Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 2012employé. D’autre part, le nombre de stations rejetant H0 est largement supérieur à 5 % maistrop faible pour conclure à une non stationnarité régionale. Le fait qu’il n’y ait pasd’organisation spatiale ne permet pas non plus de différencier des sous régions présentant unemajorité de séries stationnaires et des sous régions ayant une forte proportion de rejet de H0.3.2. Likelihood ratio test / GEV dépendant du tempsLa figure 3 montre les résultats du likelihood ratio test. A l’instar des précédents résultats,la carte (figure 3a) ne montre pas non plus d’organisation spatiale des rejets du modèle GEV0stationnaire. Par contre, le nombre de rejets est largement supérieur avec 54 rejets de H0. Ilfaut noter que le meilleur modèle GEV1 ne trouve une tendance que pour deux séries, tous lesautres présentent donc des ruptures. La date des ruptures est illustrée par la figure 3b. Parmiles 54 rejets, 12 sont des rejets positifs et 42 sont des rejets négatifs. Une grande majorité deces rejets négatifs sont situés autour des années 1970.Ces résultats sont plus clairs. L’apport d’une hypothèse sur la distribution lorsque l’onutilise cette méthode augmente le nombre de rejets de H0. De plus, le fait que les nonstationnarités les plus nombreuses correspondent à des ruptures négatives autour de 1970n’est pas anodin (date de la rupture sur les cumuls annuels). Ceci vient appuyer l’hypothèsed’une rupture négative des extrêmes à la fin des années 60.Figure 3 : Résultat du likelihood ratio test entre le model GEV0 stationnaire comparé au model GEV1 nonstationnaire. a) Carte des rejets de H0. b) Répartition temporelle des rejets significatifs de H0 (5 %) positifs etnégatifs.ConclusionCette étude analyse la stationnarité des séries de maxima annuels sur le Sahel Central.Alors que la rupture des années 1970 est vue par la plupart de tests statistiques sur la quasitotalitédes séries de cumul annuel, il n’en est pas de même lorsque l’on analyse les sériesd’extrême, en l’occurrence la série des maxima annuels de pluie journalière. La fortevariabilité de ces séries rend les tests statistiques de stationnarité ‘classiques’ peu puissants etprobablement inadaptés aux séries d’extrêmes. L’apport d’une hypothèse sur la distributiondes séries apporte une contrainte supplémentaire qui augmente le taux de rejets de l’hypothèsede stationnarité. Cette étude tendrait à montrer qu’en Afrique de l’Ouest, la rupture bien599