Etude de la variabilité intra saisonnière des précipitations au Sahel : impacts sur la végétation (cas du Ferlo au Sénégal)

Study of rainfall intra seasonal variability in the Sahel : impacts on vegetation (Ferlo's case in Senegal)

• Auteur / Autrice : Soukèye Cissé
• Direction : Laurence Eymard, Amadou Thierno Gaye
• Type : Thèse de doctorat
• Discipline(s) : Climatologie
• Date : Soutenance le 26/05/2016
• Etablissement(s) : Paris 6 en cotutelle avec Université Cheikh Anta Diop (Dakar, Sénégal ; 1957-....)
• Ecole(s) doctorale(s) : École doctorale Sciences de l'environnement d'Île-de-France (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques
• Jury : Examinateurs / Examinatrices : Laurence Picon, Soussou Sambou, Eric Mougin, Sylvain Bigot, Luc Descroix, Daouda Badiane, Jacques-André Ndione

Mots clés

Mots clés contrôlés

Sahel

Pluie

Plantes -- Effets des conditions météorologiques

Ferlo (Sénégal ; région)

Précipitations (météorologie) -- Variabilité

Mots clés libres

Précipitations

Végétation

Lai modis

Sm

Ferlo

Sahel

Rain

Vegetation

Ferlo

Résumé

Le Sahel est une région caractérisée par une très forte variabilité intra-saisonnière des précipitations. Cette variabilité affecte fortement les écosystèmes durant la phase de croissance de la végétation. L’objectif de cette thèse est de caractériser cette variabilité à échelle locale à partir des relations entre les précipitations et la dynamique de la végétation, et d’identifier des indicateurs pertinents qui permettraient de mieux décrire cette variabilité dans chaque saison. Cette étude est effectuée dans le bassin versant du Ferlo, une région au nord du Sénégal. Une première partie est consacrée à la caractérisation des relations entre anomalies de pluie et croissance de la végétation à partir des données de télédétection spatiale TRMM3B42, RFE 2.0, SM-ECV (Soil Moisture) et LAI MODIS. Pour cela, le bassin versant du Ferlo est subdivisé en 9 sous-zones « entités homogènes », de même classe de couverture végétale et même type de sol. Sur chacune sont analysées les données de pluie des deux bases de données, l’humidité du sol et le LAI sur la période 2000 – 2010. Dans un second temps, à l’aide d’un modèle de végétation adapté à la région forcé par les pluies satellite, le LAI est simulé sur plusieurs entités et est comparé au LAI MODIS, en appliquant aux simulations les mêmes méthodologies que pour les observations. Les résultats de cette étude montrent une cohérence entre les variations des précipitations des deux bases de données et l’humidité du sol. Les variations du LAI sont plus fortement corrélées aux variations de l’humidité du sol qu’à celles de la pluie. Sur le Ferlo, on observe qu’il faut 2 semaines pour que la végétation réponde à une anomalie de pluie au cours de la saison des pluies. A l’échelle de la saison, la date de démarrage des pluies n’a pas d’incidence sur le maximum de LAI, contrairement à la durée et l’intensité des pauses de pluie. Les entités sur sol sableux (ferrugineux) présentent une meilleure sensibilité aux fluctuations de pluie que celles sur lithosol. De plus, sur les entités situées au Sud-Est, la densité de la végétation arbustive et arborée induit un cycle phénologique différent de celui des herbacées (décalage du maximum de LAI). Le modèle STEP, initialisé avec les données de pluie satellite, reproduit après ajustement la phase de croissance de la végétation dans les entités où les herbacées dominent. La réponse du LAI simulé aux anomalies de pluie est comparable à celles observées, confirmant l’interprétation des observations. Cette étude a permis de définir les paramètres les plus pertinents qui affectent la dynamique de la végétation mais aussi de mettre en évidence les capacités du modèle à décrire le cycle saisonnier de la végétation.

The Sahel is characterized by a strong intra-seasonal variability of rainfall. This variability strongly affects ecosystems during the vegetation growth. The objective of this thesis is to characterize this variability at the local scale from the relationship between rainfall and vegetation dynamics, and to identify relevant indicators to better describe the variability in each season. This study is carried out in the Ferlo’s catchment, a basin located in northern Senegal. The first part is devoted to the characterization of the relationship between rainfall anomalies and growth of vegetation from remote sensing data TRMM3B42, RFE 2.0 SM-ECV (Soil Moisture) and MODIS LAI. Aiming that, the Ferlo basin is divided into 9 zones "homogeneous entity", in terms of vegetation cover class and soil type. For each one are analyzed the rain data from both databases, soil moisture and LAI over the period 2000-2010. In a second time, with a vegetation model adapted to the region forced by satellite rain fields, the LAI is simulated on several entities and is compared to the MODIS LAI, applying on the simulations the same methodologies as for observations. The results of this study show consistency between rainfall variations with both databases and soil moisture. The LAI variations are more strongly correlated with the soil moisture variations than with the rainfall. On the Ferlo, we observe that vegetation needs two weeks to respond to rainfall anomalies during the rainy season. At the season scale, the starting date of the rainy season does not affect the maximum LAI, unlike the duration and intensity of the dry spells. Entities located on sandy soil (ferruginous) have better sensitivity to rainfall fluctuations as those located on lithosoils. In addition, on entities located in the Southeast, the density of the shrub and tree vegetation induces a different phenological cycle than those of the herbaceous (lag of the maximum LAI). The model STEP, initialized with satellite rainfall data, reproduces after adjustment the vegetation growth stage in the entities where grassland dominates. The response of the simulated LAI to the rain anomalies is consistent with those observed, confirming the interpretation of observations. This study allowed to define the most relevant parameters that affect the dynamics of vegetation but also to highlight the capabilities of the model to describe the seasonal cycle of vegetation.