LES DONNÉES CLIMATIQUES:

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 Cryosphère Hydrosphère Lithosphère Source NASA Lithosphère Biosphère 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 Température Humidité vitesse et direction du vent Ensoleillement,.. Lithosphère Biosphère Température de surface Indices de végétation Humidité du sol Hydrosphère Débit Indices océaniques Cryosphère Hauteur de neige Couverture de glace École d'été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 11

Distinction selon la méthode de génération Données de reconstruction Données indirectes: cerne des arbres datation au carbone 14 carottage glaciaire) 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 Centre Régional AGRHYMET Institut de Recherche pour le Développement (IRD) Agence pour la Sécurité Aérienne et la Navigation en Afrique La coopération internationale: Organisation Mondiale de Météorologie Le Groupe Intergouvernemental sur l Évolution du Climat (GIEC) African Centre of Meteorological Application for Development (ACMAD) École 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: Dérive de capteur de mesure 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)=µ 0 σ(t)=σ 0 Q(t) 0 temps Analyse classique: moyenne (µ) ou standard déviation (σ) µ(t)#µ 0 σ(t)#σ 0 Q(t) Q(t) 0 µ(t)=µ 0 σ(t)#σ 0 temps 0 temps École d'été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 21

Technique bayésienne de détection de changement/rupture dans les séries chronologiques Y(t) Changement de régime/rupture temps École d'été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 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 ) 120 100 NIAMEY 13 28`N 2 9`E 120 100 QQ Plot: Mesure de la normalité de se séries: champ de précipitation l NIAMEY 13 28`N 2 9`E 80 Précipitation (mm/jour) 80 60 40 20 1 0.9 0.8 0.7 Empirical CDF NIAMEY 13 28`N 2 9`E Quantiles of Input Sample 60 40 20 0-20 0 1960 1965 1970 1975 1980 1985 1990 1995 Année Fréquence 0.6 0.5 0.4-40 -4-3 -2-1 0 1 2 3 4 Standard Normal Quantiles 0.3 0.2 0.1 Normal Probability Plot 0 0 20 40 60 80 100 120 Precipitation (mm/jour) 1200 0.999 0.997 0.99 0.98 1000 NIAMEY 13 28`N 2 9`E 0.95 0.90 800 Probability 0.75 0.50 0.25 0.10 NIAMEY 13 28`N 2 9`E Fréquence 600 400 0.05 0.02 0.01 0.003 200 0.001 0 50 100 150 200 250 Data 0 10 20 30 40 50 60 70 80 90 100 Precipitation (mm/jour) École d'été SIFÉE/IEPF 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: masse quantité de mouvement 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 Rayonnement solaire 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

Atmosphère États de surface Océan et glace Aérosols Cycle du carbone Composantes d un MCG Dynamique de la végétation Chimie atmosphérique population, économie, Industrie Contrainte informatique 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!!!! 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 A1 A2 Plus Global Plus régional B1 B2 Source [Nakicenovic et al., 2000; GIEC, 2001] Plus Environnemental 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 Modélisation Climatique Globale Information Climatique à l échelle régionale 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 précipitation: Températures (TMAX, TMIN) * Hauteurs gépotentielles 500hPa et/ou 850 hpa * Hauteurs gépotentielles 500hPa et/ou 850 hpa * Vitesses méridionales (u) à la surface et 850hPa * vitesses méridionale (u) et zonale à la surface et 850hPa * Tourbillons zonales et/ou vitesses zonales 500hPa * Tourbillon à 500 hpa Humidité relative à 500hPa et/ou 850hPa * 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 SIMULATION (mm/jour) 200 180 160 140 120 100 80 60 QQPLOT 1:1 Pilote GCM: HadCM3: Résolution temporelle quotidienne Résolution spatiale: 2.5ºx3.75º 40 20 SDSM-HadCM3 (1961-1990) SDSM-HadCM3 A2 (2010-2039) SDSM-HadCM3 B2 (2010-2039) Référence: Gordon et al., 2000 0 0 50 100 150 200 OBSERVATION (mm/jour) École d'été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 35

1 0.9 0.8 DENSITÉ DE PROBABILITÉ OBS. 1961-1990 SDSM-HadCM3 (1961-1990) SDSM-HadCM3 A2 (2010-2039) SDSM-HadCM3 B2 (2010-2039) DENSITE DE PROBABILITE 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 NCEP CGCM2 HadCM3 PRECIPITATION MOYENNE (mm/day) ECMWF CGCM3 ECHAM4 Source: Bokoye et al. (2009) -3-2 -1 0 1 2 3 École d'été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 37

Cas de l évolution du modèle global climatique canadien (CGCM): CGCM1, CGCM2, CGCM4 SIMULATION (mm/jour) SIMULATION (mm/jour) 50 40 30 20 10 Précipitation DJF SDSM-CGCM1 (1961-2000) SDSM-CGCM2 (1961-2000) SDSM-CGCM3 (1961-2000) 0 0 10 20 30 40 50 OBSERVATION (mm/jour) JJA 50 40 30 20 10 0 0 10 20 30 40 50 OBSERVATION (mm/jour) SIMULATION (mm/jour) SIMULATION (mm/jour) 50 40 30 20 10 0 0 10 20 30 40 50 OBSERVATION (mm/jour) SON 50 40 30 20 10 École d'été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 38 MAM 0 0 10 20 30 40 50 OBSERVATION (mm/jour) Pilote GCM: CGCM: Résolution temporelle: quotidienne Résolution spatiale: 3.75 x3.75 Référence: Flato et al., 2000

Températures minimum (TMIN) 0.15 0.1 DJF SDSM-CGCM1 (1961-2000) SDSM-CGCM2 (1961-2000) SDSM-CGCM3 (1961-2000) Obs (1961-2000) 0.15 0.1 MAM 0.05 0.05 0 0.15-50-40-30-20-10 0 10 20 30 40 TMIN ( C) JJA 0.15 0-30 -20-10 0 10 20 30 40 TMIN ( C) SON 0.1 0.1 0.05 0.05 0 0-10 0 10 20 30 40-30 -20-10 0 10 20 30 40 TMIN ( C) TMIN ( C) École d'été SIFÉE/IEPF Niamey (Niger), 20 mai 2009 39

Température maximum (TMAX) 0.15 0.1 DJF SDSM-CGCM1 (1961-2000) SDSM-CGCM2 (1961-2000) SDSM-CGCM3 (1961-2000) Obs (1961-2000) 0.15 0.1 MAM 0.05 0.05 0 0.15-50 -40-30 -20-10 0 10 20 30 40 TMAX ( C) JJA 0.15 0-30 -20-10 0 10 20 30 40 TMAX ( C) SON 0.1 0.1 0.05 0.05 0-10 0 10 20 30 40 TMAX ( C) 0-30 -20-10 0 10 20 30 40 TMAX ( C) École d'été SIFÉE/IEPF 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 0-521- 03285-7 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). 2 ème 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). 3 ème 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 New- York, 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: 451-467. 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