PREVISION DE LA SECHERESSE AU NIVEAU DE SEPT PLAINES DU NORD OUEST ALGERIEN

Abstract

La persistance et la sévérité de la sécheresse en Algérie a un impact économique important. Depuis plus de cinq décennie décennies un important déficit pluviométrique a été enregistré dans l’ensemble du pays.Ce phénomène a des incidences directes sur les activités agricoles dues à l’absence des précipitations au moment de la croissance des plantes. Le régime des cours d’eau étant en relation étroite avec les précipitations, la sécheresse se répercute sur le niveau de remplissage des barrages. Ce travaila pour but de caractériser et identifier la sécheresse dans les sept plaines du Nord-Ouestd'Algérie durant la période (1960-2010) à différentes échelles de temps.Il a été basé sur desoutils d'évaluation de la sécheresse telque les indices de sécheresse (SPI, Standardized précipitation index, Percent of Normal Index (PNI), China-Z Index (CZI), Modified CZI (MCZI) et Dourgt Hazard Index (DHI)), ainsi que sur les modèles de prévision de la sécheresse telque la chaine de Markov et les réseaux de neurone artificiels (RNA). Une analyse temporelle de la sécheresse a été faite pour détecter la rupture et la tendance dans les séries du SPI à déférenteséchelles de temps (3,6, 9 et 12 mois) par l’utilisation du test de Pettit et celui de Makndall. L’application de la chaine de Markov dans la zone d’étude a montré que la sécheresse est un phénomène assez fréquent et récurrent d’une année, deux années de suite, voire trois années. Selon les séries du SPI, la probabilité d'avoir deux et trois années sèches consécutives est plus importante dans les plaines d’Ouest occidentale. La prévision de sécheresse avec un pas de temps de deux mois a été traitée en utilisant un modèle de réseau neuronal artificiel (RNA), basé sur les valeurs duSPI à différentes échelles de temps. Les sept plaines du nord-ouest de l'Algérie sont gravement touchées par la sécheresse,à l’inverse de la partie orientale du pays, où le phénomène de sécheresse estmoindre à la fois en durée et en sévérité. L’analyse montre également que la fréquence de la sécheresse change en fonction de l'échelle de temps. De plus, l'analyse temporelle,sans tenir compte de l'effet d'autocorrélation sur le point de changement et les tendances monotones de la série SPI décrit une tendance négative avec une synchronisation asynchrone au point de changement.Cependant, cela devient moins important aux échelles de temps de 3 et 6 mois si les séries chronologiquessont modélisées en utilisant l’approche trend-free-pre- whiteningcorrigée et non biaisée. Concernant la prévision de sécheresse basée sur l'RNA dans les sept plaines avec un pas de temps de deux mois, l’architecture des réseaux perceptron multicouches avec l’algorithme d’étalonnage Levenberg-Marquardt, donne des résultats satisfaisants avec le coefficient de détermination ajusté (Radj 2) supérieure à 0,81 et une erreur racine-moyenne-carré (RMSE) et absolue moyenne (EMA) inférieures à 0,41 et 0,23, respectivement. Mots clés :;Indice de danger de sécheresse (DHI) ; chaine de Markov; réseaux de neurone artificiels (RNA) ;test de Pettit ; test deMakndall ;réseaux perceptron multicouches ;Levenberg-Marquardt .