométrique dominé par une forte irrégularité dans l’espace et dans le temps. En effet, le Maroc appartient à la zone de subsidence subtropicale où le climat est influencé par l'action conjuguée de deux phénomènes météorologiques déterminants: l'anticyclone des Açores et la dépression Saharienne. Le climat marocain est ainsi de type méditerranéen caractérisé par l'alternance d'une saison humide en hiver et une saison estivale sèche et longue. La variabilité spatio-temporelle de la pluviométrie au Maroc est déterminée par trois composantes essentielles à savoir :
- La partie Nord-Ouest est ouverte à l’influence de la Méditerranée et de l’Atlantique et subit un régime tempéré;
- La barrière de l’Atlas rend les précipitations moins fréquentes et moins importantes sur l’Est du pays et plus intenses sur les hauteurs que sur les plaines;
- L’extension latitudinale (du 20° au 37° nord) diversifie le climat avec un nord tempéré à semi-aride et un sud chaud et aride. Les écarts de pluviométrie sont très grands entre les plaines du Nord-Ouest qui totalisent une moyenne annuelle dépassant 300 mm et les régions du Sud qui avoisinent 100 mm.
En plus de leur variabilité spatiale, les pluies sont très irrégulières en cumul et en répartition temporelle. En effet :
- Les cumuls enregistrés peuvent atteindre le double et même le triple de la normale en années humides ou ne dépasser 40 à 50 % de cette valeur en années sèches;
- Le mois le plus arrosé n’est jamais le même et peut changer d’une année à une autre pour une région donnée;
- La date du début comme de la fin de la saison pluvieuse peut varier d’une année à une autre pour une région donnée.
Cette situation risque de se dégrader sous l’effet des changements climatiques. En effet, dans les dernières décennies, le Maroc a souffert de ces variations climatiques
7
avec une aggravation des phénomènes extrêmes et une réduction importante de la pluviométrie et par conséquent des écoulements.
Depuis les années 1980, le Maroc a connu plusieurs années de grande sécheresse d'une fréquence très accentuée et d'une intensité plus forte au cours de la décennie 90. Les impacts de ces sécheresses sur l'économie nationale sont d'une grande importance. En exemple, la contribution du produit intérieur brut agricole (PIBA) était de 30,4% du produit intérieur brut (PIB) en 2009 qui a été une année très pluvieuse avec une production céréalière nationale dépassant le seuil de 100 million de quintaux. Cette contribution du PIB agricole au PIB était de 11,4% en 2000 considérée comme année sèche.
Devenue structurelle au Maroc, la sécheresse requiert une prise en compte accrue dans les stratégies de développement du pays. La prévention de la dégradation de l'environnement causée par la sécheresse peut être réalisée par l'amélioration de l'accès aux informations fiables, à jour et à moindre coût et par le renforcement des capacités de diagnostic de crise en utilisant un système d'alerte à la sécheresse permettant le suivi régulier des changements environnementaux au Maroc.
Depuis les années 80, le Maroc a mis en place des structures et des programmes importants de lutte contre les effets de la sécheresse et d'économie de l'eau. Les approches adoptées restent néanmoins plus réactives que proactives. Les structures mises en place méritent d'être renforcées par la création d'un système d'information et d'alerte qui peut aider dans la gestion du risque de la sécheresse. Ainsi, dans le cadre du programme LIFE-Pays Tiers coordonné par l'Observatoire du Sahara et du Sahel, un projet régional de mise en place d'un système maghrébin d'alerte à la sécheresse (SMAS) a été conduit dans les trois pays de la rive sud de la Méditerranée : Algérie, Maroc et Tunisie. L'objectif de ce projet était de développer une approche de gestion de risque de sécheresse à travers la mise en place d'un système d'alerte précoce basé sur des indicateurs calculés à partir de données météorologiques, satellitaires et thématiques.
Pour le cas du Maroc, le projet SMAS a permis de produire des cartes générées mensuellement par les différents partenaires: CRTS, Direction de la Météorologie Nationale (DMN), Ministère de l'Agriculture et le Haut Commissariat aux Eaux et Forêts et à la Lutte Contre la Désertification (HCEFLCD). Les cartes produites illustrent les indicateurs calculés à partir des données satellite (indice de végétation standardisé SVI, indice des conditions de végétation VCI, indice des conditions de température TCI et indice de l'état de santé de la végétation VHI), les indicateurs météorologiques (Rapport à la normale RN et indice standardisé des précipitations SPI), les indicateurs agronomiques (suivi des zones de céréaliculture pluviale) ainsi que les indicateurs forestiers (suivi des opérations de reboisements). Tous ces indicateurs étaient diffusés sous forme de bulletins d'information sur la sécheresse envoyés mensuellement aux différentes institutions concernées par la gestion de la sécheresse.
Ce projet SMAS (2006-2009) a permis d'acquérir une expérience très riche en matière de collaboration et de regroupement de différents partenaires autour de la même problématique et en matière d'échange d'informations et de données pour produire un
8
bulletin synthétique sur la sécheresse. Ces échanges ont été réalisés non seulement à l'échelle nationale mais également à l'échelle régionale dans l'objectif d'aboutir à une démarche commune de gestion de la sécheresse à l'échelle maghrébine. Ainsi, à l'issue de ce projet SMAS, les méthodes de calcul des différents indicateurs et l'interprétation des cartes produites ont été bien assimilées par l'ensemble des partenaires du projet.
Cependant, malgré les acquis de ce projet SMAS, des lacunes ont été constatées sur le contenu du bulletin généré ainsi que sur les délais de production de l'information sur la sécheresse. En effet, les indicateurs diffusés (SPI, RN, SVI, VCI, TCI, VHI, situation des semis et situation des reboisements forestiers) ont été produits séparément par les partenaires du projet et disséminés sous forme de bulletin. Aucune combinaison n'a été effectuée entre ces différents indicateurs afin d'évaluer l'impact de la situation météorologique (indicateurs SPI et RN) de la période étudiée sur la croissance de la végétation (SVI, VCI, TCI et VHI) de la même période par exemple. En plus, à part les indicateurs de suivi de la végétation obtenus à partir des données satellite et qui ont une caractéristique spatiale, tous les autres indicateurs sont générés ponctuellement puis les cartes sont éditées par extrapolation. De même, les bulletins édités ont été communiqués très tardivement aux différents utilisateurs par rapport à la période étudiée du fait que les délais de récupération de l'information produite par chacun des partenaires du projet étaient longs.
Cette expérience acquise dans le cadre du projet SMAS mérite ainsi d'être améliorée et renforcée afin de rendre l'information communiquée sur la sécheresse plus bénéfique et opérationnelle pour les utilisateurs. De ce fait, la présente étude élaborée dans le cadre du projet LDAS-Maroc a pour principal objectif d'utiliser les données spatiales pour générer un indicateur composite sur la sécheresse et de disséminer cette information mensuellement aux différents utilisateurs directement ou indirectement concernés par la gestion de la sécheresse.
1- Contexte de l'étude
1.1. Projet LDAS-Maroc
Le projet LDAS (Land Data Assimilation System, Système d’assimilation de données terrestres) s'inscrit dans le cadre de la coordination régionale pour l'amélioration de la gestion des ressources en eau et le renforcement des capacités. Financé par la banque mondiale (don n°TF010251) et coordonné par le CRTS en étroite collaboration avec l’agence spatiale américaine (NASA), ce projet LDAS permettra l’amélioration de la gestion des ressources hydriques à travers l'intégration des données issues de l'observation de la terre, des informations in-situ et de la modélisation.
L’objectif global de ce projet est l’utilisation des technologies spatiales dans le domaine de gestion des ressources en eau pour une meilleure caractérisation des différentes phases du cycle de l'eau à l'échelle nationale et le dégagement des différentes formes de l'impact des variations climatiques.
De façons spécifiques, le projet permettra :
9
• L’intégration des données d'observation de la terre, des données in-situ et de la modélisation pour la production d'indicateurs et de paramètres hydrologiques clés afin de mieux caractériser et d'optimiser l'utilisation des ressources en eau et d'alerter en cas de catastrophes naturelles (Sécheresse, Inondations, invasion acridienne).
• L’amélioration des capacités de gestion des variations de la disponibilité des ressources en eau incluant les eaux de surface, les eaux souterraines et les changements dans l'utilisation des sols qui leur sont associés.
• La contribution à l'estimation de l'eau utilisée par l’agriculture irriguée pour une meilleure planification et évaluation de la productivité de l’eau au niveau des zones irriguées au Maroc.
• Le renforcement des capacités nationales pour une exploitation opérationnelle des possibilités offertes par les nouvelles technologies de l’information à travers la participation aux différentes manifestations nationales et internationales et la dissémination des résultats des différentes activités réalisées au profit des utilisateurs et partenaires concernés.
1.2. Composante d'alerte et de suivi de la sécheres se
Parmi les différentes composantes du projet LDAS-Maroc, le suivi de la sécheresse a pour objectif la production d’un bulletin périodique sur l’état de la sécheresse à l’échelle nationale par combinaison de différentes sources de données (météorologie, humidité des sols, télédétection). L’objectif global de cette composante du projet est de contribuer à l’amélioration de la détection et d’alerte à la sécheresse en vue de réduire l’impact de celle-ci sur le secteur agricole et socio-économique au Maroc. Les objectifs spécifiques sont :
- Renforcement des capacités dans le domaine de l’alerte à la sécheresse par l'amélioration de l'accès à l'information et la dissémination des produits aux différents utilisateurs concernés par la gestion de la sécheresse.
- Développement de méthodologies basées sur le calcul, l’analyse et la diffusion d’indicateurs de vulnérabilité à la sécheresse au niveau national.
- Edition et diffusion de bulletins sur la sécheresse à l’échelle nationale en mettant en évidence les zones les plus vulnérables.
Dans le cadre de cette composante du projet, une équipe d'experts du Centre National d'atténuation des effets de la sécheresse (National Drought Mitigation Center de l'Université de Nebraska, USA) a été engagée pour assister l'équipe du CRTS dans la réalisation des activités techniques et scientifiques. Ainsi, plusieurs missions d'expertise ont été organisées au CRTS entre Mai 2014 et Février 2015. L’objet de chaque mission étant de répondre aux besoins spécifiés dans les termes de référence en matière de développements méthodologiques d'une application permettant le calcul d’indicateurs de suivi et d'alerte à la sécheresse d’une part et de définir les activités nécessaires à la validation des produits générés d’autre part. La dernière mission effectuée en Février
10
2015 avait pour objet la formation des participants représentant différentes institutions marocaines (départements ministériels, instituts de recherche, agences nationales,..) ainsi que des représentants étrangers (Tunisie, Liban et Etats Unis d'Amérique).
A l'issue de cette expertise, des outils et méthodes de calcul de l'indicateur composite à partir de différents paramètres et indices ont été livrés au CRTS pour produire de l'information concernant la situation de la sécheresse au Maroc. L'objectif de cette assistance technique est de faire bénéficier le Maroc de l'expérience internationale en matière de suivi et d'alerte à la sécheresse.
Le présent rapport décrit les différentes phases méthodologiques permettant l'utilisation des données météorologiques et de télédétection pour le calcul d'indicateurs de suivi de la sécheresse. La première partie de ce rapport présente quelques généralités sur la problématique de la sécheresse. Le chapitre suivant résume la méthodologie adoptée pour le choix de sources de données pluviométriques pour le calcul de l'indice standardisé de précipitation. Ensuite, la définition et description des différents indices de télédétection est détaillée. La méthode de calcul de l'indicateur composite ainsi que la validation des résultats obtenus sont par la suite présentées en mettant en exergue quelques exemples de produits concernant la campagne agricole en cours.
2- Généralités sur la sécheresse
La sécheresse est parmi les catastrophes naturelles les plus complexes du fait que son début et sa fin ainsi que sa sévérité sont souvent difficiles à déterminer. Elle diffère des autres catastrophes par le fait qu’elle s’installe lentement et se développe au cours des mois et voire même des années (Lain, et al. 2005). Elle affecte souvent des espaces assez larges. Cependant, ses caractéristiques varient d’une région à une autre (Karrou, 2006).
Généralement, quatre grands types de sécheresse sont à distinguer: sécheresse météorologique, sécheresse agricole, sécheresse hydrologique et sécheresse socio-économique. Ces sécheresses peuvent ne pas se manifester en même temps. Cependant, la sécheresse météorologique reste l’élément moteur des autres (Wilhite, et al. 1995). Le schéma ci-dessous (figure n°1) présente la succession des situations de sécheresse et de leurs incidences:
Figure 1 : Succession des situations de sécheresse et de leurs incidences (Source: NDMC
2.1. Sécheresse météorologique
La sécheresse météorologique se caractérise par une réduction ou une mauvaise répartition, voire une absence des pluies dans une région donnée pendant une période de temps. Dans les régions où la pluie est reçue toute l'année, la définition sécheresse est basée sur le nombre de jours où les précipitations sont inférieures à un niveau critique donné. Pour Maroc), la sécheresse est souvent définie, par la mesure de la déviation dprécipitations cumulées sur une période donnée par rapport à la normale de cette période calculée sur au moins 30 ans.
Les causes de la sécheresse météorologique au Maroc sont de deux typesindirectes (Mokssit, 1998). Les premières sont lipersistance de l’anticyclone des Açores. Les secondes sont dues aux grandes anomalies qui affectent le système climatique global et par la suite la circulation générale atmosphérique, en particulier le phénomène El Nino système de fluctuations climatiques global nommé ENSO (El Nino Southern Oscillation).
Figure 1 : Succession des situations de sécheresse et de leurs incidences (Source: NDMC, Université de Nebraska-Lincoln, USA)
météorologique
La sécheresse météorologique se caractérise par une réduction ou une mauvaise répartition, voire une absence des pluies dans une région donnée pendant une période
Dans les régions où la pluie est reçue toute l'année, la définition sécheresse est basée sur le nombre de jours où les précipitations sont inférieures à un
our les zones caractérisées par des pluies saisonnièresest souvent définie, par la mesure de la déviation d
précipitations cumulées sur une période donnée par rapport à la normale de cette période calculée sur au moins 30 ans.
Les causes de la sécheresse météorologique au Maroc sont de deux types. Les premières sont liées au positionnement, intensité et
persistance de l’anticyclone des Açores. Les secondes sont dues aux grandes anomalies qui affectent le système climatique global et par la suite la circulation générale atmosphérique, en particulier le phénomène El Nino faisant partie d’un système de fluctuations climatiques global nommé ENSO (El Nino Southern Oscillation).
11
Figure 1 : Succession des situations de sécheresse et de leurs incidences (Source:
La sécheresse météorologique se caractérise par une réduction ou une mauvaise répartition, voire une absence des pluies dans une région donnée pendant une période
Dans les régions où la pluie est reçue toute l'année, la définition de la sécheresse est basée sur le nombre de jours où les précipitations sont inférieures à un
par des pluies saisonnières (cas du est souvent définie, par la mesure de la déviation des
précipitations cumulées sur une période donnée par rapport à la normale de cette
Les causes de la sécheresse météorologique au Maroc sont de deux types : directes et ées au positionnement, intensité et
persistance de l’anticyclone des Açores. Les secondes sont dues aux grandes anomalies qui affectent le système climatique global et par la suite la circulation
faisant partie d’un système de fluctuations climatiques global nommé ENSO (El Nino Southern Oscillation).
12
2.2. Sécheresse agricole
La sécheresse agricole réfère aux situations où l’humidité du sol et les réserves en eau deviennent insuffisantes pour satisfaire, respectivement, les besoins des cultures et ceux du bétail dans une région donnée. Cette sécheresse entraîne la réduction des rendements et met en danger les animaux. Les effets de la sécheresse sur les cultures dépendent du degré de sensibilité au stress hydrique de la plante au moment de la sécheresse, de la réserve en eau dans le sol et des techniques culturales pratiquées (Barakat, et al. 1998). Certaines espèces végétales ou variétés sont plus résistantes à la sécheresse que d’autres (Justice, et al.1985). Lorsque la sécheresse intervient à certains stades critiques, tels que la floraison par exemple dans un sol peu profond et à faible capacité de rétention de l’eau, la croissance et le développement des plantes peuvent être négativement affectés et par conséquent, la productivité peut être faible (El Mourid, et al.1989).
Au Maroc, bien que la sécheresse puisse survenir à n’importe quel moment au cours de la campagne agricole, on distingue généralement trois périodes de sécheresse à savoir celles du début du cycle, du milieu et de la fin du cycle. Il est évident que la sécheresse de fin du cycle est la plus fréquente et que celle du milieu du cycle est la plus difficile à combattre sauf s’il y a possibilité d’irrigation. Pour les sécheresses du début et de fin du cycle, le choix des variétés et des techniques culturales adaptées peut permettre aux plantes d’éviter ou d’échapper à la sécheresse (Yacoubi et al. 1998).
2.3. Sécheresse hydrologique
La sécheresse hydrologique est définie comme étant la situation où les approvisionnements en eau de surface et souterraines deviennent inférieurs à la normale à cause des périodes prolongées du manque de précipitations. Cette situation de réduction de l’écoulement superficiel dans les cours d’eau conduit à une diminution des volumes stockés dans les ouvrages hydrauliques et à une baisse naturelle du niveau des eaux dans les nappes souterraines.
En plus du manque de pluie qui est la cause principale de cette sécheresse, d’autres facteurs tels que le changement du relief, la construction des barrages et l’occupation du sol conduisant à la réduction du ruissellement ont un impact significatif sur ce type de sécheresse qui peut avoir des effets négatifs même en aval du bassin hydraulique.
La différence entre la sécheresse hydrologique et les autres types de sécheresse décrites ci-dessus est liée au fait qu’elle ne se manifeste pas au même moment que les autres mais après. Lorsqu’il y a un déficit pluviométrique (sécheresse météorologique), la sécheresse agricole est la première à être sentie car le secteur agricole est le premier à être affecté à cause de sa dépendance de l’humidité du sol qui est facilement épuisable. Cette situation est apparente au Maroc du fait que la majorité de la superficie agricole utile (SAU) est non irriguée (87% de la SAU est en bour). Si la déficience des pluies persiste, les autres secteurs qui dépendent des eaux de surface, des ouvrages de stockage et des nappes phréatiques ou aquifères sont enfin touchés.
13
2.4. Sécheresse socio-économique
On parle de sécheresse socio-économique lorsque l’insuffisance d’eau commence à affecter les gens et leurs vies. Elle associe les biens économiques et les éléments de la sécheresse météorologique, agricole, hydrologique et même forestière. Ce type de définition diffère des autres par le fait que cette sécheresse est basée sur le processus de l’offre et de la demande. La sécheresse socio-économique se manifeste lorsque l’offre d’un bien économique (eau, grains, énergie hydro-électrique…) ne peut plus satisfaire la demande de ce produit et que la cause de ce déficit est liée au climat (offre d’eau).
3- Suivi et alerte à la sécheresse météorologique
Le suivi de la sécheresse météorologique peut être effectué par analyse de plusieurs indicateurs calculés en utilisant différents paramètres météorologiques (précipitations, températures, humidité du sol,..). En raison de la difficulté de quantifier objectivement les caractéristiques de la sécheresse (durée, intensité et étendue spatiale), beaucoup d'efforts ont été consacrés à l'élaboration des techniques de surveillance, de caractérisation et d'analyse de la sécheresse et plusieurs indices et indicateurs ont été développés.
Parmi ces différents indicateurs, le SPI (Standardized Precipitation Index, Indice Standardisé des Précipitations) est le plus communément utilisé pour la caractérisation de la sécheresse. En effet, cet indicateur a été adopté par les experts, par voie de consensus, lors d'un atelier interrégional (Université de Nebraska-Lincoln, décembre 2009) sur les indices et les systèmes d'alerte précoce applicables à la sécheresse (Hayes, et al. 2011).
Développé par McKee et al. (McKee, et al. 1993), le SPI est un indicateur statistique utilisé pour la caractérisation des sécheresses locales ou régionales. Cet indicateur est basé sur un historique des précipitations de longue durée (au moins 30 ans), et permet de quantifier l’écart des précipitations (déficit ou surplus) d’une période par rapport aux précipitations moyennes historiques de la même période. Cette période varie généralement de 1 mois (sécheresses de courte durée et saisonnières) à 2 ans (cas des sécheresses de longue durée).
Le calcul du SPI consiste à faire ressortir les écart-types de la valeur enregistrée de précipitation par rapport à la moyenne historique pour la même échelle de temps. Le processus de calcul consiste en un ajustement de chacune des séries de données pluviométriques à une fonction de probabilité Gamma, pour postérieurement normaliser les précipitations, de façon à ce que les valeurs du SPI suivent une loi normale centrée réduite.
SPI = (P – Pm) / écart-type
14
P : total des précipitations d’une période (mm)
Pm : précipitation moyenne historique de la période (mm)
Les classes de la sévérité de la sécheresse (McKee, et al. 1995) selon SPI sont présentées dans le tableau 1 ci-dessous :
Tableau 1 : Classes de sévérité de la sécheresse selon SPI (McKee, 1995)
Valeur de SPI Classe
> +2.0 Extrêmement humide
+1.5 à +1.99 Très humide
+1.0 à +1.49 Modérément humide
-0.99 à +0.99 Proche de la normale
-1.0 à –1.49 Modérément sèche
-1.5 à -1.99 Sévèrement sèche
< -2.0 Extrêmement sèche
Le tableau 1 ci-dessus permet de classer de manière simple chacune des périodes étudiées et de les inclure dans une des sept différentes catégories, selon la dimension de la déviation de la précipitation enregistrée pendant une période déterminée par rapport à la moyenne de la série historique pour cette même période. Le fait que l'indice SPI soit normalisé permet à l'utilisateur de comparer en toute confiance des sécheresses passées et actuelles entre des zones climatiques et géographiques différentes. Ceci permet également de représenter de la même manière les climats humides et les climats arides. Cet indice SPI permet également d'assurer une surveillance des périodes humides.
McKee et al. (1993) ont développé cet indicateur afin de faire ressortir l’impact de la période étudiée (mois, saison, année) sur les différentes ressources en eau. Comme les réserves souterraines, les réservoirs, les dépôts neigeux ou les cours d’eau ne réagissent pas aux variations pluviométriques avec la même rapidité, la période de calcul du SPI fait ressortir l’effet de cette variation sur chacun de ces systèmes hydrologiques.
La sécheresse débute lorsque cet indice commence à être systématiquement négatif et prend fin lorsqu'il devient positif. Le SPI est ainsi le moyen le mieux indiqué pour déceler rapidement ce phénomène, prévoir son intensité et annoncer sa fin. Il s’agit donc, d’un indice de sécheresse météorologique universel conçu pour faciliter la surveillance des sécheresses et la gestion des risques liés au climat.
L'élaboration de cartes spatialisées du SPI à l'échelle nationale consiste à calculer cet indicateur par utilisation de données des précipitations obtenues par satellites. Il s'agit
15
des données pluviométriques CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) qui sont des estimations par satellite corrigées par intégration des données pluviométriques des stations météorologiques au sol. Ces données se présentent sous forme d'images raster en séries temporelles disponibles depuis 1981 jusqu'à présent (Funk, et al. 2014). Les principales données satellite utilisées pour la création de CHIRPS sont:
- Climate Hazards Precipitation Climatology (CHPClim) qui se présentent sous forme de précipitations moyennes mensuelles à haute résolution spatiale (0,05°) émanant de la combinaison de données d'observations satellite, de précipitations moyennes des stations météorologiques et des paramètres permettant la prédiction des pluies tels que l'élévation, la latitude et la longitude (Funk, et al. 2014);
- Les données satellite infrarouge thermique issues de 2 sources de la NOAA: le Centre National des Données Climatiques (National Climatic Data Center, NCDC); et le Centre de prévision du Climat (Climate Prediction Center, CPC) qui extrait les données infrarouge de différents satellites géostationnaires (Meteosat-5, Meteosat-7, GOES-8, GOES-10, GMS-5) en plus des données micro-onde passives (à partir de NOAA-15, NOAA-16 et NOAA-17);
- Les données TRMM-3B42 de la NASA qui sont particulièrement importantes pour les études du cycle hydrologique global et pour évaluer la fiabilité des modèles climatiques et leur capacité de simuler et de prévoir avec précision le climat à l'échelle saisonnière;
- Les prévisions des précipitations obtenues des modèles atmosphériques du système de prévision climatique de la NOAA (version CFSv2);
- Les mesures des précipitations in-situ obtenues des différentes stations météorologiques au niveau national et régional.
Toutes les données sources sont compilées sur des périodes de 5 jours et les données CHIRPS se présentent sous forme de cartes spatialisées de précipitations à une résolution spatiale de 5 km.
Pour procéder au calcul du SPI en temps réel tenant compte des données historiques, la période de calcul retenue dans le cadre de ce projet est de 2 mois. Le SPI sur 2 mois établit ainsi la comparaison entre le total des précipitations sur la période étudiée de 2 mois et les totaux des précipitations pour cette même période de 2 mois de toutes les années pour lesquelles on dispose de données. En d'autres termes, l'indice SPI sur 2 mois se terminant fin février 2014 par exemple permet de comparer le cumul des précipitations des mois de janvier et février 2014 aux cumuls de précipitations de janvier et février de toutes les années depuis 1981 (en utilisant les données CHIRPS). Chaque nouvelle année, les données d'observation viennent s'ajouter à la série des relevés dont la durée gagne ainsi une année.
Ce choix permet de prendre en considération le déphasage entre les périodes des précipitations et l'impact de celles-ci sur la croissance végétative. Ce SPI sur 2 mois, représentant des conditions à courte échéance, est appliqué pour la détection des
16
sécheresses de type météorologique ainsi que pour le suivi de l'humidité du sol à court terme et le stress hydrique subi par les cultures, en particulier au cours de la période végétative. Le suivi de la sécheresse durant la campagne agricole devient ainsi plus fiable en se basant sur un indice spatialisé (SPI 2 mois) calculé à partir de données satellite acquises en temps quasi réel. L'alerte à la sécheresse devient également plus précise étant donné que cet indice indique qu'une sécheresse débute quand la valeur du SPI est inférieure ou égale à -1 et qu'une sécheresse se termine lorsque sa valeur devient positive.
La figure 2 ci-dessous illustre le résultat de calcul du SPI-2 pour le mois de Mars 2015 par utilisation des données pluviométriques CHIRPS.
Figure 2: Carte du SPI-2 mois (Mars 2015)
La figure 2 ci-dessus montre une situation pluviométrique modérément humide au niveau de quelque provinces du Sud et également au niveau de la province de Nador et
17
partiellement la province Taza en Mars 2015 par rapport à la même période durant les 34 dernières années. Les provinces Azilal, Kelaat Sraghna, Errachidia et Ouarzazate ont cependant connu partiellement une sécheresse modérée au cours de ce mois de Mars 2015 par rapport à la même période des années précédentes.
4- Suivi et alerte à la sécheresse agricole
L’agriculture au Maroc est un secteur économique important, avec environ 40% de la population active vivant de ce secteur représentant 78% de l’emploi en milieu rural. La variation temporelle de la couverture végétale est parmi les facteurs renseignant sur les situations de stress hydrique (sécheresse), d’érosion ou de désertification au niveau des milieux arides et semi-arides.
Le suivi et l’alerte à la sécheresse agricole nécessitent d'avoir une vision fréquente, globale et localisée des zones d’agriculture pluviale que seule la télédétection spatiale est en mesure d'apporter. Ce suivi peut être effectué par analyse de plusieurs indicateurs calculés en utilisant différents paramètres extraits de données d'observation spatiale.
Grâce à leur fréquence temporelle (plus d'un passage par jour) et à leur résolution spatiale (de 250 mètres à 1 kilomètre), les données satellite à basse résolution spatiale (comme MODIS) permettent de couvrir l'ensemble du territoire national de façon quotidienne. Ces données permettent de générer plusieurs paramètres biophysiques et de calculer des indicateurs de suivi de la végétation et d'alerte en cas de situations anormales de la croissance végétative (sécheresse, inondations,..). La fréquence de suivi de la végétation par utilisation de ces données à basse résolution spatiale peut être journalière, décadaire, mensuelle ou saisonnière.
Le spectromètre imageur à résolution moyenne (MODIS), installé à bord des satellites Terra et Aqua, fournit des données fréquemment utilisées dans les études environnementales décrivant les caractéristiques terrestres, océaniques et atmosphériques. Ces données MODIS sont caractérisées par différentes résolutions spatiales : 250 m pour les bandes spectrales 1 et 2, 500 m pour les bandes 3 à 7 et 1000 m pour toutes les bandes spectrales entre 8 et 36.
Les paramètres et indices extraits à partir des données MODIS pour la caractérisation et le suivi de la sécheresse agricole dans le cadre de cette étude sont :
- Le NDVI (Normalized Difference Vegetation Index, Indice de végétation par différence normalisée),
- La température de surface du jour et de nuit, et
- L'évapotranspiration.
Ces paramètres obtenus à une fréquence mensuelle sont combinés à l'indice standardisé des précipitations pour générer un indicateur composite de suivi de la sécheresse à l'échelle mensuelle.
18
Les paramètres extraits des données MODIS sont téléchargés mensuellement à partir du réseau FEWSNET (Famine Early Warning System Network) qui est un réseau de systèmes d'alerte précoce à la famine créé par l'USAID (United States Agency for International Development) en 1985 pour aider les décideurs à anticiper les crises humanitaires.
5- Méthodologie globale
5.1.Données utilisées
Le suivi global de la sécheresse est basé sur la combinaison de plusieurs paramètres issus de l'observation spatiale. Cette combinaison intègre les indices météorologiques (SPI à partir des données CHIRPS) et les indices de télédétection (anomalies de l'indice de végétation, anomalies de l'évapotranspiration, différences de températures de surface du jour et de la nuit permettant l'estimation de l'humidité du sol).
a- Anomalies du NDVI
Le Centre de la Science et de l'Observation des Ressources Terrestres (Earth Resources Observation and Science Center, EROS) de l'Institut des études géologies des Etats-Unis (USGS) distribue un ensemble de produits dérivés des données satellites sur la végétation générés à partir du spectroradiomètre imageur à résolution modérée (MODIS). Ces produits, appelés "eMODIS," sont utilisés pour des applications opérationnelles de surveillance des terres nécessitant les données d'indice de végétation par différence normalisée en temps quasi-réel pour la comparaison avec les données historiques. Les données NDVI en temps quasi réel ainsi que les données historiques sont disponibles en synthèses décadaires.
Les synthèses décadaires eMODIS sont générées par la méthode de la valeur maximale composite (MVC) à partir des données quotidiennes à 250 m de résolution spatiale. Ces données sont très utiles pour le suivi des conditions de la végétation.
Le NDVI est défini par la différence normalisée entre les données du canal Rouge (R) et Proche Infrarouge (PIR) selon la relation : (PIR - R) / (PIR + R). Il traduit la mesure de la densité de chlorophylle contenue dans la couverture végétale.
Les anomalies du NDVI sont obtenues par soustraction de la moyenne du NDVI (calculée depuis 2001) pour la décade étudiée de la valeur NDVI de la même décade de l'année en cours. Les images des anomalies du NDVI présentent des classes de valeurs négatives correspondant à des situations de végétation moins vigoureuse que la normale, et des classes de valeurs positives correspondant à des situations de végétation pour l'année en cours plus vigoureuses que la normale. Les classes de valeurs des anomalies du NDVI sont distribuées entre -0.3 et +0.3 NDVI. La zone correspondant à des situations stables est approximativement comprise entre -0.05 et +0.05. Les images sont fournies sous format GeoTIFF et couvrent toute la région de l'Afrique du nord.
19
La figure 3 ci-dessous illustre un exemple de carte des anomalies du NDVI téléchargée du site FewsNet pour le mois de Février 2015.
Figure 3: Carte des anomalies du NDVI (Février 2015)
b- Anomalies de l'évapotranspiration
L'évapotranspiration (ET) c'est la combinaison de l'évaporation du sol et la transpiration de la végétation (par absorption de l'eau à travers son système racinaire). L'évapotranspiration réelle est calculée en utilisant les équations du bilan énergétique SSEBop (Operational Simplified Surface Energy Balance) depuis 2003 jusqu'à présent (Senay et al., 2013). Le modèle SSEBop est basé sur la méthode simplifiée du bilan énergétique de surface (Simplified Surface Energy Balance, SSEB), avec une amélioration paramétrique pour les applications opérationnelles (Senay et al., 2007, 2011). Ceci consiste à combiner les fractions de l'ET, générées à partir des données décadaires des bandes thermiques de MODIS, avec l'évapotranspiration de référence par utilisation d'une approche basée sur un indice thermique.
La particularité unique du paramétrage de SSEBop c'est que ce modèle utilise des conditions aux limites, saisonnières et dynamiques, prédéfinies qui sont uniques à chaque pixel pour les points de référence "chaud/sec" et " froid/humide".
Les anomalies de l'ET sont le rapport de l'évapotranspiration réelle et de la valeur de la médiane correspondante. Ces anomalies sont exprimées en pourcentage. La figure 4 ci-dessous présente un exemple de carte d'anomalies de l'évapotranspiration pour le mois de Février 2015.
20
figure.4 : Carte des anomalies de l'évapotranspiration (Février 2015)
c- Températures de surface de jour et de nuit
Les anomalies de la différence de températures de surface de la terre du jour et de nuit fournissent des informations sur l'état de l'humidité du sol. Des recherches (Hain et al., 2009 et 2011) ont montré qu'une forte relation existe entre les anomalies de la différence de température du jour et de nuit et les anomalies de l'humidité du sol. Hain et al. (2011) ont indiqué que l'évolution des températures matinales de la surface de la terre dépondent fortement des conditions d'humidité du sol.
Les sols couverts de végétation souffrant de stress hydrique (ou les sols secs ayant une faible différence de températures du jour et de nuit) dégagent la chaleur rapidement que les sols couverts de végétation bien alimentée en eau (ou sols humides pour lesquels cette différence de températures jour-nuit est plus grande).
La température de surface de la terre est également un indicateur d'alerte précoce pouvant renseigner sur le début du stress hydrique de la végétation. Ce stress, résultant d'une augmentation continue de la température du couvert végétal, peut être détecté avant que la dégradation de la végétation ne soit observée à travers les indices de végétation (NDVI en particulier).
La figure 5 ci-dessous présente un exemple de carte des anomalies de la température de surface de la terre pour le mois de Février 2015.
21
Figure 5 : Carte des anomalies de la température de surface de la terre (Février 2015)
5.2. Structuration des données et calcul de l'indic ateur SPI
a- Structuration des données
Pour le calcul de l'indicateur SPI à partir des données CHIRPS, une première étape consiste à préparer les fichiers selon le format spécifique exigé par les modèles de calcul. Cette préparation consiste premièrement à télécharger toute l'historique des données mensuelles CHIRPS et de les organiser de telle sorte que chaque série de données corresponde à une période (mois) depuis 1981.
Pour chaque nouveau mois étudié, les données CHIRPS téléchargées sont tout d'abord ré-échantillonnées afin de garder uniquement la zone couvrant le territoire national à une résolution spatiale de 5 km. A cet effet, un fichier définissant les limites du territoire national a été préalablement préparé. Ce fichier est sous forme d'une grille contenant 25588 points avec une résolution spatiale de 5 km (figure 6). Cette grille est utilisée mensuellement comme base d'intersection avec tous les paramètres d'entrée au modèle global (CHIRPS, NDVI, LST et ET).
22
Figure 6 : Grille de points à 5 km de résolution spatiale
Une vérification et correction de la projection des données CHIRPS téléchargées est ensuite effectuée pour qu'elles soient parfaitement superposables avec les données historiques structurées au niveau de la base de données existante. Chaque pixel porte une valeur de précipitation spatialisée sur une zone carrée de 5 km x 5 km, et le calcul du SPI s'effectue au niveau de chaque pixel.
Les anomalies du NDVI calculées à partir des données MODIS sont mensuellement téléchargées du réseau FEWSNET. Chaque donnée brute téléchargée est renommée selon la nomenclature naYYYYMM.tif (et naYYYYMM.tfw), avec YYYY et MM sont respectivement l'année et le mois d'étude. La première opération consiste à ré-échantillonner les données téléchargées afin de garder uniquement la zone couvrant le territoire national à une résolution spatiale de 5 km en utilisant la grille préalablement préparée.
Les données mensuelles des anomalies de l'évapotranspiration, calculées par les modèles du bilan énergétique en utilisant les canaux thermiques de MODIS, sont également téléchargées du réseau FEWSNET et sont renommées selon la nomenclature etYYYYMM.tif. Le ré-échantillonnage de ces données téléchargées se fait par utilisation de la grille contenant les 25588 points espacés de 5 km afin de conserver uniquement la zone couvrant le territoire national.
23
La procédure de préparation des données LST consiste à télécharger, pour tout le mois étudié, les données de température de surface de la terre du jour et celles de nuit séparément. Le calcul de la différence entre les températures de jour et celles de nuit se fait jour par jour durant le mois étudié. Ensuite, la synthèse mensuelle des données de température de surface Jour-Nuit est générée et le fichier correspondant aux anomalies est renommé selon la nomenclature lstYYYYMM.img. Ces données sont par la suite ré-échantillonnées en utilisant la grille ayant 5 km de résolution spatiale et délimitant le territoire national.
A l'issu de cette première phase de préparation des données d'entrée, un fichier tabulaire (format dbf) est généré pour le mois étudié regroupant pour chaque pixel les quatre paramètres structurés. Le tableau 2 ci-dessous présente un extrait de la table contenant les données organisées pour les 25588 pixels.
Tableau 2 : Extrait de la table dbf générée après ré-échantillonnage
Les colonnes X et Y correspondent aux coordonnées géographiques de chaque pixel. Les quatre colonnes suivantes (c201412, et201412, lst201412 et na201412) contiennent les données de chaque paramètre d'entrée pour le mois étudié à savoir : précipitations à partir de CHIRPS, anomalies de l'évapotranspiration, températures de surface jour-nuit et anomalies de l'indice de végétation NDVI.
b- Calcul du SPI à partir des données CHIRPS
Le calcul de l'indicateur SPI permettant de définir facilement les différents paramètres d'entrée (type de données, séparateur de données,..) et le format des données de sortie (échelle temporelle de calcul, périodes de sécheresse, fréde calcul du SPI:
F
Le résultat de calcul du SPIprécipitations enregistrées au cours du mois précipitations du même mois durant les trente ci-dessous présente un extrait du fichier obtenu après calcul du SPI pour un seul pixel.
Calcul du SPI à partir des données CHIRPS
e calcul de l'indicateur SPI se fait par un algorithme présentant une interface graphique permettant de définir facilement les différents paramètres d'entrée (type de données, séparateur de données,..) et le format des données de sortie (échelle temporelle de calcul, périodes de sécheresse, fréquences,..). La figure 7 ci-dessous illustre l'interface
Figure 7: Interface de calcul du SPI
Le résultat de calcul du SPI du mois étudié présente pour chaque pixel les écarts de précipitations enregistrées au cours du mois étudié par rapport à la moyenne des précipitations du même mois durant les trente quatre années précédentes
dessous présente un extrait du fichier obtenu après calcul du SPI pour un seul pixel.
24
un algorithme présentant une interface graphique permettant de définir facilement les différents paramètres d'entrée (type de données, séparateur de données,..) et le format des données de sortie (échelle temporelle de
dessous illustre l'interface
du mois étudié présente pour chaque pixel les écarts de par rapport à la moyenne des
quatre années précédentes. La figure 8 dessous présente un extrait du fichier obtenu après calcul du SPI pour un seul pixel.
25
Figure 8 : Exemple de résultat de calcul du SPI pour un pixel
L'exemple présenté dans la figure 8 ci-dessus correspond au pixel ayant pour coordonnées (32,97 Nord et 7,52 Ouest) et se trouvant en plein centre de la province de Settat (Région Chaouia-Ourdigha). La figure 9 ci-dessous illustre la variation de l'indice SPI calculé pour tous les mois de février depuis 1981 pour ce même pixel.
Figure 9 : Variations du SPI-2 des mois de Février (Centre de la province de Settat)
26
5.3. Calcul de l'indicateur composite de sécheresse
La sécheresse est un processus cumulatif qui suit plusieurs étapes avant de constituer un risque qui menace les intérêts de l'humanité. La représentation quantifiée de ce phénomène nécessite l'intégration de tous les paramètres et indicateurs renseignant sur les différents types de sécheresse. Les paramètres retenus dans le cadre de ce travail entrant dans la composition de l'indicateur final sur la sécheresse sont rappelés ci-dessous:
- L'indice de précipitation standardisé (SPI) calculé à partir de données satellites CHIRPS.
- L'humidité du sol estimé à partir de la différence de températures de surface du jour et de nuit (LST) issues des données MODIS.
- Les anomalies de l'évapotranspiration (ET) obtenues à partir des données satellite MODIS.
- Les anomalies de l'indice de végétation (NDVI) obtenues à partir des données satellite MODIS.
Ces quatre paramètres entrent dans l'équation de calcul de l'indicateur composite (CDI: Composite Drought Indicator) selon la formule suivante :
CDI = a*SPI + b*NDVI + c*LST + d*ET
Avec : a, b, c et d sont les poids respectifs à attribuer à chaque indicateur.
La pondération des différents paramètres d'entrée a fait l'objet d'une étude comprenant plusieurs étapes:
Etape 1: Calcul de l'indicateur composite en affectant des poids égaux à chacun des quatre paramètres (25%) puis procéder à une validation préliminaire de cet indicateur calculé en se basant sur les productivités céréalières non irriguées (bour) pour trois campagnes agricoles clés (2005-2006, 2006-2007 et 2009-2010) et au niveau de trois régions pilotes qui sont : El Haouz, Meknès-Tafilalet et la région Taounate-Taza-El Hoceima.
Cette première comparaison des valeurs de l'indicateur composite (CDI) avec les productions céréalières au niveau de ces zones pilotes et durant les trois campagnes agricoles particulières montre un écart entre les classes de sécheresse indiquées par le CDI et les niveaux de productions céréalières pour ces trois régions. La deuxième étape a pour objectif le calcul des poids à affecter à chacun des quatre paramètres d'entrée.
Etape 2: Calcul des écarts de productivités céréalières (en zones bour) entre deux situations extrêmes : Année sèche (2006-2007) et année pluvieuse (2009-2010). Ce calcul des écarts a été effectué pour trois zones pilotes : Chaouia-Ouardigha, Fès-Boulemane et l'Oriental qui sont représentatives des grands
27
ensembles écologiques du Maroc à savoir le bour favorable, le bour défavorable et les écosystèmes pastoraux. La couche contenant les écarts de productions céréalières est utilisée comme base de superposition avec chacun des quatre paramètres entrant dans le calcul du CDI (SPI, NDVIa, ETa et LST). Cette superposition a pour objectif de définir le degré d'incidence entre chaque classe d'indicateur avec les zones (provinces) en fonction de l'importance des écarts de productions céréalières.
A l'issue de cette étape, le poids de chaque paramètre a été défini en fonction de l'importance de la contribution de chaque indice durant le cycle de croissance et de développement des cultures susceptibles d'être affectées par la sécheresse.
Ainsi, en cas de sécheresse, l'indice standardisé des précipitations SPI est considéré comme élément déclencheur du phénomène en question. La répartition et la continuité des précipitations durant la campagne agricole est un facteur déterminant pour assurer une bonne productivité agricole. Les trois autres indices (NDVI, ET et LST) viennent comme facteurs résultant de l'impact du SPI. La pondération conclue à cette étape est la suivante:
SPI : 40%
NDVIa : 20%
LST : 20%
ETa : 20%
Etape 3: Cette étape consiste à recalculer l'indicateur composite en utilisant la nouvelle pondération des paramètres et procéder à sa validation sur les trois zones test définies dans la première étape. L'objectif de cette validation étant de confronter les poids des paramètres de calcul du CDI avec la réalité d'une part et d'évaluer le degré de fiabilité de l'indicateur composite de sécheresse comme information permettant l'alerte précoce à la sécheresse d'autre part.
La figure 10 ci-dessous résume les étapes méthodologiques adoptées pour le calcul de l'indicateur composite de sécheresse.
28
Figure 10 : Organigramme méthodologique de calcul du de l'indicateur composite
A l'issu du calcul de l'indicateur composite, chaque pixel de 5 km porte une valeur résultant de la somme pondérée des quatre paramètres d'entrée. Une analyse fréquentielle de toutes les valeurs de l'indicateur composite, par pixel et depuis 2003 jusqu'à présent, est ensuite effectuée afin d'ordonner (ranger dans l'ordre croissant) toutes les valeurs dans chaque série de données et de définir les limites de chaque décile de la distribution à partir d'une courbe de fréquence.
29
La carte finale de l'indicateur composite de sécheresse contient ainsi quatre classes de sécheresse correspondant à quatre déciles :
D1 : Sécheresse Modérée, pour laquelle les valeurs du CDI (en pourcentage) sont comprises entre 10 et 20% et qui correspond à une sécheresse qui arrive une fois tous les 5 à 10 ans.
D2 : Sécheresse Sévère, pour laquelle les valeurs du CDI sont comprises entre 5 et 10% et qui correspond à une sécheresse qui a une période de retour de 10 à 20 ans.
D3 : Sécheresse Extrême, pour laquelle les valeurs du CDI sont comprises entre 2 et 5% et qui signifie une sécheresse qui peut arriver une fois tous les 20 à 50 ans.
D4 : Sécheresse Exceptionnelle, pour laquelle les valeurs sont comprises entre 0 et 2% et qui signifie une sécheresse qui peut arriver une fois tous les 50 ans et plus.
De même, quatre classes correspondant à des situations favorables sont définies en fonction des valeurs du CDI:
80% < CDI < 90% : modérément humide
90% < CDI < 95% : sévèrement humide
95% < CDI < 98% : extrêmement humide
98% < CDI < 100% : exceptionnellement humide
Les valeurs de l'indicateur composite de sécheresse comprises entre 20 et 80% correspondent à des situations normales comparativement aux données historiques.
5.4. Méthodologie de validation des produits généré s
L'activité de validation des indicateurs de sécheresse a été réalisée à travers une expertise nationale. La démarche proposée par le consultant et confirmée par l'équipe de projet consiste à combiner l'usage de deux types de méthodes: d'un côté, il faut valoriser autant que possible les connaissances sur le terrain (experts et personnes ressources) moyennant des évaluations qualitatives, et d'un autre côté, procéder à la confrontation des produits cartographiques générés avec d'autres données statistiques exactes.
La première phase méthodologique a consisté en une collecte de données de base susceptibles d'aider à juger de la pertinence des indicateurs. Les principales données collectées à ce niveau concernent l'historique des productions agricoles à l'échelle des différentes provinces du Maroc depuis l'année 2000. Les cumuls annuels des productions agricoles sont variables d'une année à l'autre en fonction des conditions climatiques générales et en fonction de présence ou d'absence de situations de sécheresse.
30
Les cartes de l'indicateur composite de sécheresse et des paramètres entrant dans sa composition (SPI, NDVIa, LST et ETa) produites mensuellement depuis janvier 2003 ont été confrontées aux données historiques des productions agricoles pour aboutir à un premier niveau de validation.
La deuxième phase consiste à identifier des évaluateurs potentiels représentants les différentes structures régionales du Ministère de l'Agriculture et d'autres départements ministériels pour contribuer à l'évaluation des indicateurs et la validation des cartes de sécheresse. A cet effet, un questionnaire a été soigneusement préparé et diffusé à travers ce réseau d'évaluateurs. Le dépouillement et l'analyse des informations collectées permet ainsi de valider ces indicateurs de sécheresse.
6- Résultats
Dans ce qui suit, nous présentons les résultats de calcul de l'indicateur composite de sécheresse (CDI) ainsi que les paramètres et indices utilisés pour le calcul de cet indicateur durant la campagne agricole 2014-2015.
Deux modes d'illustration des cartes des indicateurs et indices sont présentés ci-dessous en fonction des classes à mettre en exergue (Sécheresse vs Humidité). La première partie présente toutes les cartes (CDI, SPI, NDVIa, ETa et LST) avec une légende contenant à la fois les classes de sécheresse et celles d'humidité. La deuxième partie présente les cartes mettant en évidence uniquement les classes de sécheresse durant la campagne agricole en cours.
31
Figure 11: Cartes SPI-NDVIa-ETa-LST (Octobre 2014)
32
Figure 12: Indicateur composite de sécheresse (Octobre 2014)
Le SPI du mois d'Octobre 2014 (calculé pour une période de 2 mois depuis Septembre 2014) indique une situation globalement normale au niveau national à l'exception de quelques provinces du Sud du Maroc pour lesquelles un déficit pluviométrique a été détecté par rapport à la même période des 34 dernières années. La carte d'humidité du sol, estimée à partir des anomalies des différences de températures de surface du jour et de la nuit LST, indique également un déficit d'humidité du sol confirmant ainsi ce qui a été obtenu par le SPI. Ce déficit concerne également d'autres provinces dans l'Oriental et le Centre du pays. Le paramètre LST indique toutefois une situation favorable dans une partie des provinces du Sud-Est (Oasis de Tata et Zagora). La carte des anomalies de l'indice de végétation (NDVIa) montre une situation positive au niveau de ces provinces du Sud-Est pour le mois d'octobre 2014. Le paramètre ETa, représentant les anomalies de l'évapotranspiration, indique des situations défavorables au niveau de
33
quelques provinces du Nord et du Centre (Tanger, Tétouan, Chefchaouen, Kenitra, Taounate, Meknès).Toutes ces situations constatées séparément par les différents paramètres et indices sont synthétisées dans la carte de l'indicateur composite de sécheresse qui montre des situations de sécheresse sévère à exceptionnelle dans les provinces du Sud (Awsserd et Dakhla) et des situations de sécheresse modérée à sévère dans la majorité des provinces du centre et du Nord. Quelques classes d'humidité ont été observées dans les provinces du Sud-Est.
Figure 13: Cartes SPI-NDVIa-ETa-LST (Novembre 2014)
34
Figure 14: Indicateur composite de sécheresse (Novembre 2014)
Le mois de Novembre 2014 était particulièrement humide. En effet, le Maroc a connu une pluviométrie très élevée par rapport à la moyenne de cette période de l'année, ce qui a conduit à des inondations importantes au niveau de plusieurs provinces du Maroc en particulier dans le Sud. Le SPI calculé pour ce mois de Novembre 2014 illustre bien cet excès pluviométrique exceptionnel. Le paramètre d'humidité du sol (LSTday_night) montre également une dominance des classes modérément à sévèrement humides particulièrement dans le Sud. La carte des anomalies de l'NDVI montre une situation modérément favorable au niveau de quelques provinces du Sud-Est, et présente des classes de sécheresse modérée au niveau des provinces Fès-Boulemane, Taourirt et Nador. La carte des anomalies de l'évapotranspiration (ETa) présente des situations positives au niveau des provinces du centre et du nord du Maroc. Ce paramètre montre également des anomalies négatives dans quelque provinces de l'Oriental. La carte de
35
l'indicateur composite de sécheresse pour le mois de Novembre 2014 montre une dominance de classes d'humidité modérée à sévère sur la majorité des provinces en particulier celles du Sud.
Figure 15: Cartes SPI-NDVIa-ETa-LST (Décembre 2014)
36
Figure 16: Indicateur composite de sécheresse (Décembre 2014)
Le SPI-2 calculé pour le mois de Décembre 2014 (intégrant les données de Novembre 2014) indique une dominance des classes d'excès pluviométrique modéré à extrême sur la majorité du territoire national. Des situations exceptionnelles d'excès pluviométrique ont été observées dans le Sud et particulièrement au niveau des zones ayant connu des inondations. La carte d'humidité du sol (LSTday_night) confirme cette situation favorable pour l'ensemble des provinces du Maroc en particulier celles du Sud et du Sud-Est. Quelque classes de déficit d'humidité du sol, dérivées à partir des canaux thermiques de MODIS, ont été détectées au niveau de la province de Nador. La carte des anomalies du NDVI montre une situation modérément à sévèrement favorable dans les provinces du Sud-Est (Errachidia, Zagora, Tata, Ouarzazate). Cette carte montre également des classes d'anomalies négatives de l'indice de végétation dans quelques provinces de l'Oriental et du Sud du Maroc. La carte des anomalies de l'évapotranspiration montre
37
une situation globalement normale à l'échelle nationale. Des classes très favorables des anomalies de l'évapotranspiration ont été observées au niveau des zones côtières. La carte de l'indicateur composite de sécheresse du mois de Décembre 2014 synthétise ces différentes observations et montre une dominance des classes d'humidité modérée à exceptionnelle sur la majorité du territoire national en particulier le Sud. Cet indicateur composite a permis de détecter une sécheresse modérée à sévère dans la province de Nador.
Figure 17: Cartes SPI-NDVIa-ETa-LST (Janvier 2015)
38
Figure 18: Indicateur composite de sécheresse (Janvier 2015)
Le mois de Janvier 2015 a connu une situation pluviométrique globalement normale. Le SPI-2 indique un léger excès pluviométrique dans les provinces de Fès-Boulemane, Oujda et Awsserd. Cet indice montre également un déficit pluviométrique au niveau de quelques provinces du Sud. D'un autre côté, le paramètre d'humidité du sol présente une dominance de classes d'humidité modérée à sévère sur la majorité des provinces du Maroc et des classes d'humidité extrême à exceptionnelle dans les zones du Sud. La carte illustrant les anomalies de l'indice de végétation indique des situations défavorables du développement de la végétation dans les provinces du Sud et quelques provinces de l'Est du Maroc (Nador, Taza, Fès-Boulemane). De même, cet indice NDVIa montre des situations très favorables dans la majorité des provinces en particulier celles du Sud-Est. Les anomalies de l'évapotranspiration montrent une situation globalement normale avec présence de classes favorables dans le centre du
39
pays. Par ailleurs, La carte de l'indicateur composite de sécheresse du mois de Janvier 2015 indique une sécheresse modérée dans les provinces de Taza, Ouarzazate et Bouaarfa liée principalement au déficit pluviométrique constaté en cette période. Cet indicateur composite montre une dominance des classes d'humidité modérée dans les provinces du sud en cette période de l'année.
Figure 19: Cartes SPI-NDVIa-ETa-LST (Février 2015)
40
Figure 20: Indicateur composite de sécheresse (Février 2015)
La carte de l'indicateur composite de sécheresse du mois de Février 2015 présente une dominance de classes d'humidité modérée au niveau des provinces du Sud, du Sud-Est et quelques provinces du Centre et de l'Oriental. Cette situation est confirmée à travers l'examen des cartes des paramètres entrant dans le calcul de l'indicateur composite. En effet, les trois paramètres (SPI, LST et ETa) présentent chacun une dominance de classes favorables dans des zones différentes : les provinces du Centre et de l'Oriental pour le SPI et le LST, le Nord, l'Oriental le Centre et quelques provinces du Sud pour le paramètre LST représentant l'humidité du sol; et le Nord et le Centre pour les anomalies de l'évapotranspiration (ETa). La carte des anomalies de l'indice de végétation montre également des situations favorables à très favorables au niveau des provinces du Sud-Est allant de la province d'Errachidia jusqu'à Laayoune. Cette carte indique cependant des situations de développement végétatif défavorable à très défavorable dans les
41
provinces du Nord et de l'Oriental. Ces classes d'anomalies négatives de l'indice de végétation ne figurent pas dans la carte de l'indicateur composite de sécheresse étant donné que la pondération de ce paramètre dans la composition de l'indicateur composite ne représente que 20%.
Figure 21: Cartes SPI-NDVIa-ETa-LST (Mars 2015)
42
Figure 22: Indicateur composite de sécheresse (Mars 2015)
Le SPI-2 montre une situation pluviométrique modérément humide au niveau de quelque provinces du Sud et également au niveau de la province de Nador et partiellement la province Taza en Mars 2015 par rapport à la même période durant les 34 dernières années. Les provinces Azilal, Kelaat Sraghna, Errachidia et Ouarzazate ont cependant connu partiellement une sécheresse modérée au cours de ce mois de Mars 2015 par rapport à la même période des années précédentes. La carte de l'humidité du sol confirme la présence de classes favorables à très favorables dans les provinces du Sud. Cette carte montre également des situations d'humidité modérée à sévère dans plusieurs provinces au centre du Maroc. La carte des anomalies de l'indice de végétation montre une dominance des classes favorables (dans la majorité des provinces du centre du pays) à très favorables dans toute la zone allant de la province
43
d'Errachidia jusqu'au sud de Laayoune. Cette carte indique cependant des classes de sécheresse modérée à sévère dans quelques provinces de l'Oriental. Le dernier paramètre (ETa) indique une situation globalement normale à l'exception de quelque provinces du Nord et du centre pour lesquelles des situations de sécheresse modérée ont été constatées. La synthèse de ces différents paramètres illustrée dans la carte de l'indicateur composite de sécheresse (figure 22) montre des classes de sécheresse modérée dans les provinces Ouarzazate, Azilal, Errachidia et dans quelque provinces de l'Oriental. Cet indicateur composite montre également des situations d'humidité favorable à très favorables dans quelques provinces du Sud.
La figure 23 ci-dessous synthétise l'évolution de l'indicateur composite de sécheresse durant la campagne agricole actuelle (Octobre 2014 - Mars 2015) en présentant uniquement les classes de sécheresse.
Figure 23 : Cartes de l'indicateur CDI pour la campagne 2014-2015 (classes de sécheresse)
Cette figure illustre clairement le déroulement global de la campagne agricole 2014-2015 de point de vue évolution des classes de sécheresse. En effet, une situation de sécheresse a été constatée dès le début de cette campagne (Octobre 2014) qui s'est rapidement dissipée à partir du mois de Novembre 2014 à cause des importantes précipitations qu'a connu le Maroc en cette période de l'année. Sur l'ensemble, cette campagne agricole 2014-2015 est qualifiée de bonne à très bonne tant de point de vue pluviométrique (quantités et répartition) que du point de vue développement végétatif.
44
Conclusion
La sécheresse au Maroc est considérée comme un facteur structurel du climat en raison de sa récurrence et de la durabilité de ses effets qui restent déterminants que se soit sur le plan social, hydrique ou économique. Il est ainsi nécessaire de renforcer la stratégie de gestion des ressources en eau au Maroc dans un sens de capitalisation des ressources existantes et d'amélioration des systèmes de prévision pour la détection précoce des périodes de sécheresse. Par ailleurs, l'appréhension de ce phénomène exige de nouvelles technologies et de nouveaux instruments plus efficaces qui permettent de produire et de disséminer l'information alertant sur la sécheresse de façon rapide, fiable, spatialisée et à moindre coût.
L'objectif de cette composante relative au suivi et à l'alerte à la sécheresse du projet LDAS étant de développer une méthodologie opérationnelle de suivi de la sécheresse en mettant l'accent sur le caractère spatialisé de l'information.
A l'issue de cette étude, nous concluons que l'utilisation des données pluviométriques spatialisées CHIRPS pour le suivi de la sécheresse météorologique présente un point fort acquis par la partie marocaine dans le cadre de ce projet. En effet, ces données présentent l'avantage de couvrir tout le territoire national à une bonne résolution spatiale et d'être directement et rapidement accessibles. Ces données CHIRPS sont acquises à partir de la combinaison de différentes sources d'observation par satellites et validées par les données des stations météorologiques au sol. Les données pluviométriques CHIRPS sont organisées dans une base de données couvrant un historique depuis 1981 jusqu'à présent, ce qui permet ainsi d'effectuer des analyses statistiques avec un degré de confiance élevé et de calculer des indicateurs pour le suivi et l'alerte à la sécheresse. L'indice standardisé des précipitations choisi pour le suivi de la sécheresse à partir des données pluviométriques présente l'avantage d'être simple, facile à calculer et statistiquement adapté au suivi de la sécheresse météorologique.
De même, le suivi des effets de la sécheresse sur la végétation et sur le sol est assuré par l'utilisation des indices et paramètres extraits des données satellites à la même fréquence temporelle que les données de précipitations CHIRPS. Les paramètres choisis pour assurer ce suivi sont mensuellement extraits à partir des données satellite et permettent de renseigner sur les principales conditions de la croissance végétative à savoir les températures de surface, l'évapotranspiration et l'humidité du sol estimée à partir des anomalies de la différence des températures du jour et de nuit. Chacun de ces paramètres contribue au suivi et à l'alerte à la sécheresse par la nature de l'information sur l'état de la végétation.
La combinaison pondérée de toutes ces données spatialisées en un seul indicateur composite permettant de produire des cartes mensuelles de la sécheresse constitue un outil de suivi et d'aide à la décision en matière gestion de cette problématique. Cet outil est directement accessible aux utilisateurs finaux à travers la plateforme de dissémination des données implémentée au CRTS dans le cadre du projet LDAS.
45
Références bibliographiques
Barakat, F. et A. Handoufe. 1998. Approche agroclimatique de la sécheresse agricole au Maroc. Sécheresse 9:201-208.
El Mourid, M. and D.G. Watts. 1989. Rainfall patterns and probabilities in the semi-arid cereal production region of Morocco. p. 59-80. In “The Agrometeorology of Rainfed Barley-based Farming Systems. Editions “Jones, M.J. and D. Rijks. ICARDA-Aleppo, Syria.
Funk, C. C. et al., 2014, A quasi-global Precipitation Time Series for Drought Monitoring, USGS, Data Series 832, ISSN 2327-638X (online)
Hain Christopher R.,Wade T.Crow, John R. Mecikalski, Martha C. Anderson, Thomas Holmes, 2011. An intercomparison of available soil moisture estimates from thermal infrared and passive microwave remote sensing and land surface modeling. Journal of Geophysical Research, Vol 116, D15107, doi:10.1029/2011JD015633, 2011.
Hain Christopher R., Mecikalski, John R., Anderson, Martha C., 2009. Retrieval of an Available Water-Based Soil Moisture Proxy from Thermal Infrared Remote Sensing. Part I: Methodology and Validation. Journal of Hydrometeorology, vol. 10, issue3, p. 665.
Hayes M., Svoboda M., Wall N., Widhalm M. 2011. The Lincoln Declaration on Drought Indices : Universal Meteorological Drought Index Recommended. Bull. Amer. Meteor. Soc., 92, 485-488.
Justice, C. O., et al. (1985). Analysis of the phenology of global vegetation using meteorological satellite data. International Journal of Remote Sensing, 6:1271-1318.
Karrou M., 2006. Evaluation des dispositifs d’alerte précoce à la sécheresse à l’échelle nationale (cas du Maroc). Rapport d’expertise nationale effectuée dans le cadre du projet SMAS au Maroc (LIFE05TCY/TN/000150).
Lain, M.M. 2005. Agricultural vulnerability to drought : A comparative study in Morocco and Spain. Thesis. IAMZ-CIHEAM Zaragoza, Spain.
Mc Kee, T. B., Doesken, N. J., and Kleist, J., 1995. Drought monitoring with multiple time scales. In: Proceedings of the Ninth Conference on Applied Climatology, pp. 233-236. Amer. Meteor. Soc., Boston.
McKee, T. B., Doesken, N. J., and Kleist, J. 1993. The relationship of drought frequency and duration to time scales: Preprints, 8th Conf. on Applied Climatology, Anaheim, CA, Amer. Meteor. Soc., pp. 179-184.
Mokssit, A. 1998. La sécheresse dans le climat marocain. In « Atelier sur la prévention de la gestion des situations de sécheresse dans les pays du Maghreb ». Casablanca, Maroc, 24-28, Juin, 1996.
Senay, G.B., S. Bohms, R.K. Singh, P.H. Gowda, N.M. Velpuri, H.Alemu, and J.P. Verdin, 2013. Operational evapotranspirationmapping using remote sensing andweather datasets: A new parameterization for the SSEB approach. Journal of the American Water Resources Association, 1–15, http://dx.doi.org/10.1111/jawr.12057.
Senay, G.B., M. Budde, J.P. Verdin, 2011. Enhancing the Simplified Surface Energy Balance (SSEB) approach for estimating landscape ET: Validation with the METRIC model. Agricultural Water Management, 98: 606-618.
46
Senay, G.B., M. Budde, J.P. Verdin, and A.M. Melesse, 2007. A coupled remote sensing and simplified surface energy balance approach to estimate actual evapotranspiration from irrigated fields. Special issue: Remote sensing of natural resources and the environment. SENSORS, 1, 979-1000.
Wilhite, D.A. and M.H. Glandz. 1995. Understading the drought phenomenon. The role of definitions. Water International 3:111-120.
Yacoubi, M., M. El Mourid, N. Chbouki et C.O. Stokle, 1998. Typologie de la sécheresse et recherche d’indicateurs d’alerte en climat semi-aride marocain. Sécheresse 9:269-276.