Thèse de doctorat en Géographie. Climatologie
Sous la direction de Bernard Fontaine et de Pierre Camberlin.
Soutenue en 2002
à Dijon , en partenariat avec Centre de Recherches de Climatologie (Dijon) (laboratoire) .
Le jury était composé de Bernard Fontaine, Pierre Camberlin, Thierry Lebel, Vincent Moron.
Les rapporteurs étaient Gérard Beltrando, Serge Janicot.
Ce travail teste une nouvelle approche pour la prévision des précipitations en Afrique de l'Ouest et de l'Est basée sur des prédicteurs relatifs au forçage continental et atmosphérique régional et la période 1968-1998. La partie diagnostique s'appuie sur les fichiers CRU, CRC, les réanalyses NCEP/NCAR. Les saisons des pluies ouest africaines sont précédées par des modifications du champ d'Energie Statique Humide. Une mémoire inter-saison est portée par l'humidité du sol, la végétation puis le champ d'ESH au printemps. Les saisons est africaines sont associées à des signaux dynamiques : mousson indienne et circulation type Walker pour les short rains, advections humides du Congo, interactions avec les latitudes subtropicales pour les long rains. La partie méthodologique propose des modèles de Régression Multiple, Analyse Discriminante et Réseaux Neuronaux basés sur les prédicteurs détectés. On obtient un gain moyen de 27% de variance expliquée et des prévisions correctes pour 2000-2001 au Sahel.
A new approach for West and East African seasonal rainfall forecasting : methods, diagnoses (1968-1998) and applications (200-2001)
Pas de résumé disponible.
A new approach for West and East African seasonal rainfall forecasting, based on continental and atmospheric forcing predictors and the 1968-1998 homogeneous period is developed. CRU and CRC precipitation databases, NCEP/NCAR reanalyses are used for diagnoses. The West African rainy seasons are preceded by Moist Static Energy field anomalies. An inter-season memory involving soil moisture, vegetation, then MSE over Guinea is found. The East African ones are related to atmospheric dynamics signals: Indian monsoon and Walker type circulation for the short rains, Congo basin air mass intrusion and subtropical stationary waves for the long rains. A 27% explained variance gain is obtained with multiple regression, discriminant analysis and neural networks models fed with these predictors. The 2000-2001 Sahelian rainy seasons real-time forecasts made with these models were correct.