Navigation – Plan du site
Articles

Estimation des pluies journalières extrêmes supérieures à un seuil en climat tropical : cas de la Côte d'Ivoire

Gneneyougo Émile Soro, Amidou Dao, Vamoryba Fadika, Tié Albert Goula Bi et Bernard Srohorou
p. 211-227

Résumés

Les pluies extrêmes sont des aléas météorologiques qui causent beaucoup de dégâts matériels et de nombreuses pertes en vies humaines. L'estimation des pluies extrêmes est donc d'un grand intérêt pour anticiper des catastrophes, telles que des inondations, et ainsi permettre un aménagement réfléchi du territoire. La présente étude se propose, à travers l'approche des valeurs supérieures à un seuil, d'analyser la distribution de probabilité des pluies extrêmes de la Côte d'Ivoire. Pour ce faire, les séries de dépassements d'un seuil de 44 postes pluviométriques ont été analysées sur la période 1942-2002. Les analyses statistiques mettent en évidence des seuils optimaux d'estimation des pluies journalières extrêmes compris entre 32 mm et 55 mm. La majorité (34) des séries de pluies journalières supérieures à un seuil sont bien ajustées par la loi de PARETO généralisée, avec un paramètre de forme (k) significativement négatif. L'incertitude liée au paramètre de forme (k) est très importante et augmente avec le seuil d'estimation. Par ailleurs, l'analyse spatiale des pluies journalières centennales et décennales montre que les plus fortes valeurs se trouvent surtout sur le littoral (entre les latitudes 4˚30' et 5˚30' Nord), dans la zone montagneuse à l'extrême ouest, et au centre-ouest.

Haut de page

Texte intégral

I - Introduction

1La Côte d'Ivoire, à l'image de l'ensemble des pays de la zone tropicale, a connu une baisse de la pluviométrie annuelle depuis 1970 (S. BIGOT et al., 2005 ; B.T.A. GOULA et al., 2006). En dépit de ce contexte climatique caractérisé par un déficit pluviométrique, une grande partie de l'Afrique de l'Ouest est confrontée à de graves problèmes de crue et d'inondation, tant en milieu urbain que rural. Pour pouvoir faire face aux inondations et ainsi atténuer leurs effets sur les populations et les infrastructures, les décideurs ont besoin d'évaluer les risques d'inondation. Cette évaluation s'appuie entre autres sur la connaissance des précipitations, des pluies abondantes et/ou violentes étant nécessaires au déclenchement de tels évènements. Certes, d'autres facteurs, comme les précipitations antérieures ou les caractéristiques du terrain, sont eux-aussi importants. Mais la difficulté de disposer de l'ensemble des paramètres conduit souvent à se limiter aux précipitations journalières extrêmes.

2L'analyse par valeurs maximales annuelles est l'approche statistique couramment retenue pour l'exploitation de l'information pluviométrique disponible. La simplicité de sa mise en œuvre, par exemple à travers la loi de GUMBEL, a contribué à sa prédominance en matière de quantification du risque associé aux pluies extrêmes. Cette approche statistique a souvent été utilisée en Côte d'Ivoire, dans les autres pays de l'Afrique Occidentale et Centrale (CIEH, 1985 ; C. PUECH et D. CHABI-GONNI, 1984) et au Nigéria (L. OYEBANDE, 1982). De nombreux travaux y ont été consacrés à travers le monde (D. KOUTSOYIANNIS et G. BALOUTSOS, 2000 ; D. GELLENS, 2002 ; G. WOTLING et al., 2005). Cependant cette approche comporte certaines limites liées à la procédure d'échantillonnage. En effet, une seule valeur (la maximale) est considérée chaque année, ce qui entraîne le rejet de beaucoup d'évènements extrêmes (S. COLES, 2001). Les valeurs très élevées prises en compte par la méthode sont donc finalement peu nombreuses, et cela d'autant plus que certaines années ne connaissent pas de pluie journalière abondante.

3Le problème peut être résolu en considérant les valeurs au delà d'un seuil donné. Cette approche, appelée méthode des excès ou valeurs supérieures à un seuil, permet aussi de fournir une caractérisation asymptotique de la distribution de ces dépassements de seuil (J. PICKANDS, 1975). L'approche par valeurs supérieures à un seuil est particulièrement efficace pour extraire des informations concernant les véritables événements extrêmes (F.J. ACERO et al. 2011). La distribution de probabilité des pluies (ou de tout autre variable hydrométéorologique) supérieures à un seuil peut ainsi être modélisée en utilisant une famille de lois paramétriques, dites lois de PARETO généralisées, pour laquelle la loi exponentielle est un cas particulier (J.N. BACRO et A. CHAOUCHE, 2006). Introduite par J. PICKANDS (1975) et A.A. BALKEMA et L. de HAAN (1974) comme distribution limite normalisée des dépassements d'un seuil suffisamment grand, cette famille est devenue une notion centrale en statistique des valeurs extrêmes (A.C. DAVISON et R.L. SMITH, 1990 ; P. EMBRECHTS et al., 1997). Cette approche d'estimation a été utilisée dans de nombreuses études pour estimer les valeurs extrêmes de la température (M. NOGAJ et al., 2006 ; C.A.S. COELHO et al., 2008), des pluies (J.J. EGOZCUE et C. RAMIS, 2001 ; S. BEGUERÍA et M. VICENTE-SERRANO, 2006 ; L. TOMASSINI et D. JACOB, 2009 ; M. RE et V.R. BARROS, 2009 ; F. SERINALDI et C.G. KILSBY, 2014) et d'autres variables telles que l'activité des ondes (R. VITOLO et al., 2009).

4Dans cette étude, la distribution de PARETO généralisée (GDP) et son cas particulier (loi exponentielle) sont utilisées pour modéliser les séries de pluies journalières supérieures à un seuil.

II - Données et méthodes

1 ) Données d'étude

5Les données de base sont constituées de relevés pluviométriques journaliers issus de 44 postes pluviométriques répartis sur l'ensemble du territoire ivoirien (Fig. 1). En effet, de par sa position géographique, la Côte d'Ivoire subit des climats qui font la transition entre les climats équatoriaux humides et les climats tropicaux secs. Les postes pluviométriques sélectionnés doivent donc refléter les différents régimes pluviométriques rencontrés en Côte d'Ivoire. Les données pluviométriques proviennent de la base de données de la Société d'Exploitation et de Développement Aéroportuaire Aéronautique et Météorologique (SODEXAM) et couvrent la période de 1942 à 2002.

Figure 1 - Localisation des postes pluviométriques utilisés et des principales zones climatiques de la Côte d'Ivoire avec une illustration des quatre régimes pluviométriques.

Figure 1 - Localisation des postes pluviométriques utilisés et des principales zones climatiques de la Côte d'Ivoire avec une illustration des quatre régimes pluviométriques.

6Les postes ont en outre été choisis en fonction du nombre d'années d'observation sans lacune (de 50 à 61 ans). La situation socio-politique qu'a vécue la Côte d'Ivoire à la fin de l'année 2002 a provoqué une interruption de la mesure des paramètres climatiques à certaines stations, notamment dans les régions au nord, au nord-est et au nord-ouest. Cette situation a entraîné une absence de données climatiques dans ces zones à partir de 2003.

2 ) Détermination du seuil d'estimation des quantiles extrêmes

7Le choix du seuil au-dessus duquel les pluies journalières peuvent être modélisées par une distribution de PARETO est souvent le résultat d'un compromis entre le biais et la variance. En effet, le seuil doit être suffisamment élevé pour satisfaire le caractère asymptotique du modèle statistique, mais pas trop élevé pour garder un nombre suffisant de dépassements pour estimer les paramètres du modèle. Pour cette étude, deux approches ont été utilisées pour déterminer le seuil d'estimation des pluies journalières : la fonction moyenne des excès et l'approche proposé par S. COLES (2001). La fonction moyenne des excès utilise l'approximation asymptotique selon laquelle le nombre annuel moyen de dépassements croît linéairement en fonction du seuil. Cette approche de sélection est utilisée dans cette étude pour définir l'intervalle dans lequel se trouve le seuil adéquat. L'approche proposée par S. COLES (2001) repose sur la stabilité des estimateurs des paramètres du modèle statistique sur une gamme de seuils. La gamme de seuils est celle proposée par la fonction moyenne des excès. Les détails concernant ces procédures de sélection du seuil d'estimation des évènements extrêmes sont donnés par S. COLES (2001).

3 ) Contrôle des séries de dépassements

8L'analyse séquentielle des séries de dépassements obtenues vise à détecter les erreurs évidentes commises dans le processus d'échantillonnage. Pour ce faire, les tests d'indépendance de WALD-WOLFOWITZ (A. WALD et J. WOLFOWITZ, 1943), de stationnarité de MANN-KENDALL (H.B. MANN, 1945 ; M.G. KENDALL, 1975) et d'homogénéité à l'échelle annuelle de WILCOXON (F. WILCOXON, 1945) ont été utilisés.

4 ) Ajustement statistique des séries de dépassements

9La fonction cumulative de la distribution de PARETO généralisée est de la forme :

10La détermination des fréquences expérimentales se base sur l'étude critique et comparative des différentes approches pour le développement des fonctions de probabilité empiriques (FPE) de D. ROSBJERG et al. (1992). Malgré la recommandation d'utiliser la FPE basée sur la médiane des statistiques d'ordre comme compromis entre les FPE non biaisées et les FPE basées sur le mode des statistiques d'ordre, la formule de HAZEN (D. ROSBJERG et al., 1992) a été retenue. En zone tropicale humide, celle-ci a été utilisée par l'ensemble des auteurs. Après un classement par ordre croissant d'un échantillon de pluies maximales de taille n, l'expression de la fréquence empirique ou expérimentale de non-dépassement de HAZEN pour une valeur x de rang i se note :

11Les paramètres de la loi de PARETO généralisée et de la loi exponentielle sont déterminés par la méthode du maximum de vraisemblance.

12La fonction quantile xu(T) du seuil u correspondant à une période de retour T est donnée par l'expression suivante :

13Le package extRemes (version 1.57) sous le logiciel R a été utilisé pour réaliser l'analyse statistique des pluies journalières extrêmes. L'élaboration des isohyètes de pluie journalières centennale et décennale a été réalisée par krigeage ordinaire.

III - Analyse des résultats

1 ) Seuil d'estimation des pluies journalières extrêmes

14Le seuil au delà duquel les pluies journalières extrêmes peuvent être modélisées par une distribution de PARETO a été déterminé graphiquement pour chaque série chronologique. La figure 2 présente la fonction des excès en moyenne des pluies journalières à la station d'Abidjan, de Bouaké, de Korhogo et de Man. La fonction moyenne des excès a été utilisée dans cette étude pour déterminer l'intervalle dans lequel pourrait se situer le seuil. À la station d'Abidjan, le seuil d'estimation est compris entre 30 et 120 mm. À la station de Bouaké, l'on observe une linéarité de la fonction moyenne des excès entre 15 et 50 mm. Pour les stations de Korhogo et Man, le seuil est compris respectivement entre 10 et 50 mm et entre 20 et 80 mm. À partir de ces différentes plages et en tenant compte des estimateurs des paramètres d'un modèle GPD, un seuil a été proposé pour chaque station de mesure. Ainsi les seuils de 50 mm (Abidjan), 35 mm (Bouaké), 33 mm (Korhogo) et 45 mm (Man) représentent-ils des choix acceptables au-dessus desquels les séries de dépassements concernées peuvent être modélisées par une distribution de PARETO (Fig. 3).

Figure 2 - Fonction moyenne des excès des pluies journalières d'Abidjan, de Bouaké, de Korhogo et de Man avec un intervalle de confiance à 95 %.

Figure 2 - Fonction moyenne des excès des pluies journalières d'Abidjan, de Bouaké, de Korhogo et de Man avec un intervalle de confiance à 95 %.

Figure 3 - Évolution du paramètre d'échelle modifié et du paramètre de forme en fonction du seuil des pluies journalières à Abidjan (a), Bouaké (b), Korhogo (c) et Man (d) avec un intervalle de confiance à 95 %.

Figure 3 - Évolution du paramètre d'échelle modifié et du paramètre de forme en fonction du seuil des pluies journalières à Abidjan (a), Bouaké (b), Korhogo (c) et Man (d) avec un intervalle de confiance à 95 %.

15Le tableau I présente, pour chaque poste pluviométrique retenu, le seuil au delà duquel les dépassements peuvent être modélisés par une distribution de PARETO et le nombre de dépassements qui découle de ce seuil.

Tableau I - Seuil d'estimation et nombre de dépassements des pluies journalières extrêmes de 44 stations pluviométriques en Côte d'Ivoire.

Tableau I - Seuil d'estimation et nombre de dépassements des pluies journalières extrêmes de 44 stations pluviométriques en Côte d'Ivoire.

16Les valeurs les plus élevées du seuil d'estimation des pluies journalières correspondent au régime équatorial de transition (21 stations), qui présente une fourchette allant de 32 mm (Gagnoa) à 52 mm (Sassandra). Avec le régime équatorial de transition atténué (12 stations), les valeurs fluctuent autour de 35 mm, le maximum étant atteint à Mankono (45 mm). Pour le régime tropical de transition (8 stations), le seuil d'estimation est de 35 mm à 6 stations, de 33 mm à Korhogo et de 45 mm à Boundiali. Les trois stations du régime de montagne ont des seuils d'estimation compris entre 40 et 45 mm.

17Dans l'ensemble, le nombre total de dépassements de seuil varie de 165 (Oumé) à 977 (Tabou). Le nombre annuel moyen de dépassements, quant à lui, oscille entre 5 (Aboisso) et 22 (Grand-Lahou).

2 ) Distribution statistiques des pluies journalières supérieures à un seuil

18Les hypothèses d'indépendance, d'homogénéité et de stationnarité ont été respectivement vérifiées à l'aide des tests statistiques de WALD-WOLFOWITZ, de WILCOXON et de KENDALL pour toutes les séries de dépassements de seuil. Avec un risque d'erreur de 5 %, les différents tests indiquent que les séries de dépassements obtenues sont indépendantes et identiquement distribuées. L'indépendance des séries de dépassements a été obtenue en imposant une durée minimale entre deux valeurs (3 jours). La figure 4 montre l'histogramme de la distribution des 44 estimations du paramètre de forme de la loi PARETO généralisée ajustées aux séries pluviométriques extrêmes retenues. L'on constate que dans la majorité des cas, le paramètre de forme (k) des dépassements de seuil est significativement négatif. Cela montre bien que toutes les pluies journalières extrêmes de la Côte d'Ivoire n'appartiennent pas au domaine d'attraction de la loi de GUMBEL, comme déjà souligné par B.T.A. GOULA et al. (2007). En effet, la valeur négative du paramètre de forme indique que les pluies qui génèrent ces séries de dépassements ont une queue de distribution qui appartient au domaine d'attraction de la loi de FRÉCHET. Ces résultats rejoignent ceux de K. CHAOUCHE (2001), S.A. SISSON et al. (2006), J.N. BACRO et A. CHAOUCHE (2006), A. MULLER et al. (2009).

Figure 4 - Histogramme de la distribution des 44 estimations du paramètre de forme (k) de la loi de PARETO généralisée (GPD).

Figure 4 - Histogramme de la distribution des 44 estimations du paramètre de forme (k) de la loi de PARETO généralisée (GPD).

19Par ailleurs, l'on constate que la majorité des séries pluviométriques (34) est régie par la distribution généralisée de PARETO (Fig. 5). Ces résultats confirment le scepticisme de certains auteurs (K. CHAOUCHE et al., 2002 ; D. KOUTSOYIANNIS, 2004 ; A. MULLER, 2006) quant à la prédominance du modèle exponentiel au niveau de l'estimation des pluies journalières maximales annuelles. En effet, sur 44 séries de données analysées, seulement 10 séries sont régies par une loi exponentielle. La majorité (34) des distributions des séries de pluies journalières supérieures à un seuil peut être assimilée à la distribution de PARETO généralisée.

Figure 5 - Lois statistiques retenues pour l'estimation des pluies journalières supérieures à un seuil.

Figure 5 - Lois statistiques retenues pour l'estimation des pluies journalières supérieures à un seuil.

Exp. : loi exponentielle. GPD : loi de PARETO généralisée.

3 ) Estimation des paramètres des lois statistiques

20La Figure 6 présente quelques résultats d'ajustement de séries pluviométriques journalières avec les lois de PARETO généralisée et exponentielle. Les paramètres de ces lois ont été déterminés à l'aide des estimateurs du maximum de vraisemblance (Tab. II). Le paramètre de forme (k) de la loi de PARETO généralisée présente une très forte variabilité. Ce paramètre adimensionnel traduit le poids les valeurs extrêmes de pluie dans la distribution initiale. Au niveau de cette loi, le paramètre d'échelle () oscille entre 15,01 mm (station de Soubré) et 30,73 mm (station de Sassandra). Les plus fortes valeurs de ce paramètre s'observent au niveau des stations de la frange littorale (Tabou, Sassandra, Grand-Lahou, Abidjan, Aboisso, Adiaké). Le paramètre d'échelle de la loi exponentielle () ou gradex pluviométrique varie en moyenne autour de 19 mm. Ce paramètre donne le taux d'accroissement des pluies journalières extrêmes en fonction de la période de récurrence.

Figure 6 - Quelques résultats d'ajustement de séries pluviométriques journalières avec les lois de PARETO généralisée et exponentielle.

Figure 6 - Quelques résultats d'ajustement de séries pluviométriques journalières avec les lois de PARETO généralisée et exponentielle.

Tableau II - Paramètres de la loi retenue : PARETO généralisée (1) ou exponentielle (2).

Tableau II - Paramètres de la loi retenue : PARETO généralisée (1) ou exponentielle (2).

4 ) Incertitude liée au paramètre de forme

21La largeur des intervalles de confiance à 95 % montre bien la forte incertitude liée à l'estimation du paramètre de forme k de la loi de PARETO généralisée (Fig. 7). Cette largeur augmente avec le seuil d'estimation. En effet, on observe une très forte variabilité de l'estimateur du paramètre de forme k lorsque le seuil augmente.

Figure 7 - Intervalle de confiance à 95 % de l'estimateur du paramètre de forme k de la loi GPD pour la série des dépassements de seuil d'Abengourou (a), de Grand-Lahou (b), de Tai (c), de Tengréla (d).

Figure 7 - Intervalle de confiance à 95 % de l'estimateur du paramètre de forme k de la loi GPD pour la série des dépassements de seuil d'Abengourou (a), de Grand-Lahou (b), de Tai (c), de Tengréla (d).

22Le paramètre de forme étant déterminant pour le calcul des quantiles extrêmes, il a été proposé de comparer les quantiles estimés par une loi de PARETO généralisée à ceux estimés par une loi exponentielle qui admet un paramètre de forme (k) nul. La figure 8 présente les résultats obtenus au niveau de quelques stations pluviométriques. L'on constate que les quantiles issus de la loi de PARETO généralisée, qui admet un paramètre de forme (k) non nul, sont nettement supérieurs à ceux de la loi exponentielle. En outre, les écarts entre les quantiles s'amplifient pour les grandes périodes de retour et diminuent lorsque le paramètre de forme (k) se rapproche de 0. L'on note ainsi que l'hypothèse (k=0) admise par la loi exponentielle entraîne une sous-estimation des quantiles de pluies.

Figure 8 - Évolution des quantiles de pluie issus de la loi exponentielle et de la loi de PARETO généralisée en fonction de la période de retour à la station de Sassandra (a) d'Abengourou (b), de Mankono (c), de Béoumi (d), de Danané (e) et de Bouaké (f).

Figure 8 - Évolution des quantiles de pluie issus de la loi exponentielle et de la loi de PARETO généralisée en fonction de la période de retour à la station de Sassandra (a) d'Abengourou (b), de Mankono (c), de Béoumi (d), de Danané (e) et de Bouaké (f).

23Cette sous-estimation des quantiles par la loi exponentielle a certainement un impact sur la fiabilité des ouvrages hydrauliques construits pour résister à des événements ayant une période de retour élevée : 50 ans, 100 ans, voire 1000 ans dans certains cas. Ce résultat converge avec ceux de S. COLES et L. PERRICHI (2003) et D. KOUTSOYIANNIS (2004).

5 ) Estimation des quantiles extrêmes

24Les quantiles de diverses périodes de retour calculés à l'aide de modèle GPD et de son cas particulier exponentiel, sont présentés dans le tableau III. L'évolution des quantiles de pluie est proportionnelle à celles des durées de retour.

Tableau III - Quantiles de diverses périodes de retour issus de l'estimation des pluies journalières supérieures à un seuil.

Tableau III - Quantiles de diverses périodes de retour issus de l'estimation des pluies journalières supérieures à un seuil.

6 ) Analyse spatiale des pluies journalières centennales et décennales

25Les cartes des pluies journalières centennales et décennales mettent en évidence que les plus fortes valeurs sont surtout localisées sur le littoral (entre les latitudes 4˚30' et 5˚30' Nord) et dans la zone montagneuse à l'extrême ouest et au centre-ouest du pays (Fig. 9).

Figure 9 - Isohyètes des pluies journalières centennales et décennales.

Figure 9 - Isohyètes des pluies journalières centennales et décennales.

Spatialisation réalisée par la méthode du krigeage ordinaire.

26Au niveau de la frange littorale, sous l'influence permanente de la mousson ouest africaine et de l'Océan Atlantique, les pluies journalières susceptibles de tomber une fois au moins tous les 100 ans atteignent 220 à 420 mm selon les endroits et celles susceptibles de tomber une fois au moins tous les 10 ans, 160 à 260 mm. Dans cette zone, la très forte variabilité spatiale des pluies journalières centennales et décennales se traduit par des isohyètes rapprochées et parallèles.

27Dans la partie occidentale du pays, les fortes valeurs des pluies centennales et décennales de la région montagneuse de Man mettent en exergue le rôle important joué par l'orographie dans la genèse des phénomènes pluvieux extrêmes (effet de foehn). De fortes valeurs apparaissent également au centre-ouest, dans le secteur où a été construit le barrage de Kossou, mis en eau au début des années 1970.

28La région au nord-ouest enregistre des pluies exceptionnelles moyennement abondantes : des pluies de 180 mm sont susceptibles d'y tomber une fois au moins tous les 100 ans. À l'échelle du pays, les plus faibles valeurs des quantiles sont enregistrées au nord-est, zone de pénétration des vents de l'harmattan en Côte d'Ivoire ; elles sont limitées à 140 et 180 mm pour les récurrences de 10 et 100 ans.

IV - Conclusion

29La modélisation statistique des séries de pluies journalières extrêmes de 44 stations sur la période de 1942-2002 a été réalisée à l'aide d’une famille de lois paramétriques dites lois de PARETO. Au cours de cette étude, il a été montré que la loi exponentielle est peu susceptible de s'appliquer aux dépassements de seuil des pluies journalières et que la loi de PARETO généralisée était un choix cohérent. En effet, le paramètre de forme dans la majorité des séries étudiées est significativement négatif. On a aussi constaté une très forte variabilité de l'estimateur du paramètre de forme lorsque le seuil augmente. En outre, il a été montré que la loi exponentielle sous-estime les quantiles extrêmes à cause de son paramètre de forme nul. La répartition spatiale des quantiles révèle que les plus fortes valeurs de pluie sont localisées au sud, à l'extrême ouest et au centre-ouest de la Côte d'Ivoire.

Remerciements : Les auteurs remercient la Direction de la Météorologie Nationale de la Côte d'Ivoire pour la mise à disposition des données pluviométriques.

Haut de page

Bibliographie

ACERO F.J., GRACIA J.A. et GALLEGO M.C. (2011) - Peaks-over-threshold study of trends in extreme rainfall over the Iberian Peninsula. Journal of Climate, vol. 24, n° 4, p. 1089-1105.

BACRO J.N. et CHAOUCHE A. (2006) - Incertitude d'estimation des pluies extrêmes du pourtour méditerranéen : illustration par les données de Marseille. Journal des Sciences Hydrologiques, vol. 51, n°3, p. 389-405.

BALKEMA A.A. et HAAN L. de (1974) - Residual lifetime at great age. Annals of Probability, vol. 2, p. 792-804.

BEGUERÍA S. et VICENTE-SERRANO S.M. (2006) - Mapping the hazard of extreme rainfall by peaks over threshold extreme value analysis and spatial regresion techniques. Journal of. Applied Meteorological and Climatology, vol. 45, p. 108-124.

BIGOT S., BROU Y.T., OSZWALD J. et DIÉDHIOU A. (2005) - Facteurs de la variabilité pluviométrique en Côte d'Ivoire et relations avec certaines modifications environnementales. Sécheresse, vol. 16, n° 1, p. 5-13.

CHAOUCHE K. (2001) - Approche multifractale de la modélisation stochastique en hydrologie. Thèse de l'École Nationale du Génie Rural, des Eaux et des Forêts, Centre de Paris, 121 p.

CHAOUCHE K., HUBERT P. et LANG G. (2002) - Graphical characterisation of probability distribution tails. Stochastic Environmental Research and Risk Assessment, vol. 16 n° 5, p. 342-357.

COELHO C.A., FERRO S.C.A.T., STEPHENSON D.B. et STEINSKOG D.J. (2008) - Methods for exploring spatial and temporal variability of extreme events in climate data. Journal of Climate, vol. 21, p. 2070-2092.

COLES S. (2001) - An introduction to statistical modeling of extreme values. Édit. SPRINGER, Londres (RU), 209 p.

COLES S. et PERICCHI L. (2003) - Anticipating catastrophes through extreme value modelling. Journal of Royal Statistical Society. série C (Applied of statistical), vol. 52, n° 4, p. 405­416.

CIEH (1985) - Étude des pluies journalières de fréquence rare dans les États membres du CIEH. Édit. CIEH, collection "Série "Hydrologie", Ouagadougou (Burkina Faso), 58 p.

DAVISON A.C. et SMITH R.L. (1990) - Models for exceedances over high thresholds. Journal of the Royal Statistical Society, série B (Methodological), vol. 52, n° 3, p. 393-442.

EGOZCUE J.J. et RAMIS C. (2001) - Bayesian hazard analysis of heavy precipitation in eastern Spain. International Journal of Climatology, vol. 21, p. 1263-1279.

EMBRECHTS P., KLÜPPELBERG C. et MIKOSCH T. (1997) - Modelling extremal events for insurance and finance. Édit. SPRINGER, Berlin (Allemagne), 634 p.

GELLENS D. (2002) - Combining regional approach and extension procedure for assessing GEV distribution of extreme precipitation in Belgium. Journal of Hydrology, vol. 268, p. 113-129.

GOULA B.T.A., KONAN B., BROU Y.T., SAVANÉ I., FADIKA V. et SROHOUROU B. (2007) - Estimation des pluies exceptionnelles journalières en zone tropicale : cas de la Côte d'Ivoire par comparaison des lois lognormale et de Gumbel. Journal des Sciences Hydrologiques, vol. 52, n° 2, p. 49-67.

KENDALL M.G. (1975) - Rank correlation methods. Édit. GRIFFIN, Londres (RU), 272 p.

KOUTSOYIANNIS D. (2004) - Statistics of extremes and estimation of extreme rainfall: II. Empirical investigation of long rainfall records. Journal des Sciences Hydrologiques, vol. 49, n° 4, p. 591-610.

KOUTSOYIANNIS D. et BALOUTSOS G. (2000) - Analysis of a long record of annual maximum rainfall in Athens, Greece, and design rainfall inferences. Natural Hazards, vol. 22, n° 1, p. 29-48.

MANN H. B. (1945) - Nonparametric tests against trend. Econometrica, vol. 13, p. 245-259.

MULLER A. (2006) - Comportement de la distribution asymptotique des pluies extrêmes en France. Thèse de l'Université de Montpellier II, 182 p.

MULLER A., ARNAUD P., LANG M. et LAVABRE J. (2009) - Uncertainties of extreme rainfall quantiles estimated by a stochastic rainfall model and by a generalized Pareto distribution. Journal des Sciences Hydrologiques, vol. 54, n° 3, p. 417- 429.

NOGAJ M., YIOU P., PAREY S., MALEK F. et NAVEAU P. (2006) - Amplitude and frequency of temperature extremes over the North Atlantic region. Geophysical Research. Letters, vol. 33, article L10801, en ligne.

OYEBANDE L. (1982) - Deriving rainfall intensity-duration-frequency relationships and estimates for regions with inadequate data. Journal des Sciences Hydrologiques, vol. 27, n° 3, p. 353-367.

PICKANDS J. (1975) - Statistical Inference Using Extreme Order Statistics. Annals of Statistics, vol. 3, n° 1, p. 119-131.

PUECH C. et CHABI-GONNI D. (1984) - Courbes hauteur de pluie-durée-fréquence en Afrique de l'Ouest pour des pluies de durée 5 mn à 24 heures. Édit. CIEH, collection "Série hydrologie", Ouagadougou (Burkina Faso), 155 p.

RE M. et BARROS V.R. (2009) - Extreme rainfalls in SE South America. Climatic Change, vol. 96, n° 1-2, p. 119-136.

ROSBJERG D., CORREA J. et RASMUSSEN P. F. (1992) - Justification des formules de probabilité empirique basées sur la médiane de la statistique d'ordre. Revue des Sciences de Eau, vol. 5, n° 4, p. 529-540.

SERINALDI F. et KILSBY C.G. (2014) - Rainfall extremes: toward reconciliation after the battle of distributions. Water Resources Research, vol. 50, n° 1, p. 336-352.

SISSON S.A., PERRICHI L.R. et COLES S. (2006) - A case for a reassessment of the risk of extreme hydrological hazards in the Caribbean. Stochastic Environmental Research and Risk Assessment, vol. 20, n°4, p. 296-306.

TOMASSINI L. et JACOB D. (2009) - Spatial analysis of trends in extreme precipitation events in high-resolution climate model results and observations for Germany. Journal of Geophysical Research, vol. 114, article D12113.

VITOLO R., RUTI P.M., DELL'AQUILA A., FELICI M., LUCARINI V. et SPERANZA A. (2009) - Accessing extremes of mid-latitudinal wave activity: methodology and application. Tellus, série A, vol. 61, n° 1, p. 35-49.

WALD A. et WOLFOWITZ J. (1943) - An exact test for randomness in the non-parametric case based on serial correlation. Annals of Mathematic and Statistical, vol. 14, n° 4, p. 378-388.

WILCOXON F. (1945) - Individual comparisons by ranking methods. Biometrics, vol. 1, n° 6, p. 80-83.

WOTLING G., BOUVIER C., DANLOUX J. et FRITSCH J.M. (2000) - Regionalization of extreme precipitation distribution using the principal components of the topographical environment. Journal des Sciences Hydrologiques, vol. 233, n° 1, p. 86-101.

Haut de page

Table des illustrations

Titre Figure 1 - Localisation des postes pluviométriques utilisés et des principales zones climatiques de la Côte d'Ivoire avec une illustration des quatre régimes pluviométriques.
URL http://physio-geo.revues.org/docannexe/image/5011/img-1.jpg
Fichier image/jpeg, 608k
URL http://physio-geo.revues.org/docannexe/image/5011/img-2.jpg
Fichier image/jpeg, 168k
URL http://physio-geo.revues.org/docannexe/image/5011/img-3.jpg
Fichier image/jpeg, 88k
URL http://physio-geo.revues.org/docannexe/image/5011/img-4.jpg
Fichier image/jpeg, 92k
Titre Figure 2 - Fonction moyenne des excès des pluies journalières d'Abidjan, de Bouaké, de Korhogo et de Man avec un intervalle de confiance à 95 %.
URL http://physio-geo.revues.org/docannexe/image/5011/img-5.jpg
Fichier image/jpeg, 356k
Titre Figure 3 - Évolution du paramètre d'échelle modifié et du paramètre de forme en fonction du seuil des pluies journalières à Abidjan (a), Bouaké (b), Korhogo (c) et Man (d) avec un intervalle de confiance à 95 %.
URL http://physio-geo.revues.org/docannexe/image/5011/img-6.jpg
Fichier image/jpeg, 320k
Titre Tableau I - Seuil d'estimation et nombre de dépassements des pluies journalières extrêmes de 44 stations pluviométriques en Côte d'Ivoire.
URL http://physio-geo.revues.org/docannexe/image/5011/img-7.jpg
Fichier image/jpeg, 556k
Titre Figure 4 - Histogramme de la distribution des 44 estimations du paramètre de forme (k) de la loi de PARETO généralisée (GPD).
URL http://physio-geo.revues.org/docannexe/image/5011/img-8.jpg
Fichier image/jpeg, 112k
Titre Figure 5 - Lois statistiques retenues pour l'estimation des pluies journalières supérieures à un seuil.
Légende Exp. : loi exponentielle. GPD : loi de PARETO généralisée.
URL http://physio-geo.revues.org/docannexe/image/5011/img-9.jpg
Fichier image/jpeg, 76k
Titre Figure 6 - Quelques résultats d'ajustement de séries pluviométriques journalières avec les lois de PARETO généralisée et exponentielle.
URL http://physio-geo.revues.org/docannexe/image/5011/img-10.jpg
Fichier image/jpeg, 328k
Titre Tableau II - Paramètres de la loi retenue : PARETO généralisée (1) ou exponentielle (2).
URL http://physio-geo.revues.org/docannexe/image/5011/img-11.jpg
Fichier image/jpeg, 724k
Titre Figure 7 - Intervalle de confiance à 95 % de l'estimateur du paramètre de forme k de la loi GPD pour la série des dépassements de seuil d'Abengourou (a), de Grand-Lahou (b), de Tai (c), de Tengréla (d).
URL http://physio-geo.revues.org/docannexe/image/5011/img-12.jpg
Fichier image/jpeg, 252k
Titre Figure 8 - Évolution des quantiles de pluie issus de la loi exponentielle et de la loi de PARETO généralisée en fonction de la période de retour à la station de Sassandra (a) d'Abengourou (b), de Mankono (c), de Béoumi (d), de Danané (e) et de Bouaké (f).
URL http://physio-geo.revues.org/docannexe/image/5011/img-13.jpg
Fichier image/jpeg, 444k
Titre Tableau III - Quantiles de diverses périodes de retour issus de l'estimation des pluies journalières supérieures à un seuil.
URL http://physio-geo.revues.org/docannexe/image/5011/img-14.jpg
Fichier image/jpeg, 824k
Titre Figure 9 - Isohyètes des pluies journalières centennales et décennales.
Légende Spatialisation réalisée par la méthode du krigeage ordinaire.
URL http://physio-geo.revues.org/docannexe/image/5011/img-15.jpg
Fichier image/jpeg, 281k
Haut de page

Pour citer cet article

Référence papier

Gneneyougo Émile Soro, Amidou Dao, Vamoryba Fadika, Tié Albert Goula Bi et Bernard Srohorou, « Estimation des pluies journalières extrêmes supérieures à un seuil en climat tropical : cas de la Côte d'Ivoire », Physio-Géo, Volume 10 | -1, 211-227.

Référence électronique

Gneneyougo Émile Soro, Amidou Dao, Vamoryba Fadika, Tié Albert Goula Bi et Bernard Srohorou, « Estimation des pluies journalières extrêmes supérieures à un seuil en climat tropical : cas de la Côte d'Ivoire », Physio-Géo [En ligne], Volume 10 | 2016, mis en ligne le 19 août 2016, consulté le 27 mars 2017. URL : http://physio-geo.revues.org/5011 ; DOI : 10.4000/physio-geo.5011

Haut de page

Auteurs

Gneneyougo Émile Soro

Université Nangui Abrogoua, 02 BP 801 ABIDJAN 02, CÔTE D'IVOIRE.
Courriel : ge_soro@yahoo.fr

Amidou Dao

Université Nangui Abrogoua, 02 BP 801 ABIDJAN 02, CÔTE D'IVOIRE.
Courriel : daoamidou@hotmail.fr

Vamoryba Fadika

Université Nangui Abrogoua, 02 BP 801 ABIDJAN 02, CÔTE D'IVOIRE.
Courriel : favamory@gmail.com

Tié Albert Goula Bi

Université Nangui Abrogoua, 02 BP 801 ABIDJAN 02, CÔTE D'IVOIRE.
Courriel : goulaba2002@yahoo.fr

Bernard Srohorou

Direction de la Météorologie Nationale (SODEXAM), 15 BP 950, ABIDJAN 15, CÔTE D'IVOIRE.
Courriel : srohoroub@yahoo.fr

Haut de page

Droits d’auteur

Licence Creative Commons
Les contenus de Physio-Géo - Géographie Physique et Environnement sont mis à disposition selon les termes de la Licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.

Haut de page
  • Logo DOAJ – Directory of Open Access Journals
  • Revues.org