LES DONNÉES CLIMATIQUES: De l’échelle globale à l’échelle régionale: Enjeux et application à l’évaluation des impacts du CC dans le contexte africain par Amadou Idrissa Bokoye Environnement Canada & Consortium régional Ouranos sur le changement climatique Montréal (Québec), Canada École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 1 Plan • • • • • • • • Introduction Enjeux dans le contexte africain Types de données climatiques Cadre structurel et institutionnel Assurance qualité et techniques d’analyse Applications Bases de données climatiques Conclusions-Débat École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 2 Introduction Climat ou temps moyen dans une localité ou une région Facteurs de forçage du climat terrestre les facteurs cosmiques (Énergie solaire) les facteurs géographiques (relief, végétation, volcan, ….) École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 3 les facteurs planétaires (paramètres de Milankovitch) Source : Cyril Langlois, ENS Lyon, Janvier 2003, d'après T. Crowley et J. North, Paleoclimatology, 1991, Oxford University École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 4 La machine climatique Atmosphère Hydrosphère Cryosphère Lithosphère Biosphère Lithosphère Source NASA École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 5 Les climats du monde Crédit M. Elie Allouche École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 6 La donnée climatique …un moyen de: Mesurer l’état du climat sur le long terme à travers des variables de diagnostique Suivi dans le temps de l’écologie Diagnostiquer la sensibilité des activités anthropiques à l’aléa climatique Caractéristiques de la donnée climatique Une mesure de variable climatique peut-être de nature directe (cause à effet) ou indirecte (par association) la donnée climatique comporte souvent une marge d’erreur qui peutêtre de nature aléatoire ou systématique École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 7 Enjeux dans le contexte africain Nécessité d’une meilleure compréhension des processus physico-chimiques dans l’atmosphère et des interactions sol-végétation-atmosphère à travers la collecte de données sur les différentes composantes du climat de façon à améliorer les prévisions régionales. Nécessité de générer de l’information climatique fiable et des scénarios climatiques plausibles à l’échelle régionale et locale pour répondre aux besoins des projets en impact et adaptation Développer des structures régionales pour la gestion et l’intégration des bases de données nationales Rendre disponible en ligne les bases de données régionales climatiques avec des protocole d’usage qui n’entravent pas la recherche et le développement (R&D) École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 8 Promouvoir l’utilisation des données climatiques et environnementales dans le cadre de projets de R&D axés sur la résolution de problèmes liés à l’aléa climatique: maladies à transmission vectorielle, érosion hydrique, …… Faire le lien entre la R&D régionale et institutionnelle et les établissements de formation nationaux en matière de climatologie appliquée Assurer une présence effective de l’expertise régionale africaine en matière de diagnostique climatiques dans les forums internationaux S’assurer des retombées positives d’expériences de recherche internationale notamment en terme de formation académique École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 9 Types de données climatiques Distinction selon la variable climatique Distinction selon la méthode de génération Distinction selon l’espace et le temps Distinction selon le format d’archivage École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 10 Distinction selon la variable d’intérêt Variables essentielles pour la climatologie Atmosphère Pression Hydrosphère Débit Température Indices océaniques Humidité … vitesse et direction du vent Ensoleillement,.. Lithosphère Biosphère Température de surface Indices de végétation Humidité du sol … … École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 Cryosphère Hauteur de neige Couverture de glace … 11 Distinction selon la méthode de génération Données de reconstruction Données indirectes: ¾cerne des arbres ¾datation au carbone 14 ¾carottage glaciaire) ¾ Analyse de sédiments marins ou lacustres (Shanahan et al., 2009) Données d’observations Données de surface Données de sondage atmosphériques Données satellites Données de bouées Données aéroportées Données de sorties de modèles Modèles de circulation générale (MCG) Modèles climatiques régionaux (dynamique et statistique) École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 12 Distinction selon le temps et l’espace Résolution temporelle Donnée quotidienne Donnée mensuelle Donnée saisonnière … Résolution spatiale Donnée ponctuelle (station) Données par grille (~10 [Modèle Climatique Régional] à 300-400 km [MCG]) L’espace en météorologie: échelle micro (~cm), échelle méso (~100 m), échelle synoptique (~ 1000 m) École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 13 Distinction selon le format d’archivage !!! Donnée climatique = fichier d’informations Structure Métadonnée Fichier Format: texte, binaire ou spécifique (grib, ncdf, …) Utilisation: petit fichier (Tableur: Excell), grand fichier (Unix) Accessibilité: convention du fournisseur École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 14 Cadre structurel et Institutionnel La génération des données climatiques s’opère de plusieurs façon: La voie étatique: services météorologiques nationaux Les réseaux d’observation régionaux ¾Centre Régional AGRHYMET ¾Institut de Recherche pour le Développement (IRD) ¾Agence pour la Sécurité Aérienne et la Navigation en Afrique La coopération internationale: ¾ Organisation Mondiale de Météorologie ¾Le Groupe Intergouvernemental sur l’Évolution du Climat (GIEC) ¾African Centre of Meteorological Application for Development (ACMAD) École¾… d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 15 La structure génératrice de données climatiques définie généralement un protocole d’accès aux données Existence de contraintes d’utilisation des données climatiques selon les régions ou les utilisations Données climatiques généralement plus accessibles dans les pays industrialisés que dans les pays en voie de développement Existence de contraintes d’utilisation des données climatiques selon les régions ou les utilisations École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 16 Le rôle de l’OMM Organisation Météorologique Mondiale, S/A/PMS, ANNEXE, Résolution 40 (Cg-XII) Politique et pratique adoptées par l'OMM pour l'échange de données et de produits météorologiques et connexes et principes directeurs applicables aux relations entre partenaires en matière de commercialisation des services météorologiques [source météo France] Le système mondial d’observation du climat: http://www.wmo.int/pages/prog/gcos/index.php École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 17 Système Mondial d’Observation du Climat (SMOC) [Source OMM] École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 18 Assurance qualité et techniques d’analyse La qualité des mesures de variables climatiques s’avère importante pour le diagnostique climatique !!! Donnée erronée = Interprétation erronée !!!! École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 19 Méthodes de diagnostique Filtrage des données erronées par seuillage Détection d’erreurs systématiques: ¾ Dérive de capteur de mesure ¾ Changement dans l’environnement de l’observation Exercice de validation de sorties de modèles sur une période historique École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 20 Techniques d’analyse de séries chronologiques de données Détection de tendance dans les séries chronologiques µ(t)=µ0 σ(t)=σ0 Q(t) 0 temps Analyse classique: moyenne (µ) ou standard déviation (σ) µ(t)#µ0 Q(t) σ(t)#σ0 Q(t) µ(t)=µ0 σ(t)#σ0 0 0 École d'Été SIFÉE/IEPF temps Niamey (Niger), 20 mai 2009 temps 21 Y(t) Technique bayésienne de détection de changement/rupture dans les séries chronologiques Changement de régime/Rupture École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 temps 22 Exemple de changement de régime: épaisseur optique des aérosols Source Bokoye et al. (2001) École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 23 Représentations de série chronologique: cas de la précipitation à Niamey (N 13° 31’ E 2°26‘) QQ Plot: Mesure de la normalité de se séries: champ de précipitation l 120 120 NIAMEY 13° 28`N 2° 9`E NIAMEY 13° 28`N 2° 9`E 100 Quantiles of Input Sample Précipitation (mm/jour) 100 80 60 Empirical CDF 1 0.9 40 NIAMEY 13° 28`N 2° 9`E 0.8 80 60 40 20 0 0 1960 1965 1970 1975 1980 1985 1990 1995 Année Fréquence 20 0.7 -20 0.6 -40 -4 -3 -2 -1 0 1 2 3 4 Standard Normal Quantiles 0.5 0.4 0.3 0.2 0.1 0 Normal Probability Plot 0 20 40 60 80 100 120 1200 Precipitation (mm/jour) 0.999 1000 0.997 NIAMEY 13° 28`N 2° 9`E 0.99 0.98 0.95 800 Fréquence Probability 0.90 0.75 0.50 0.25 NIAMEY 13° 28`N 2° 9`E 600 400 0.10 0.05 0.02 0.01 200 0.003 0.001 0 0 50 100 150 200 250 Data École d'Été SIFÉE/IEPF 10 20 30 40 50 60 70 80 90 100 Precipitation (mm/jour) Niamey (Niger), 20 mai 2009 24 Détection et attribution de la variabilité climatique Détection: processus démontrant qu’un changement d’identification est significativement différent au regard de la statistique (variabilité interne naturelle du climat) Attribution(induit par l’activité anthropique): processus qui rétablit la ou les relations cause-effet (réchauffement climatique). Utilisation de modèle nécessaire École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 25 Modélisation climatique: cadre théorique Un modèle climatique? Des équations de conservation (dynamique) Une représentation des processus d’échelle inférieure à la maille (physique) Des méthodes numériques de résolution École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 26 Aspect dynamique Principes de conservation: ¾ masse ¾ quantité de mouvement ¾ énergie Equations de continuité pour l’air sec et la vapeur d’eau Equations du mouvement (avec l’approximation hydrostatique) Equation de la thermodynamique Equation d’état du fluide atmosphérique Aspect physique Transfert radiatif ¾ Rayonnement solaire ¾ Rayonnement terrestre Changements de phase de la vapeur d’eau Processus aux échelles méso et synoptiques (convection, mouvements horizontaux, cycle de formation-dissipation des nuages…) Paramétrisation de processus sous maille École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 27 Composantes d’un MCG Contrainte informatique Atmosphère États de surface Océan et glace Aérosols Cycle du carbone Dynamique de la végétation Chimie atmosphérique … …population, économie, Source Walker (2000) Le développement de la modélisation dépend de la croissance de la puissance de calcul des ordinateurs. 1 Flop/s = 1 opération élémentaire (+,*,/,-,^) par seconde (Flop = Floating operation) Processeurs actuels: 30 à 40 TFlops Industrie !!!! Croissance de la taille informatique des produits de la modélisation climatique: défi de traitement et d’analyse de données !!!! École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 28 Scénarios climatiques et modélisation climatique globale SIMULATION CLIMATIQUE = MCG + SCENARIOS D’ÉMISSION Utilisation de scénarios d’émission de Gaz à Effet de serre pour des projections climatiques dans le futur SCENARIOS D’ÉMISSION Plus économique A2 B1 B2 Plus Global Plus régional A1 Plus Environnemental Source [Nakicenovic et al., 2000; GIEC, 2001] École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 29 De l’échelle globale à l’échelle régionale/locale Des observations à large échelle de l’espace de l’espace: Satellites météorologiques à large couverture spatiale: GOES, METEOSAT Une certaine climatologie depuis 30 ans: température de surface, couverture nuageuse, indice de végétation Satellites spécifiques: ozone (TOMS), aérosols (MODIS),… Des contraintes d’exploitation des données satellitale au regard de la climatologie …aux stations climatiques terrestres École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 30 Des MCGs à l’information climatique régionale/locale Approche dynamique Information Climatique à l’échelle régionale Modélisation Climatique Globale Approche Statistique Modélisation régionale École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 31 Contexte Africain actuel: approche statistique plus appropriée Approche dynamique mérite d’être développée Principe de l’approche statistique École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 32 Modélisation régionale du climat Approche statistique: génération d’information climatique à l’échelle locale à partir de données de modèle climatique global Réduction d’échelle statistique ou mise à l’échelle statistique: cas du SDSM (Statistical Downscaling Method) [Wilby et al. (2004)] Formalisme [Bokoye et al. (2006)] Principe: relation empirique entre les variables locales (prédictants) de surface et des variables à grande échelle de la circulation atmosphérique générale (prédicteurs). Réponse climat local = F (paramètres de la circulation générale large échelle) F: fonction de transfert Les paramètres de F, régression linéaire multiple se déterminent par une opération de calibration de SDSM en considérant des prédictants issus des stations d’observations climatiques et des prédicteurs NCEP. Détermination de période de calibration et de validation à partir de la référence historique: 1961-1975, 1976-1990 Les prédicteurs généralement considérés sont: Pour le champ de pré précipitation: * Hauteurs gépotentielles 500hPa et/ou 850 hPa * Vitesses méridionales (u) à la surface et 850hPa 850hPa * Tourbillons zonales et/ou vitesses zonales 500hPa •Humidité relative à 500hPa et/ou 850hPa Températures (TMAX, TMIN) * Hauteurs gépotentielles 500hPa et/ou 850 hPa * vitesses méridionale (u) et zonale à la surface et * Tourbillon à 500 hPa * Humidité à 850 hPa 100 scénarios à l’échelle quotidienne peuvent être générés sur la période 1961-2099 École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 33 Applications Modélisation statistique régionale du climat ou passage de la modélisation globale au local: Cas du champs de précipitation à Ouagadougou (Burkina Faso) Validation de modèles Influence de l’évolution d’un MCG sur la réduction d’échelle des champs de température et de précipitation au Lac Mégantic (Québec) Canada Détection et Attribution du CC: diagnostique du GIEC Données climatiques et évaluation environnementale École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 34 Application au champ de précipitation à Ouagadougou (Burkina-Faso): comparaison observation et sorties de modèle SDSM sur la période historique 1961-1990 et l’horizon 2020 QQPLOT 200 Pilote GCM: 1:1 180 HadCM3: SIMULATION (mm/jour) 160 ¾Résolution temporelle quotidienne 140 120 100 ¾Résolution spatiale: 2.5ºx3.75º 80 60 SDSM-HadCM3 (1961-1990) SDSM-HadCM3 A2 (2010-2039) SDSM-HadCM3 B2 (2010-2039) 40 20 0 0 50 École d'Été SIFÉE/IEPF 100 OBSERVATION (mm/jour) 150 Niamey (Niger), 20 mai 2009 ¾Référence: Gordon et al., 2000 200 35 DENSITÉ DE PROBABILITÉ 1 OBS. 1961-1990 SDSM-HadCM3 (1961-1990) SDSM-HadCM3 A2 (2010-2039) SDSM-HadCM3 B2 (2010-2039) 0.9 DENSITE DE PROBABILITE 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 1 2 3 4 5 [PRECIPITATION (mm/jour)]0.25 École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 36 Validation de GCMs: cas du Sahel Carte de différence entre les observations krigées et divers modèles du GIEC (2001, 2007) relativement au champ moyen de précipitation sur la période Avril-Octobre de 1961 à 1990 au Sahel PRECIPITATION MOYENNE (mm/day) NCEP ECMWF CGCM2 CGCM3 HadCM3 ECHAM4 Source: Bokoye et al. (2009) -3 École d'Été SIFÉE/IEPF -2 -1 Niamey (Niger), 20 mai 2009 0 1 2 3 37 Cas de l’évolution du modèle global climatique canadien (CGCM): CGCM1, CGCM2, CGCM4 Précipitation DJF 40 MAM SDSM-CGCM1 (1961-2000) SDSM-CGCM2 (1961-2000) SDSM-CGCM3 (1961-2000) 30 20 10 0 0 10 20 30 40 50 SIMULATION (mm/jour) SIMULATION (mm/jour) 50 10 10 20 30 40 OBSERVATION (mm/jour) JJA SON 50 ¾Résolution spatiale: 3.75°x3.75° 50 SIMULATION (mm/jour) SIMULATION (mm/jour) ¾Résolution temporelle: quotidienne 20 OBSERVATION (mm/jour) 50 40 30 20 10 0 0 CGCM: 30 0 0 50 Pilote GCM: 40 10 20 30 40 OBSERVATION (mm/jour) École d'Été SIFÉE/IEPF 50 40 30 20 ¾Référence: 10 0 0 10 20 30 40 50 Flato et al., 2000 OBSERVATION (mm/jour) Niamey (Niger), 20 mai 2009 38 Températures minimum (TMIN) DJF MAM 0.15 0.1 0.15 SDSM-CGCM1 (1961-2000) SDSM-CGCM2 (1961-2000) SDSM-CGCM3 (1961-2000) Obs (1961-2000) 0.05 0 0.1 0.05 0 -30 -20 -10 -50-40-30-20-10 0 10 20 30 40 TMIN (°C) 0 TMIN (°C) JJA SON 0.15 0.15 0.1 0.1 0.05 0.05 0 -10 0 10 20 30 40 0 -30 -20 -10 TMIN (°C) École d'Été SIFÉE/IEPF 10 20 30 40 Niamey (Niger), 20 mai 2009 0 10 20 30 40 TMIN (°C) 39 Température maximum (TMAX) DJF MAM 0.15 0.1 0.15 SDSM-CGCM1 (1961-2000) SDSM-CGCM2 (1961-2000) SDSM-CGCM3 (1961-2000) Obs (1961-2000) 0.1 0.05 0 0.05 0 -30 -20 -10 -50 -40 -30 -20 -10 0 10 20 30 40 TMAX (°C) 0 JJA 0.1 0.1 0.05 0.05 10 20 30 40 0 -30 -20 -10 40 0 10 20 30 40 TMAX (°C) TMAX (°C) École d'Été SIFÉE/IEPF 30 SON 0.15 0 20 TMAX (°C) 0.15 0 -10 10 Niamey (Niger), 20 mai 2009 40 Détection et Attribution du réchauffement climatique Source IPCC (2007) Les activités anthropiques jouent un rôle majeur dans le réchauffement climatique École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 41 Les données climatiques et l’évaluation environnementale: approche de diagnostique Détermination de la sensibilité du projet environnemental au climat Identification du ou des paramètre(s) climatique(s) associé(s) à cette sensibilité Existence de seuil(s) de sensibilité? Analyse des données historiques et futures (projections climatiques) de la variable climatique pertinente dans la zone d’implémentation du projet Analyse qualitative et quantitative du risque climatique pour le projet École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 42 Base de données climatiques Données disponibles via des institutions nationales Données disponibles via les structures régionales Données disponibles via internationales comme l’OMM Données OMM régies par la résolution 40 dudit organisme Le système mondial d’observation du climat: http://www.wmo.int/pages/prog/gcos/index.php Le Groupe Intergouvernemental sur l’Évolution du Climat (GIEC/IPCC):http://www.ipcc-data.org/ École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 43 Amérique du Nord National Climatic Data Center (NCDC) http://www.ncdc.noaa.gov/oa/ncdc.html National Aeronautic and Space Administration (NASA) http://gcmd.nasa.gov/Resources/pointers/meteo.html http://aeronet.gsfc.nasa.gov National Corporation of Atmospheric Research (NCAR) http://dss.ucar.edu/ Indices climatiques: ETCCDMI http://cccma.seos.uvic.ca/ETCCDMI/ École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 44 Afrique Africa Data Dissemination Service http://earlywarning.usgs.gov/adds/ Comité Inter-État de Lutte contre la Sécheresse au Sahel (CILSS) via le Centre Régional AGRHYMET (CRA) African Centre for Meteorological Application and Development (ACMAD) http://www.acmad.ne/ École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 45 Europe Climate Research Unit (CRU) http://earlywarning.usgs.gov/adds/ European Climate Assessment and Dataset http://eca.knmi.nl/dailydata/index.php École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 46 Conclusions-Débat Existence d’un large éventail de données climatiques et d’outils de diagnostique de celles-ci. Du point de l’usager (applications): Quel est mon champ d’intérêt en terme de facteur environnemental ou climatique: réchauffement, pollution, inondation,…. A quels éléments climatiques ces facteurs sont-ils sensibles? (température? Pression? Vent? Précipitation?...) Quelle la référence historique pour ces éléments en terme d’enregistrement? Quelle est la variabilité spatiale et temporelle de ces éléments Existe-il des projections climatiques (GIEC,2007) pour ces éléments? École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 47 !!!!!!!!!!! MERCI !!!!!!!!!!!!!! L e Le boabab …environ 2000 ans de vie …une mémoire climatique utile? b o b a b Source: www.andreaharner.com/.../03/10_most_magnifi.html École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 48 Pour en savoir plus Ouvrage de référence Le climat: jeux dangereux. J. Jouzel et A. Debroise. ISBN 978-2-10-050987-4 Comprendre le Climat. William. J. Burroughts ISBN 2-603-01458-7 Introduction à la climatologie. A. Hufty. ISBN 2-7637-7783-X. Global Energy and water cycle. K.A. Browning & R. J. Gurney. ISBN 0-52103285-7 École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 49 Génération d’information climatique à l’échelle régionale/locale pour les études en impact et adaptation Wilby et al. (2004): Wilby, R. L., S. P. Charles, E. Zorita, B. Timbal, P. Whetton, L. O. Mearns, 2004:Guidelines for use of climate scenarios developed statistical downscaling methods. Environment Agency of England and Wales report. Mearns, L. O., F. Giorgi, P. Whetton, D. Pabon, M. Hulme and M. Lal, 2003: Guidelines for use of climate scenarios developed from regional climate experiments. Data Distribution Centre of Intergovernmental Panel on Climate Change. A.I. Bokoye. 2006. Comparaison de scénarios climatiques issus de MCG et de mise à échelle statistique: application au bassin versant de la Chaudière (Québec). 2ème symposium Ouranos. Montréal (Québec), Canada. École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 50 A. I. Bokoye, P.Gachon et L. Lefaivre. 2008. Comparaison de scénarios climatiques issus de MCG. L’approche linéaire de la mise à l’échelle statistique:études de cas au Québec, influence du pilote MCG et alternative méthodologique et de mise à échelle statistique: application au bassin versant de la Chaudière (Québec). 3ème symposium scientifique Ouranos sur la climatologie régionale et l’adaptation aux changements climatiques. Montréal (Québec), Canada. Scénarios d’émission du GIEC Nakicenovik, N., J. Alcamo, G. Davis, B. de vries, J. Fenhann, S. Gaffin, K. Gregory, A. Grubler, T. Y. Jung, T. Kram, E. L. La rovere, L. Michaelis, S. Mori, T. Morita, W. Pepper, H. Pitcher, L. Price, K. Raihi, A. Roehrl, H.-H. Rogner, A. Sankovski, M. Schlesinger, P. Shukla, S. Smith, R. Swart, S. van Rooijen, N. Victor et Z. Dadi, 2000: Emissions Scenarios. Rapport special du groupe de travail III du groupe d’experts intergouvernemental sur l’évolution du climat. Cambridge University Press, Cambridge, Royaume-Uni et NewYork, N. Y., É.-U., 599p. Wilby, R.L., Dawson, C.W. and Barrow, E.M, 2002: SDSM - a decision support tool for the assessment of regional climate change impacts. Environmental Modelling Software, 17, 145-157. École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 51 Groupe Intergouvernemental sur l’Évolution du Climat (GIEC) Intergovernmental Panel on Climate Change (IPCC) GIEC [IPCC], 2001: Climate Change 2001: The Scientific Basis. J.T. Houghton et al.(eds.), Cambridge University Press, 881pp. GIEC [IPCC], 2007: Climate Change 2007: The Scientific Basis. Contribution of Working Group I to the Fourth Assessment Report of the IPCC. ISBN 978 0521 88009-1 Hardback; 978 0521 70596-7 Paperback. Modélisation globale Flato G.M., Boer G.J., Lee W.G., McFarlane N.A., Ramsden D., Reader M.C., and Weaver A.J., 2000: The Canadian Centre for Climate Modelling and Analysis Global Coupled Model and its Climate. Climate Dynamics 16: 451467. Gordon, C., Cooper, C., Senior, C. A., Banks, H., Gregory, J. M., Johns, T. C., Mitchell, J. F. B. and Wood, R. A. 2000.The Simulation of SST, sea ice extents and ocean heat transport in a version of the Hadley Centre coupled model without flux adjustments. Climate Dynamics, 16, 147-168. École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 52 Modélisation globale T. M. Shanahan,J. T. Overpeck, K. J. Anchukaitis, J. W. Beck, J. E. Cole, D. L. Dettman, J. A. Peck, C. A. Scholz,7 J. W. King. 2009. Atlantic Forcing of Persistent Drought in West Africa. Science. 324(5925), 377 – 380. A. I. Bokoye, P. Gachon, D. Parishkura, A. Cotnoir, M. Radojevik, N. Gauthier and H. N'Djafa Ouaga. 2009. Assessment of precipitation regime over West African Sahel from climate indices comparison between observation, reanalyses and global climate modelling. Internal Journal of Climatology. Submitted. Aérosols A.I. Bokoye, A. Royer, N.T. O’Neil, P. Cliche, G. Fedosejevs, P.M. Teillet and L.J.B. McArthur. 2001. Characterization of Atmospheric Aerosols across Canada from a Ground-based Sunphotometer Network: AEROCAN. ATMOSPHERE-OCEAN 39 (4) 2001, 429–456 École d'Été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 53