Introduction - Africa Adaptation Programme

1.2.5-Tests statistiques
1.2.5.1-Estimateur de la pente
Il a permis de détecter la tendance (trends) de l’évolution des précipitations. Cette statistique
non paramétrique calcule l'importance de toutes les tendances significatives trouvées.
L'estimateur de pente (slope estimator ) de Sen (Sen, 1968) est calculé comme suit :
pour j=1, …,12 ;
L'évaluation de la pente et de la médiane de toutes les valeurs de
trop forte pour les valeurs extrêmement rares ; les valeurs de
. Hirsch et al. (1982) est
sont calculées sur les
valeurs qui sont des multiples de 12 mois. Les effets de confusion de la corrélation périodique
sont peu probables. Les seuils de confiance pour cet estimateur de pente sont calculés à partir
d’un percentile simple de toutes les valeurs de pentes calculées. La méthode de Sen (1968)
obéit au principe suivant : si le slope error est supérieur au slope estimate, alors le slope
estimator est faux. Si le p-value est inférieur à 0.05, la tendance est significative au seuil de
confiance de 95%. Appliquée sur la description des indices des extrêmes par Aguilar et al.
(2005) et par Zhang et al. (2000), cette méthode a été adaptée avec succès en climatologie
dans l’analyse des températures annuelles du Canada, à l’étude des vagues de chaleurs dans
l’hémisphère Nord par Wang et Swail (2001) et des précipitations du Nord Congo par
Maleké (2010).
1.2.5.2-Généralisation des Valeurs Extrêmes (GEV)
La modélisation statistique des séries (WMO, 1989) suppose que l’on choisisse au préalable :
‣ La façon de constituer un échantillon,
‣ Une loi de distribution,
‣ Une méthode d’estimation des paramètres et des quantiles,
‣ Un schéma qui permet l’utilisation conjointe de données locales et régionales.
Dans le cadre de cette étude, le GEV paraît être le mieux adapté.
L’étude des extrêmes passe par l'analyse du maximum d'un échantillon de taille n. Soit {X1,
X2, ..., Xn} un échantillon de variables aléatoires. Par exemple des observations de la
25