i

VARIABILITE CLIMATIQUE ET ADAPTATION DE L’AGRICULTURE VIVRIERE

DE SUBSISTANCE DANS LE GROUPEMENT FOTO DE L’ARRONDISSEMENT DE
DSCHANG (Hautes terres de l’Ouest-Cameroun)
 ii

D E D I C A C E

Nous dédions ce mémoire à

nos cadets du département de géographie,

que ce travail suscite en eux la passion pour la recherche appliquée.

 iii

A V A N T - P R O P O S

Situé sur le piémont méridional du massif des Bamboutos dans la région des hautes terres
de l’ouest du Cameroun, le groupement Foto, où se trouve la ville de Dschang chef-lieu de
l’arrondissement du même nom, a vu sa population croitre progressivement au fil des années.
Cette situation soulève actuellement quelques préoccupations face aux défis nouveaux que
posent les changements climatiques.

De plus en plus, la question des changements climatiques et de ses conséquences sur

l’Homme et ses activités s’invite au cœur des débats. Scientifiques, décideurs ou simples
citoyens, tous s’en préoccupent. Qu’en est-il exactement ? A quoi devons-nous nous attendre ?
Voilà quelques-unes des questions qui nous viennent à l’esprit chaque fois que nous nous
intéressons au sujet. Des incertitudes sont nombreuses quant aux questions du comment et du
pourquoi car les interactions qui existent entre le climat et l’environnement sont multiples et
complexes. Il importe de bien les étudier afin de les comprendre si l’on veut apporter des
réponses efficaces aux problèmes posés par les changements climatiques. Telle est la raison de la
présence de cette matière, la climatologie, dans les programmes d’études de nos universités et
grandes écoles. L’objectif final étant de former des Hommes capables de cerner parfaitement les
enjeux en matière d’adaptation des Hommes et de leurs activités à la nouvelle donne climatique
de leur région.

Cette étude qui s’est voulue être une étude agroclimatique a pris en compte des concepts
propres à l’agronomie et qui ont certainement été mal définis, utilisés ou interprétés du fait d’une
appropriation maladroite de notre part. Nous prions donc nos lecteurs de bien vouloir tolérer les
maladresses qu’ils pourront déceler dans le présent texte.
 iv

R E M E R C I E M E N T S

Nos remerciements et notre gratitude vont à :

- Notre directeur de travaux, le Pr Roger NGOUFO qui a bien voulu suivre ce travail de
bout en bout et qui a su nous rappeler à l’ordre chaque fois que nous nous écartions de
notre question de recherche. Nous lui sommes sincèrement reconnaissants.
- Tous nos professeurs du département de géographie qui nous ont encadré depuis nos
début à l’université.
- Nos parents pour leur soutien et leurs encouragements.
- M. le Délégué d’arrondissement de l’agriculture à Dschang et à tous les chefs de postes
agricoles de Foto qui nous ont pris sous leur tutelle en nous considérant comme leur
stagiaire. Nous en profitons pour remercier, à titre posthume Mr AWASHA, chef du
poste agricole de Fiala, qui est décédé durant notre étude. Il a été le premier à nous
recevoir et à nous prendre en charge dès notre premier voyage d’étude, alors que nous ne
disposions pas encore d’une attestation de recherche.
- Tous les agriculteurs avec qui nous avons discuté et tous ceux et celles qui ont bien voulu
répondre à nos questions. De même à tous ceux et celles qui nous ont aidé lors de notre
enquête en nous accompagnant afin de lever les suspicions et réticences éventuelles des
chefs de ménages.
- Tous les membres de notre famille qui nous ont encouragé dans la poursuite de cette
voie.
- Nos amis FOTSO NGUEMO Christian, étudiant météorologue du laboratoire LEMAP de
la faculté des sciences de l’université de Yaoundé I, pour nos multiples discussions sur
les lois et principes de l’atmosphère. KAMDEM KENMOGNE Herman, camarade de
promotion avec qui nous cheminons depuis nos débuts au niveau I et dont les
encouragements constants nous ont toujours galvanisés.
 v

R E S U M E

Cette étude a porté sur la relation qui existe entre la variabilité climatique et l’agriculture à
Foto. L’objectif principal était d’identifier les formes d’adaptation de l’agriculture vivrière de
subsistance à la variabilité climatique dans le groupement Foto. Les données météorologiques
sur les températures et les précipitations allaient de 1970 à 2009 et celles sur l’insolation allaient
de 1983 à 2009. Les données sur la production agricole annuelle utilisées dans le cadre de la
relation climat – production agricole vont de 2000 à 2010. Elles concernent uniquement le maïs.
Le test de la relation entre l’évolution du climat et celle de la production agricole annuelle a pu
être fait grâce à l’utilisation des méthodes statistiques. Il s’agit principalement du test de
corrélation. Il nous a permis de constater que de tous les paramètres climatiques susmentionnés
qui ont été pris en compte dans l’analyse, chacun se déclinant sous différentes variables,
l’insolation est le paramètre climatique dont la variabilité a le plus affecté l’évolution de la
production du maïs par exemple à Foto. Le coefficient de corrélation de PEARSON obtenu pour
la relation entre l’insolation et la production annuelle de maïs a été de R = - 0,686, la plus forte
de tous. Elle s’y comporte ainsi comme le principal facteur limitant à l’amélioration des récoltes
en matière de climat. Pour faire face à cette situation nouvelle, les agriculteurs y ont développé
différentes stratégies en matière d’adaptation à la variabilité et aux changements climatiques.
Mots clés : Variabilité climatique ; production agricole ; adaptation ; Foto.

A B S T R A C T

This research concerned the relation between climatic variability and agriculture in Foto.
The main objective was to identify the different methods of adaptation of the annual agricultural
production of certain cultivations, by example maize, to the climatic variability in the grouping
villages of Foto. The meteorological data of temperature and precipitations covered a period of
forty years (1970 – 2009) and those of insolation covered a period of twenty-seven years (1983 –
2009). For our study of the statistical relationship between climate and agricultural production,
we used annuals data for the period of time 2000 – 2010. These data concern maize production.
Test of the relation between the annuals evolutions of climatic elements and agricultural
production have been operated by using statistical tests such like coefficient of correlation of
PEARSON. These statistical tests shown that among the different climatic elements, insolation
and its variables were those one which most influenced the annual production in term of
statistical correlation. The coefficient of correlation of PEARSON obtained for the relation
between insolation and annual production of maize given R = - 0.686, the highest coefficient
than all others. So that among the climatic elements studied, insolation comes first and
precipitations second (R = 0.381) to influence negatively the annual production of cultivation in
Foto. To face this present situation of climate and assure a good agricultural production each
year, the farmers of the grouping villages of Foto developed several strategies of adaptation to
climate variability and to climatic changes.
Key words: Climatic variability, agricultural production, adaptation, Foto.
 vi

TABLE DE MATIÈRES

D E D I C A C E...............................................................................................................ii
A V A N T - P R O P O S .....................................................................................iii
R E M E R C I E M E N T S ................................................................................ iv
R E S U M E ......................................................................................................................... v
TABLE DE MATIÈRES ............................................................................................................. vi
LISTE DES TABLEAUX ............................................................................................................ ix
LISTE DES FIGURES.................................................................................................................. x
INTRODUCTION GENERALE ................................................................................................. 1
PREMIERE PARTIE : LA VARIABILITE CLIMATIQUE ................................................ 27
CHAPITRE 1 : EVOLUTION DES TEMPERATURES ....................................................... 28
I - LA VARIABILITE SAISONNIERE .................................................................................... 28
A- Le régime thermique moyen .................................................................................................... 28
B - Les variations journalières de la température .......................................................................... 29
1 - Les températures maxima moyennes ....................................................................................... 29
2 - Les températures minima moyennes ........................................................................................ 30
a - Minima absolus des températures ............................................................................................ 31
b -Maxima absolus des températures ............................................................................................ 31
C - L’insolation ............................................................................................................................. 32
1 - Les variations saisonnières de l’insolation .............................................................................. 32
2 - Insolation moyenne journalière (1983 – 2009) ........................................................................ 33
3 - Nombre de jours moyens sans soleil (1983-2009) ................................................................... 33
II - LA VARIABILITE INTERANNUELLE ........................................................................... 34
A - Evolution de la température moyenne annuelle (1970-2009) ................................................. 34
1 - Analyse descriptive .................................................................................................................. 35
2 - Etude de la dispersion .............................................................................................................. 36
a - L’analyse fréquentielle des données de la température moyenne annuelle ............................. 37
b - Analyse de la forme de la distribution ..................................................................................... 38
B - Variation interannuelle de l’insolation .................................................................................... 40
1 - Analyse des totaux annuels ...................................................................................................... 40
2 - Evolution des totaux annuels du nombre de jours sans soleil .................................................. 41
III - ANALYSE DE LA VARIABILITE A L’ECHELLE DE LA DECENNIE ................... 42
A - La variabilité saisonnière de la température ........................................................................... 42
B - Les cas particuliers des mois de Février et de Mars ................................................................ 43
C - Analyse de la variabilité interannuelle .................................................................................... 46
1 – Les variations des températures moyennes par rapport à celles du globe (GIEC) .................. 47
 vii

2 - L’ « anomalie » de la période 1978 – 1986 ............................................................................. 48

CHAPITRE 2 : VARIABILITE AU NIVEAU DES PRECIPITATIONS ............................ 55
I - LES TOTAUX DECADAIRES ............................................................................................. 55
II - LES TOTAUX ANNUELS ................................................................................................... 61
III - LA VARIABILITE INTERANNUELLE.......................................................................... 62
IV - LE REGIME SAISONNIER MOYEN .............................................................................. 64
A - Répartition décadaire et mensuelle de la pluviométrie ........................................................... 66
B - Les limites de la saison sèche à Foto....................................................................................... 68
C - Le cas particulier des mois de Février et de mars ................................................................... 71
V - LA BAISSE DES PRECIPITATIONS ............................................................................... 73
A- Les totaux décadaires et mensuels ........................................................................................... 73
B - L’évolution des précipitations à l’échelle décennale .............................................................. 75
C - L’importance des régimes probables....................................................................................... 77
DEUXIEME PARTIE : IMPACTS DE LA VARIABILITE CLIMATIQUE SUR
L’AGRICULTURE ET STRATEGIES D’ADAPTATION PAYSANNES ........................... 79
CHAPITRE 3 : LA RELATION CLIMAT – AGRICULTURE A FOTO ............................ 80
I - LA PRODUCTION AGRICOLE A FOTO ......................................................................... 80
A - Le système agricole à Foto...................................................................................................... 80
B - Le calendrier agricole « traditionnel » à Foto ......................................................................... 82
C - Evolution de la production agricole à Foto ............................................................................. 84
1 - L’évolution de la production annuelle de maïs pour le poste agricole de Balevoni ................ 85
2 - Le cas de la production de café arabica du groupement Foto tout entier ................................ 86
3 – La relation entre la production agricole et la variabilité climatique ....................................... 87
II - LES STRATEGIES D’ADAPTATION DES AGRICULTEURS DE FOTO ................. 92
A- Les contraintes des agriculteurs à Foto .................................................................................... 92
1 - La pression démographique ..................................................................................................... 93
a - Un taux de natalité assez élevé................................................................................................. 93
b – La présence des services officiels et des grandes écoles ......................................................... 93
2 - Le problème des dates de semis de 1er cycle cultural .............................................................. 94
3 - Le problème tout particulier de la conservation des récoltes .................................................. 95
B - Les stratégies d’adaptation des paysans .................................................................................. 98
1 - L’utilisation généralisée des engrais chimiques ...................................................................... 98
2 - L’utilisation des semences sélectionnées ................................................................................. 99
3 - La diversification des sources de revenus pour les ménages. ................................................ 101
4 - L’achat en commun des intrants agricoles ............................................................................. 103
CHAPITRE 4 : LA PERIODE FREQUENTIELLE DE VEGETATION (PVF) ............... 107
I - EVAPOTRANSPIRATION CALCULEE ......................................................................... 107
 viii

II - LE MODELE DE LA PERIODE FREQUENTIELLE DE VEGETATION A FOTO 110

A- Le modèle moyen ................................................................................................................... 110
B - Le modèle fréquentiel............................................................................................................ 112
C - La datation probabiliste des évènements ............................................................................... 117
1 - Probabilité simple d’ouverture ou de fermeture d’une saison culturale ou d’une petite saison
sèche ............................................................................................................................................ 117
2 - Probabilité (composée) ‘’d’ouverture-fermeture’’ d’une saison culturale ou d’une petite
saison sèche ................................................................................................................................. 119
D - Durée probable des saisons ................................................................................................... 120
E - Exemple de mise en application ............................................................................................ 121
1 - Détermination de la saison culturale ...................................................................................... 121
2 - Le calage des cycles des cultures ........................................................................................... 122
3 - Calage des phases du maïs de 1er cycle cultural .................................................................... 122
4 - Le ralentissement de la pluie.................................................................................................. 127
5 - Les cultures de 2ème cycle cultural ......................................................................................... 128
CONCLUSION GENERALE .................................................................................................. 130
BIBLIOGRAPHIE .................................................................................................................... 133
ANNEXES .................................................................................................................................. 137
ANNEXE 1 : Maïs Weber und Bleiholder, 1990; Lancashire et al., 1991 Échelle BBCH des
stades phénologiques du maïs (Zea mays L.) .............................................................................. 138
ANNEXE 2 : Méthodologie pour la construction de la période fréquentielle de végétation (PFV)
..................................................................................................................................................... 141
 ix

LISTE DES TABLEAUX

Tableau I : Minima absolus de température .................................................................................. 31

Tableau II : Maxima absolus de température ................................................................................ 31
Tableau III ; Insolation moyenne mensuelle de 1983 a 2009 ....................................................... 32
Tableau IV : Insolation moyenne journalière ................................................................................ 33
Tableau V : Températures moyennes annuelles à Foto, 1970-2009 ............................................. 36
Tableau VI(a) : Fréquences et fréquences cumulées (classes : 01°c) .......................................... 37
Tableau VI(b) : Fréquences relatives et fréquences cumulées relatives (classes : 01°c) .............. 37
Tableau VII : Variations décennales de la température moyenne décadaire ................................ 44
Tableau VIII : Probabilité d’occurrence des températures maxima moyennes ............................ 45
Tableau IX : Variations des températures maxima entre 1951-1980 et 1988-2009...................... 52
Tableau X : Variations de l’humidité relative moyenne entre la normale et 1955-2002 .............. 53
Tableau XI : Maximums absolus des totaux décadaires des précipitations (1970-2009) ............. 56
Tableau XII : Fréquences d’apparition des totaux décadaires caractéristiques ............................ 56
Tableau XIII : Prédiction des hauteurs mensuelles de 1992 d’après la regression non linéaire. .. 62
Tableau XIV : Repartition décadaire du coefficient pluviométrique relatif ................................. 66
Tableau XV: Répartition des décades « totalement sêches », « sêches » et « humides » entre
février et mars à Foto de 1970-2009 ...................................................................................... 72
Tableau XVI : Probabilité de non dépassement et période de retour (tr) ...................................... 73
Tableau XVII : Précipitations mensuelles « normales » et de la période 1970-2009 à Foto ........ 74
Tableau XVIII : Nombre de jours de pluies entre 1951-1980 et 1970-2009 à Foto ..................... 74
Tableau XIX : Production annuelle du maïs a Balevoni ............................................................... 86
Tableau XX : Production annuelle de café arabica à Foto ............................................................ 86
Tableau XXI : Production annuelle de maïs dans le département de la Menoua.......................... 87
Tableau XXII : Evapotranspiration potentielle climatique décadaire à Foto de 1970 a 2009 .... 109
Tableau XXIII : Evapotranspiration potentielle climatique mensuelle à Foto............................ 110
Tableau XXIV : Les variétés selectionnées de maïs développées par l’IRAD pour la région de
l’ouest ................................................................................................................................... 125
 x

LISTE DES FIGURES

Figure 1 : Températures moyennes mensuelles de 1970 a 2009 ................................................... 28

Figure 2 : Températures moyennes décadaires de 1970 a 2009 .................................................... 29
Figure 3 : Températures maxima moyennes décadaires ............................................................... 30
Figure 4 : Températures minima moyennes décadaires ................................................................ 30
Figure 5 : Totaux mensuels moyens d’insolation.......................................................................... 33
Figure 6 : Variations mensuelles du nombre de jours moyens sans soleil .................................... 34
Figure 7 : Variations interannuelles de la température ................................................................. 35
Figure 8 : Histogramme et courbe des fréquences relatives.......................................................... 38
Figure 9 : Comparaison entre l’histogramme des fréquences et la courbe de la loi normale ....... 39
Figure 10 : Variations interannuelles de l’insolation de 1983 a 2009 ........................................... 40
Figure 11 : Variations interannuelles des totaux du nombre de jours sans soleil ......................... 42
Figure 12 ; Comparaison entre les totaux annuel d’heures d’insolation et de jours sans soleil .... 42
Figure 13 : Variations décennales de la température moyenne annuelle ...................................... 46
Figure 14 : Températures moyennes globales, 1850 – 2011 ......................................................... 47
Figure 15 : Température annuelle à Foto et température globale (rss msu) .................................. 48
Figure 16 (a) : Relation entre températures et jours d’insolation .................................................. 51
Figure 16 (b) : Relation entre les températures et le nombre d’heures d’insolation ..................... 51
Figure 17 : Relation entre températures maxima et humidité relative .......................................... 53
Figure 18 : Evolution des températures moyennes annuelles entre 1988 et 2009 ........................ 53
Figure 19 : Distribution déadaire des totaux décadaires des précipitations (1970-2009) ............. 58
Figure 20 : Histogramme des précipitations décadaires à Foto .................................................... 60
Figure 21 : Histogramme et courbe de fréquence cumulée ........................................................... 64
Figure 22 : Régime mensuel et régime décadaire des précipitations à Foto (1970-2009) ............ 67
Figure 23 : Décomposition du régime décadaire en apports d’intensités données ....................... 68
Figure 24 : Régime décadaire moyen et régime decadaire médian des précipitations à Foto ...... 69
Figure 25 : Diagramme ombrothermique de Foto ......................................................................... 70
Figure 26 : Régime décadaire moyen et régime décadaire médian des températures à Foto........ 70
Figure 27 : Diagramme ombrothermique « probable » de Foto .................................................... 71
Figure 28 : Répartition par pourcentage des décades « sêches » à Foto ....................................... 72
Figure 29 : Relation entre précipitations et nombre de jours de pluies mensuels à Foto .............. 75
Figure 30 : Précipitations mensuelles décennales et la « normale » à Foto .................................. 76
Figure 31 : Relation entre la production agricole de maïs dans la Menoua et differents parametres
climatiques ............................................................................................................................. 88
Figure 32 : Relation entre la production agricole de maïs dans la Menoua et differents paramètres
climatiques ............................................................................................................................. 90
Figure 33 : Relations entre sêcheresse et vulnérabilite des plantes face aux maladies ................. 92
Figure 34 : Répartition du nombre d’enfants par ménages enquêtés ............................................ 93
Figure 35 : Répartition des ménages en fonction des dates de début de semis ............................. 94
Figure 36 : Pourcentage des ménages enquêtés reconnaissant une baisse de la récolte entre 1980-
2010........................................................................................................................................ 98
Figure 37 : Répartition des causes de cette baisse selon les ménages enquêtés. .......................... 98
Figure 38 : Pourcentage des ménages enquêtés utilisant les engrais chimiques ........................... 99
Figure 39 : Pourcentage des ménages enquêtés utilisant les semences mixtes ........................... 100
Figure 40 : Lieux d’achat des semences selectionnées par les ménages enquêtés ...................... 100
Figure 41 : Pourcentage des hommes pratiquant l’agriculture au sein des ménages enquêtés
.............................................................................................................................................. 101
 xi

Figue 42 : Pourcentage des femmes pratiquant l’agriculture au sein des ménages enquêtés
.............................................................................................................................................. 101
Figure 43 : Répartition des activités génératrices de revenus selon les ménages enquêtés ........ 102
Figure 44 : Pourcentage du type de commerce pratiqué par les ménages pratiquant le commerce
.............................................................................................................................................. 102
Figure 45 : Pourcentage des produits agricoles vendus au sein des ménages pratiquant le
commerce ............................................................................................................................. 103
Figure 46 : Pourcentage des ménages enquêtés commercialisant comme produits agricoles
uniquement leurs récoltes .................................................................................................... 103
Figure 47 : Pourcentage des ménages enquêtés cultivant plusieurs champs............................... 104
Figure 48 : Pourcentage des ménages enquêtés ne cultivant plus que la moitié de leurs champs
durant le 2eme cycle cultural ................................................................................................. 105
Figure 49 : Pourcentage des ménages enquêtés membres d’une association (reunions) ............ 105
Figure 50 : Répartition des GIC ou des associations (réunions) en fonction du type d’intrants
agricoles acheté en commun ................................................................................................ 106
Figure 51 : Caractéristiques moyennes de pluviosité, d’évapotranspiration et d’intersections .. 111
Figure 52 : Relation entre le régime probable (1970-2009) et le régime moyen (2000-2009) ... 113
Figure 53 : La période fréquentielle de végétation (pfv), ru = 50 mm ........................................ 116
Figure 54 ; Courbes de la durée des différentes périodes selon la PFV ...................................... 116
Figure 55 : Définition de la phase décisive..................................................................................124
 1

INTRODUCTION GENERALE

I – DEFINITION DU SUJET

D’après le rapport spécial du GIEC (1997) relatif à l’évaluation de la vulnérabilité de

différents secteurs d’activités face aux incidences de l’évolution du climat dans les régions,
l’agriculture sera l’un des secteurs les plus exposés aux risques dus à l’évolution du climat. Le
risque est plus élevé pour les pays en voie de développement notamment pour les populations qui
pratiquent une agriculture de subsistance (GIEC, 1997). Notre étude s’intéresse à la situation qui
prévaut dans une des régions du Cameroun où ce type d’agriculture est encore présent. Elle tente
de diagnostiquer s’il y a adéquation entre les pratiques et systèmes agricoles en place face aux
variations actuelles et potentielles du climat. Elle concerne principalement les impacts de la
variabilité climatique sur l’agriculture vivrière de subsistance. Nous définissons l’agriculture
vivrière de subsistance comme étant celle qui est principalement tournée vers
l’autoconsommation, puis vers la vente d’une partie des récoltes sur les marchés locaux pour
satisfaire aux charges familiales et sociales. Elle s’oppose à l’agriculture dite de « marché » et à
celle dite spéculative. C’est ce qui justifie le fait que notre travail porte le sujet suivant :

Variabilité climatique et adaptation de l’agriculture vivrière de subsistance dans le

groupement Foto de l’arrondissement de Dschang (hautes terres de l’ouest-Cameroun)

II – PRESENTATION DU CONTEXTE DE L’ETUDE

A – Délimitation thématique

Nous nous sommes fondés sur les idées que chacune des personnes ressources (autorités et
agriculteurs) se fait de la relation qu’il peut y avoir entre la baisse possible des récoltes et la
variabilité climatique. Nous nous proposons ainsi de déterminer l’impact réel que pourrait avoir
la situation climatique actuelle de notre zone d’étude (le groupement Foto) sur la production
agricole donc sur les récoltes. Il s’agira d’une part de déterminer, à l’aide du traitement
statistique des données météorologiques collectées auprès de l‘IRAD de Dschang, la variabilité
climatique. D’autre part, il sera question de faire ressortir l’impact réel de cette variabilité sur
les cultures proprement dites en fonction des saisons. On planchera par la suite sur l’opportunité
ou la nécessité de déterminer de nouvelles dates de semis pour les cultures annuelles. Ces
 2

nouvelles dates leur garantiraient de meilleures chances de réussite car elles auront pris en
compte la variabilité actuelle et future du régime moyen des précipitations par exemple.

B – Délimitation temporelle

Les différentes données collectées en ce qui concerne les paramètres climatiques couvrent
02 périodes à savoir :

- Une période de 40 ans allant de janvier 1970 à novembre 2009. Elle concerne les
précipitations et les températures à Dschang.
- Une autre période de 27 ans allant de mai 1983 à novembre 2009. Elle concerne
l’insolation.
Les données météorologiques ont été collectées auprès des services de l’Institut de
Recherche Agronomique pour le Développement (IRAD) de Dschang qui dispose d’un poste
météorologique.

C – Délimitation spatiale

Notre zone d’étude intéresse l’ensemble du groupement FOTO. Le Cameroun se divise

en circonscriptions administratives hiérarchisées à 03 niveaux : les régions, les départements et
les arrondissements. Les arrondissements, qui sont des unités administratives de base, sont
organisés en unités de commandement traditionnel ou chefferies traditionnelles également
hiérarchisées à trois niveaux : 1er niveau (canton, lamidat, sultanat), 2ème niveau (groupement)
et 3ème niveau (village/quartier, lawanat, customary area) (BUCREP, 2011). Foto qui est une
chefferie traditionnelle de 2ème niveau se situe dans la région des hautes terres de l’Ouest-
Cameroun. Il fut créé au 17ème siècle par son chef fondateur TEMGOUA. Le groupement Foto
est tout entier situé, du nord au sud, du piémont des Bamboutos jusqu’à la bordure de la plaine
des Mbo, sur le plateau Bamiléké. Il est limité au nord par la chefferie Fongo-Tongo, au sud par
les chefferies Fotetsa et Foréké-Dschang, à l’ouest par la chefferie Fongo-Deng et à l’est par la
chefferie Bafou. D’une superficie de 99 km² environ, il s’étend à peu près entre 5°20’ et 5°32’ de
latitude Nord et 9°57’ et 10°07’ de longitude Est. Son allure générale est sans rappeler la forme
d’un « marteau » avec son extrémité Est plus étirée en latitude (Fig. 1). Le groupement Foto a à
sa tête un chef de 1er degré et rassemble une cinquantaine de villages.
 3

Source : ATLAS DU CAMEROUN, 2007.

Source : ATLAS REGIONAL OUEST 2, 1971.

FIGURE 1 : Délimitation du groupement Foto

 4

III – L’INTERET DU SUJET

Le sujet s’inscrit dans le cadre de la Recherche Agricole pour le Développement (RAD)

qui est une recherche « orientée vers l’action ». Elle s’inscrit en droite ligne dans la volonté
affichée du gouvernement de la république du Cameroun de moderniser son agriculture sur
l’ensemble du territoire national. Dans le but de lutter efficacement contre la vie chère qui a
conduit, dans un passé proche, à des manifestations violentes – émeutes de février 2008 – qui ont
secoué les principales villes du pays, le gouvernement de la République Cameroun a pris une
série de mesures visant à améliorer les conditions de vie des populations notamment l’accès à
une alimentation de qualité et de quantité pour toutes les bourses. Au rang de ces mesures figure
en priorité l’accroissement de la production agricole nationale par la modernisation des
techniques agricoles. Cependant c’était sans compter avec les difficultés nouvelles et futures
posées par les caprices d’un climat qui évolue en permanence. Le lien entre le climat et
l’agriculture est depuis longtemps connu et l’on sait que c’est le climat qui décide du type de
culture qu’il est naturellement possible et facile de cultiver sans nécessité de lourds
investissements dans une région ou une localité. Cette relation étroite souligne de ce fait
l’impératif catégorique de connaitre avec la plus grande précision possible et de prévoir
l’évolution du climat et principalement des paramètres qui la composent aux premiers rangs
desquels : la température, les précipitations et l’insolation.

IV – LA PROBLEMATIQUE DE RECHERCHE

Le développement de l’exploitation de la terre pour la culture des plantes destinées à

l’alimentation humaine a profondément marqué le paysage à Foto, comme dans la majeure partie
des chefferies bamiléké où cette activité prédomine. L’impératif catégorique de nourrir une
population très importante sur un territoire exigu a contraint les populations de Foto à composer
efficacement avec les différents éléments du milieu naturel afin d’en tirer de meilleurs produits.
La réussite de l’intensification de l’agriculture ne fut qu’à ce prix. La première mesure gage de
réussite passa par la maitrise du temps qu’il fait tout au long de l’année, c’est-à-dire du régime
climatique et principalement du régime mensuel des précipitations. Cela a abouti à la
construction d’un calendrier des pluies organisant l’année en mois où il pleut abondamment et
régulièrement et en mois où les pluies sont faibles et irrégulières.

Cette maitrise du régime des précipitations se traduit dans les faits par l’organisation des
activités socio-culturelles traditionnelles à Foto. C’est ainsi que, par exemple, la période des
funérailles à Foto est calée pendant la période sèche, janvier-février, pour deux raisons : le fait
 5

que les travaux champêtres soient arrêtés et la facilité de déplacement et d’accès liée à l’absence
des pluies dans une région où en dehors des principaux axes routiers du centre-ville, toute autre
voie d’accès du groupement est non bitumée. Les activités agricoles ne sont pas en reste.

Avec la colonisation et l’introduction de la caféiculture comme principale culture de rente,

couplée à une agriculture vivrière disposant d’une gamme assez large de cultures annuelles, il
s’est posé le souci, pour les exploitants colons, de délimiter avec précision quelle était la saison
culturale afin de déterminer au mieux les dates de semis garantissant aux cultures, tant annuelles
que pérennes, des chances de réussite optimales. Cette volonté de mettre en valeur la terre à Foto
a conduit des auteurs tels P. SEGALEN ; J. B. SUCHEL ; GENIEUX ; etc. à dresser la courbe
ombrothermique de la région. Depuis les années d’après indépendance, il est admis qu’à Foto, il
pleut durant 10 mois (février à novembre) et qu’il existe seulement 02 mois secs (décembre et
janvier). Les mois les plus chauds sont février et mars avec une température moyenne comprise
entre 21 et 21,5°C.

A première vue il semblerait que ce soit sur la base de ce découpage scientifique du régime
des pluies en 02 saisons distinctes et délimitant la saison culturale entre février et novembre, que
les populations à Foto ont choisi de caler la date de début de semis des cultures de 1 er cycle
cultural en février (pour les cultures annuelles) ; notamment dès le 10/02. Il s’en suit que, si
pendant plusieurs décennies cette période de début de semis pour les cultures de 1 er cycle
cultural a garanti aux cultures annuelles telles le maïs ou le haricot de bonnes chances de
réussite, il semble que la chose ne soit plus aussi certaine depuis le début du millénaire. Cela
pourrait être dû au problème de la variabilité climatique qui a des répercussions sur le régime
moyen des précipitations, donc sur la saison culturale. C’est ainsi qu’il est rapporté, par les
agriculteurs et par les autorités en charge de l’agriculture à Foto, depuis un certain nombre
d’années des cas d’échec de semis de 1er, mais aussi de 2ème cycle cultural dus soit à un échec de
la levée des cultures, soit à une mauvaise alimentation en eau durant la phase critique de
développement de la culture. Cette situation semble être le fait d’une très grande variabilité
annuelle dans les dates de début et de fin de la saison des pluies ce qui rend probablement
inappropriées les dates traditionnelles de semis des cultures à Foto.

Le problème pour les populations pratiquant l’agriculture vivrière de subsistance à Foto se

décline alors en deux volets. Le premier volet est climatique et soulève chez ces agriculteurs
l’interrogation suivante : comment le climat va-t-il varier et quelles en seront les conséquences
sur les récoltes ? Le second volet est social et concerne leurs capacités à s’adapter à la nouvelle
 6

donne climatique, ce sur quoi les différents rapports du GIEC attiraient déjà l’attention (GIEC,
1997, 2001, 2007). D’après les données sur la production annuelle de certaines cultures vivrières
issues du service de la statistique des délégations d’arrondissement de Dschang et
départementale de la Menoua, la production agricole serait en baisse dans la région. Bien que les
raisons à cela soient nombreuses, il est possible que la variabilité climatique y intervienne de
façon négative. Comment est-elle responsable ? Là est toute la difficulté.

V – LES QUESTIONS DE RECHERCHE

A – La question de recherche

Comment la variabilité climatique actuelle affecte-t-elle l’agriculture vivrière

de subsistance et conditionne son adaptation sur le piémont des Bamboutos autour de Foto ?

B– Les questions spécifiques de recherche

_ Comment ont évolué les températures, les précipitations et l’insolation à Foto de 1970 à
2009 ?
_ Comment la production de certaines cultures vivrières annuelles a-t-elle évolué à Foto
depuis 1970 ?
_ Quelles sont les stratégies mises sur pied par les populations et les autorités en matière
d’atténuation/adaptation aux risques liés à cette variabilité climatique?

VI - LES OBJECTIFS DE RECHERCHE

A – L’objectif principal de recherche

Nous avons pour objectif principal d’identifier les formes d’adaptation de l’agriculture
vivrière de subsistance à la variabilité climatique dans le groupement Foto.

B – Les objectifs spécifiques de recherche

- Montrer comment le climat à Foto a évolué de 1970 à 2009 et quelles ont été ses
paramètres les plus affectés.

- Montrer l’évolution de la production agricole annuelle et l’impact du climat sur la

production agricole et sur les pratiques agricoles telle qu’elles se font traditionnellement
à Foto et notamment sur les dates de semis.
 7

- Présenter les stratégies paysannes mises au point pour réduire leur vulnérabilité face aux
impacts actuels et potentiels de la variabilité climatique actuelle et future.

VII – LE CONTEXTE SCIENTIFIQUE

Depuis le SOMMET DE LA TERRE DE RIO, 1992, dont l’objectif principal était de

« stabiliser les concentrations de gaz à effet de serre dans l’atmosphère à un niveau qui empêche
toute perturbation anthropique dangereuse du système climatique », la question du
réchauffement climatique a, depuis le début du XXIème siècle, pris une telle ampleur qu’elle est
de nos jours de plus en plus prise en compte dans le cadre de la planification du développement
des Gouvernements. S’il en est ainsi, c’est particulièrement dû au fait que la première décennie
du début de ce nouveau millénaire a été marquée par une fréquence et une ampleur des
phénomènes climatiques extrêmes (cyclones/ouragan, vagues de chaleur et canicules, tempêtes et
inondations, etc.) d’une rare intensité. Plusieurs fois des records de températures ont été battus.

Depuis l’an 2000, nous pouvons citer quelques catastrophes climatiques parmi les plus
néfastes. Il s’agit de : l’Ouragan Katrina d’août 2005 aux USA, la canicule de l’été 2003 en
Europe méditerranéenne et occidentale, les récentes vagues de chaleur des étés 2009 et 2010 en
Europe, les terribles inondations survenues en Asie des moussons (Thaïlande, Taïwan, etc.)
durant la saison des moussons, la vague de froid meurtrière de l’hiver 2011/2012 qui a paralysé
toute l’Europe pendant une dizaine de jours environ, etc. Nous ne citons ici que les catastrophes
les plus médiatisées. Tous ces phénomènes extrêmes, qui surviennent durant les saisons de
l’année propices à leur mise en place, ont des conséquences parfois catastrophiques sur
l’économie et sur les populations des pays en voie de développement (GIEC).

Selon les rapports du GIEC (2001 et 2007), les pays les plus vulnérables face à cette
situation sont les pays en voie de développement dont le Cameroun. De même les secteurs
d’activités les plus exposés sont ceux liés à l’alimentation de l’Homme, le cas de l’agriculture.
L’agriculture est la principale activité économique au Cameroun et en Afrique subsaharienne.
Elle représente 20 à 30% du PIB en Afrique noire et 55% de la valeur totale des exportations du
continent (GIEC, 1997). Le risque est alors majeur pour l’ensemble des pays africains étant
donné que l’une des incidences des changements climatiques sera la mise à mal de la
disponibilité en eau pour les populations et leurs activités (IPCC, 2007a). En effet l’une des
conséquences majeures des changements climatiques, pour l’Afrique en général et le Cameroun
en particulier, sera la modification des régimes pluviométriques et l’augmentation de chocs
climatiques en termes de fréquence et d’intensité (IPCC, 2007a). Comme conséquence directe, la
 8

transformation des milieux (naturels et sociaux) qui sont déjà eux-mêmes dans une situation
critique à cause d’une exploitation intense des ressources disponibles.

Une baisse des précipitations de 10% en Afrique, entre 0° N et 10° N de latitude, a été
constatée par HULME et al. (1992) de 1931 à 1990 (FAO, 1995). Cette situation est confirmée
par TSALEFAC (AIC, 2004) qui, en étudiant l’évolution interannuelle des précipitations sur les
hautes terres de l’ouest-Cameroun de 1940 à 1990, observe une baisse relative des précipitations
sur l’ensemble de la région étudiée depuis 1970 et donc sur Dschang. D. SIGHOMNOU (2004)
qui pousse l’étude de la variabilité pluviométrique de 1940 jusqu’en 2001 confirme que sur
l’ensemble du territoire camerounais, la pluviométrie est déficitaire depuis 1970. Cette situation
devient problématique pour la pratique de l’agriculture non irriguée qui est la plus répandue à
Foto compte tenu de sa topographie. L’évolution récente du climat, notamment depuis le début
des années 2000, nous fait craindre des risques de famine et de malnutrition pour cette région où
la pression sur la terre est très forte. De même, toute possibilité d’extensification des parcelles
agricoles sur de nouvelles terres s’avère difficile, voire impossibles compte tenu de la
réorganisation totale de l’espace que cela supposera et du coût financier (GIEC, 1997).

Le rapport d’étude de la FAO (AGRICULTURE MONDIALE: HORIZON 2010, 1995)

faisait remarquer que toute tentative d’amélioration de la production agricole future devra
prendre en compte la variabilité climatique. Cette prise en compte doit porter sur les
interrelations entre ces deux systèmes. Ainsi pour définir le genre d’étude qui s’y consacre, B. A.
MONTENY et J. P. LHOMME (1980) écrivent : « L’agroclimatologie est la branche de la
climatologie qui s’intéresse au climat dans ses rapports avec l’agriculture. Sous ce vocable on
réunit aussi bien les études portant sur la simple caractérisation du climat à des fins agricoles
que celles qui cherchent à préciser statistiquement les relations existant entre paramètres
agronomiques (croissance, développement, rendement, etc…) et climatiques (températures,
pluviosité, etc…). Ces études s’appuient généralement sur les données météorologiques
d’observation et sur un certain nombre de considérations agronomiques. Elles sont faites le plus
souvent dans un but prévisionnel et demandent, pour être représentatives, la prise en compte
d’un nombre suffisant d’années d’observations ».
 9

VIII – CADRE CONCEPTUEL ET THEORIQUE

A – Le cadre conceptuel

Le Centre International d’Agriculture tropicale (CIAT) définit le risque comme la

probabilité et l’ordre de grandeur d’occurrence d’une perturbation ou d’un stress dans une région
et un temps donnés. Cette définition correspond parfaitement à celle de l‘aléa faite par P.
GEORGE et F. VERGER (2009). Sur un plan purement climatique, cette définition prend en
compte la notion de fréquence d’apparition d’un phénomène qui s’écarterait d’une valeur
moyenne qui peut être admise comme la situation « normale » si elle a été évaluée sur une
période de 30 années pour une région donnée. Il en ressort la notion de la variabilité des
paramètres du climat et plus particulièrement, celle du degré de variabilité qui permet de définir
une anomalie climatique. Le climat est une entité dynamique qui évolue d’un instant t à un
instant t + 1 en fonction des modifications constantes qui peuvent affecter l’un des paramètres
qui la composent. C’est ce que relève TSALEFAC lorsqu’il définit la variabilité climatique
comme les variations saisonnières et annuelles des paramètres météorologiques au sein des
régions ou pays ou entre ces régions ou pays.

Mais étant donné la nature variable du climat dans une région et à un instant donné, toute
valeur qui s’écarterait de la moyenne ne doit pas être considérée ipso facto comme une anomalie.
En effet une anomalie renvoie, d’après certains auteurs, à tout accident climatique qui
s’écarterait d’une situation jugée normale d’un degré tel qu’il se situerait en dehors des bornes
d’un intervalle défini comme intervalle de variation. Le seuil fixant les limites inférieures et
supérieures de cet intervalle est défini par référence à l’écart type (TSALEFAC, AIC 2004). La
variabilité climatique sera de ce fait envisagée de façon objective à partir de l’analyse statistique
des données chiffrées dans notre travail. Ainsi, il nous est désormais possible de définir le risque
ou l’aléa climatique comme la probabilité d’occurrence d’une anomalie dans le rythme
saisonnier d’une région pendant une ou plusieurs années. La grande crainte que suscitent les
changements climatiques en cours sur notre planète est qu’effectivement le risque devient un peu
plus grand que, dans le futur, les situations climatiques définies aujourd’hui comme anormales
deviennent normales. Cette préoccupation soulève l’énorme problème de l’adaptation des
sociétés face aux changements climatiques.

La Convention Cadre des Nations Unies sur les Changements Climatiques (CCNUCC)
définit, en son article premier, les changements climatiques comme les
« changements/modifications du climat qui sont attribuées directement ou indirectement à une
 10

activité humaine altérant la composition de l’atmosphère mondiale et qui viennent s’ajouter à la

variabilité naturelle du climat observée au cours de périodes comparables ». Cette définition a
d’abord été adoptée par le GIEC. Le gros du problème avec les changements climatiques en
cours, est que face aux effets néfastes qui leurs sont dus, tous les pays du globe ne sont pas logés
à la même enseigne. Certains, mieux dotés que d’autres, y seront moins vulnérables. Selon le
GIEC, la vulnérabilité face aux changements climatiques se définit comme « le degré par lequel
un système est susceptible, ou se révèle incapable, de faire face aux effets néfastes des
changements climatiques, notamment à la variabilité du climat et aux conditions climatiques
extrêmes. La vulnérabilité est fonction de la nature, de l’importance et du taux de variation
climatique auxquels un système se trouve exposé ; de sa sensibilité, et de sa capacité
d’adaptation. ». Par « effets néfastes des changements climatiques », il faut entendre « les
modifications de l’environnement physique et des biotes dues à des changements climatiques et
qui exercent des effets nocifs significatifs sur la composition, la résilience ou la productivité des
écosystèmes naturels et aménagés, sur le fonctionnement des systèmes socio-économiques ou sur
la santé et le bien-être de l’homme. » (CCNUCC, article 1er).

La vulnérabilité d’une région dépendra de ce fait des enjeux choisis (infrastructures,

écosystèmes, activités économiques, santé, etc.). En ce qui nous concerne, nous nous intéressons
à la vulnérabilité de l’agriculture mais aussi aux personnes qui la pratiquent à Foto face aux
changements climatiques. L’agriculture est l’ensemble des activités concernant la domestication
des plantes et des animaux. Ces activités sont destinées à tirer de la terre des productions utiles à
l’homme, notamment sur le plan alimentaire (dictionnaire Microsoft Encarta 2009). D’après P.
GEORGE (2009), le travail de la terre pour produire des plantes et des animaux utiles définit
l’agriculture. Pour JP. DEFFONTAINES (1991), l’agriculture est l’ensemble des actions sur le
milieu naturel, sur les végétaux et sur les animaux en vue d’une production utile à l’homme.
Toutes ces définitions attirent l’attention sur le fait que le mot agriculture, à la base, prend en
compte le volet travail de la terre pour la culture des plantes et le volet élevage des animaux. Or
dans le cadre de notre travail, nous ne considèrerons que le volet travail de la terre. Donc le mot
agriculture dans ce travail renverra uniquement à l’exploitation des terres pour la culture des
plantes. La notion d’exploitation agricole englobera : la parcelle de terre cultivée ; les plantes
cultivées ; les récoltes et les moyens de mise en œuvre.

L’agriculture ici en question sera l’agriculture vivrière de subsistance, qui vise

principalement à produire pour soi-même. Elle est la plus répandue dans les régions tropicales et
subtropicales (GIEC, 1997). Elle caractérise les économies qui consacrent l’essentiel de leur sol
 11

et de leur travail à des productions d’autoconsommation (P. GEORGE, 2009). A Foto elle reste
la plus répandue et implique de ce fait une part importante de la population parmi celle qui
dépend principalement de l’agriculture pour sa survie. Nous ajoutons à cette catégorie d’autres
caractéristiques permettant de mieux la distinguer. Parmi elles, il faut tenir compte qu’elle se
pratique sur de toutes petites parcelles, en général moins d’un hectare. Les récoltes sont faibles.
Les cultures ne sont pas monospécifiques mais essentiellement associatives. Le capital investi en
termes d’intrants et de matériel agricole est faible.

B – Le cadre théorique

Il existe de nombreuses théories tentant d’expliquer les changements climatiques qui sont
survenus, qui surviennent, et qui surviendront encore dans un futur proche et lointain dont l’une
des plus célèbres reste la théorie astronomique de M. MILANKOVITCH (1940).

Le réchauffement du système climatique – atmosphère + océan – constaté, depuis le

début de la décennie 1990, par la communauté internationale est à l’origine de la théorie du
« Global change » ou « changement général du globe » qui stipule que : « les sociétés
industrielles actuelles déclenchent deux processus dont les effets concomitants désorganisent
l’équilibre thermique de la planète. D’une part, en brûlant forêts et combustibles fossiles, elles
rejettent un excédent de gaz carbonique dans l’air, ce qui renforce l’effet de serre naturel, donc
réchauffe le globe ; d’où, par voie de conséquence, fonte de glaciers et montée du niveau de la
mer. D’autre part le monde industriel émet dans l’atmosphère des gaz nouveaux, les
chlorofluorocarbones, ou CFC, qui détruisent l’ozone de la stratosphère (d’où le trou
antarctique de l’ozone) et permettent ainsi le passage d’un supplément de rayon UV, dont on sait
qu’ils sont nocifs pour la santé. ».

D’après cette théorie, c’est donc l’Homme de par le développement de ses activités
(industries, élevage, transports, …) qui est à l’origine de ce réchauffement planétaire constaté
depuis les années 80. Cette thèse de l’origine anthropique du réchauffement climatique actuel est
due à l’émission dans l’atmosphère des gaz à effet de serre, ou GES, dont les plus célèbres sont
le CO2 ; le CH4 et les CFC, qui agissent concomitamment avec l’effet de serre naturel pour
accroitre la température à la surface de la terre et dans les premiers mètres des océans. Cette
augmentation se fait par piégeage d’une quantité supplémentaire de l’infrarouge tellurique dans
les basses couches de l’atmosphère. Cette théorie est défendue par le GIEC et a donné naissance
à la théorie de l’origine humaine du réchauffement climatique qui a donné lieu à une grande
controverse au sein de la communauté scientifique internationale.
 12

Le GIEC définit actuellement le changement climatique comme « une variation de l’état

du climat que l’on peut déceler (par exemple au moyen de tests statistiques) par des
modifications de la moyenne et/ou de la variabilité de ses propriétés et qui persiste pendant une
longue période, généralement pendant des décennies ou plus. Il se rapporte à tout changement
du climat dans le temps, qu’il soit dû à la variabilité naturelle ou à l’activité humaine ». Cette
définition nous permet de nous affranchir de l’épineuse question de l’origine naturelle ou
anthropique du réchauffement climatique actuel, pour nous intéresser uniquement à ses
conséquences sur l’Homme, son environnement et ses activités.

Le constat est le suivant. De 1906 à 2005, la température du globe a augmenté de

0,74°C, avec une marge d’incertitude de 0,52-0,92°C (GIEC, 2007). Entre 1956 et 2005, la
tendance linéaire de la hausse des températures était de 0,13 [0,10-0,16] °C tous les dix ans (GT
I 3.2, RiD). Les années 1995 à 2006 figurent parmi les douze années les plus chaudes depuis
1850 (GIEC, 2007). L’année 1998 a été l’année ayant enregistré la température la plus élevée
depuis 1850 qui correspond à la fin du « petit âge glaciaire ». La cause principale de cette hausse
des températures est l’augmentation, depuis 1750, de la quantité de GES dans l’atmosphère
(GIEC, 2007). Cet accroissement des GES entraine un déséquilibre entre l’énergie reçue du
soleil et celle émise par la terre ce qui occasionne des variations positives ou négatives du bilan
énergétique appelées forçage radiatif. « Le forçage radiatif est la mesure de l’influence d’un
facteur sur l’altération de l’équilibre des énergies entrantes et sortantes du système Terre-
atmosphère et donne une indication de l’ampleur de ce facteur en tant que moyen de changement
climatique potentiel. » (GIEC, 2007).

D’après le rapport du GIEC, 2007, la concentration atmosphérique de CO 2 est passée de

280 ppm (parties par million) environ à l’époque préindustrielle, à 379 ppm en 2005. Le CH4, de
715 ppb environ à l’époque préindustrielle à 1774 ppb en 2005. Le N2O de 270 à 319 en 2005.
D’après la théorie de l’effet de serre, si les taux de concentration des GES dans l’atmosphère
dépassent un certains seuils, il peut se produire un basculement, où le climat s’emballerait et se
réchaufferait davantage par rétroaction positive par augmentation de la vapeur d’eau dans
l’atmosphère. La notion de rétroaction climatique est déterminante pour la modélisation du
climat futur car elle détermine les scénarios possibles. Une rétroaction (feedback en anglais) est
définie comme l'action en retour d'un effet sur le dispositif qui lui a donné naissance, et donc,
ainsi, sur elle-même. Il existe deux types de rétroactions :

- Les rétroactions positives, qui amplifient le phénomène considéré

 13

- Les rétroactions négatives, qui l’amortissent

Une rétroaction se caractérise par son paramètre (ou sensibilité du système à cette
rétroaction), souvent noté λ . λ 0 correspond à une rétroaction positive et λ 0 correspond à
une rétroaction négative. Dans le cas de la sensibilité du climat, le paramètre qui induit un
forçage radiatif positif est l’augmentation du CO2 atmosphérique. Cette augmentation du CO2
atmosphérique modifie le bilan radiatif de la terre qui, par forçage radiatif, qui est la réponse du
système à cette modification, absorbera +/- de chaleur, selon qu’il soit positif ou négatif, afin de
retrouver une situation d’équilibre nouvelle. La conséquence directe, par rétroaction positive ou
négative, peut alors être soit un réchauffement, soit un refroidissement. Il existe une multitude de
rétroactions jouant un rôle dans le climat et sa stabilité. Elles sont d’origines cosmiques,
physiques, chimiques, biologiques, sociaux, …Il est possible de calculer la rétroaction climatique

qui s’exprime en W/(m².K) :

Où δR est le forçage radiatif (en W/m²) et δT est la réponse du système à ce forçage (en °K).

Ainsi, d’après le GIEC (2007), une hausse de la température de 0,2°C par décennie est à
attendre pour les vingt prochaines années. En fonction des différents scénarios (B1 ; A1T ; B2 ;
A1B ; A2 ; A1FI), le GIEC prévoit une augmentation de la température comprise dans une
fourchette de [0,3-6,4] °C d’ici à 2100. Cette augmentation de la température aura de ce fait un
effet domino sur les autres éléments du climat (précipitations, insolation, humidité
atmosphérique) avec comme conséquence le changement climatique, d’où la théorie du « Global
change ». Ce changement climatique général ne va pas sans avoir d’incidences sur l’Homme et
ses activités, d’où les questions de la vulnérabilité et de l’adaptation des populations aux risques
liés à ces changements. Parmi les secteurs d’activités les plus exposés, figure en bonne place
l’agriculture qui, d’après le GIEC, risque de voir son rendement baissé dans les latitudes basses
malgré une hausse des températures. Cette baisse se fera principalement dans les régions à
saisons sèches ou dans les régions tropicales (GIEC, 2007). L’Afrique en général, et tout
particulièrement le Cameroun pour ce qui nous intéresse, appartiennent à cette partie du globe, il
est donc question pour nous d’éprouver la théorie d’un réchauffement du climat par
augmentation de la température moyenne annuelle de 1970 à 2009, en observant, le cas échéant
des similitudes entre la courbe de température du GIEC et celle obtenue après analyse de
l’évolution des températures dans notre zone d’étude, Foto.
 14

Cette théorie du « Global change » nous permet de faire intervenir la théorie de l’écologie
de la production qui présente les différentes conditions de la production et de leurs rendements.
La théorie établit les interrelations entre ces différents systèmes (sol-plante-atmosphère) et
hiérarchise le rendement en trois classes. Par ordre croissant : le rendement réel, le rendement
réalisable et le rendement potentiel. Chacune de ces classes est sous l’influence de différentes
catégories de facteurs limitant (fig. 2). Par ordre de rendements décroissants, il s’agit du :

1) Rendement potentiel : les facteurs limitant sont le CO2, la radiation et la température.

La culture dispose de suffisamment d'eau et d'éléments nutritifs et elle est protégée des
mauvaises herbes, des déprédateurs et des maladies. Son taux de croissance dépend seulement de
son stade de développement, de la radiation et de la température. En couverture totale (au
champ), le taux de croissance des cultures évolue entre 150 et 350 kg de matière sèche par
hectare et par jour. Ces chiffres définissent donc le potentiel de croissance de la culture et le
rendement correspondant est le rendement potentiel. Ces conditions sont réunies dans le cas des
cultures intensives, dans les prairies et souvent dans les serres.

2) a. Rendement réalisable limité par l'eau.

Le taux de croissance peut être limité par un manque d'eau pendant au moins une période
de la saison. Cette situation est fréquente dans les régions arides et semi-arides, mais elle est
connue aussi dans d'autres régions climatiques au cours des périodes sèches de l'été et avec des
techniques intensives de production sur des sols sablonneux.

b. Rendement réalisable limité par les éléments nutritifs.

Le taux de la croissance de la culture peut être affecté par un manque d'azote ou d'eau en
différentes périodes de la saison. Ce cas est fréquent dans les systèmes d'agriculture extensifs à
travers le monde. La croissance de la culture peut être limitée par un manque de phosphore ou
d'autres éléments, cette condition est généralement observée dans des systèmes de production
extensive sur des sols relativement anciens.

3) Rendement réel des cultures affectées par des mauvaises herbes, des déprédateurs, des
maladies et des polluants.

La présence de maladies, de mauvaises herbes, d'insectes et de polluants (par exemple

émission de SO2 des unités industrielles) dans une des situations précédentes réduit les
rendements réalisables aux rendements réels. Ce cas est le plus fréquent dans les systèmes de
 15

production agricole et en particulier dans les pays en voie de développement. (Les principes de
la théorie de l'écologie de la production, Rapport PSS n°13, 1995).

Situation de production
_ CO2
_ Radiation
POTENTIEL Facteurs déterminants _ Températures
_ Caractéristiques culturales
_ Physiologie, phénologie

a : eau
b : Eléments nutritifs
REALISABLE Facteurs limitants _ Azote
_ Phosphore

Mesures d’accroissement R.

_ Mauvaises herbes
Facteurs Réducteurs _ Parasites
REEL _ Maladies
_ Polluants
Mesures de protection du rendement

1500 5000 10000 20000

(a) (b) Niveau de production (kg/ha)

FIGURE 2 : Représentation schématique des différentes conditions de production et leurs

rendements

Nous constatons que le climat et ses éléments interviennent au niveau du rendement

potentiel et du rendement réalisable limité par la disponibilité en eau. En ce qui concerne le
rendement potentiel qui est influencé par la radiation, la concentration de CO2 atmosphérique et
les températures, elle est la plus exposée aux conséquences liées aux changements climatiques.
En effet le rapport du GIEC (2007) a confirmé une augmentation de la teneur en CO2
atmosphérique et des températures sur l’ensemble de la surface du globe. Ce rapport prévoit de
même un accroissement progressif des valeurs enregistrées d’ici à 2100. Ainsi en fonction des
latitudes cet accroissement pourrait être bénéfique ou nocif pour les cultures. « Les températures
plus élevées permettraient des saisons de croissance des plantes et des moissons plus longues
dans les régions froides et montagneuses, conduisant dans certains cas à une augmentation des
récoltes et de la production. Par contre, dans les régions déjà chaudes, le changement de climat
peut réduire la productivité » (W. G. SOMBROEK et R. GOMMES, FAO, 1995).

Dans cette théorie de SOMBROEK et GOMMES sur les impacts du changement

climatiques sur la production, on constate que d’après les scénarios cette augmentation pourrait
réduire le rendement dans les régions intertropicales. En joignant à ces craintes le fait que de
nombreux auteurs ont démontré la réduction des précipitations en Afrique depuis 1970, la théorie
 16

d’une baisse potentielle du rendement en Afrique liée aux changements climatiques se renforce
davantage. Cette théorie place également les régions montagneuses parmi celles les plus
exposées. P. FRANQUIN et al. (1988) qui ont travaillé en région tropicale ont émis la théorie
selon laquelle les régions montagneuses sont sous l’influence non seulement des températures et
des précipitations en tant que facteurs limitant, mais en plus il est important d’y tenir compte de
celle liée à l’insolation qui y est primordiale.

IX – LES HYPOTHESES DE RECHERCHE

A – L’hypothèse générale de recherche

L’hypothèse principale de recherche est la suivante : les variations du climat à Foto de

1970 à 2009 ont occasionné une baisse de la production des cultures vivrières annuelles et
contraint les agriculteurs à développer des stratégies d’adaptation.

B – Les hypothèses spécifiques de recherche

_ Les paramètres climatiques étudiés ont varié conformément aux résultats publiés dans le
ème
4 rapport du GIEC en 2007.

_ La production agricole à Foto aurait baissé du fait des variations climatiques entre 1970
et 2009 notamment en ce qui concerne les cultures vivrières annuelles.

_ Les agriculteurs locaux ont mis sur pied différentes stratégies pour mieux maitriser la
saison des pluies et garantir le succès des récoltes.

X – LA METHODOLOGIE DE RECHERCHE

Il s’agit principalement pour nous, dans ce paragraphe, d’expliciter notre méthodologie

générale de recherche dans la collecte et le traitement des données et informations nécessaires
pour mener jusqu’à son terme cette étude et apporter une réponse à la préoccupation centrale de
ce travail de recherche. Cette description dans les grandes lignes de notre méthodologie de
recherche, nous amène à répondre à 03 questions principales : observer quoi ? ; Sur qui ? ;
Comment ?

A – Les informations clefs recherchées

Les principales informations recherchées étaient les données météorologiques

(précipitations, températures, insolation, etc.) au niveau des différentes stations météorologiques
 17

de la région (IRAD de Dschang et station météorologique de Dschang) devant servir à l’analyse

de la variabilité climatique. Les données sur la production agricole devaient couvrir si possible la
même période de temps couverte par les données météorologiques. Elles devaient nous servir à
vérifier l’hypothèse d’une baisse des récoltes durant ces dernières années à Foto. IL s’agit des
chiffres officiels que nous avons collectés auprès des services départementaux et
d’arrondissement du ministère en charge de l’agriculture. Enfin nous devions obtenir des
informations sur les stratégies de lutte contre les effets néfastes de la variabilité climatique mises
en place par les personnes cibles de notre étude. Elles ont été obtenues grâce à différentes
méthodes de recherche. Chacune de ces informations a été collectée lors des différentes phases
exploratoires menées dans la zone d’étude.

B – Les personnes cibles de la recherche

Les personnes cibles sont à la base, les paysans-agriculteurs, c’est-à-dire les populations
qui pratiquent une agriculture vivrière de subsistance. Cependant cette catégorie de la population
à Foto n’est pas clairement identifiée pour que nous puissions directement travailler avec elle.
Nous avons dû procéder indirectement en prenant en compte l’ensemble des actifs agricoles. Ils
sont définis selon les chefs de postes agricoles comme toutes les populations à Foto qui
possèdent un champ qu’elles cultivent et qui ont été recensées sans distinction. Nous avons dès
lors travaillé conjointement avec le délégué d’arrondissement en charge de l’agriculture à
Dschang et les chefs de postes agricoles, responsables d’une zone d’influence définie à
l’intérieur de Foto. Ils nous ont guidés à chacune de nos différentes descentes sur le terrain et
tout particulièrement avec les agriculteurs ou actifs agricoles (principales personnes ressources).

C – Les outils et les méthodes de collecte et de traitement des données et informations

Le choix des outils et des méthodes pour la collecte des informations s’est fait selon le type
ou la nature de l’information recherchée. Les informations recherchées étaient de deux natures
différentes ; quantitatives et qualitatives.

1 – Les outils et méthodes pour la collecte et le traitement des informations quantitatives

Les informations quantitatives concernent principalement les données météorologiques de

1970 à 2009 qui ont été obtenues auprès des services de l’IRAD de Dschang. De même les
données de la production agricole annuelle de certaines cultures vivrières (le maïs ; le haricot, la
pomme de terre, la patate, etc.) ont été collectées sur une période, si possible, tout aussi longue,
soit pour l’ensemble du groupement ; soit, le cas échéant pour l’arrondissement ou le
 18

département. Ces informations ont été collectées dans le cadre de l’analyse des variations
annuelles du climat et de la production agricole.

L’approche adoptée s’est basée sur un raisonnement déductif ou hypothético-déductif

fondé sur une relation entre la production agricole et le climat. Il s’agissait de présenter tout en
expliquant les relations positive et négative à la fois qui existent entre l’évolution annuelle des
paramètres climatiques et celle de la production de certaines cultures à Foto. La méthode de
traitement a été exclusivement fondée sur une analyse statistique basée sur le calcul des
paramètres de tendance centrale (moyenne, médiane et mode) et sur celui des paramètres de
dispersion (écart-type, coefficient de variation). L’étude de la loi normale pour caractériser la
distribution des moyennes annuelles. Le calcul des coefficients de corrélation a été fait pour
établir le type de relation qui existe entre l’évolution de la production annuelle de certaines
cultures parmi les plus populaires et les variations observées dans chacun des éléments du climat
étudiés. Cela a évidemment abouti à la construction des courbes d’évolution et des diagrammes.

L’échelle d’analyse s’est faite en tenant compte de la nature des données, principalement
des données météorologiques. Toutefois l’analyse statistique s’est faite à l’échelle de la décade,
du mois, de l’année et de la décennie. S’agissant du cas particulier de la décade, le découpage
des mois en décade s’est fait suivant la longueur des mois du calendrier civil pour une raison
purement pratique. Pour les mois de 31 jours (Janvier, Mars, Mai,…) ils ont été divisés en trois
décades dont une comprend 11 jours (21 au 31). De même, le mois de Février possède une
décade de 08 ou 09 jours selon que l’année est bissextile ou non, du 21 au 28/29. La finalité a été
la simulation du bilan hydrique annuelle de ces dix dernières années (2000-2009) et la
construction de la période fréquentielle de végétation, la PFV, par la méthode des intersections
élaborée par P. FRANQUIN (1975) qui permet d’ajuster au mieux les cycles des cultures en
tenant compte de la variabilité climatique actuelle.

2 – Les outils et méthodes pour la collecte et le traitement des informations qualitatives

Les informations à caractères qualitatives concernent principalement la collecte des

informations sur les pratiques agricoles, notamment le calendrier des activités aux champs à Foto
et les stratégies d’adaptation des paysans face aux problèmes posés par la variabilité climatique.
Ces informations, que nous ne pouvions obtenir que par la communication sont « construites ».
Pour y parvenir, deux méthodes ont été utilisées : les méthodes formelle et informelle.
 19

a – Les méthodes formelles

Les enquêtes formelles consistent en une collecte de données à l’aide de questionnaires

standard, par échantillonnage probabilistique, c’est-à-dire représentatif d’une population plus
large jusqu’à un degré connu de précision. Il est question pour nous de « mesurer » le même type
d’information pour toutes les unités de l’échantillon afin de permettre une extrapolation
« théorique » des résultats à l’ensemble de la population mère. Le terme « théorique » est lié à la
représentativité effective de l’échantillon. Les méthodes formelles, qui sont également dites
quantitatives, vont nous permettre de collecter surtout des informations qualitatives qui seront
ensuite converties en chiffres (par exemple, sexe : homme = 0, femme =1).

- L’enquête par questionnaires

La collecte de ces informations aux moyens de la méthode formelle s’est donc faite grâce à
l’administration d’un questionnaire par visite simple auprès des chefs de ménages uniquement
(Femmes ou Hommes). L’enquête s’est déroulée d’après le découpage de la région d’étude en
zone d’influence des postes agricoles. Limitée à une durée maximale de 60 jours, 02 mois, elle a
été conduite du 06/10 au 31/11/2011 lors de la troisième phase exploratoire après que la taille de
l’échantillon ait déjà été déterminée grâce aux données sur la population colletées au préalable
pendant les deux premières phases. Les enquêtes se sont déroulées uniquement en soirée, entre
16 h et 20 h, pour des raisons de disponibilité et d’accessibilité des chefs de ménages.

Nous avons dû nous contenter des chiffres de la population mise à notre disposition par les
chefs de postes agricoles. Malgré nos démarches au niveau de la mairie, de la préfecture et de la
sous-préfecture de Dschang, nous n’avons pas pu obtenir les données escomptées à savoir les
chiffres des populations réparties par village au sein de la chefferie Foto ; de même que l’effectif
de la population agricole. Seule nous a été communiquée une estimation de la population totale
du groupement, soit entre 40 000 et 45 000 hab. environ en 2011. Etant donné que nous
désirerions ne travailler qu’avec les populations actives agricoles pour davantage de fiabilité,
seuls les chefs de postes agricoles disposaient de cette information en termes de chiffres recensés
pour le compte de l’année 2010 et par postes agricoles. Malheureusement, le fait que le poste
agricole de Lingan soit sans chef depuis 02 ans et que l’ancien n’ait pu être joignable à aucun
moment durant les 03 phases exploratoires, nous a contraints à affecter à ce poste un effectif
provenant d’une estimation issue des archives de la délégation d’arrondissement de l’agriculture
à Dschang pour la période 2005. Le tableau I montre la taille des ménages échantillonnés selon
chaque poste agricole
 20

Tableau I : Répartition des ménages enquêtés selon les postes agricoles

Postes Balevoni Fiala Tsinbin Fonakeukeu Lingan Total

agricoles
Nombre de
ménages 41 42 42 42 41 208
enquêtés
Nombre de
ménages 50 50 50 50 50 250
prévus
Source : Enquête de terrain, octobre – novembre 2011.

Comme nous pouvons le noter, une fois la taille de l’échantillon total définie pour
l’ensemble des 05 postes agricoles, nous avons préféré la répartir équitablement sur chacun des
postes afin de garder une certaine objectivité en accordant à chaque poste les mêmes chances de
départ. Lors de notre enquête, les femmes ont été beaucoup plus enquêtées que les hommes. Ceci
à cause de ce qu’à Foto, comme dans l’ensemble du pays Bamiléké, l’agriculture vivrière est
bien plus pratiquée par les femmes que par les hommes. Ils s’occupent le plus souvent des
cultures de rentes telles que le café arabica/robusta, et de plus en plus depuis quelques années,
des cultures maraichères comme nous l’ont indiqué les différents chefs de postes agricoles. C’est
ainsi que pour ne pas ignorer la part des hommes qui pratiqueraient l’agriculture en général, nous
avons choisi au départ qu’au moins 15 à 20% des chefs de ménages enquêtés soit de sexe
masculin (tableau II).

Tableau II : Répartition des chefs de ménages enquêtés selon le sexe

Postes Balevoni Fiala Tsinbin Fonakeukeu Lingan Total

agricoles
Féminin 35 36 36 36 35 178
Masculin 6 6 6 6 6 30
Source : Enquête de terrain, octobre – novembre 2011.

Etant donné que cette enquête auprès des ménages visait au final à évaluer la vulnérabilité
et les capacités d’adaptation des ménages face aux effets néfastes des changements climatiques
actuels et futurs, l’un des paramètres que nous avons également pris en compte dans la conduite
de notre enquête est l’âge et l’activité principale. Ces deux derniers critères interviennent d’après
l’hypothèse d’un lien étroit entre la vulnérabilité et l’âge et/ou le type d’activité principale mené.
Nous appuyant sur une deuxième hypothèse, les personnes âgées sont plus vulnérables que celles
qui le sont moins, nous avons choisi de prendre en compte toutes les tranches d’âge en les
répartissant en 02 catégories ; de 25 à 59 ans et de 60 ans à plus. Nous avons pris comme limite
 21

des 02 catégories d’âges 60 ans en tenant compte de l’âge légal de la retraite au Cameroun pour
les fonctionnaires (55 -60 ans) étant donné qu’il est probable qu’au courant de l’enquête nous
ayons à enquêter des agents de l’Etat (Tableau III). Cependant nous avons défini qu’au moins
60% des chefs de ménages enquêtés devaient appartenir à la 2ème catégorie d’âge. La
visualisation a de ce fait pris une place importante lors du choix des chefs de ménages enquêtés.

Tableau III : Répartition des chefs de ménages enquêtés selon l’âge

Sexe Femmes Hommes Abstention Total

Groupes d’âges 25 à 59 60 à + 25 à 59 60 à +
Effectifs 64 103 12 18 11 208
Source : Enquête de terrain, octobre – novembre 2011

- La technique d’échantillonnage adoptée

Les données caractéristiques de chaque poste agricole

Bien que le groupement Foto soit, aujourd’hui, organisé en 05 postes agricoles différents, il
est important de noter qu’à l’origine, dans les années 70 et 80 à la mise sur pied des postes
agricoles relais entre le gouvernement et les agriculteurs, il n’existait que 03 postes agricoles,
Lingan ; Balevoni et Fonakeukeu. Chacun de ces postes appartenait à une zone d’influence plus
grande appelée zone de vulgarisation (Fig. 2) et notée AVZ (Agence de Vulgarisation de Zone).
Cependant, l’AVZ de Balevoni s’est vue réorganisée par la suite avec la création de 02 nouveaux
postes agricoles, Fiala et Tsinbin. L’AVZ de Balevoni compte actuellement 03 postes agricoles.
Les caractéristiques de chaque AVZ sont listées dans les tableaux IV et V.

Tableau IV : Caractéristique de l’AVZ de Balevoni

Zone de vulgarisation de Balevoni

Postes
agricoles Balevoni Fiala Tsinbin Total
Aires I II III IV V VI VII VIII 8
Superficie,
en Km² 6 4,9 5,5 3,6 3,5 5 5 4,8 38,3
Population 1772 1038 1547 1313 3518 1283 1181 1078 12730
Actifs
agricoles 1492 867 1311 1121 2940 1056 1020 930 10737
Exploitants
agricoles 289 150 247 202 618 186 177 157 2026
Source : Poste agricole de Balevoni, données 2010.

On se rend compte que l’AVZ de Balevoni est répartie en 08 aires géographiques d’une
superficie totale de 38,3 Km² et comprend 03 postes agricoles. Le poste agricole de Balevoni
 22

Source : Journal de l’AGEDEF et données de terrain.

FIGURE 2 : Délimitation des aires d’influences des AVZ du groupement Foto

voit sa zone d’influence répartie sur 04 aires, de I à IV, soit une superficie de 20 Km². Cet espace
prend en compte les villages Balevoni ; N’noue Fo Tsop ; Foguimgo ; Litsag ; Aza. Sa
population active agricole totale est de 4791 hab. Le poste agricole de Fiala prend en charge les
aires V à VII, soit une superficie de 13,5 Km² et une population active agricole totale de 5016.
Ce poste couvre les villages Tsinkop ; Fiala ; Atoula nzizong ; Liphatsag ; Nzo’ong ; Lipe ;
Nteuh ; Lap ngatsi et Lefeh. Le poste agricole de Tsinbin prend en compte l’aire VIII qui
correspond aux villages Tsinbin foda ; Keleng I, II et III ; Atoutsang et Ngwa’a.
 23

Tableau V : Caractéristique de l’AVZ de Fonakeukeu

Zone de vulgarisation de Fonakeukeu

Superficie Population Actifs Exploitants
totale agricoles Agricoles
35 Km² 4000 hab 3428 551
Source : Poste agricole de Fonakeukeu.

L’AVZ de Fonakeukeu ne prend en compte qu’uniquement le village Fonakeukeu. Les

villages Litatli et N’saa situés juste en-dessous du village Fonakeukeu ne sont pas pris en compte
dans la base de données du poste agricole de Fonakeukeu. D’après les informations issues des
archives de la délégation d’arrondissement de l’agriculture à Foto, le reste du groupement
dépend de l’AVZ de Lingan dont l’effectif de la population active agricole semblait être estimé à
5000 hab environ en 2005 d’après une des fiches de compte rendu d’activité de l’AVZ de
Lingan.

Le choix de la technique d’échantillonnage

La méthode d’échantillonnage probabiliste choisie a été l’échantillonnage stratifié dont le

principe consiste à découper la population mère – ici la population de Foto – en sous-ensemble –
actifs agricoles et exploitants agricoles – appelés strates et de réaliser un sondage dans l’une –
comme c’est le cas ici où nous ne nous intéresserons qu’aux actifs agricoles – ou dans chacune
d’elles. Si nous avons choisi de ne prendre en compte que les populations actives agricoles, c’est
justement parce qu’elles prennent en compte toutes les personnes qui pratiquent l’agriculture
quel que soit le but, les quantités produites, ou si elle constitue l’activité principale ou non. Ici,
les agriculteurs ont une autre activité en dehors d’elle. De ce fait la population active agricole
englobe les exploitants agricoles qui renvoient aux agriculteurs qui produisent en grande quantité
et dont la production est principalement destinée au commerce. Ils sont regroupés en
Organisations Paysannes (OP) avec lesquelles les chefs de postes agricoles travaillent en priorité.

Le calcul de la taille (n) de l’échantillon

Le calcul de la taille (n) de l’échantillon s’est fait en utilisant une méthode d’estimation à
caractère quantitatif, il s’agit de l’estimation par intervalle de confiance d’une moyenne.

Procédé ;

1) Précision et taille n de l’échantillon

- Calcul de la taille (n) de l’échantillon
 24

Postulat n°1 : Soit un seuil de confiance fixé à 95% et une précision relative (marge d’erreur ou
erreur optimale) fixée à priori à +/- 3%.

P = population mère = population active agricole totale = 14165 hab (sans tenir compte de celle
de l’AVZ de Lingan que nous ne connaissons pas).

Calcul de la moyenne (M) et de l’écart-type (σ) de P

∑ ̅
∑

√ √

Postulat n° 2 : Supposons que la variable aléatoire (Mn) qui sera la moyenne observée sur
l’échantillon (n) soit supérieure à 50 hab, elle suivra donc une loi normale ;

d’où .
√ √

Calcul direct de (n)

Posons : où Z = constante issue de la loi normale selon un seuil de

confiance (en général 95% et Z = +/- 1,96).

⁄
√
=> √

=> n = 30² = 900 hab

Calcul de σ* (écart-type de n)

- Calcul théorique précis :

√ √

- Calcul de la précision
Calcul de la précision absolue
 25

Calcul de la précision relative

. Le postulat n°1 est vérifié.

Ceci signifie clairement que la moyenne de la population active agricole étant de 3541 hab
par poste agricole, la taille de l’échantillon (n) sera de 900 hab en moyenne comprise dans un
intervalle de +/- 102 hab, soit entre 798 et 1002 hab, pour chaque poste agricole. En attribuant la
même moyenne de 3541 hab au poste agricole de Lingan, la taille totale de l’échantillon (n) sera
de 4500 hab environ à Foto. Le postulat n°2 est vérifié avec Mn 50. Or il nous est impossible
d’administrer notre questionnaire sur un tel effectif du fait de l’absence d’effectif (une seule
personne qui mène l’enquête), de moyens financiers (ressources financières limitées) et de temps
(un questionnaire nécessitait au minimum 30 mn par ménage pour être mené correctement et le
nombre de ménage enquêté était de 05 en moyenne par soirée ce qui nous aurait demandé 30
mois au moins pour pouvoir atteindre les 4500 hab nécessaires). Devant cette difficulté et en
discutant avec les chefs de postes agricoles, nous avons finalement opté pour enquêter sur les
ménages car selon les informations fournies par les chefs de postes agricoles, il était possible de
rencontrer 02 à 04 (grands-parents, parents et membres de la famille) actifs agricoles au sein
d’un seul ménage.

Le Bureau Central des Recensements et des études de Population (BUCREP) définit le

concept de ménage ordinaire comme « l’ensemble des personnes apparentées ou non qui : (i)
reconnaissent l’autorité d’une même personne appelée « chef de ménage », (ii) mettent en
commun la totalité ou une partie de leurs ressources pour subvenir à leurs besoins vitaux et (iii)
vivent sous le même toit. ».Pour mener à bien notre enquête, nous avons donc décidé d’introduire
dans cette définition la notion de concession pour le cas particulier de Foto. Ainsi un ménage
sera constitué de l’ensemble des cases habitées situées à l’intérieur d’une surface délimitée soit
par une barrière construite en parpaings, soit avec des sapins. Seules une ou deux personnes
(lorsque la mère ou le père nous renvoyait à un autre membre de la famille pour répondre à des
questions qu’il ne comprenait pas ou dont il n’avait pas les réponses) étaient de ce fait enquêtées
par concession. Le chiffre de 250 ménages a donc été choisi, ce qui nous permettait d’atteindre
au moins 10% de l’échantillon total en supposant que chaque ménage était constitué d’au moins
02 actifs agricoles, hypothèse qui nous semble assez probable. Cette situation confère de fait aux
 26

résultats obtenus après dépouillement et analyse des questionnaires une valeur purement
indicative de l’évolution probable d’une situation observée à Foto.

b– Les méthodes informelles

« Les méthodes informelles sont basées sur des entretiens semi-directifs ou non structurés,
l’observation participative, ou sur la visualisation, pour stimuler le rôle actif des personnes
impliquées dans la construction de leur propre perception de leur réalité (comme dans la
MARP). Ces méthodes sont dites informelles en raison de l’absence de tout protocole formel
pour la collecte d’information. ». Sans réellement avoir mis en œuvre de façon systématique la
Méthode Active de Recherche et de Planification Participatives (MARP), nous avons cependant
eu recours à certains de ses outils. Il s’agit des entretiens semi-structurés et /ou non-structurés
avec des informateurs clefs (chefs de postes agricoles, paysans-agriculteurs et chercheurs de
l’IRAD de Dschang qui se sont prêtés volontiers aux entretiens) ; de l’observation participante
en suivant certains agriculteurs dans leurs champs aux moments des semis et des récoltes et
même pendant les exercices d’égrainage. Nous les avons parfois accompagnés au marché pour la
vente de la part des récoltes destinée à cet effet. Nous avons utilisé la visualisation pour le choix
des chefs de ménages à enquêter.
 27

PREMIERE PARTIE :

LA VARIABILITE CLIMATIQUE
 28

CHAPITRE 1 : EVOLUTION DES TEMPERATURES

La température est l’un des éléments principaux entrant dans l’étude du climat. Ayant pour
origine le rayonnement solaire, sa perception au niveau des différents organismes vivants (les
Hommes tout particulièrement) est la résultante des diverses modifications qu’a pu subir le flux
solaire tout au long de son parcours ; de son point d’origine : le soleil, à son point d’arrivée : le
sol (pour ce qui est de notre planète). En effet l’agencement ou la distribution des différentes
composantes de l’atmosphère se modifiant et évoluant d’un point de celle-ci à l’autre ; et d’un
instant à un autre, conduit à ce que la température telle que nous la percevons (du moins sur le
plan climatique) ait essentiellement un caractère « oscillant » à la fois sur le plan spatial mais
aussi sur le plan temporel. Dès lors, il semblerait que ce soit à ce caractère « oscillant » de la
température que renvoie la notion de « variabilité ». Toute étude de la température doit d’abord
faire ressortir cet état de chose et éventuellement attirer l’attention, le cas échéant, sur une
situation particulière qui s’en dégagerait. Telle est le but dans ce chapitre.

I - LA VARIABILITE SAISONNIERE

A- Le régime thermique moyen

A l’échelle du mois, le régime thermique moyen de Foto présente les caractéristiques d’un
régime thermique équatorial à 02 maxima et 02 minima tel qu’illustré par la figure 1. Sur
l’ensemble de la période 1970-2009, la situation se décline comme suit :

- Les maxima : le premier en mars avec une température de 20,6°C et le second au mois
d’octobre avec ses 19,3°C.
- Les minima : le premier minima se situe respectivement aux mois de juillet et d’août
avec une température moyenne de 18,8°C. Tandis que le second s’observe au mois de décembre
avec 18,7 °C (Fig.1).

21,0
Températures

20,0
(en °C)

19,0
18,0
17,0 Mois

FIGURE 1 : Températures moyennes mensuelles de 1970 à 2009

 29

L’amplitude thermique annuelle est de 1,9 °C. Ceci signifie que sur l’ensemble de l’année
les températures varient peu, la différence entre le mois le plus chaud et celui le moins chaud
étant inférieur à 02°C. La température moyenne annuelle pour l’ensemble de la période 1970-
2009 est de 19,4 °C. Cependant, l’analyse menée à l’échelle de la décade a favorisé une
répartition plus détaillée du régime thermique moyen. Cette analyse à l’échelle de la décade nous
a permis de circonscrire très exactement quelles ont été les périodes de dix jours les plus chauds
et celles les moins chauds. Il en ressort la situation suivante :

- S’agissant des deux maxima ; le premier s’établit entre le 11 et le 20 mars avec 20,66 °C
et le second, du 11 au 20 octobre avec 19,35 °C.
- S’agissant des deux minima ; le premier s’établit entre le 01 et le 10 août avec 18,73 °C
et le second va du 11 au 20 décembre avec 18,65 °C (Fig. 2).
Cette analyse plus fine permet de préciser davantage l’amplitude thermique annuelle en
faisant passer la valeur précédente de 1,9 °C à 2,01°C

21,0
20,5
Températures (en °C)

20,0
19,5
19,0
18,5
18,0
17,5 Décades
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
Jan Fev Mars Avril Mai Juin Jt Aout Sept Oct Nov Dec

FIGURE 2 : Températures moyennes décadaires de 1970 à 2009

B - Les variations journalières de la température

1 - Les températures maxima moyennes

Les températures maxima moyennes varient entre un maximum de 27,78 °C qui représente
le maxima moyen de la deuxième décade du mois de février, et un minimum de 22,92 °C qui est
la moyenne des températures maxima de la première décade du mois d’août. La moyenne
annuelle des maxima sur l’ensemble de la période étudiée est de 25,14 °C. Sa répartition à
l’échelle annuelle est soumise à l’influence de l’humidité de l’air dont elle est une fonction
inverse et l’observation de la courbe qui montre son évolution à l’échelle de la décade peut nous
donner un aperçu de la variation de l’état hygrométrique de l’air au courant de l’année (Fig. 3).
 30

30,0

Températures en (°C) 25,0

20,0

15,0

10,0 Décades
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
Jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc

FIGURE 3 : Températures maxima moyennes décadaires

2 - Les températures minima moyennes

Les températures minima moyennes croissent progressivement entre la première décade du
mois de janvier avec une température de 11,55 °C, jusqu’à la dernière décade du mois d’avril où
elles atteignent leur valeur maximale de 15,16 °C, soit une augmentation de 3,61°C. Il est
important de noter que le maximum des minima de température a lieu deux mois (60 jours) après
celui des maxima de température. Les températures minima moyennes commencent à décroitre
dès la première décade de mai. D’abord faiblement, passant de 14,88 °C en mai (première
décade) à 14,18°C en octobre (troisième décade), ensuite très rapidement entre la première
décade de novembre (13,53 °C) et la troisième décade de décembre (11,29 °C), soit une baisse
de 2,24 °C en deux mois alors qu’elle n’est que de 0.7°c en six mois (Mai - Octobre). La
moyenne annuelle des températures minima est de 13,74 °C (Fig. 4).

16,00
Températures en (°C)

14,00
12,00
10,00
8,00
6,00
4,00
2,00
0,00 Décades
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
Jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc

FIGURE 4 : Températures minima moyennes décadaires

 31

a - Minima absolus des températures

Sur l’ensemble des valeurs mensuelles, à aucun mois elles n’atteignent 10 °C. La valeur
maximale est de 7,5 °C observée au mois de septembre, tandis que les valeurs minimales
descendent très bas pour atteindre 04 °C respectivement en décembre et en janvier (Tableau I).

TABLEAU I : Minima absolus de température

Mois

Jan. Fév. Mars Avril Mai Juin Juil. Août Sept. Oct. Nov. Déc.
T(°C)

4,0 5,0 6,5 7,0 7,0 6,0 6,5 7,0 7,5 6,0 5,0 4,0
11/01/1978

21/01/1987
05/02/1981

14/02/1985

19/03/1986

24/04/1986

28/05/1987

05/05/1987

13/07/1986

09/08/1986

13/09/1978

19/10/1986

23/11/1978

12/12/1986
et 12,13,
Dates

06 et

11-
et

b -Maxima absolus des températures

Sur l’ensemble de la période 1970 – 2009, on a pu observer des valeurs record notamment
en ce qui concerne les quatre premiers mois comme le montre bien le tableau II. En effet, les
mois de janvier, février, mars et avril enregistrent partout des valeurs supérieures à 31°C. Le
mois de février enregistre la valeur maximale de ces maxima absolus de températures avec
34°C. De plus, les valeurs les moins élevées ne descendent pas en – dessous de 29 °C.

TABLEAU II : Maxima absolus de température

Mois

Jan. Fév. Mars Avril Mai Juin Juil. Août Sept. Oct. Nov. Déc.
T (°C)

33 34 33 32 30 30 29 29 29 29 30 30
29/01/1998

07/02/2003

01 ,02/04/1

01/04/2000

23/06/2006

10/06/2007
15/07/2002
25/07/2003
30/07/2005

24/08/1999

01/09/1996

17/10/1997

26/10/2008

28/11/2005
1993,1998,

1994,2000,
2001,2002,
2004,2005,
2006, 2007
998 et

et 08-
Dates

2007
et

Il en ressort que si nous considérons les valeurs extrêmes enregistrées à la fois par les
minima absolus et les maxima absolus de température, nous obtenons dès lors l’intervalle de
variation des températures minima et maxima pour la période 1970-2009. Il s’agit de la
fourchette de valeurs susceptibles d’être prises par les températures minima et les températures
maxima. L’amplitude thermique moyenne est de : 27,78 °C – 11,29 °C = 16,49 °C, tandis que
l’amplitude thermique absolue est de : 34 °C – 04 °c = 30 °C. Cette intervalle de variation
 32

correspond à [04 °C ; 34 °C]. En poussant davantage l’analyse, nous avons pu établir l’intervalle
de variation à la fois pour les températures minima et pour les températures maxima. Pour y
arriver, nous avons déterminé la plus grande valeur enregistrée par les minima absolus de
températures ; soit 20 °C et ensuite la plus petite valeur enregistrée par les maxima absolus de
températures ; soit 20 °C. Il s’en suit que pour les températures minima leur intervalle de
variation sur l’ensemble de la période 1970 – 2009 correspond à [04 °C - 20 °C], tandis que
celui des températures maxima correspond à [20 °C - 34 °C]. Ces intervalles représentent donc la
fourchette de valeurs qu’a pu prendre les températures minima ou maxima, chacune en ce qui la
concerne, tout au long de la période 1970 – 2009. Une analyse plus approfondie dans le but de
démontrer l’évolution année après année de l’un ou l’autre des deux composantes de la
température couramment mesurées consisterait, une fois ces intervalles définis, à déterminer la
valeur la plus fréquente, c’est-à-dire la valeur qui a plus grande probabilité d’être enregistrée
pour chaque mois et pour chaque année. Ceci permettra d’indiquer la tendance de la variation
mais surtout d’en préciser l’ampleur et la vitesse. L’avantage d’une telle méthode réside dans son
application possible à la prévision car elle peut se faire à différentes échelles en fonction de la
précision recherchée : heure ; jour ; mois ; année ; décennie ; etc.

C - L’insolation

1 - Les variations saisonnières de l’insolation

Les totaux mensuels moyens de l’insolation ont été présentés dans le tableau III et
correspondent à la période 1983 – 2009. Le premier constat qui est fait est la baisse des valeurs
comparativement à celles de la période 1951-1980. Cette baisse est d’abord perceptible au
niveau de la moyenne annuelle de la période 1983 – 2009 qui est de 140,24 heures,
contrairement aux 157 heures établies par TSALEFAC pour la période 1951-1980, soit une
baisse moyenne de 17 heures. Les baisses les plus importantes correspondent aux mois de
Février (- 89 heures) et de Décembre (- 82 heures) en moyenne.

TABLEAU III ; Insolation moyenne mensuelle de 1983 à 2009

Foto Jan. Fév. Mars Avril Mai Juin Jt. Août Sept Oct. Nov. Déc. Année
1970- 192 155 129 140 156 130 101 89,9 92,8 121 176 196 1687,7
2009
1951- 241 244 160 150 167 123 77 75,5 108 154 111 278 1888,5
1980

Toutefois, seuls les mois de Juin, Juillet, Août et Novembre ont vu leur valeur augmenter
entre 1983 et 2009 (Fig. 5).
 33

300

Insolation ( en
200

Heures)
100

0
Jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc Mois

1951-1980 1983 - 2009

FIGURE 5 : Totaux mensuels moyens d’insolation

2 - Insolation moyenne journalière (1983 – 2009)

Cette période est caractérisée par des valeurs moyennes journalières assez faibles. Nulle
part les valeurs enregistrées n’atteignent 07 heures d’insolation même pour les mois les plus
ensoleillés que sont novembre, décembre, janvier et février qui enregistraient des moyennes
journalières supérieures à 07 heures (TSALEFAC, 1983). Les valeurs enregistrées pour la
période 1983-2009 pour ces mêmes mois sont les suivantes : novembre : 6,05 H ; décembre :
6,43 H ; janvier : 6,24 H ; février : 5,83 H. Le tableau IV illustre mieux nos propos en présentant
les valeurs prises pour chaque mois.

TABLEAU IV : Insolation moyenne journalière

Mois Jan Fév. Mars Avril mai Juin Jt Août Sept Oct. Nov. Déc.
Insolation
(heures/ 6,24 5,83 4,62 4,92 5,26 4,52 3,51 3,11 3,30 4,07 6,05 6,43
jour)

3 - Nombre de jours moyens sans soleil (1983-2009)

La figure 6 fait état de façon claire de l’évolution, de 1983 à 2009, du nombre de jours
moyens sans soleil en comparant cette évolution avec la situation observée entre 1951-1980. Il
en ressort la situation suivante :

- Les valeurs enregistrées entre 1983-2009 sont supérieures à celles de la période 1951-
1980 sur sept mois : décembre à juin ;
- Si sur l’ensemble de l’année la différence entre le total annuel des jours sans soleil est
favorable à la période 1951-1980 avec une différence de cinq jours, la plus forte baisse est
enregistrée au mois d’août où nous passons de 14 jours sans soleil entre 1951-1980 à seulement
03 jours entre 1983-2009.
 34

15

Nombre de jours
10

sans soleil
5

0
Jan Fév Mars Avril Mai Juin Jt Août Sept Oct Nov Déc Mois
1983-2009 1951-1980

FIGURE 6 : Variations mensuelles du nombre de jours moyens sans soleil

II - LA VARIABILITE INTERANNUELLE

A - Evolution de la température moyenne annuelle (1970-2009)

La température moyenne annuelle pour la période 1970-2009 est de 19,45°C, soit une
réduction de 0,65°C par rapport à celle établie pour la période 1951-1980 (20,1°C) par
TSALEFAC (1983). Cependant ce résultat ne reflète pas réellement le comportement général,
mais est la conséquence d’une situation particulière. En effet le calcul de l’écart-type (S = 2,07
°C) nous a permis de déterminer un intervalle à l’intérieur duquel les températures moyennes
annuelles sont susceptibles de varier. La limite inférieure de cet intervalle a pour valeur 17,38°C
et sa limite supérieure 21,52°C. Il a été alors possible d’identifier les années « anormales » telles
que présentées par la figure 7. Grâce à l’observation de cette figure, il nous a été possible de
distinguer trois périodes différentes notamment du point de vue de leur moyenne respective.

La première période va de 1970 à 1977 où la moyenne des températures annuelles est de

19,25°C, soit une baisse de 0,2°C par rapport à la moyenne obtenue pour l’ensemble de la
période 1970-2009. La deuxième période, qui va de 1978 à 1986, a vu sa moyenne chuter
brusquement et surtout brutalement passant des 19,25 °C de la période 1970-1977 à 15,93°C, ce
qui équivaut à une baisse de 3,32°C par rapport à la moyenne de 1970 à 1977 et de 3,52°C par
rapport à la moyenne totale. La troisième période va de 1988 à 2009, on y observe une hausse de
la moyenne de l’ordre de 5,06°C par rapport aux 15,93 °C de la période 1978-1986 ; soit 20,99
°C. Cette moyenne représente une augmentation de 1,54°C par rapport à la moyenne de
l’ensemble de la période, mais également une hausse de 0,89 °C par rapport à la moyenne établie
par TSALEFAC (20,1 °C) pour la période 1951-1980.

De plus sur la figure 7, le constat est vite fait de ce que la période 1978-1986 est une
situation « anormale » par rapport à la période 1970-2009 car ses valeurs se trouvent en dehors
de l’intervalle qui est censé délimiter l’intervalle de variation « normale » des différentes valeurs
 35

prises par les températures moyennes annuelles. C’est donc à l’intérieur de cette période que
nous observons la plus faible valeur de la période : 15,73 °C enregistré en 1978. D’un autre côté,
nous observons également une année « anormale » où cette fois-ci sa température moyenne a été
supérieure aux 21,52 °C (limite supérieure de l’intervalle) avec 21,75 °C. Il s’agit de l’année
1998.

24 21,75°C
Températures (en °C)

22 21,52°C
20 19,45°C
18
16 17,38°C
14
12
10
Années

Moyenne annuelle X̅ X̅-S X̅+S

FIGURE 7 : Variations interannuelles de la température

1 - Analyse descriptive
Le fait que la moyenne arithmétique de la période 1970-2009 ne traduise pas exactement
les variations année après année des températures annuelles nous a conduits à préciser quelle
était sa position effective dans la distribution de la série. C’est dans cette perspective que nous
l’avons comparée à d’autres paramètres tels que la médiane (Me) ; les quartiles (Q3 et Q1). La
moyenne annuelle la plus élevée de toute la période 1970-2009 est 21,75 °C et la plus faible est
15,73 °C, soit une amplitude de 6,02 °C. Les années 1998 et 1978 semblent donc être des années
extrêmes. Le tableau V présente les valeurs rangées par ordre de grandeur décroissante. La
moyenne étant égale à 19,45 °C, seule l’année 1970 avec 19,52 °C est la plus proche de cette
valeur avec une différence de 0,07 °C. On se rend bien compte que vingt-quatre des quarante
moyennes annuelles enregistrées sont supérieures à cette valeur et seules seize lui sont
inférieures. La différence entre cette moyenne et la valeur maximale est de 2,3 °C tandis que la
différence d’avec le minimum est, elle, de 3,72 °C. La médiane de la série est de 20,5 °C et c’est
l’année 1989 qui en est la plus proche et constitue ainsi le centre de la série. La médiane diffère
de la moyenne arithmétique de 1,05 °C ce qui représente un écart assez important. Cette situation
est d’autant plus significative que vingt années ont une valeur qui lui sont supérieures et chose
encore plus significative, ces années sont les plus récentes. Elles vont de 1988 à 2009. Seules les
années 2003 et 2004 lui sont inférieures. On se rend donc parfaitement compte de ce que c’est la
médiane dans ce cas qui rende le mieux compte de la tendance à la hausse de la température
 36

moyenne annuelle notamment depuis 1988. Or la moyenne arithmétique renvoie quant à elle à
l’année 1970 bien qu’elle ne lui soit pas rigoureusement égale.

TABLEAU V : Températures moyennes annuelles à Foto, 1970-2009

Moyenne annuelle, °C Années Moyenne annuelle, °C Années
21,75 1998 20,49 2004
21,41 2002 20,31 2003
21,35 1995 19,71 1973
21,33 1997 19,52 1970 _ ̅ (19,45)
21,19 2005 19,27 1972
21,18 1993 19,22 1971
21,13 1996 19,15 1977
21,09 2000 19,10 1974
21,07 2001 19,07 1975
21,05 1994 18,99 1987 _ Q1 (18,99)
21,00 1999 _ Q3 (21,01) 18,98 1976
20,97 2006 16,37 1983
20,94 1992 16,05 1986
20,92 2009 15,97 1979
20,91 1990 15,95 1981
20,91 1991 15,93 1980
20,89 1988 15,87 1982
20,75 2007 15,80 1984
20,66 2008 15,74 1985
20,51 1989 _ Me (20,50) 15,73 1978

En poursuivant l’analyse, nous constatons que : 25% des valeurs se situent au-dessus de 21
°C ; que les années qui y correspondent sont postérieures à 1992 et se suivent année après année
jusqu’en 2002 avant de connaitre une interruption en 2003 et 2004 pour une nouvelle fois
repasser au-dessus de 21 °C en 2005 et entre 206 et 2009. Les moyennes annuelles évolueront
entre 20,5 °C et 20,59°C. 25% des valeurs se situent également en-dessous de 18,99 °C et
regroupent bien évidemment la période 1978-1986. Cependant nous constatons que cette période
est limitée par les années 1976 et 1987 avec respectivement 18,98 °C et 18,99°C. Seule l’année
1977 avec 19,15 °C sort de cette période.

2 - Etude de la dispersion
Afin de caractériser la dispersion par rapport à la moyenne arithmétique de la série et la
valeur qui lui est représentative (19,45 °C), nous avons calculé différents paramètres
caractérisant la dispersion. Ces paramètres sont les suivants : l’étendue de variation (6,02°C) ;
l’écart-type (2,07°C) et le coefficient de variation (10,643%). Avec un coefficient de variation de
10,643%, il apparait que les valeurs sont moins bien réparties autour de la moyenne
 37

arithmétique, c’est-à-dire que la dispersion des valeurs autour de la moyenne est assez forte.
Nous avons donc choisi de représenter la répartition des données de la série grâce à l’analyse
fréquentielle.

a - L’analyse fréquentielle des données de la température moyenne annuelle

Cette analyse permet de rendre compte de la distribution de la série de données. Pour cela,
nous avons regroupé les valeurs en classes d’amplitude 01 °C et 02 °C. Nous avons par la suite
déterminé la fréquence de chaque classe ; de même que leur fréquence cumulée respective. Les
résultats sont présentés par les tableaux VI(A) et VI(B).

TABLEAU VI(A) : Fréquences et fréquences cumulées (classes : 01°c)

classes nombre fréquence relative % cumulé
15,99 7 17,50% 17,50%
16 - 16,99 2 5% 22,50%
17 - 17,99 0 0 22,50%
18 - 18,99 2 5% 27,50%
19 - 19,99 7 17,50% 45%
20 - 20,99 11 27,50% 72,50%
21 11 27,50% 100,00%

Nous constatons qu’avec des classes d’un degré Celsius, nous obtenons sept classes de
valeurs et deux classes modales avec des fréquences identiques. Nous obtenons une classe avec
une fréquence nulle. Cependant nous voulions obtenir une distribution ayant une seule classe
modale et dont l’intervalle des classes ne soit pas supérieur à un degré Celsius, car cet intervalle
facilite la disposition sur le graphique de la position réelle des différents paramètres qui donnent
la forme de la courbe et facilite leur comparaison. C’est ainsi que nous avons réorganisé les
classes du tableau VI(A) et nous avons obtenu les résultats suivants (Tableau VI(B)) :

TABLEAU VI(B) : Fréquences relatives et fréquences cumulées relatives (classes : 01°c)

Températures nombre fréquence relative Fréquence relative
(en %) cumulée
15,5 -16,49 9 22,50 22,50
16,5 - 17,49 0 0 22,50
17,5 - 18,49 0 0 22,50
18,5 - 19,49 7 17,50 40
19,5 - 20,49 4 10 50
20,5 - 21,49 19 47,50 97,50
21,5 1 2,50 100
 38

Certes, il se trouve qu’avec le tableau VI(B) nous nous retrouvons avec deux classes où la
fréquence est nulle contrairement au tableau VI(A) qui n’avait qu’une seule classe. Cependant le
tableau VI(B) ne possède plus qu’une seule classe modale. Elle distingue également une classe
pour les valeurs supérieures à 21,5°C. Le souci que nous avions d’obtenir une seule classe
modale est dû à la nécessité pour nous de calculer le coefficient d’asymétrie de Pearson. La
figure 8 permet d’observer la forme de la distribution de la série en se basant sur le tableau
VI(B).

20 Mo 0,5

Fréquences relatives f(x)

courbe des 0,4
15 fréquences
Nombre

relatives 0,3
10
0,2
5 ↓
0,1
0 0
15,5 - 16,5 - 17,5 - 18,5 - 19,5 - 20,5 - 21,5
16,49 17,49 18,49 19,49 20,49 21,49
Classes de températures (en °C)

FIGURE 8 : Histogramme et courbe des fréquences relatives

b - Analyse de la forme de la distribution

L’analyse de la forme prise par la distribution s’est faite grâce à deux procédés statistiques.
L’un consiste à comparer la position qu’occupent la médiane, la moyenne arithmétique et le
mode. Cette méthode permet de déterminer s’il y’a symétrie ou en cas de dissymétrie, si elle est
positive ou non. L’autre méthode consiste à vérifier si la distribution suit une loi normale.

- Ordre de distribution de la médiane, de la moyenne arithmétique et du mode

L’observation des valeurs prises par la médiane, la moyenne et la classe modale nous
permet de dire qu’il n’y a pas de symétrie dans la distribution de la série. En effet, pour qu’il y
ait symétrie, il faudrait que ces trois paramètres soient confondus (cas d’une symétrie parfaite)
ou du moins qu’ils soient assez proches. Or comme nous le constatons ici ces différents
paramètres ont des valeurs assez éloignées. L’asymétrie est confirmée par le calcul du coefficient
de dissymétrie de Pearson qui mesure la dissymétrie d’une distribution. Il est le rapport de la
différence entre la moyenne et le mode sur l’écart-type (Il est important de noter que nous avons
attribué au mode la valeur du centre de la classe modale, soit 20,995°C). Le coefficient de
Pearson est nul lorsqu’il y a symétrie parfaite. Il est ici de : -0,7464, ce qui nous amène à
déterminer de quel type de dissymétrie il s’agit. Les valeurs de la période 1978-1986, qui ont
 39

oscillé autour d’une moyenne de 15,93°C, ont eu pour conséquence de décaler la moyenne de
l’ensemble de la série vers la gauche de la médiane. Il s’agit donc ici d’une dissymétrie négative

Cette situation peut se justifier en partant de l’hypothèse suivante. Pour qu’il y ait symétrie,
il faudrait que les valeurs extrêmes puissent s’annuler dans leur influence respective sur la valeur
prise par la moyenne et, par ce fait sur sa position effective dans la distribution. Pour illustrer
notre propos, considérons que l’on en vienne dans le cas de notre série de données à ne
considérer qu’uniquement les valeurs situées entre 17,38°C et 21,52°C et à ne pas tenir compte
des valeurs situées en–dehors de cette intervalle, la moyenne serait dans ce cas de 20,44°C tandis
que la médiane serait de 20,9°C, soit une différence de 0,46°C. On comprend de quelle façon les
valeurs extrêmes influencent la position de la moyenne dans la distribution par rapport à la
médiane mais également le type de dissymétrie.

- Vérification de la loi normale

Dans la distribution d’une série, plus la médiane et la moyenne sont proches et se
regroupent à l’intérieur de la classe modale (dans le cas où les valeurs sont regroupées en
classes), plus la symétrie sera parfaite et la courbe de ses fréquences relatives se rapprochera
davantage de la forme en cloche caractéristique d’une distribution suivant une loi normale. Tel
n’est pas le cas pour notre série et la figure 9 qui oppose la courbe de la loi normale à
l’histogramme des fréquences de notre série nous en apporte la preuve.

FIGURE 9 : Comparaison entre l’histogramme des fréquences et la courbe de la loi normale

L’inadéquation entre la distribution de l’histogramme et la courbe est directement

perceptible. En effet, lorsqu’une distribution suit une loi normale, 68,26% des données se
situeraient dans l’intervalle S - ̅ à S + ̅ ; 95,44% des données se situeraient dans l’intervalle S
- 2̅ à S + 2̅ et 99,74% des données se situeraient dans l’intervalle S - 3̅ à S + 3̅. Dans notre
cas, 75% des données se situent dans l’intervalle S - ̅ à S + ̅ , soit entre 17,38°C et 21,52°C et
 40

100% des données se situent dans l’intervalle S - 2̅ à S + 2̅ , soit 15,31°C et 23,59°C. Preuve
que notre série de données ne suit pas une loi normale.

B - Variation interannuelle de l’insolation

1 - Analyse des totaux annuels

Sur l’ensemble de la période que couvrent les données de l’insolation, soit 27 ans, nous
avons pu établir une moyenne d’heures en ce qui concerne les totaux annuels d’insolation. Elle
est de 1686,16 heures. La variation année après année autour de cette moyenne est beaucoup plus
importante et dans l’ensemble se traduit par une tendance à la baisse des valeurs de l’insolation
annuelle. En effet en observant la figure 10 nous constatons que les totaux annuels d’insolation
ont varié autour de deux extrêmes : un maximum de 2078 heures en 1984 et un minimum de
1352,4 heures en 1991. Plus précisément, nous pouvons découper la série en trois périodes. La
première va de 1984 à 1991 où l’insolation passe de 2078 heures à 1352,4 heures, soit une baisse
de 34,92 heures en 07 ans. La deuxième période va de 1991 à 1995 où l’on observe une hausse
de l’insolation qui passe de 1352,4 heures à 2064 heures soit une augmentation de 34,48 heures
en seulement 04 ans. La troisième période quant à elle, va de 1995 à 2008 où l’on observe de
nouveau une baisse de celle-ci. Elle va passer de 2064 heures à 1515,3 heures, ce qui représente
une baisse de 26,58 heures en 14 ans. Certes, on enregistre deçà et delà quelques ressauts mais
dans l’ensemble la tendance générale est à la baisse, ce que confirme bien l’orientation de la
courbe de tendance matérialisée sur la figure 10. Vu que nous nous intéressons au total annuel,
les valeurs des années 1983, 1992, 2006 et 2009 ne sont pas considérées car elles comprennent
des manquements.

3000
Nombre d'heures
d'insolation

2000

1000

0 Années
1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009

Total courbe de tendance

FIGURE 10 : Variations interannuelles de l’insolation de 1983 à 2009

De ce qui précède, il se soulève une préoccupation majeure : à quoi est due cette baisse des
totaux annuels de l’insolation ? Ceci est d’autant plus troublant qu’elle a lieu durant la période
(1987-2009) où l’on enregistre au niveau des températures une augmentation des valeurs de la
 41

moyenne annuelle. Cependant il a été à plusieurs fois démontré et admis qu’il existe une très
bonne corrélation entre la température et l’insolation, les deux phénomènes étant par le fait liés.
Un élément de réponse peut nous venir du comportement du nombre de jours sans soleil.

2 - Evolution des totaux annuels du nombre de jours sans soleil

Le problème qui se posait à nous d’entrée de jeu était le suivant : comment faire pour
obtenir des résultats assez fiables étant donné que notre série de données présente des
manquements assez importants sur plusieurs mois et sur différentes années ? Puisqu’il est
question ici de la somme et non plus de la moyenne, nous avons choisi de ne prendre en compte
qu’uniquement le nombre de jours dont les données ont été enregistrées comme total annuel et
non la totalité du nombre de jours réels que compte une année en ce qui concerne les années
incomplètes. Autrement dit, dans le cas de 1992 au lieu de considérer le total du nombre de jours
sans soleil sur 365 jours, nous l’avons plutôt considéré sur 245 jours, nombre effectif de jours au
courant de cette année où les observations ont été enregistrées. Cette façon de procéder reste
fidèle à l’évolution du phénomène sans tenir compte des valeurs manquantes. Une fois ce
préalable précisé, nous pouvons présenter les résultats issus de l’analyse de la variation
interannuelle des totaux annuels du nombre de jours sans soleil qu’illustre la figure 11.

La figure 11 présente à la fois la variation du nombre de jours sans soleil et celle du

nombre de jours d’insolation par année. Pour ce qui est de la variation interannuelle du total du
nombre de jours d’insolation, sa moyenne est de 335,96 jours. Nous pouvons également
constater une faible dispersion des valeurs du fait de l’allure quasi rectiligne qu’adopte la courbe
censée représenter ses variations, preuve d’une forte concentration des valeurs autour de cette
moyenne. Seules les années 1983, 1992, 2006 et 2009 s’en écartent avec des valeurs passant sous
la barre des 300 jours pour certaines années avec respectivement 233 ; 309 ; 301 et 283 jours.
Les autres valeurs oscillent entre 318 et 361 jours d’insolation. S’agissant cependant de la
variation interannuelle du total du nombre de jours sans soleil, la situation est toute autre. Sa
moyenne est de 21,11 jours mais ce qui frappe le plus c’est son évolution en dents de scie très
marquée. En effet, le nombre de jours sans soleil varie entre un minimum de 04 jours sans soleil
en 1995 et un maximum de 52 jours sans soleil en 2009. Gardons à l’esprit que le résultat de
2009 porte sur 335 jours et non sur 366 jours dans quel cas il aurait été de 83 jours. La variation
d’une année à l’autre la plus forte est enregistrée entre 1994 et 1995 où l’on passe subitement de
34 jours en 1994 pour tomber à 04 jours en 1995 soit une baisse de 30 jours. On note dans
l’ensemble une tendance à la hausse du nombre jours sans soleil, situation traduite sur le
graphique par la courbe de tendance qui y est représentée. Cette situation implique donc une
 42

tendance à la baisse du nombre de jours d’insolation qui elle, correspond à la baisse du total du
nombre d’heures moyennes d’insolation constatée plus haut.

400 60
Jours d'insolation

50

Jours sans soleil

300
40
200 30
20
100
10
0 0
1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009
Années

jours d'insolation jous sans soleil Linéaire ( jous sans soleil)

FIGURE 11 : Variations interannuelles des totaux du nombre de jours sans soleil

Au regard des résultats obtenus à l’issue de l’observation de la figure 11, il semble donc
que la baisse du total moyen annuel du nombre d’heures d’insolation soit due, pour une part, à
l’augmentation assez régulière du total du nombre de jours sans soleil, leurs deux courbes étant
quasi superposables comme le démontre aisément la figure 12.

2500 60
Total annuel d'heures

jours sans soleil

2000
40
d'insolation

1500
1000 20
500
0 0
1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009
Années

Somme de total annuel Somme de jours sans soleil

FIGURE 12 ; Comparaison entre les totaux annuels d’heures d’insolation et de jours sans soleil

III - ANALYSE DE LA VARIABILITE A L’ECHELLE DE LA DECENNIE

A - La variabilité saisonnière de la température

A l’échelle de la décennie, la variation saisonnière de la température a été toute
particulière. En effet, d’une décennie à l’autre nous avons pu constater que les valeurs des
moyennes enregistrées pour chaque décade avaient dans un premier temps chuté entre la
décennie 1970-1979 et la décennie 1980-1989. Cette baisse n’est pas partout identique selon
 43

qu’il s’agisse de la température maxima moyenne, de la température minima moyenne ou alors

de la température moyenne. C’est ainsi qu’elle est de 0,72°C pour les températures maxima, de
1,88°C pour les températures minima et de 1,36°C pour les températures moyennes. Ceci fait
référence à la baisse moyenne sur l’ensemble de l’année. Entre la décennie 1980-1989 et la
décennie 1990-1999, on assiste à une hausse des températures assez importante. C’est ainsi que
la hausse moyenne pour les températures maxima est de 4,09°C, celle des températures minima
est de 3,77°C et enfin celle des températures moyennes est de 3,94°C. Déjà le constat est le
suivant, sur les deux périodes précitées ce sont les températures maxima qui ont davantage
augmenté. Certes elles ont perdu 0,72°C sur leur moyenne de départ, mais elles ont par la suite
bénéficié d’une augmentation de 4,09°C, soit un plus de 3,37°C en moyenne sur la moyenne de
1970-1979. Pour terminer, entre les décennies 1990-1999 et 2000-2009 nous assistons à une très
légère baisse des valeurs, bien que celle-ci ne soit pas systématique sur l’ensemble des
différentes décades de l’année. En effet on enregistre plutôt une légère augmentation dans
certaines décades comme on peut le constater sur le tableau VII. Cependant cette baisse moyenne
est de 0,12°C pour les températures maxima, de 0,43°C pour les températures minima et de
0,27°C pour ce qui est des températures moyennes. Le résultat final est bien évidemment le fait
que les températures moyennes maxima connaissent la plus forte augmentation avec en
définitive + 3,25°C sur leur moyenne de la décennie 1970-1979 de façon générale contre
+ 2,31°C pour les températures moyennes et + 1,46°C pour les températures moyennes minima.

B - Les cas particuliers des mois de Février et de Mars

L’étude des mois de Février et Mars nous a semblé importante étant donné le
développement qui sera fait dans la deuxième partie de notre mémoire où il sera question de
déterminer les périodes les plus propices à la mise en culture des terres afin de limiter l’impact
du climat. Nous avons choisi ici de déterminer à l’échelle des différentes décennies de quelle
façon la moyenne des différentes températures (Min. ; Max. et Moy.) a pu évoluer en terme de
fréquence. Autrement dit, sur une décennie par exemple quelle a été la moyenne de la
température la plus fréquente et a-t-elle évolué au courant de la décennie suivante ? Cette
méthode, comme nous l’avons dit plus haut, permet d’avoir un ordre d’idée de la moyenne ayant
la plus forte probabilité d’être enregistrée au courant d’un mois. C’est un avantage certain
lorsqu’il est question de prévention des risques climatiques au niveau de l’agriculture. Comment
devons-nous appréhender les données du tableau VIII ? Il répertorie les classes de températures
les plus fréquentes, leur fréquence respective et la probabilité de chance qu’elles avaient d’être
enregistrées au courant d’une décade en fonction de chaque décennie. Il présente également
 44

TABLEAU VII : Variations décennales de la température moyenne décadaire

Mois Décades 1970-1979 1980-1989 1990-1999 2000-2009
janvier D1 18,24 16,40 20,78 20,57
D2 18,42 16,79 20,69 20,91
D3 18,66 16,91 21,06 20,98
Février D1 18,92 17,22 21,59 21,41
D2 19,78 17,61 21,64 21,72
D3 19,68 18,20 22,14 21,84
Mars D1 19,48 18,40 22,55 22,07
D2 19,78 18,33 22,50 22,03
D3 19,87 17,85 22,67 22,20
Avril D1 19,55 18,20 22,10 21,80
D2 19,60 18,15 22,09 21,78
D3 19,61 18,09 22,25 21,64
Mai D1 19,36 17,60 21,93 21,42
D2 19,17 17,52 21,80 21,44
D3 18,83 17,29 21,47 21,01
Juin D1 18,79 16,93 21,41 20,83
D2 18,69 16,85 21,25 20,60
D3 18,25 17,02 20,92 20,44
Juillet D1 17,75 16,96 20,43 20,23
D2 17,70 16,50 20,52 20,27
D3 17,92 16,48 20,56 20,31
Août D1 17,99 16,66 20,32 20,12
D2 18,05 16,81 20,36 20,11
D3 18,22 16,86 20,61 20,29
Septembre D1 18,00 16,87 20,45 20,36
D2 18,17 16,92 20,54 20,45
D3 18,44 16,96 20,75 20,49
Octobre D1 18,42 16,89 20,89 20,46
D2 18,42 17,25 20,84 20,87
D3 18,38 17,24 20,82 20,77
Novembre D1 18,07 17,22 20,70 20,77
D2 18,29 17,22 20,71 20,39
D3 17,87 16,74 20,85 20,44
Décembre D1 17,61 16,80 20,55 20,29
D2 17,39 16,85 20,24 20,29
D3 17,28 17,02 20,43 20,12
Moyenne décennale 18,57 17,21 21,15 20,88

l’évolution de chaque paramètre mesuré (températures, fréquence et probabilité) au courant de

chaque décennie. Si nous prenons le cas des températures maxima moyennes du mois de Février
 45

au courant de la première décade, sur l’ensemble des quatre décennies, la classe des températures
maxima moyennes les plus fréquentes a augmenté passant de 26°C entre 1970-1979 à 29°C entre
2000-2009 avec une probabilité d’occurrence de 0,4. Dans le même temps, nous observons
également une augmentation de la température maxima moyenne la plus élevée enregistrée au
courant de la décade. Elle passe de 28°C entre 1970-1979 à 31°C entre 2000-2009 avec une
probabilité de 0,1. Qu’est-ce-que cela signifie concrètement ?

TABLEAU VIII : Probabilité d’occurrence des températures maxima moyennes

Décennies Classes Fréquences Probabilité Température Fréquences Probabilité
f(x) P(x) maximale f'(x) P'(x)
Février
D1 1970-1979 26-26,99°C 5 0,5 28°C 1 0,1
1980-1989 24-24,99°C 3 0,3 29°C 1 0,1
1990-1999 29-29,99°C 6 0,6 31°C 1 0,1
2000-2009 29-29,99°C 4 0,4 30° et 31°C 3 et 1 0,3 et 0,1
D2 1970-1979 27-27,99° 4 0,4 29°C 1 0,1
1980-1989 24-24,99°C 4 0,4 29°C 1 0,1
1990-1999 29-29,99°C 7 0,7 30°C 1 0,1
2000-2009 29-29,99°C 4 0,4 30° et 31°C 3 et 1 0,3 et 0,1
D3 1970-1979 25 -27,99°C 2 0,2 28°C 1 0,1
1980-1989 24-24,99°C 5 0,5 29°C 1 0,1
1990-1999 30-30,99°C 4 0,4 32°C 1 0,1
2000-2009 30-30,99°C 3 0,3 31°C 1 0,1
Mars
D1 1970-1979 27-27,99°C 4 0,4
1980-1989 24-24,99°C 4 0,4 29°C 1 0,1
1990-1999 29-29,99°C 4 0,4 30°C et 31°C 2 0,2
2000-2009 29-29,99°C 4 0,4 31°C 1 0,1
D2 1970-1979 25-25,99°C 4 0,4 27°C 1 0,1
1980-1989 23-23,99°C 3 0,3 28°C 1 0,1
1990-1999 28-28,99°C 4 0,4 29°C et 30°C 3 et 1 0,3 et 0,1
2000-2009 27-27,99°C 3 0,3 30°C 2 0,2
D3 1970-1979 25-25,99°C 3 0,3 27°C 2 0,2
1980-1989 21-22,99°C 3 0,3 29°C 1 0,1
1990-1999 28-28,99°C 6 0,6 31°C 2 0,2
2000-2009 28-28,99°C 5 0,5 29°C 2 0,2

Dans le cadre de la réduction des risques liés aux fortes températures par exemple sur les
cultures au courant de la première décade du mois de février pour la période 2000-2009, la
probabilité que l’on ait des températures maxima moyennes au moins supérieures ou égales à
29°C était de 0,4 soit quatre jours sur dix. A cela s’ajoute la probabilité d’enregistrer des
 46

températures maxima moyennes comprises entre 30°C et 31°C de 0,4 soit quatre jours
également. Il est donc possible d’utiliser ces résultats dans le cadre de la prévision des déficits en
eau et de lutter efficacement contre le stress hydrique au niveau de la plante, car disposant ainsi
d’une échelle de grandeur des variations de ce paramètre. Ces résultats sont utilisables pour la
période 2010-2020. Par exemple, il serait assez facile de les ajuster à la situation qui prévaudrait
en modifiant tout simplement la probabilité d’occurrence de chacune des valeurs étant donné
qu’elle sera la première à voir sa valeur affectée. Nous en tenons pour preuve la situation entre
les décennies 1990-1999 et 2000-2009 où les températures fréquentes n’ont pas varié tandis que
leur fréquence si. Nous présentons ici dans le tableau VIII, le cas des probabilités d’occurrences
pour les températures maxima moyennes décennales.

C - Analyse de la variabilité interannuelle

En regroupant les températures moyennes annuelles par décennies et en calculant leur
moyenne, nous avons pu dresser la courbe de l’évolution de la température moyenne annuelle à
l’échelle des différentes décennies (Fig. 13). Nous constatons que sur l’ensemble des quatre
décennies, la décennie 1990-1999 a été la plus chaude de la période 1970-2009 avec une
moyenne décennale de 21,15°C, soit 1,05°C de plus par rapport à la moyenne établie par
TSALEFAC (voir plus haut). Cependant la décennie 2000-2009 a enregistré une moyenne de
20,88°C. Certes elle a légèrement baissé par rapport à la décennie précédente de 0,27°C, mais
elle reste toujours supérieure à la moyenne établie par TSALEFAC de 0,78°C. La décennie
1970-1979 enregistre une température moyenne de 18,57°C à cause de l’influence négative des
années 1978 et 1979 où les températures enregistrées affichaient une moyenne annuelle de
15,73°C et de 15,97°C respectivement. Comparativement la décennie 1980-1989 enregistre une
moyenne de 17,21°C à cause de l’influence positive des années 1987, 1988 et 1989 avec des
températures moyennes annuelles de 18,99°C, 20,89°C et 20,51°C.
Températures (en°C)

23,00
21,15
21,00 20,88
19,00 18,57

17,00 17,21
15,00 Décennies
1970 - 1979 1980 - 1989 1990 - 1999 2000 - 2009
Températures moyenne décennale Courbe de tendance

FIGURE 13 : Variations décennales de la température moyenne annuelle

 47

1 – Les variations des températures moyennes par rapport à celles du globe (GIEC)
D’après les rapports du GIEC, 2001 et 2007, la décennie 90 a été la plus chaude depuis
1850, date à laquelle ont débuté les relevés des températures à la surface du globe. 1995 à 2006
comptes parmi les 11 années les plus chaudes en 2007. L’année 1998 constitue l’année la plus
chaude depuis 1850. D’après les experts du climat, le réchauffement actuel semble avoir débuté
en 1978 comme le montre la figure 14 ci-dessous, qui représente la courbe des températures
globales de surface depuis 1850 par le Hadley CRUT3, un organisme pro-GIEC qui dépend du
Met Office britannique. La valeur 0 correspond à la moyenne des températures calculée à partir
des données de janvier 1961 à décembre 1990. L’échelle est de 0,40 degré. Il s’agit des
températures mensuelles. On voit bien la hausse des températures depuis 1978.

Source : http://hadobs.metoffice.com/ hadcrut3/ diagnostics/ global/nh+sh/.

FIGURE 14 : Températures moyennes globales, 1850 – 2011

On se rend bien compte qu’à Foto, au courant de la période 1970-2009, les températures
ont varié conformément aux prévisions du GIEC avec notamment la décennie 1990-1999 qui a
été la plus chaude à Foto et le pic de 1998 (21,75°C) année la plus chaude. Après 1998, les
températures ont légèrement baissé avant de remonter en 2002, et depuis lors elles semblent
stagner d’une façon générale conformément à ce qui s’observe sur l’ensemble de la planète. On
peut le constater en observant la figure 15 qui compare la courbe de la température à Foto (1970-
2009) à celle du globe, 1979-2012 (basse troposphère de 0 à 5000m), réalisée par la RSS:
Remote Sensing Systems, entreprise privée utilisant les données satellitaires de la NASA
(satellites TIROS-N). MSU: Microwave Sounding Unit.
 48

Source: http://www.climate4you.com/

FIGURE 15 : Température annuelle à Foto et température globale (RSS MSU)

2 - L’ « anomalie » de la période 1978 – 1986

A la réalité, en se fondant sur les données enregistrées, cette situation semble débuter le
30/11/1977 où l’on a enregistré une température minima de 06°C et une température maxima de
24°C, soit une température moyenne de 15°C. Cette valeur est inférieure aux 19°C de moyenne
journalière généralement enregistrées au courant de ce mois. Tout au long du mois de décembre,
nulle part les températures maxima n’ont atteint 25°C. Cette situation va se prolonger jusqu’au
19/06/1987, avec des températures minima de 11°C et des températures maxima de 23°C. En
effet dès le 20/06/1987, les températures minima vont grimper à 18°C et les températures
maxima à 26°C. La question qui se pose ici est celle de savoir : qu’est ce qui est à l’origine de
cette situation ?

Il semble que cela ne soit pas dû à une perturbation d’ordre atmosphérique car en
observant les figures 14 et 15 précédentes, on se rend bien compte que c’est justement à partir de
1978 que les températures commencent à augmenter graduellement jusqu’au pic de 1998. Cela
semble d’autant plus vraisemblable que TSALEFAC (1983) qui a étudié les températures de la
région entre 1951 et 1980, ne fait pas état d’une baisse significative de celle-ci au courant des
trois dernières années (1978 ; 79 et 80) que couvrent ses relevés de températures. Bien qu'il ait
 49

utilisé les données issues de la station météorologique de Dschang située à 1421 m d’altitude et
qui est distante du poste météorologique de l’IRAD de Dschang de 1300 m environ pour une
altitude de 1401 m, les 20 m de différence entre les altitudes des 02 postes ne peuvent justifier
les 03°C de baisse moyenne de la température tout au long de ces 09 années.

Certains points observés par TSALEFAC1, viennent a priori, invalider cette hypothèse :

Premièrement, la durée de la perturbation. En effet nos relevés attestent du fait que le

phénomène court sur une assez longue période. Cette « perturbation » semble débuter le
30/11/1977 et s’achever le 19/06/1987, soit neuf ans et sept mois et ce de façon ininterrompue.
Alors que TSALEFAC limite le phénomène quant à lui entre le 26 et le 31/12/1977. Or son
étude allant de 1951 à 1980, il l’aurait relevé si éventuellement la perturbation s’était prolongée
sur les trois dernières années de sa période d’étude (1978, 1979,1980) comme semblent le
montrer nos données.

Deuxièmement, le décalage dans les dates d’observations et les différences de valeurs

enregistrées. Selon TSALEFAC, cette perturbation a débuté le 26/12/1977 alors que d’après nos
données elle semble plutôt débuter le 30/11/1977. De plus, TSALEFAC notait que les
températures maxima étaient de : 30,2°C le 05 ; 29°C le 16 ; 27,3°C le 25 ; 27,1°C le 26 et 27°C
le 27. Les températures minima quant à elles étaient de : 15°C le 21 ; 12°C le 26 et le 31. Or pour
ce qui est de nos données, elles marquent pour les mêmes dates les valeurs suivantes :
températures maxima : 22°C le 05 ; 22°C le 16 ; 22°C le 25 ; 23°C le 26 et 23°C le 27. Pour les
températures minima : 08°C le 21 ; 10°C le 26 et 7,5°C le 31.

Troisièmement, TSALEFAC dans ses travaux relie exclusivement ce type de perturbation,

liée à une situation atmosphérique particulière, à la saison sèche (Décembre, Janvier et Février).
Il la définit comme un type de temps particulier nommé : ASP (anticyclonique saharien perturbé
par les coulées d’air polaire). Cependant comme nous le voyons dans notre cas, cette
perturbation s’étend sur l’ensemble des saisons et sur l’ensemble de l’année.

Quoi qu’il en soit, il s’avère que c’est cette situation « anormale » qui a influencé
négativement la moyenne arithmétique de la période 1970-2009, la faisant baisser à 19,45°C.
Cette valeur de la moyenne arithmétique si l’on s’y tient fait croire que les températures auraient

1
TSALEFAC, 1983, L’ambiance climatique des hautes terres de l’ouest-Cameroun, pp :
270 – 286.
 50

baissé par rapport à la normale 20,1°C établie pour la période 1951-1980, or nous avons
démontré que cette valeur de la moyenne arithmétique ne permettait pas à la série de données de
suivre une loi normale en raison de la position qu’elle occupe (Fig.9). C’est en prenant en
considération cette situation que nous proposons de considérer la médiane (20,51°C) comme le
paramètre de tendance centrale le plus représentatif du comportement et de la tendance des
températures sur l’ensemble de la période. Deux raisons principales à cela. Premièrement, vu
qu’elle a pour objectif de partager la série de données en deux parties égales regroupant chacune
50% des valeurs, elle n’est donc pas influencée par les valeurs extrêmes, que celles-ci soient
positives ou négatives. Deuxièmement, elle rend effectivement compte de l’augmentation des
températures liée au réchauffement climatique enregistré à l’échelle du globe. Ce réchauffement
mis en exergue par le GIEC fait état d’une augmentation de la température moyenne mondiale
de 0,74°C de 1906 à 2006. Dans notre zone d’étude cette augmentation de la température
moyenne serait donc de 0,41°C par rapport à la normale de 20,1°C si l’on prenait la médiane
comme paramètre de tendance centrale. La médiane reflète parfaitement la hausse des
températures enregistrée entre 1988 et 2009. Reste donc à savoir à quoi peut être due cette
hausse des températures.

De 1970 à 2009, les températures (minima et maxima) ont augmenté faisant de ce fait
augmenter les températures moyennes. Cependant, ce sont les températures maxima qui ont
enregistré la plus forte augmentation soit 1,88°C de plus pour les températures maxima
moyennes annuelles entre 1988 et 2009. Cela correspond à une augmentation de 7,52% par
rapport à la moyenne de 25°C obtenue pour la période 1951-1980. Si l’augmentation des
températures sur les deux dernières décennies est avérée, il se trouve que pour la même période
l’on a enregistré une baisse de 13,19% au niveau du total annuel d’heures d’insolation par
rapport à celui de la période 1951-1980. De même une baisse de 21,41% est enregistrée pour le
nombre de jours d’insolation par rapport à la normale de 1951-1980. Notons que l’insolation
concerne la période 1983-2009. Avec un coefficient de corrélation de Pearson : R = 0,147, la
figure 16(a) montre bien que la relation entre les températures annuelles et le nombre de jours
d’insolation a été très faible entre 1983 et 2009. Autrement dit, les variations des températures
ont été très peu dépendantes de l’évolution des totaux du nombre de jours d’insolation. Plus
encore, la relation entre les températures moyennes annuelles et les totaux moyens annuels
d’insolation est négative avec R = - 0,341 (Fig. 16(b)). Cela signifie que l’augmentation des
températures enregistrée entre 1983 et 2009 à Foto n’est pas liée à une augmentation du nombre
d’heures d’insolation et donc ne dépend pas de l’insolation.
 51

400
jours d'insolation (en 380
360
340
Heures)
320
300
280
260
240
220
200
15 16 17 18 19 20 21 22 23 24 25
températures annuelles (en °C)

FIGURE 16 (a) : Relation entre températures et jours d’insolation

180
170
Heures d'insolation (en

160
150
Heures)

140
130
120
110
100
15 16 17 18 19 20 21 22
températures annuelles (en °C)

FIGURE 16 (b) : Relation entre les températures et le nombre d’heures d’insolation

Les réductions des nombres d’heures et de jours d’insolation ne peuvent s’expliquer que
par un seul phénomène, à savoir l’augmentation de la nébulosité notamment en termes de durée.
Il semblerait donc que l’augmentation du nombre de jours sans soleil que nous avons démontrée
soit donc liée à cette augmentation supposée de la nébulosité. Une préoccupation se pose ici,
celle de savoir ce qui peut justifier l’augmentation des températures alors même qu’une
augmentation de la nébulosité occasionnerait la baisse du nombre d’heures d’insolation. En effet
nous avons déjà fait remarquer que les températures avaient augmenté entre 1988 et 2009 et que
cette hausse était principalement due à une forte augmentation des températures maxima. Il est
admis que les températures maxima sont très largement influencées par l’humidité de l’air. Ses
variations, qu’elles soient positives ou négatives, dépendent du degré d’humidité de l’air. En
effet un air humide ne favorise pas une forte élévation des températures maxima contrairement à
un air de plus en plus sec qui en favorise la progression en fonction de son degré de sècheresse.

Depuis 1988 jusqu’à 2009, nous avons constaté que les températures maxima ont
augmenté, non pas seulement pour les mois traditionnellement chauds de saison sèche
(décembre, janvier et février) où elles sont par ailleurs assez fortes, mais également sur
l’ensemble des autres mois de l’année comme le montre le tableau IX. Le constat est vite fait.
 52

Les températures maxima moyennes ont bel et bien augmenté sur toute l’année, et le fait le plus
significatif est la plus forte augmentation qui est enregistrée au mois de Mars (12,46%) qui est un
mois de transition entre la saison sèche et celle des pluies. De plus on note les fortes
progressions des mois de juillet et août (11,52% et 11,62%) qui sont pourtant les mois de
paroxysme pluviométrique dans la région de Dschang et donc de très forte humidité. Au vue de
ce qui précède, il serait possible de dire que cette augmentation des températures maxima en
particulier semble être le résultat d’une baisse générale de l’humidité de l’air atmosphérique qui
est leur principal régulateur.

TABLEAU IX : Variations des températures maxima entre 1951-1980 et 1988-2009

Jan. Fév. Mars Avril Mai Juin Jt Août Sept. Oct. Nov. Déc.
1951-1980 27 27,6 25,6 25,9 25,1 23,9 22,4 22,2 23,3 24,3 25,5 26,7
1988-2009 28,4 29,5 28,8 27,4 26,7 25,9 24,9 24,8 25,5 26 26,9 27,6
% 5,11 6,74 12,5 5,91 6,41 8,7 11,5 11,6 9,4 7 5,45 3,52
%= Pourcentage d’augmentation entre les deux périodes

Cependant, l’humidité de l’air n’a pas baissé. En effet D. SIGHOMNOU1 ayant eu à

analyser l’humidité relative pour la région de Dschang pour la période 1955 – 2002, a obtenu les
résultats contenus dans le tableau X. Il semblerait au vu de ces résultats que l’humidité relative
moyenne ait également augmenté sur l’ensemble des mois de l’année sauf pour le mois de
Janvier où elle ait baissé de 0,72%. Cependant bien qu’à l’échelle d’une année, le régime des
températures maxima varie inversement à celui de l’humidité relative, la théorie de l’effet de
serre estime que le réchauffement climatique actuel favorise l’évaporation massive des eaux de
surface dont l’accumulation dans l’atmosphère, par rétroaction positive, accentue le
réchauffement. Cette relation entre hygrométrie et températures maxima est très forte car
l’humidité de l’air agit sur les températures maxima et c’est ce que confirme la figure 17. Elle
montre que la relation entre l’augmentation des températures maxima mensuelles pour la période
1988-2009 et celle de l’humidité relative moyenne entre 1955 et 2002 est forte bien que négative
avec R = - 0,857. Donc il semblerait que la cause de la hausse des températures soit à rechercher
dans une augmentation de l’humidité relative à Foto.

1
D. SIGHOMNOU, 2004, Analyse et définition des régimes climatiques et hydrologiques du
Cameroun : perspectives d’évolution des ressources en eau, p 70.
 53

TABLEAU X : Variations de l’humidité relative moyenne entre la normale et 1955-2002

Jan Fév. Mars Avril Mai Juin Jt Août Sept Oct. Nov. Déc. Année
1972* 67,00 67 74 79 80 83 86 87 84 80 73 63 77

1955 - 2002 66,50 70,5 76,5 81 82 86 89,5 89,5 88 84 75,5 67 79,5

% -0,72 5,22 3,38 2,53 2,5 3,61 4,07 2,87 4,76 5 3,42 6,35 3,25

* = Annales climatologiques de 1972 ; % = Pourcentage d’augmentation entre les deux séries de données.

90
Humidité rellative (en %)

85

80

75
R² = 0,7343
70

65
24 25 26 27 28 29 30
Températures maxima (en °C)

FIGURE 17 : Relation entre températures maxima et humidité relative

Quoiqu’il en soit la figure 18 démontre clairement qu’en 22 années, soit de 1988 à 2009,
aucune année n’a enregistré une température moyenne annuelle inférieure à la normale (20,1°C)
et seules deux années (2003 et 2004) ont enregistré des moyennes inférieures à 20,51°C, ce qui
représente 9,09% du total des années. L’augmentation des températures est générale depuis 20
ans.

2008
2006
2004
2002
Années

2000
1998
1996
1994
1992
1990
1988
19,5 20 20,5 21 21,5 22
Températures moyennes annuelles (en ° C)

FIGURE 18 : Evolution des températures moyennes annuelles entre 1988 et 2009

 54

En définitive, en ce qui concerne la variation des températures au courant de la période

1970 – 2009, trois points essentiels se dégagent de notre analyse :

- Les températures ont effectivement augmenté notamment les températures moyennes

annuelles qui sont passées de 20,1°C à 20,51°C (soit une augmentation de 0,41°C)
conformément aux prévisions du GIEC.
- Contrairement à ce à quoi on aurait dû s’attendre, il semblerait que cette augmentation
des températures ne soit pas liée à une augmentation du nombre d’heures et de jours d’insolation
qui ont plutôt vu leurs valeurs baisser.
- Cette augmentation des températures notamment des températures maxima semble être le
fait d’une augmentation de l’humidité de l’air à Foto telle que le démontre D. SIGHOMNOU
(2004) dans ses travaux.
Ce dernier point soulève l’hypothèse d’une augmentation enregistrée au niveau des totaux
pluviométriques à Foto. C’est ce à quoi nous nous attèlerons à vérifier dans le chapitre consacré
à l’analyse des précipitations.
 55

CHAPITRE 2 : VARIABILITE AU NIVEAU DES PRECIPITATIONS

La précipitation, telle que admise par la communauté scientifique, est de manière générale
la part d’eau issue du phénomène de condensation qui atteint effectivement le sol quelle que soit
sa forme. A Foto, elle est principalement sous la forme liquide. Bien plus que les températures,
les précipitations sont « imprévisibles » que ce soit en termes de durée, de volume précipité ou
d’apparition, ou que l’on se situe à une échelle horaire, journalière ou saisonnière. En effet,
combien de fois la météo nous a-t-elle annoncé la pluie pour le lendemain et tel n’a pas été le cas
alors que tout portait à y croire la veille. Combien de fois avons-nous été surpris par la pluie
alors que rien ne le présageait. Maintes fois nous nous sommes laissés avoir par l’allure
menaçante de la couverture nuageuse qui annonçait de fortes pluies et qu’il en fut autrement.
Preuve que les mécanismes à l’origine des précipitations sont complexes et dépendent
essentiellement des conditions atmosphériques en un lieu et à un instant donnés.

I - LES TOTAUX DECADAIRES

Au même titre que les précipitations journalières, nous définissons les précipitations
décadaires comme le total des précipitations recueillies entre deux observations faites à 10 jours
d’intervalle. Nous avons dressé pour chaque décade les records (maximums absolus) de hauteurs
de précipitations enregistrées que nous présentons dans le tableau XI. Nous pouvons constater
des records de plus de 200 mm de pluies allant de la deuxième décade du mois d’août à la
troisième décade du mois de septembre avec un maximum de 232,2 mm pour la troisième décade
du mois d’août. Si bien évidemment ces maximums absolus donnent un ordre de grandeur des
hauteurs de précipitations susceptibles d’être atteintes au courant d’une des décades, il reste que
ce sont les fréquences des décades caractéristiques et la probabilité qu’elles ont d’être
enregistrées ou dépassées qui nous importe le plus. Elles le sont notamment au plan de la
planification et de l’aménagement des activités de toute sorte. Nous définissons une décade
caractéristique comme celle qui enregistre une hauteur de précipitations supérieure à la somme
de la moyenne arithmétique et de l’écart-type de l’ensemble de la période d’observation.

Le tableau XII nous indique le nombre de fois où pour chaque décade de la période 1970-
2009, on a enregistré des décades avec des hauteurs de précipitations supérieures à la somme de
la moyenne et de l’écart-type pour l’ensemble des quarante années. On se rend compte qu’il nous
est possible de découper notre tableau en deux périodes de l’année avec des fréquences
 56

TABLEAU XI : Maximums absolus des totaux décadaires des précipitations (1970-2009)

Jan Fév. Mars Avril Mai Juin Jt Août Sept Oct. Nov. Déc.
D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
M. A.

126,8
136,6
169,4
173,6
147,8
125,7
187,5
146,2
198,4
188,4
186,4
165,1
156,5
138,7
155,1
201,5
232,2
217,5
214,7
212,9
169,7
187,7
108,9
21,3
41,5
36,7
43,5
31,1
89,9
87,2

91,2
68,8
45,2
26,5
20,1
16,3
M.A.= Maximums absolus de précipitations, mm

moyennes différentes. La première période irait du 21 novembre au 10 mars avec une fréquence
moyenne de 4,72, la deuxième irait quant à elle du 11 mars au 20 novembre avec une fréquence
moyenne de 7,08. Les décades possédant les fréquences les plus élevées sont la troisième décade
du mois de Juillet (13) et la première décade du mois d’août (15).

TABLEAU XII : Fréquences d’apparition des totaux décadaires caractéristiques

Jan Fév. Mars Avril Mai Juin Jt Août Sept Oct. Nov. Déc.
D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
P(mm)

102,65

101,47
105,55
118,16
126,76
111,41
106,27

127,02
149,92
134,96
150,00
147,12
133,27
115,80
15,36
12,91
17,89
13,36
39,72
55,51
58,78
84,96

91,83
84,29
86,72
98,86

96,43
86,39

72,73
47,30
26,48
16,09
10,25
8,66

6,31
4,53
13
15

10
F
5
4
6
5
6
5
4
7
5
6
6
5
8
5
4
6
7
8
7
8

6
7
5
6
6
7
8

6
6
4
5
4
4
P = Précipitations décadaires maximales, F = Fréquence = Nombre de fois où on a enregistré des totaux décadaires
supérieures ou égales à P.

Ces fréquences très élevées sont liées à la faiblesse de la valeur des précipitations servant
de limite de distinction entre une décade normalement arrosée et une autre « anormalement »
arrosée. Elles coïncident avec la période où l’on enregistre les plus fortes hauteurs de
précipitations dans la région et où l’on enregistre le plus de décade avec un total pluviométrique
supérieure à 100 mm de pluies soit du 21 mai au 20 octobre. Cependant contrairement aux
autres, elles ont des valeurs limites assez faibles (96,43 mm et 86,39 mm) comparativement à la
position qu’elles occupent dans l’année (période de maximum pluviométrique dans la région :
Juillet-Août). Cela peut être dû à deux facteurs ; soit cette faiblesse des valeurs limites est liée au
manque de données enregistrées dans la série des relevés à cette période, soit elle est le fait d’un
trop grand nombre de faibles hauteurs de pluies enregistrées tout au long de la période pour
chacune des décades concernées. Cela aurait eu pour conséquence d’abaisser la moyenne finale
de chacune des décades.

Le premier argument semble ne pas être valide car en observant toujours le tableau XII, on
se rend immédiatement compte qu’également dans la même période où l’on a noté un manque de
 57

données (du 21 juillet au 31 août) soit quatre décades, les deux valeurs en question concernent
les deux premières décades alors que pour les deux dernières décades (11-20 et 21-31 août) les
valeurs limites sont respectivement de 127,02 mm et de 149,92 mm. Cela a pour conséquence de
réduire leurs fréquences (6 et 7) en les rapprochant de la fréquence moyenne (7,08) de la période
de l’année à laquelle elles appartiennent. Reste le deuxième argument lié à l’abondance de
valeurs assez faibles qui aurait pu affecter la moyenne générale. Il sera discuté dans la suite de
l’analyse. La figure 19 représente la distribution décade après décade des hauteurs de
précipitations enregistrées au courant de la période 1970-209. Elle donne dans le détail le
comportement des précipitations au courant de chaque décade tout au long de la période et
permet d’identifier les hauteurs de précipitations qui ont été les plus fréquemment enregistrées au
courant de chaque décade. Cette figure a le mérite de donner une idée des hauteurs de
précipitations avec la plus forte probabilité d’être enregistrées au courant d’une décade.

En observant la figure 19, on se rend compte que du 20 novembre au 28/29 février, en

moyenne 75% des décades ont des totaux décadaires de précipitations enregistrées qui se situent
dans la tranche 0 – 10 mm. Cependant les choses sont légèrement différentes pour la troisième
décade de février où les décades se situant dans la tranche 0 – 10 mm ne représentent plus que
50% des décades observées au courant de la période 1970-2009. Les 50% restant se partageant
entre les tranches 10 – 36 mm (37,5%) et 45 – 90 mm (12,5%). La situation entre le 01 et le 20
mars est représentative d’une transition d’une situation à une autre. Certes les décades de la
tranche de 0 – 10 mm y restent les décades les plus fréquentes mais leur pourcentage est
beaucoup plus faible que précédemment soit en moyenne 35% du total des décades enregistrées
au courant de cette période. Les décades de la tranche 10 – 75 mm représentent au total près de
60% de l’ensemble des décades observées durant cette période. A partir du 01 avril jusqu’au 10
octobre, les décades dont les totaux sont de la tranche 0 – 10 mm ne représentent pas plus de
10% en moyenne du total de l’ensemble des différentes décades qui sont comprises à l’intérieur
de cette période de l’année. La situation de la deuxième décade d’octobre est quasiment
identique à celle de la troisième décade de mars où les totaux décadaires de la tranche 0 – 10 mm
représentent en moyenne 12% du total des décades durant la période 1970-2009.
 58

0,8
Janvier(Décade 1) Janvier (Décade 2) Janvier (Décade 3)
0,8
0,6
0,6
Fréquence

0,6

Fréquence

Fréquence
0,4 0,4
0,4

0,2 0,2 0,2

0 0 0
0 20 0 10 20 30 40 50 0 20 40
Décade 1 Décade 2 Décade 3
Février (Décade 1) Février(Décade 2) Février (Décade 3)
0,6 0,5
0,6
0,4

Fréquence
Fréquence

Fréquence
0,4
0,4 0,3

0,2 0,2
0,2
0,1
0 0
0
0 10 20 30 0 50 100
0 10 20 30 40 50
Décade 1 Décade 2 Décade 3

Mars (Décade 1) Mars (Décade 2) Mars (Décade 3)

0,25
0,4
0,3 0,2
Fréquence

Fréquence
0,3
Fréquence

0,15
0,2 0,2
0,1
0,1 0,1
0,05
0
0 0
0 50 100
0 20 40 60 80 100 0 100
Décade 1 Décade 2 Décade 3
Avril (Décade 1) Avril (Décade 2) Avril (Décade 3)

0,2 0,2 0,3

Fréquence

Fréquence
Fréquence

0,2
0,1 0,1
0,1

0 0 0
0 50 100 150 200 0 50 100 150 200 0 50 100 150 200
Décade 1 Décade 2 Décade 3
Mai (Décade 1) Mai (Décade 2) Mai (Décade 3)
0,3
0,3
0,2
Fréquence

Fréquence
Fréquence

0,2
0,2
0,1 0,1
0,1
0 0
0
0 50 100 150 200 0 50 100 150 200
0 50 100
Décade 1 Décade 2 Décade 3

Juin (Décade 1) Juin (Décade 2) juin (Décade 3)

0,25 0,25
0,15
0,2
Fréquence

0,2
Fréquence

Fréquence

0,15 0,15 0,1

0,1 0,1 0,05

0,05 0,05
0
0 0
0 50 100 150 200
0 50 100 150 200 250 0 50 100 150 200
Décade 1 Décade 2 Décade 3

FIGURE 19 : Distribution décadaire des totaux décadaires des précipitations (1970-2009)

 59

Juillet (Décade 1) Juillet (Décade 2) Juillet (Décade 3)

0,2 0,2 0,2
Fréquence

Fréquence
Fréquence
0,1 0,1 0,1

0 0 0
0 100 200 0 50 100 150 200 0 50 100 150
Décade 1 Décade 2 Décade 3

0,25
Aout (Décade 1) Aout (Décade 2) Aout (Décade 3)
0,3 0,3
0,2
Fréquence

Fréquence

Fréquence
0,15 0,2 0,2
0,1
0,1 0,1
0,05
0 0 0
0 50 100 150 200 0 50 100 150 200 250 0 100 200
Décade 1 Décade 2 Décade 3

Septembre (Décade 1) Septembre (Décade 2) Septembre (Décade 3)

0,3

Fréquence
Fréquence
Fréquence

0,2 0,2 0,2

0,1
0
0 0
0 100 200
0 100 200 0 50 100 150 200 250
Décade 1 Décade 2 Décade 3

Octobre (Décade 1) Octobre (Décade 2) Octobre(Décade 3)

0,2 0,2
Fréquence
Fréquence

Fréquence

0,1
0,1 0,1

0 0 0
0 100 200 0 50 100 150 200 0 50 100
Décade 1 Décade 2 Décade 3
Novembre (Décade 1) Novembre (Décade 2) Novembre (Décade 3)
0,8
0,25
0,6
0,2 0,6
Fréquence
Fréquence
Fréquence

0,15 0,4 0,4

0,1
0,2 0,2
0,05
0
0 0
0 10 20 30 40 50
0 20 40 60 80 100 0 20 40 60
Décade 1 Décade 2 Décade 3

Décembre (Décade 1) Décembre (Décade 2) Décembre (Décade 3)

Fréquence
Fréquence

Fréquence

0,5 0,5 0,5

0 0 0
0 10 20 30 0 10 20 0 5 10 15 20
Décade 1 Décade 2 Décade 3

FIGURE 19 (suite) : Distribution décadaire des totaux décadaires des précipitations (1970-2009)

La troisième décade d’octobre est typique d’une situation assez instable où l’on peut
enregistrer des décades avec de très fortes hauteurs d’eau (tranche de 33 – 110 mm = 67,5%) tout
comme l’inverse est possible (tranche de 0 - 33 mm = 32,5%). La première décade de novembre
joue le même rôle de transition entre une période où il pleut abondamment d’avec une autre où il
 60

pleut moins que les deux premières décades de mars. Les décades totalisant entre 0 et 10 mm de
pluies y sont déjà beaucoup plus fréquentes soit 25% du total. L’allure de la troisième décade de
juillet et de la première décade d’août est très différente de celle des autres décades qui les
entourent. Pour la troisième décade de juillet la part qui revient aux décades comprises dans la
tranche 0 – 56 mm est de 27,5% alors que pour les autres décades de la même période de
l’année, la part des décades situées dans cette tranche est en moyenne de 15%. Il en est de même
pour la première décade d’août où la part des décades comprises entre 0 et 48 mm est de 17,5%.
Pour ce qui est des décades comprises dans la tranche 90 – 200 mm, au niveau de chacune de ces
deux décades elles sont respectivement de : troisième décade de juillet (de 90 à 140 = 32,5%)
tandis que pour les deux autres décades de juillet la moyenne pour la tranche 100 – 170 est
d’environ 22% ; première décade d’août (de 96 à 160 = 22,5%) tandis que pour les deux autres
décades d’août la moyenne pour la tranche 100 – 240 est d’environ 45%. On se rend alors
compte de ce que c’est la grande fréquence des décades totalisant de faibles hauteurs de pluies
qui est à l’origine du grand nombre des décades caractéristiques observées au courant de ces
deux décades pour l’ensemble de la période 1970-2009. Donc notre deuxième argument est
vérifié. Les totaux décadaires des précipitations tout au long de la période 1970-2009 ont ainsi
évolué entre une valeur minimale soit 00 et une valeur maximale soit 240 mm. En regroupant les
totaux décadaires par intervalle de 10 mm, nous avons fait ressortir l’histogramme des
précipitations décadaires à Foto (Fig.20) où nous pouvons distinguer que les décades comprises
dans la tranche 0-10 mm sont les plus fréquentes avec 412 observations sur les 1440 que compte
l’ensemble de la période d’observation, soit 28,61%. Les décades de la tranche 40-50 mm
viennent en deuxième position avec 7,22% suivies de près par celles de la tranche 70-80 mm
avec 7,15% et de la tranche 30-40 mm : 6,94%. Cependant il est à noter que les décades qui se
situent dans la tranche 100-240 mm représentent 20,21% du total des observations.

500

400
Fréquences

300

200

100

0 mm
100
110
120
130
140
150
160
170
180
190
200
210
220
230
240
250
0

30
10
20

40
50
60
70
80
90

FIGURE 20 : Histogramme des précipitations décadaires à Foto (1970-2009).

 61

II - LES TOTAUX ANNUELS

Les totaux annuels des précipitations concernent la somme algébrique des différentes
hauteurs de précipitations enregistrées au courant de chaque mois d’une année. De ce fait étant
donné le manque de données observé pendant 41 jours en 1992 - 21/07 au 31/08 - et 31 jours en
2009 – 01 au 31/12 – il se trouve que cela aura comme conséquence l’apparition d’un total
annuel assez faible. Ce manque de données va affecter négativement la moyenne arithmétique de
l’ensemble de la période. C’est pour pallier à cela que nous avons choisi de faire une estimation
des valeurs manquantes en utilisant une fonction de régression non linéaire.

Nous avons pris pour hypothèse que les précipitations et plus particulièrement leur
distribution dans le temps comme dans l’espace obéissait au principe de non linéarité car si l’on
prend le total des précipitations d’une année ou d’un mois particulier, il ne dépend pas des
valeurs obtenues le mois ou l’année précédente mais plutôt du comportement particulier de ce
mois ou de cette année. Dès lors, nous avons dans un premier temps attribué aux mois de juillet
et d’août les valeurs de leur moyenne arithmétique respective, soit 225 mm pour juillet et 279
mm pour août. Nous avons par la suite fait une estimation de l’ensemble des valeurs de 1992
grâce à une fonction de régression non linéaire dont l’équation est la suivante :

Y = pr1+pr2*X1+pr3*X1^2+pr4*X1^3+pr5*X1^4+pr6*X1^5+pr7*X1^6+

pr8*X1^7+pr9*X1^8+pr10*X1^9+pr11*X1^10

avec comme degré du polynôme : 10

où X est la variable mois et pr est un paramètre du modèle.

Les résultats obtenus sont présentés dans le tableau XIII et nous pouvons apprécier l’assez
bonne approximation entre les valeurs réellement observées et les valeurs estimées d’après
l’équation. Nous constatons que le modèle a sous-estimé de 27,922 mm la valeur du mois de
septembre par rapport à sa valeur réelle (soit seulement 6,84%) et surestimé la valeur de juin de
20,17 mm, ce qui représente 13,58%. Sauf les mois de juillet et d’août, l’estimation ne dépasse
pas les 6% pour le reste des mois. Les mois de juillet et d’août sont assez particuliers puisque
d’après le modèle, la valeur de juillet serait de 185,995 mm ce qui améliore de 14,595 mm sa
valeur initiale (171,4 mm). Août voit sa valeur estimée passée de 279 mm (moyenne
arithmétique) à 320,995 mm. Nous avons donc choisi d’adopter ces nouvelles valeurs pour
chacun des deux mois. Cependant, nous avons voulu tester ce que ça aurait donné en maintenant
pour le mois de juillet la valeur de 171,4 mm et le résultat donne 151,163 mm, ce qui est en
 62

dessous de la valeur effectivement enregistrée pour les deux premières décades du mois. De tout
évidence il semblerait que d’après le modèle, le mois de juillet ne devait pas enregistrer plus de
200 mm de hauteur de pluies. Nous avons procédé de même pour le mois de décembre 2009 et
nous avons obtenu comme valeur estimée : 6,191 mm de précipitations.

TABLEAU XIII : Prédiction des hauteurs mensuelles de 1992 d’après la régression non linéaire.
Observations mois valeurs Prédiction (valeurs) Résidus
Obs1 1,000 16,500 16,667 -0,167
Obs2 2,000 0,000 -1,370 1,370
Obs3 3,000 67,000 71,541 -4,541
Obs4 4,000 221,800 215,101 6,699
Obs5 5,000 234,500 234,050 0,450
Obs6 6,000 147,400 167,417 -20,017
Obs7 7,000 225,400 185,995 39,405
Obs8 8,000 279,000 320,995 -41,995
Obs9 9,000 408,000 380,078 27,922
Obs10 10,000 195,400 207,016 -11,616
Obs11 11,000 30,700 27,915 2,785
Obs12 12,000 0,000 0,295 -0,295

Après avoir intégré les nouvelles valeurs, nous constatons que le total annuel de 1992 qui
était initialement de 1492,7 mm passe à 1826,3 mm et celle de 2009 qui était de 1826,24 mm
devient 1832,43 mm, Nous constatons également qu’en dépit des 340,19 mm de plus qui se sont
ajoutés, la moyenne arithmétique de la période 1970-2009 n’a vu sa valeur augmenter que de
1,44 mm passant ainsi de 1841 mm valeur initiale à 1842,44 mm valeur ajustée. C’est donc avec
ces totaux annuels que nous allons travailler.

III - LA VARIABILITE INTERANNUELLE

S’il est une évidence admise de tous, c’est bien qu’en matière de pluviométrie les années se
suivent mais ne se ressemblent pas. C’est ce que nous constatons en observant la série des totaux
pluviométriques annuels à Foto de 1970 à 2009 :

(1970) 1539,4 mm (1980) 1975,6 mm (1990) 1909,3 mm (2000) 1876,5 mm

(1971) 2215,3 mm (1981) 1921,8 mm (1991) 1620,6 mm (2001) 1861,7 mm
(1972) 1725,7 mm (1982) 2463,1 mm (1992) 1826,3 mm (2002) 1304 mm
(1973) 1403,1 mm (1983) 1565,8 mm (1993) 1964,2 mm (2003) 1813,8 mm
(1974) 2116,6 mm (1984) 1736,8 mm (1994) 1939 mm (2004) 1643,1 mm
(1975) 1906,3 mm (1985) 1726,2 mm (1995) 1619,5 mm (2005) 1998,8 mm
(1976) 2293,2 mm (1986) 1876,3 mm (1996) 1519,3 mm (2006) 1772,6 mm
(1977) 2059,6 mm (1987) 1895,7 mm (1997) 2040,6 mm (2007) 1725,2 mm
(1978) 1985,9 mm (1988) 1691 mm (1998) 2034,1 mm (2008) 1744,3 mm
(1979) 1856,5 mm (1989) 1665,6 mm (1999) 2032,9 mm (2009) 1832,43 mm
 63

On se rend compte à-travers cette série de données de l’extrême variabilité de la

pluviométrie à Foto au fil des années. Les deux valeurs extrêmes – 1304 et 2463,1 mm –
observées en 21 ans (1982-2002) ont entre elles une différence de 1159,1 mm ce qui est
considérable pour des totaux se rapportant chacun à une année entière. En ordonnant la série
dans le sens décroissant, on note que 20 années sur 40 sont supérieures à 1856,5 mm et 20 autres
lui sont inférieures ou égales. Cette valeur est donc la médiane de la série et signifie qu’une
année sur deux, les totaux annuels lui sont supérieurs. Il est fort intéressant de constater que la
médiane est ici supérieure à la moyenne arithmétique de la série (1842,44 mm) – soit une
différence de 14,06 mm - ce qui n’est cependant pas considérable quand on sait qu’il s’agit de
totaux annuels et non journaliers. De même on constate que 10 années ont des totaux supérieurs
à 1975,6 mm tandis que 10 autres sont inférieures à 1691 mm, ces deux valeurs correspondent
aux 1er et 3e quartiles. De même la valeur 1539,4 mm est la limite en-dessous de laquelle les
totaux annuels s’abaissent une année sur dix, 2059,6 mm est de ce fait la limite au-dessus de
laquelle ils s’élèveront une année sur dix. On reconnait là les déciles : D1 et D9.

D1 Q1 Me Q3 D9
1539,4 mm 1691 mm 1856,5 mm 1975,6 mm 2059,6 mm

L’organisation des totaux annuels telle que nous l’avons présentée plus haut nous permet
d’évaluer la moyenne décennale pour chacune des décennies et le constat est fait. Seule la
décennie 1970-1979 avec 1910,16 mm a une moyenne égale à la normale – 1910 mm – établie
par J. C. OLIVRY (1974) pour la région de Dschang. Dès la décennie 1980 - 1989, on note une
réduction progressive dans les moyennes décennales des totaux annuels – 1851,79 mm pour
1980-1989 ; 1850,58 mm pour 1990-1999 ; 1757,24 mm pour 2000-2009 – faisant de la décennie
2000-2009, celle la moins arrosée de toute la période d’étude. Cela se vérifie si l’on prend en
compte le fait que des totaux annuels supérieurs ou égaux à 2000 mm ont une part importante
dans l’élaboration de ces moyennes décennales. Cependant en ce qui concerne la décennie 2000-
2009, non seulement on y enregistre aucune année ayant un total annuel supérieur ou égal à 2000
mm mais en plus seule une année enregistre un total annuel supérieur à 1900 mm ce qui ne
favorise pas une élévation de la moyenne décennale. Le fait d’y enregistrer le minimum des
totaux annuels n’a fait qu’aggraver sa situation.

L’analyse de la répartition empirique de la série nous a permis de constater qu’elle suivait

effectivement une loi normale ce qu’a confirmé le test d’ajustement de Kolmogorov-Smirnov
avec comme niveau de signification seuil alpha = 0,95 (p-value = 0,977) (fig. 21). Les totaux
 64

annuels sont regroupés en classes d’intervalle 100 mm et l’on se rend compte que deux classes
sont les plus fréquentes. Il s’agit des classes de 1800 à 1900 mm et de 1900 à 2000 mm. La
fréquence cumulée est encore appelée probabilité de non-dépassement. Elle permet de
déterminer la probabilité que les totaux annuels soient inférieurs ou égaux à une valeur. Elle peut
s’écrire de la façon suivante : P (X  x). Dès à présent, la probabilité que les totaux annuels

soient inférieurs ou égaux à 2000 mm est de 0,8. Plus clairement cela voudrait dire qu’à Foto, le
risque qu’au courant d’une année le total annuel ne dépasse pas 2000 mm est de 80%. Le fait que
notre série de données suive une loi normale nous permet de poursuivre l’analyse en estimant la
probabilité de dépassement : G(x) = P(X > x) = 1 – F(x) = q.

De même que de déterminer l’intervalle de récurrence, ou encore période de retour qui est

l’inverse de la probabilité de dépassement :

Ainsi en reprenant notre exemple ci-dessus, la probabilité que le total annuel soit supérieur
ou égal à 2000 mm est de 0,2 et la période de retour pour des totaux annuels supérieurs à 2000
mm est : Tr = 5. Donc une année ayant enregistré un total annuel supérieur à 2000 mm à Foto
est une année quinquennale.

Histogrammes
0,0025

0,002

0,0015
Densité

0,001

0,0005

0
1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000

Total annuel
Total annuel Normale(1842,443;231,262)

1
Fonctions de répartition
Fréquence cumulée

0,8

0,6

0,4

0,2

0
1200 1400 1600 1800 2000 2200 2400 2600
Total annuel
Total annuel Normale(1842,443;231,262)

FIGURE 21 : Histogramme et courbe de fréquence cumulée

 65

IV - LE REGIME SAISONNIER MOYEN

Un premier objectif de notre étude du régime saisonnier moyen des précipitations à Foto a
été de pouvoir comparer entre eux, de façon équitable c’est-à-dire en remédiant à l’inégale durée
des décades de même qu’à l’ordre de grandeur respectif des totaux pluviométriques décadaires
en fonction des saisons auxquelles elles appartiennent, les différentes décades de l’année. Pour
ce faire nous avons utilisé le coefficient pluviométrique relatif (q) dont A. ANGOT a déterminé
le calcul. « Il s’agit d’un indice exprimant le caractère plus ou moins pluvieux du mois considéré
dans l’ensemble de l’année ; cet indice est le rapport des précipitations moyennes réelles de
chaque mois à ce que ce mois recevrait compte tenu de sa longueur si le total des précipitations
annuelles était régulièrement réparti tout au long de l’année. […] Il sera bon de contrôler
l’ensemble des calculs en vérifiant que la somme des 12 coefficients pluviométriques relatifs
calculés pour une même station est égale à 12. » Nous avons choisi de le calculer pour les
décades et de ce fait la somme des coefficients pluviométriques relatifs calculés pour chaque
décade devra être égale à 36.

A Foto pour l’ensemble de la période 1970-2009, si le total des précipitations annuelles

était uniformément réparti tout au long de l’année, les décades de 10 jours recevraient :

Les décades de 11 jours recevraient :

Les décades de 08 jours recevraient :

Le coefficient pluviométrique relatif (q) sera égale à :

Avec, P : la moyenne pluviométrique réellement enregistrée au courant de la décade et p : la

moyenne pluviométrique hypothétique.

Les résultats consignés dans le tableau XIV nous permettent d’identifier quelles sont les
décades relativement sèches – rappelons que nous nous situons ici sur le plan purement
pluviométrique sans considération d’ordre thermique – ainsi que d’identifier la durée relative des
saisons humides et de celles relativement sèches sur le plan de la répartition pluviométrique. En
considérant comme décades relativement sèches celles où q est inférieur à 0,5, on se rend compte
que la saison pluvieuse à Foto va du 01 mars au 10 novembre, soit 255/365 jours que compte
l’année. Il apparait ainsi qu’une décade qui totaliserait moins de 25 mm de pluies peut à juste
 66

titre être considérée comme relativement sèche ceci indépendamment de la température. On note
que toutes les valeurs de q inférieures à 0,5 sont réparties entre le 11 novembre et le 28 février
qui correspond à une période relativement sèche.

TABLEAU XIV : Répartition décadaire du coefficient pluviométrique relatif

Jan Fév. Mars Avril Mai Juin Jt Août Sept Oct. Nov. Déc.
D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D D
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
p (mm)

110,25
100,62
115,49
106,39
15,46
30,69
29,24
52,12
60,99
60,67
53,79
62,78
59,45
61,54
70,67
79,48
87,89
76,91
75,72

94,47

90,28
74,93
45,18
27,71
11,25
3,03
6,09
5,21
7,71
5,34

73,1
77,8

5,69
2,62
1,71
1,16
0,0526

0,5995
0,111
0,084
0,134
0,105
0,419

0,956

1,171

1,208
1,177
1,174
1,374
1,568
1,745

1,489

1,957

1,825

0,807
0,509

0,065
0,037
0,022
0,59

1,31

1,03

1,52

1,35
1,52
1,86

2,05

2,12

1,46

0,21
0,11
2,2
q

P (mm) = Précipitation moyenne décadaire 1970-2009

A - Répartition décadaire et mensuelle de la pluviométrie

En répartissant les précipitations de façon décadaire, il est difficile de définir à quel type
de régime a-t-on à faire d’où la nécessité de représenter les totaux mensuels pour nous rendre
compte de ce qu’il s’agit d’un régime à un maximum (septembre) et à un minimum (décembre).
Ce type d’organisation est caractéristique d’un climat à deux saisons. Entre le minimum de
décembre et le maximum de septembre, on note une certaine organisation en paliers successifs
notamment pour ce qui est des mois d’avril-mai et de juin-juillet (Fig. 22). Une superposition du
régime décadaire des précipitations nous permet de distinguer à l’intérieur de chaque mois
quelles sont les décades qui enregistrent les plus fortes hauteurs de précipitations. Notons que les
moyennes mensuelles réduisent l’importance des décades maximales en homogénéisant les
différents totaux décadaires, bien qu’il puisse exister des écarts énormes entre les décades
successives à l’intérieur d’un même mois. C’est par exemple le cas d’octobre où entre la
première décade et la troisième, il existe un écart de 47 mm en moyenne. De même pour août où
cet écart est de 31 mm en moyenne. Le régime décadaire permet d’identifier quelles sont les
décades les plus arrosées, c’est-à-dire celles où l’on enregistre plus de 100 mm de pluie/année à
Foto. Il s’agit de la troisième décade du mois d’août et de l’ensemble des décades de septembre
avec le maximum décadaire de 111 mm enregistré au courant de la deuxième décade de
septembre. Ces quatre décades totalisent 429,71 mm de pluies ce qui représente 23,38% du total
annuel.

En décomposant le régime décadaire moyen en apport d’intensité décadaire donnée, nous

avons abouti à la construction de la figure 23 qui donne pour chaque décade le total de chacune
 67

des intensités décadaires relevées au courant de chacune d’elles. Nous avons calculé pour
l’ensemble des quarante années que constitue la série de données le total pluviométrique pour
différentes tranches d’intensités décadaires : intensités comprises entre 0,1 et 10 mm ; 10,1 et 20
mm ; 20,1 et 50 mm ; 50,1 et 100 mm ; supérieures à 100 mm.

mm 120 350 mm
100 300
80 250
200
60
150
40 100
20 50
0 0
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
Jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc

FIGURE 22 : Régime mensuel et régime décadaire des précipitations à Foto (1970-2009)

On note la très faible importance au courant de l’année des décades dont l’intensité se situe
entre 0,1 et 20 mm par rapport au total pluviométrique annuel. Toutefois, les décades de cette
tranche d’intensité représentent plus des 7/10 des précipitations totales enregistrées entre le 01
décembre et le 20 février. Cependant un simple coup d’œil sur la figure nous fait observer que
les décades situées dans des tranches d’intensités supérieures à 50 mm sont responsables à plus
de 50% du volume pluviométrique total précipité au courant d’une année. En effet, les décades
dont les intensités sont comprises entre 50,1 et plus de 100 mm représentent à eux deux, 83,25%
du volume total précipité au courant de la période 1970-2009. Ce qui est remarquable, c’est la
quasi égalité d’eau apportée par chacune des tranches d’intensités alors qu’elles ne surviennent
pas au même moment et ne s’arrêtent pas non plus au même moment au courant de l’année.
Avec une différence de 38 jours, les décades d’intensités comprises entre 50,1 et 100 mm
représentent 41,76% du total annuel et celles dont l’intensité est supérieure à 100 mm
représentent 41,49%, soit une différence de moins de 200 mm.

Le caractère extrêmement variable des précipitations d’une année à l’autre pour un(e)
même mois/décade fait à ce qu’en matière d’aménagement notamment en ce qui concerne
l’agriculture, on est beaucoup plus préoccupé par la hauteur des précipitations susceptibles d’être
atteintes ou dépassées une année sur deux. Cette préoccupation s’avère essentielle pour les
mois/décades situé(e)s en début et en fin de saison des pluies car ce sont elles les plus variables.
 68

mm 5000
4000
3000
2000
1000
0
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
Jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc

i > 100 50,1 < i < 100 20,1 < i < 50 10,1 < i < 20 0,1 < i < 10

FIGURE 23 : Décomposition du régime décadaire en apports d’intensités données

Par exemple pour un(e) mois/décade qui sur trois années successives recevrait tour à tour
100 ; 10 et 30 mm de pluies, la valeur partageant la série de façon égale et donc susceptible
d’être atteinte ou dépassée une année sur deux est 30 mm qui correspond à la médiane et non
46,67 mm qui représente ici la moyenne d’eau tombée entre les trois années. Cette valeur ne
traduit pas le comportement de la pluie d’une année à l’autre au courant de ce(tte) mois/décade.
C’est pour cette raison que nous avons construit le régime décadaire probable de Foto. Ch. P.
PEGUY définit le régime probable en ces termes : « On désigne ainsi la réunion, sur un
graphique, des 12 médianes des précipitations de chaque mois. ». La figure 24 oppose le régime
décadaire moyen à celui probable ou médian à Foto. Si entre le 21 mars et le 10 novembre, on
note une très légère différence ou parfois une parfaite correspondance entre les courbes
représentant les deux types de régime, c’est la situation qui prévaut du 11 novembre au 20 février
qui est forte intéressante. Entre le 11 novembre et le 20 février, il n’est prévu aucune
précipitation une année sur deux, ce qui est très important pour le taux d’humidification du sol
au moment de la préparation des sols à Foto. Du 21 au 28 février, il n’est prévu que 6,75 mm
une année sur deux. Si la situation pour la première décade de mars reste inchangée, celle
toutefois de la deuxième décade de mars prévoit seulement 19,5 mm tous les deux ans. Ceci nous
amène à nous intéresser sur la durée de la saison sèche et ses limites à Foto.

B - Les limites de la saison sèche à Foto

Pour établir les limites de la saison sèche à Foto, nous avons choisi de dresser la courbe
ombrothermique qui est un graphique représentant sur une même figure le régime thermique
moyen et le régime pluviométrique moyen selon un rapport d’échelle bien défini. La lecture faite
sur la courbe ombrothermique obtenue permet de considérer comme périodes sèches de l’année
toutes celles pour lesquelles la courbe du régime thermique se tient au-dessus de
 69

mm 120
100
80
60
40
20
0
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
Jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc
Moyenne Médiane

FIGURE 24 : Régime décadaire moyen et régime décadaire médian des précipitations à Foto

celle du régime pluviométrique. Nous avons choisi comme rapport d’échelle, celui proposé par
GAUSSEN qui stipule : P 2T. Autrement dit, 02 mm pour un degré. Si nous avons choisi le
rapport de P 2T au lieu de P 4T proposé par BIROT, c’est justement lié à ce que celui
proposé par BIROT tend à allonger davantage la période sèche contrairement à celui proposé par
GAUSSEN. En effet en comparant les deux courbes ombrothermiques obtenues en utilisant les
deux rapports d’échelles, celle issue de l’utilisation du rapport de BIROT (Fig. 25(a)) fait
débuter la saison pluvieuse le 10 juin pour la faire achever le 10 octobre, soit seulement quatre
mois de pluies pour Foto ce qui ne correspond pas à la réalité.

En observant la courbe ombrothermique réalisée à partir du rapport d’échelle proposé par

GAUSSEN (Fig. 25 (b)), on note que la saison sèche va du 01 novembre au 20 mars – soit quatre
mois et 20 jours – ce qui est tout à fait différent de la situation décrite par TSALEFAC qui dans
ses travaux établissait la durée de la saison sèche en moyenne à quatre mois uniquement
(Novembre ; Décembre ; Janvier ; Février). Dans notre cas, la moyenne précédemment établie
s’est vue augmenter 20 jours de plus. Cependant la période sèche ne signifie pas qu’il n’y tombe
pas de précipitations, mais que les gains en eau favorisés par les précipitations qui y sont
enregistrées ne permettent pas de combler le déficit occasionné par les pertes liées à
l’évaporation et à la transpiration végétale dues aux températures.

°C 30 120 mm
100
20 80
60
10 40
20
0 0
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
Jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc
(a)
 70

°C mm
60 120
50 100
40 80
30 60
20 40
10 20
0 0
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
Jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc
(b)

FIGURE 25 : Diagramme ombrothermique de Foto

t en °C à gauche, p en mm à droite. Rapport des échelles :a) BIROT ; b) GAUSSEN. Courbe = températures et
Histogrammes = précipitations
En restant dans la même logique de prévision, nous avons dressé la courbe
ombrothermique « probable » au même titre que le régime pluviométrique probable dressé plus
haut. Pour cela, nous avons d’abord dû dresser le régime thermique probable selon la même
méthode utilisée pour dresser le régime pluviométrique probable (Fig. 26). Le résultat est
complètement différent de celui obtenu en comparant le régime moyen au régime médian des
précipitations. Pour le cas de la comparaison entre le régime moyen et le régime médian des
températures, on note un écart d’un degré Celsius en faveur du régime médian sur toutes les
décades de l’année. Cela signifie très exactement que la valeur de la température qui sera atteinte
ou dépassée tous les deux ans pour la première décade de janvier par exemple ne sera pas
18,99°C telle que l’indique la moyenne mais plutôt 19,83°C. Tout ceci montre l’importance à
accorder à la valeur prise par la médiane dans l’analyse des paramètres climatiques car elle
permet de palier toute sous- ou surestimation occasionnée par la moyenne arithmétique.

°C 22
21
20
19
18
17
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
Jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc
moyenne Médiane

FIGURE 26 : Régime décadaire moyen et régime décadaire médian des températures à Foto
 71

Une fois le régime médian des températures dressé, nous l’avons associé au régime médian
des précipitations pour obtenir la courbe ombrothermique probable (Fig. 27). Le rapport
d’échelle utilisé reste celui proposé par GAUSSEN. Il en ressort que les limites de la saison
sèche restent identiques à celles observées sur la courbe ombrothermique « moyenne ». Cela
signifie qu’une année sur deux ou tous les deux ans, la saison des pluies débutera à partir du 21
mars et s’achèvera le 31 octobre à Foto. La différence entre la courbe ombrothermique probable
et celle « moyenne », reste au niveau des hauteurs d’eau précipitées au courant des mois de
saison sèche. Elles ne sont enregistrées qu’à partir du 21 février pour une hauteur somme toute
assez faible (06 mm tous les deux ans).

FIGURE 27 : Diagramme ombrothermique « probable » de Foto

C - Le cas particulier des mois de Février et de mars

Nous nous sommes particulièrement intéressé ici à trouver une réponse à la question
suivante : s’agissant du problème du début de la saison des pluies, quel est le pourcentage de
chance d’enregistrer une hauteur des précipitations supérieure à 40 mm au courant d’une décade?
En effet, une décade qui recevrait plus de 40 mm de hauteur d’eau peut à juste titre être
considérée comme le début de la saison des pluies si l’on s’en tient aux différentes courbes
ombrothermiques esquissées ci-dessus. Cependant nous apporterons la nuance suivante : il
faudrait qu’entre deux décades humides –telles qu’elles ont été définies plus haut - ne s’interpose
le cas échéant qu’une seule décade sèche. La méthode de travail a consisté à comptabiliser pour
chaque décade, l’effectif de chacune des différentes catégories recherchées – décade totalement
sèche (ts) ; décade sèche (s) ; décade humide (h) – pour l’ensemble des quarante années. La
décade sera par la suite identifiée par la catégorie totalisant le plus grand effectif.

Les résultats consignés dans le tableau XV nous font dire de la première et de la deuxième
décade de février qu’elles sont des décades totalement sèches, de la troisième décade de février à
 72

la deuxième décade de mars qu’elles sont des décades sèches, et de la troisième décade de mars
qu’elle est une décade humide avec une probabilité de 0,5.

TABLEAU XV: Répartition des décades « totalement sèches », « sèches » et « humides » entre
février et mars à Foto de 1970-2009
FEVRIER MARS
Décade 1 Décade 2 Décade 3 Décade 1 Décade 2 Décade 3
ts 24 21 14 8 5 0
s 14 19 21 17 23 15
h 2 0 5 15 12 25

Il nous a ensuite suffit de calculer le pourcentage correspondant à chaque effectif afin

d’établir la figure 28 qui représente pour chaque décade quel est le pourcentage d’y enregistrer
l’une ou l’autre des dites catégories au courant d’une année. Ainsi en observant la figure 28, on
peut estimer à priori quel risque a-t-on de voir débuter la saison des pluies dès le 01 février à
Foto au courant d’une année.

Nous nous sommes également intéressés à la probabilité d’observer au courant de chacune

de ces différentes décades des totaux décadaires de précipitations supérieurs ou égaux à 40 mm.
Pour cela nous avons défini quelle était la probabilité que p (x  40 mm) pour chaque décade que

nous avons déduite de leur fréquence cumulée respective. Le résultat consigné dans le tableau
XVI montre clairement que seule la troisième décade de mars enregistre une probabilité de non
dépassement Inférieure à 0,5 : 0,375. Tout au long des autres décades on note que la probabilité
d’y observer des totaux décadaires d’au moins 40 mm est assez élevée – supérieure à 0,6 –

100%
80%
60%
40%
20%
0%
Décade 1 Décade 2 Décade 3 Décade 1 Décade 2 Décade 3
FEVRIER MARS

ts s h

FIGURE 28 : Répartition par pourcentage des décades « sèches » à Foto

Ts : Décade totalement sèche ; s : décade sèche ; h : Décade humide.

 73

atteignant 01 pour la deuxième décade de février. Dès lors notre préoccupation se porte bien
évidemment sur la période de retour de ce total décadaire pour chacune des différentes décades.
Pour cela nous supposons que l’ensemble des valeurs des différentes décades suivent chacune
une loi normale Un test d’ajustement1 à une loi normale d’après le test de Kolmogorov-Smirnov
en utilisant la méthode des « Moments » montre que seules les décades de mars suivent une loi
normale à différents niveaux de confiance : décade 1(45%) ; décade 2 (20%) et décade 3 (60%).
En supposant que chacune de nos décades suivrait une loi normale, nous avons donc pu estimer
la période de retour des décades totalisant au moins 40 mm pour chacune des décades choisies.
Les résultats indiqués dans le tableau XVI doivent être interprétés comme suit : pour la
deuxième décade de février, puisque la probabilité d’y observer une décade supérieure à 40 mm
est de 00, la période de retour d’une décade ayant totalisé cette hauteur de précipitations ne peut
donc être définie. Pour la première, la deuxième et la troisième décade de mars, une décade
totalisant 40 mm de hauteur de pluie est une décade « biennale », « triennale » et « annuelle ».

TABLEAU XVI : Probabilité de non dépassement et période de retour (TR)

février Mars
décade 1 décade 2 décade 3 décade 1 décade 2 décade 3
p(x  40 mm) 0,95 1 0,875 0,625 0,7 0,375
tr (années) 20 0 8 2,67 3,33 1,6

V - LA BAISSE DES PRECIPITATIONS

Si nous nous fions aux différents résultats obtenus après analyse des différents totaux des
précipitations – décadaires, annuels et décennales – alors une seule chose en effet semble
évidente : les précipitations ont baissé entre 1970 et 2009 à Foto.

A- Les totaux décadaires et mensuels

A l’échelle de la décade, il ne nous est pas possible de comparer les résultats obtenus avec
d’autres traduisant un état précèdent admis comme « normale » à cette échelle. La « normale »
s’agissant du régime pluviométrique pour la région à laquelle appartient notre zone d’étude a été
établie par J.C. OLIVRY en 1974 sous la forme de totaux mensuels. La situation est tout à fait
révélatrice d’une chute de la pluviométrie entre 1970 et 2009. Seuls les mois de mai, juin et août
ont vu leurs totaux mensuels croitre au courant de cette période. Pour le reste des autres mois de

1
Les analyses ont été réalisées grâce au logiciel XLSTAT Version 2012.2.02. Copyright
Addinsoft 1995 – 2012.
 74

l’année on note une chute dans les totaux mensuels enregistrés dont les plus fortes s’observent
pour les mois de décembre, janvier et février (tableau XVII). Cela signifie donc que la saison
chaude ou sèche à Foto est devenue plus sèche au regard des précipitations et plus chaude au
regard des températures si l’on se fie aux températures moyennes pour la période 1990-2009.

TABLEAU XVII : Précipitations mensuelles « normales » et de la période 1970-2009 à Foto

Jan Fév. Mars Avril Mai Juin Jt Août Sept Oct. Nov. Déc.
OLIVRY 19 47 133 190 185 230 226 246 342 233 47 12
(1974)
1970-2009 12,8 28,9 116 176 185 235 225 279 321 211 41,8 6,35
% -32 -38 -12 -7 +0,04 +2 -0,24 +13 -6 -9 -10 -47
% = pourcentage de baisse ou d’augmentation des précipitations mensuelles entre les deux périodes.

Notre hypothèse d’une saison sèche recevant moins de pluies et qui soit à l’origine de la
chute des totaux annuels des précipitations est d’autant plus vraie qu’en comparant le nombre de
jours de pluies à Foto pour les périodes 1951-1980 et 1970-2009 le résultat est assez instructif
(tableau XVIII). Seuls les mois traditionnels de saison sèche (novembre, décembre, janvier et
février) et les mois de mars et avril enregistrent des baisses de leur nombre total de jours de
pluies. Pour le reste des mois de saison des pluies, en dehors d’août qui voit son nombre de jours
de pluies augmenté d’un jour entre 1970 et 2009, tous les autres mois voient le leur rester
inchangé par rapport à la situation décrite par TSALEFAC pour la période 1951-1980. Il est
donc possible de penser que la chute des totaux mensuels des précipitations est liée à la baisse du
nombre total mensuel de jours de pluies à Foto comme l’indique la relation assez forte qui existe
entre les deux variables tout au long de cette période (Fig. 29). Cela tend donc à justifier notre
hypothèse d’une saison chaude plus sèche qui est principalement responsable de la baisse du
total annuel des précipitations enregistrées à Foto au courant de la période 1970-2009.

TABLEAU XVIII : Nombre de jours de pluies entre 1951-1980 et 1970-2009 à Foto

Jan Fév. Mars Avril Mai Juin Jt Août Sept Oct. Nov. Déc.
TSALEFAC 3 5 14 19 20 22 23 24 26 23 8 3
1970-2009 2 4 12 17 20 22 23 25 26 23 6 1

Ainsi à l’échelle annuelle nous observons qu’entre la « normale » (1910 mm) et la période
1970-2009 (1842 mm), les totaux annuels des précipitations ont chuté de 68 mm dans leur
moyenne. De même que pour les totaux annuels des nombres de jours de pluies qui ont baissé de
09 jours en moyenne entre les périodes 1951-1980 (190 jours) et 1970-2009 (181 jours).
 75

FIGURE 29 : Relation entre précipitations et nombre de jours de pluies mensuels à Foto

Coefficient de Pearson : r = 0,986

B - L’évolution des précipitations à l’échelle décennale

Si l’on peut d’ores et déjà affirmer que les précipitations ont baissé dans leur total annuel,
il serait intéressant d’observer l’évolution au courant de chacune des quatre décennies qui
composent notre période d’étude. Comme nous l’avons évoqué plus haut, seule la décennie
1970-1979 a totalisé une moyenne annuelle décennale égale à la normale de la région soit
1910,16 mm. Cela est due au fait qu’on y a enregistré cinq années où les totaux annuels étaient
supérieurs à la normale dont quatre avec des totaux tous au-dessus de 2000 mm. Pour la décennie
1980-1989, on a enregistré trois années avec un total annuel supérieur à la normale dont une
seule avec un total supérieur à 2000 mm. Pour la décennie 1990-1999, cinq années dont trois
ayant un total annuel de plus de 2000 mm mais aucune ne dépassant 2050 mm. Pour la décennie
2000-2009, seule une année a enregistré un total annuel de 1998 mm et aucune autre n’a pu
totaliser 2000 mm. C’est la raison pour laquelle elle est la décennie la plus sèche avec une
moyenne de 1756,91 mm, soit une chute de 154 mm par rapport à la normale. La comparaison
du régime moyen de chaque décennie avec celle établie comme la « normale » montre très
clairement que la décennie 2000-2009 est celle où les déficits par rapport aux valeurs
« normales », sont les plus nombreux tout au long de l’année contrairement aux autres décennies
qui enregistrent un plus grand nombre de mois excédentaires qu’elle (Fig. 30).

La décennie 2000-2009 se définit ainsi comme celle ayant les saisons sèches les moins
arrosées en termes de quantité de pluie reçue et très chaudes si l’on tient compte des résultats
obtenus lors de l’analyse des températures. Elles ont permis en effet de démontrer que cette
décennie était la seconde plus chaude de toute la période d’étude. Il en est de même pour ce qui
est de la saison des pluies qui se caractérise par des températures assez élevées comparativement
aux « normales » saisonnières et des déficits pluviométriques en termes de hauteurs d’eau
 76

précipitées par rapport aux hauteurs « normalement » attendues. Cela fait de la décennie 2000-
2009, une décennie relativement chaude et la moins arrosée de ces quarante dernières années.

normale 1970-1979 normale 1980-1989

400
400
300 300
200 200
100
100
0
Jt
Fév

Sept
Juin

Nov
Déc
Jan

Avril

Aout
Mars

Mai

Oct
0

normale 1990-1999 normale 2000-2009

400 400
300 300
200 200
100 100
0 0
Jan

Jt

Jan

Jt
Aout
Sept

Aout
Sept
Fév

Mai
Juin

Nov
Déc

Fév

Mai
Juin

Nov
Déc
Avril

Avril
Mars

Mars
Oct

Oct
FIGURE 30 : Précipitations mensuelles décennales et la « normale » à Foto

Puisque l’on vient de démontrer que depuis le début des années 1980 on assiste à une
baisse générale des précipitations au courant des années (elle se vérifie aisément par la très
grande fréquence des années déficitaires par rapport à la « normale » qui se trouvent dans un
rapport de 2,1/3 par rapport aux années excédentaires), il semble donc par la même occasion que
nous ayons un argument nous permettant de douter qu’effectivement l’hygrométrie ait
véritablement augmenté à Foto. Comme l’indique les travaux de D. SIGHOMNOU, l’humidité
relative a augmenté à Dschang entre 1955 et 2002 sur tous les mois de l’année. Cependant
d’après ce que nous constatons à la suite de nos résultats, les précipitations ont baissé,
précisément entre 1990 et 2009. Les mois de saison sèche en sont le principal responsable car il
y pleut moins. Difficile de croire dans ce cas à une hausse de l’humidité relative, du moins pour
les mois de novembre, décembre, janvier et février. En effet si seule la diminution du taux
d’humidité ne suffit pas pour justifier une hausse des températures, elle pourrait expliquer la
baisse des hauteurs des précipitations si l’on prend l’hypothèse que plus un air est chargé
d’humidité, plus il risque de pleuvoir et moins les températures sont élevées. Moins il en est
chargé, moins il pleut et plus les températures sont élevées.
 77

Nous nous permettons, à la suite des travaux de TSALEFAC visant à définir le type de
climat qui prévaut à Dschang et à Foto par la même occasion et en nous appuyant sur nos
résultats, d’apporter quelques modifications à la définition faite par TSALEFAC du type de
climat à Dschang et dans sa région. Toutefois les paramètres tels que l’humidité de l’air et la
nébulosité ne doivent être considérés ici qu’à titre indicatif et ne reflétant vraisemblablement pas
la situation climatique qui prévaut depuis le début des années 1980 dans la région. Seuls les
paramètres tels que l’insolation, les températures, le nombre de mois secs et l’ambiance
climatique ont été modifiés en fonction des résultats obtenus. Tous les autres paramètres pris en
compte dans la définition restent identiques à la situation décrite plutôt par TSALEFAC.

C - L’importance des régimes probables

Le régime probable des précipitations qui est celui susceptible d’être atteint tous les deux
ans dévoile très clairement le manque d’eau qui prévaudra tout au long de la saison sèche avec à
peine un total cumulé des hauteurs de pluies pour toute la saison d’environ 50 mm pour les 140
jours que dure la dite saison à Foto. Cette situation est d’autant plus grave que les températures
notamment celles qui ont le plus d’impact sur l’agriculture à savoir les températures maxima,
oscillent entre 25 et 35°C à cette période de l’année et se maintiennent très fréquemment au-
dessus des 30°C entre janvier et février. Cette situation a des conséquences sur l’état d’humidité
et les températures du sol notamment dans les premiers centimètres mais aussi sur le pouvoir
évaporant de l’air et donc sur l’évapotranspiration. Il nous semble donc, en tenant compte du
régime probable des précipitations et du pourcentage de chance d’observer une décade totalisant
une certaine hauteur des précipitations telles que nous les avons décrites précédemment, que le
mois de février présente des risques élevés pour le démarrage des semis à Foto.

Au terme de cette analyse de la variabilité des totaux annuels et du régime moyen des
précipitations, il ressort qu’entre 1970 et 2009 les totaux annuels ont perdu en moyenne 68 mm
par rapport à la « normale » à Foto. La décennie 2000-2009 a été la moins arrosée avec une
moyenne décennale de 1756,9 mm, soit une baisse de 154 mm par rapport à la décennie 1970-
1979 qui a été quant à elle la plus arrosée. Mais ce qui reste le plus important en termes de
précipitations ce n’est pas tant le total annuel mais plutôt son régime moyen. C’est ce que
confirme M. NTAMACK lorsqu’il écrivait : « En matière de météorologie, la pluie est sans
doute de loin le paramètre le plus aléatoire dans la mesure où elle ne constitue pas une série
continue à l’instar des températures où la première a nécessairement une relation intime avec la
seconde. Ce qui fait la rigueur d’une année de sècheresse, ce n’est pas tant le déficit de la pluie
que la distribution temporelle de celle qui tombe. »
 78

CLIMAT TROPICAL DES REGIONS DES HAUTES TERRES DU CAMEROUN (ALTITUDES : 1300 – 1600 m)

CARACTERISTIQUES PLUVIMETRIQUES CARACTERISTIQUES INSOLATION NEBU HUMI AMBIANC

THERMIQUES MOYENNE LOSIT DITE E
E DE CLIMATIQ
JOUR L’AIR UE
NALI
ERE

Températures
Régime Variante Profil Maximum Nombre de Tranche Station Exemple moyennes Ampli Saison Saison
des de ces pluviomé mensuel mois secs Annuelle Concernée du mois tude chaud pluvie
précipitat régimes trique P 100mm (mm) localisatio Le plus Le therm e use
ions n chaud plus ique
frais

Régime En abri Doux et

d’abri En église à Septembre 04 : 1300-2500 sur la Dschang 22.3°C 20.2° 2.05° 6.13 h 4.16 h 6/8* 77%* frais en
REGIME humide clocher 300 mm Novembre, dorsale (Foto) (Mars) C C saison des
D’ABRI et à Décembre, non (Août) pluies ;
palier Janvier, abritée sur Chaud et
Février le versant poussiéreu
orientale x en saison
sèche
* : Paramètres correspondant à la période 1951-1980 et qui n’ont pas pu être vérifiés pour la période 1970-2009
 79

DEUXIEME PARTIE : IMPACTS DE LA VARIABILITE CLIMATIQUE SUR

L’AGRICULTURE ET STRATEGIES D’ADAPTATION PAYSANNES

 80

CHAPITRE 3 : LA RELATION CLIMAT – AGRICULTURE A FOTO

L’agriculture, selon le rapport du GIEC, sera l’un des secteurs d’activités le plus touché par
les changements climatiques en cours sur notre planète. La situation sera encore plus
préoccupante dans les latitudes basses, où malgré une légère hausse des températures possibles
(01 à 02°C), une baisse du rendement est à craindre (GIEC, 2007). Les incidences du
changement climatique seront d’autant plus sérieuses que le type d’agriculture pratiqué par les
populations, particulièrement les plus pauvres, ne composerait pas efficacement avec la nouvelle
donne climatique. Le risque pour les agriculteurs les moins préparés et les plus pauvres, c’est de
voir la tendance actuelle s’aggraver entrainant des rendements de plus en plus faibles. Il est donc
important pour ces agriculteurs de développer des stratégies qui leur permettront de s’adapter.
C’est ce que nous allons voir dans ce chapitre.

I - LA PRODUCTION AGRICOLE A FOTO

A - Le système agricole à Foto

L’agriculture telle qu’elle est pratiquée dans le groupement Foto de nos jours peut être
qualifiée de « traditionnelle » et de « semi-moderne ». « Traditionnelle » dans la mesure où, liés
aux contraintes posées par la topographie, les procédés tels que les labours n’ont guère changé.
Ils se pratiquent toujours à la main au moyen d’un matériel qui bien qu’ayant subi des
modifications sur la forme – la houe principalement – en fonction de la dureté du sol mis en
culture est resté le même. L’utilisation des cendres, des fientes de poules et déchets ménagers
comme engrais naturels reste encore ancrée dans les habitudes des « vieux » agriculteurs. Liée à
une pression démographique de plus en plus forte, cette agriculture au départ « extensive »,
favorisant la jachère, a fini par devenir permanente sur parcelles fixes .A cause des contraintes de
sécurité alimentaire et de la tradition, elle est d’abord tournée vers une agriculture de
subsistance. Elle se pratique toujours et principalement sur de « petites » parcelles avec une main
d’œuvre essentiellement familiale. L’accès à la terre reste encore fortement conditionné par
l’héritage ou le don - bien que de nos jours le niveau de vie aidant il est désormais possible d’y
accéder par achat – et l’agriculture notamment celle vivrière concerne encore principalement les
femmes et les enfants du défrichage des parcelles à la récolte.

« Semi-moderne » parce que l’appauvrissement des sols a conduit à l’utilisation quasi

systématique, quelle que soit la catégorie d’agriculteur, d’engrais chimiques. En effet dans le but
d’augmenter la production l’Etat par l’entremise de l’IRAD de Dschang a développé et mis à la
 81

disposition des paysans des semences améliorées. Grace à la politique d’aide à la production
mise en place par les autorités au moyen d’octrois de subventions aux agriculteurs remplissant
certains critères, on observe la constitution des agriculteurs en groupements d’initiative
communautaire G.I.C. ou G.I.E.. Ils ont ainsi l’avantage de bénéficier en plus du soutien
financier, de l’appui technique et de l’encadrement des techniciens « administratifs » : les chefs
de postes agricoles.

Traditionnellement, les principales cultures se répartissent en 03 groupes : les cultures

vivrières (le maïs, haricot, banane-plantain et banane douce, macabo, taro, igname, patate,
manioc, condiments, …) qui sont cultivées par l’ensemble des agriculteurs de la région et sur
l’ensemble des parcelles disponibles. Les cultures maraichères (légumes, tomate, oignon,
poivron, choux, haricot vert, carotte,…) pratiquées sauf pour l’oignon, par quelques-uns
seulement. Elles occupent principalement les bas-fonds à cause de leur forte demande en eau.
Les cultures de rentes (le café arabica) jadis pratiquées de façon intensive dans la région sont
aujourd’hui très peu pratiquées pour des raisons économiques. Elles ne subsistent encore que
grâce aux efforts incessants, afin de faire revivre la culture du café dans le groupement et dans le
département tout entier, de la Coopérative Agricole des Planteurs de la Menoua (CAPLAME).

Dans les champs ceinturant les « cases » d’habitation en particulier, notamment sur les
versants, on y pratique une culture en « association » ou pour certains de nos interlocuteurs, une
« pluriculture » (« polyculture intensive », J. FOTSING) bien que ce soit le cas dans toutes les
parcelles en général. On y observe dans certains cas la totalité des cultures vivrières ci-dessus
citées. Cependant les cultures annuelles les plus pratiquées sont le maïs et le haricot semés en
premier et en deuxième cycle par l’ensemble des paysans agriculteurs. Il existe également des
cultivars spécifiquement plantés en monoculture. Il s’agit principalement de l’arachide qui est de
moins en moins cultivée de nos jours, et des cultures maraichères. L’agriculture reste la première
activité occupant pour presque la totalité sinon la totalité des personnes âgées de 50 ans et plus,
principalement les femmes. Ces modifications qu’a subi au fil des années le système agricole
« traditionnel » à Foto tel que le décrivait J. FOTSING (bulletin pédologique de la FAO n° 70 de
1994) s’agissant du pays Bamiléké trouvent en partie leur cause dans la situation économique
actuelle qui rend le paysan de Foto , encore plus aujourd’hui qu’hier, dépendant de « sa » terre et
du produit qu’il en tire.
 82

B - Le calendrier agricole « traditionnel » à Foto

L’ensemble des activités agricoles à Foto tout comme dans l’ensemble du pays Bamiléké a
toujours été élaboré d’après deux aspects qui se sont au fil des années confondus au point qu’il
semble difficile de déterminer la part de chacun dans cette organisation. D’après certaines
personnes ressources interrogées sur la question, traditionnellement, les activités « du/au
champ » se sont toujours déroulées en fonction des différentes saisons de l’année. Mais
également en fonction du calendrier coutumier qui par ailleurs semble également fonction de la
répartition des saisons de l’année. Certains évènements coutumiers tels que la période des
funérailles cadre avec la saison « sèche » (janvier-mars). Le second aspect est technique avec
l’élaboration du « calendrier annuel des activités agricoles » ou calendrier cultural qui organise
l’ensemble des activités à mener au champ tout au long de l’année en fonction du type de
cultures (vivrières et/ou de rente). La principale innovation est qu’elle se base pour son
organisation des interventions au champ sur des données météorologiques effectivement
mesurées. Grace aux archives du poste agricole de Balevoni, nous avons pu entrer en possession
du calendrier agricole du groupement Foto que nous présentons ici dans le détail en tenant
compte uniquement des cultures vivrières qui nous intéressent. Ce calendrier concerne également
l’ensemble de la région de l’Ouest étant donné qu’on y retrouve des recommandations pour
d’autres villes telles que Bangangté, Bafang ou Bafoussam.

Au regard de ce calendrier, on observe traditionnellement 02 campagnes agricoles au

courant de l’année. La première va de fin février au mois de juillet, soit vraisemblablement 4,5
mois. Ici on note une période de semis précoce qui va de fin février à approximativement fin
mars et correspond traditionnellement à la pleine période de semis à Foto. En effet, il est très
important de garder à l’esprit que ce calendrier et les informations qui y figurent notamment la
pluviométrie moyenne mensuelle et la répartition des activités agricoles sur chaque mois de
l’année sont relatives à l’ensemble de la région de l’ouest. La seconde période de semis
correspond ici au mois d’avril. La seconde campagne quant à elle débute entre août-septembre
pour s’achever apparemment en début décembre. Les limites de début et de fin de cette
deuxième campagne semblent correspondre avec la situation observée sur le terrain (limite de fin
de campagne plus précisément) mais également avec les informations fournies par les chefs de
postes agricoles et les paysans. En général, cette deuxième campagne débute en fonction des
cultivars ; le maïs : de mi-juillet à fin-juillet et le haricot : de mi-août à mi-septembre en fonction
des variétés d’après les chefs de postes agricoles.
 83

CALENDRIER ANNUEL DES PRINCIPALES ACTIVITES AGRICOLES (pour les cultures vivrières)

MOIS Pluviométrie moyenne Activités

Fin récolte de taro-patates-haricots-Doliques – Récolte du manioc-courge-Vouandzou
3,1 mm Défrichement – Nettoyage du terrain pour les cultures de première campagne – Igname-taro –
Janvier
2 jours de pluie Réfection et entretien des clôtures – Brulage des champs de maïs afin d’éviter une recrudescence de sésamie
1er trimestre

et de rouille Américaine.
Fin de préparation du terrain. Confection des billons pour arachides, mais-haricots, doliques –vouandzou
19,1 mm
Février .-Culture des ignames à chair jaune, taros et courges – Fin récolte manioc –Semis précoce de maïs (fin du
3 jours de pluie
mois) pour éviter la rouille Américaine – Enfouissement du fumier et engrais minéral
Semis précoce de maïs et Vouandzou. Semis haricots (en 2e quinzaine) courges – doliques –
144,4 mm
Mars Fin de plantation d’ignames et taros – Plantation macabos et plantain – Nettoyage du terrain pour la patate, la
19 jours de pluie
pomme de terre, le manioc – Fumure et engrais minéraux
Pleine période de semis de maïs-haricots (sauf à Bagangté) arachide-vouandzou –Fin de semis courge et
Avril
doliques – Début de sarclage des taros – Préparation des sols pour manioc –Epandage fumier et engrais -
2e trimestre

165 mm Fin de semis des arachides-haricots – Plantation de patate-haricots et maïs – Début de sarclage des haricots,
Mai
21 jours de pluie doliques, vouandzou, manioc, igname, pomme de terre
256 mm Sarclage – Début récolte de doliques-haricots et pomme de terre à Dschang et Bafoussam
Juin
24 jours de pluie Préparation du sol pour la 2e campagne de taros
165 mm Début de récolte mais, vouandzou, courges – Récolte de haricots, doliques, patate, pomme de terre
Juillet
28 jours de pluie
3e trimestre

250 mm Récoltes mais, vouandzou, courges, patates, pomme de terre, taros – Fin de récolte haricots-doliques –
Aout
29 jours de pluie Préparation pour la 2e campagne de culture haricots-vouandzou-patate
Préparation du sol pour la 2e campagne de culture – Haricots-doliques-courges-patates – Début semis doliques
300 mm
Septembre – Plantation pomme de terre de 2e campagne – Récolte manioc et taros – Début récolte d’igname Sarclage de
29 jours de pluie
macabo
Semis de haricots-doliques-vouandzou-courges – Récolte manioc-ignames-taro –Sarclage taro planté en
Octobre
juillet
50 mm Sarclage des cultures de 2e campagne – Fin de récolte manioc – Récolte taro et macabo
Novembre
8 jours de pluie Brulage des champs de mais
10 mm Récolte doliques-haricots, patates-vouandzou, paddy-manioc – Brulage des champs de maïs
Décembre
2 jours de pluie (lutte contre le Sésamie)
Source : Archives du poste agricole de Balevoni (groupement Foto)
 84

C - Evolution de la production agricole à Foto

Lors de notre phase exploratoire, tous les acteurs (paysans, chefs de postes agricoles,
techniciens d’agriculture et le délégué d’arrondissement en charge de l’agriculture) se sont
accordés sur un fait, à savoir que la production agricole (les récoltes) a baissé de façon assez
importante au fil des années. Il était donc question pour nous de vérifier cela par des chiffres. Il
est très important pour nous de fixer les idées quant à la valeur et/ou l’intérêt purement
méthodologique des données de la production agricole annuelle à Foto présentées dans ce travail.
En effet, comme nous l’avons déjà souligné, le groupement Foto est réparti en 05 postes
agricoles coiffés de chefs qui sont chargés de suivre les agriculteurs et donc tout naturellement
de quantifier et de relever le fruit des récoltes. Nous nous sommes donc rapprochés de leur
service afin d’avoir accès à ces données. Tout au long de notre périple entre les différents postes
agricoles, il s’est avéré que la collecte de ces données pour l’ensemble des 05 postes était
premièrement impossible. Les données collectées annuellement depuis 1970 permettant de
retracer l’évolution de la production agricole jusqu’en 2009 n’étaient pas disponibles.
Deuxièmement il était extrêmement difficile quant à la possibilité pour chaque poste d’avoir des
données couvrant un même nombre d’années.

La valeur purement méthodologique que nous assignons donc aux données de la

production agricole à Foto est à attribuer à trois faits majeurs. Premièrement leur représentativité
par rapport à l’ensemble des paysans de Foto pratiquant l’agriculture. Pour des soucis de
personnels, de moyens (compte tenu du nombre d’actifs agricoles effectivement recensé au
niveau de chaque poste agricole, également de la superficie à couvrir pour chaque chef de poste)
les chefs de poste travaillent plus particulièrement avec les exploitants agricoles et avec les
associations d’agriculteurs (GIC, GIE, etc.). Celles-ci représentent en moyenne à peine 25%
(moyenne 2010) du total des actifs agricoles d’où ils sont tirés. Cette situation pose déjà une
limite à la représentativité des données collectées par rapport à l’ensemble du groupement car
elles sous-estiment de près de 75% sa production réelle.

Deuxièmement le problème d’archivage des données qui se pose tant au niveau des
différents postes agricoles qu’au niveau de la délégation d’arrondissement où elles sont
renvoyées pour être sommées à l’ensemble des autres données issues des autres postes que
compte l’arrondissement. Au niveau des postes agricoles que compte Foto, l’absence des
archives (sauf le cas du poste agricole de Balevoni) est liée dans un premier temps à la durée
d’existence même du poste. Il faut noter que certains postes sont tout récents (Tsinbin et Fiala).
Dans un second temps à la succession des chefs de poste à leur tête. En effet le précédent s’en va
 85

avec « ses » données et le nouveau doit constituer une nouvelle banque de données propre à la
durée de son mandat à la tête du poste (Fonakeukeu). Le cas du poste de Lingan est particulier
car à notre arrivée sur le terrain, il n’avait à sa tête aucun responsable officiel car le précédent
était allé à la retraite et n’était pas encore remplacé. C’est ce qui explique l’absence de données
pour ce poste. Au niveau de la délégation d’arrondissement quant à elle, jusqu’à avant 2007, il
n’a pas été possible d’avoir les données concernant uniquement le groupement Foto. Ces
difficultés font à ce que les données que nous avons pu collecter sont trop disparates pour avoir
une vue d’ensemble sur la production agricole totale de l’ensemble du groupement Foto.

Troisièmement dans un souci de vérification de la baisse présupposée de la production, il

nous a semblé primordial de démontrer cette baisse et pour cela, nous avons suivi la
méthodologie que voici :

- Nous avons choisi le poste agricole qui disposait d’une série successive de données de la
production annuelle à l’intérieur de laquelle nous avons opté, entre maïs, haricot et pomme de
terre (cultivars les plus cultivés dans le groupement) pour la culture qui était la mieux agencée.
- Grâce aux archives de la CAPLAME, nous avons pu obtenir les données de la production
annuelle de café arabica pour le groupement de 1992 à 2010. Il faudra tenir compte de ce
qu’entre 1990 et 2010, la baisse constatée de la production annuelle est en partie due à la
réduction importante du nombre de producteur, ce qui n’est pas le cas des cultures vivrières qui
voient le nombre de leurs producteurs s’accroitre avec l’explosion démographique.
- Grâce aux données de la production agricole correspondant à l’ensemble du département
de la Menoua (2000-2010) collectées au niveau de la Délégation Départementale de
l’Agriculture à Dschang, il nous sera possible de comparer la situation de l’ensemble du
département à celle du poste agricole du groupement choisi comme témoin. Nous pourrons ainsi
extrapoler la situation décrite dans ce poste à l’ensemble du groupement.

1 - L’évolution de la production annuelle de maïs pour le poste agricole de Balevoni

Avant de présenter les données de ce poste, nous tenons à rappeler ici qu’autant dans son
cas que dans celui de tous les autres postes du groupement, les valeurs de la production sont ici
dépendantes de la superficie effectivement exploitée pour la culture du cultivar en question. Elle
tient également au nombre réel d’exploitants agricoles effectivement pris en charge par le chef
de poste agricole au courant de cette année. Ces deux paramètres varient purement et simplement
d’une année à l’autre. Cette dernière indication vient renforcer davantage le caractère purement
méthodologique de ces données notamment pour ce qui est de la production agricole à Foto.
 86

Pour illustrer nos propos voici présentée dans le tableau XIX la production agricole du poste de
Balevoni concernant la culture du maïs.

TABLEAU XIX : Production annuelle du maïs à Balevoni

Campagnes Superficie cultivée (ha) Nombre E.A. Production (Tonnes)
1980/1981 385 1540
1992/1993 76 30,5
1993/1994 450 1800
1995/1996 475 1200
1996/1997 500 2000
2004 200 320,5
2007 303 310 170
2008 313 319 475
2009 320 326 550
2010 320 620
E.A. : Exploitants agricoles

Au regard de ces données, il peut être fait, toute mesure gardée, le constat suivant : la
production semble avoir effectivement baissé de l’ordre de 67,35% entre les deux périodes que
l’on peut distinguer sur le tableau, 1980 – 1997 et 2004 – 2010. Pourtant si l’on se réfère aux
superficies cultivées on se rend compte qu’elles s’écartent peu d’une valeur moyenne qui est de
362,89 ha. Léger avantage pour la période 1980 – 1997 qui a une moyenne de 452,5 ha. La
superficie de l’année 1992/1993 correspond approximativement aux 1/6 de cette moyenne pour
la dite période. Celle de la période 2004 – 2010 est de 314 ha exclu 2004 qui la ramène à 291 ha.
La baisse supposée de la production semble donc être vérifiée.

2 - Le cas de la production de café arabica du groupement Foto tout entier

Il semble assez évident que sur la période de 18 ans ici présentée, la production annuelle de
café arabica ait effectivement baissé, ce qui tend à confirmer le constat fait au niveau du poste
agricole de Balevoni. Il est cependant très important de rappeler que cette baisse de la production
annuelle de café arabica est en partie due à la baisse combinée du nombre de producteurs et de la
superficie cultivée dans l’ensemble du groupement.

TABLEAU XX : Production annuelle de café arabica à Foto

Campagnes Production Campagnes Production
(1992/1993) 172 506 T (2001/2002) 11 278 T
(1993/1994) 107 509 T (2002/2003) 6 360 T
(1994/1995) 139 773 T (2003/2004) 3 782 T
(1995/1996) 74 912 T (2004/2005) 4 418 T
(1196/1997) 30 658 T (2005/2006) 1 182 T
(1997/1998) 36 685 T (2006/2007) 1 153 T
(1998/1999) 80 998 T (2007/2008) 1 820 T
(1999/2000) 56 179 T (2008/2009) 4 060 T
(2000/2001) 24 674 T (2009/2010) 2 750 T
Source : CAPLAME
 87

La production annuelle de maïs du département de la Menoua à l’intérieur duquel se trouve

le groupement Foto, se prête assez bien aux remarques faites sur celle du poste agricole de
Balevoni car elle suit sensiblement la même trajectoire (tableau XXI). En effet il est possible de
subdiviser la série en deux périodes de moyennes différentes : 1976 – 1990 avec une moyenne de
34681,25 T et 2001 – 2010 avec une moyenne de 3294,42. Cette différence entre les deux
périodes supposées correspond à une baisse moyenne de l’ordre de 90,5%. Malheureusement
l’absence de données sur l’évolution des superficies cultivées nous oblige à considérer cette
valeur uniquement comme une simple indication de la tendance de la production agricole dans
l’ensemble du département. Il est dès lors possible d’affirmer sur la base de ces trois résultats
que la production agricole a effectivement baissé entre 1970 et 2010. Toute mesure gardée, nous
pouvons dire que cette baisse est de l’ordre de 50% en moyenne entre les périodes 1970-1990 et
2000-2010.

TABLEAU XXI : Production annuelle de maïs dans le département de la menoua

Campagnes Production Campagnes Production
1975/1976* 45 600 T 2003/2004** 3 901,5 T
1977/1978* 32 867 T 2004/2005** 2 940,5 T
1979/1980* 15 970 T 2005/2006** 3 083,8 T
1989/1990* 44 288 T 2006/2007** 3 179,3 T
2000/2001** 4 325,6 T 2007/2008** 2 367 T
2001/2002** 4 720 T 2008/2009** 2 502 T
2002/2003** 3 749,5 T 2009/2010** 2 175 T
Source : * : Annuaires de statistiques agricoles (MINADER) ;
** : CSD/SDESA délégation départementale de l’agriculture de la Menoua.

3 – La relation entre la production agricole et la variabilité climatique

Lors de nos échanges avec nos différentes personnes ressources, deux principales raisons
ont été évoquées comme causes de cette baisse de la production : l’appauvrissement des sols
cultivés (baisse de leur fertilité) et le changement climatique. Nous intéressant à la relation
climat-agriculture, nous avons donc essayé de déterminer quel était le paramètre climatique dont
la variabilité avait le plus influencé la production. Ces paramètres sont : les précipitations ; la
température moyenne et l’insolation. Pour cela, nous avons pris en considération les données de
la production agricole du département de la Menoua de 2001 à 2009 puis nous avons par la suite
essayé d’établir une relation entre elles et les valeurs annuelles des dits paramètres climatiques
sur la même période (Fig. 31 : a, b, c).
 88

5000

Priduction, T
4000
3000
2000
1000
0
0 500 1000 1500 2000 2500
Précipitations, mm/an

(a) Relation précipitations et production agricole : R = -0,55990051 ; R² = -0,3135

5000
Production, T

4000
3000
2000
1000
0
20,20 20,40 20,60 20,80 21,00 21,20 21,40 21,60
Température moyenne, °C/an

(b) Relation températures moyennes et production agricole : R = 0,23883851 ; R² = 0,057

5000
Production, T

4000
3000
2000
1000
0
0,00 1,00 2,00 3,00 4,00 5,00 6,00
Inolation, heures/j

(c) Relation insolation et production agricole : R = 0,4568511 ; R² = 0,2087

FIGURE 31 : Relation entre la production agricole de maïs dans la Menoua et différents
paramètres climatiques

Les résultats obtenus montrent que les relations qui lient les différents paramètres
climatiques à la production agricole entre 2000 et 2009 ne sont pas statistiquement significatives
à un seuil de 95%. On note une relation négative entre la production agricole et les précipitations
annuelles. Le fait qu’elle soit négative suppose que les valeurs faibles des précipitations ont
tendance à suivre les valeurs élevées de la production agricole de maïs. La distribution ou la
répartition des précipitations est donc plus importante que son simple total annuel. La relation
positive entre la production agricole et les températures est très faible car assez proche de 0. Cela
signifie que les deux variables ne sont que très peu liées sinon pas du tout. Celle entre la
production agricole et l’insolation montre la preuve qu’en matière d’agriculture, la lumière joue
un rôle primordial dans le processus de production végétale en général, et plus particulièrement
pour les plantes photosynthétiques ou photopériodiques. Le fait qu’elle soit positive signifie que
les valeurs élevées de l’insolation ont tendance à suivre celles élevées du maïs.
 89

On note, pour le cas du maïs, que les températures moyennes (R² = 0,057) et l’insolation
(R² = 0,2087) ont un lien très faible, principalement pour ce qui est de la température moyenne
annuelle, avec la baisse de la production agricole observée dans l’ensemble du département de la
Menoua. La relation entre la baisse de l’insolation et celle de la production de maïs dans la
Menoua illustre l’influence de la lumière sur le rendement et donc sur la production lorsque
celle-ci devient un facteur limitant. Il semblerait, du point de vue des résultats obtenus, que le
déficit de lumière observé entre 2000 et 2009 soit le paramètre climatique dont la variabilité ait
le plus influencé la production de maïs à Foto.

Cependant pour coller à la réalité, nous constatons en nous fiant au calendrier agricole que
la saison culturale à Foto court sur 10 mois (février-novembre) et non sur 12. Nous reprenons
alors l’analyse en ne prenant en compte que les valeurs des paramètres climatiques pour ces
mois de l’année. En dehors des paramètres tels que : précipitations, températures moyennes, et
insolation moyenne journalière, nous avons également pris en considération d’autres paramètres
tels que : jours d’insolation et de pluie, températures moyennes maxima et minima, etc. Les
résultats sont représentés dans la figure 32

De tous les tests effectués, seule la relation entre la production agricole et le nombre de
jours sans soleil est statistiquement significative. Bien qu’elle soit négative, elle a le coefficient
de corrélation le plus fort : R = - 0.686. Au niveau des températures nous constatons qu’entre les
températures maxima et la production agricoles, il n’y a pas de lien car R = 0 (R = 0.028). C’est
davantage les valeurs élevées des températures minima qui sont liées à celles de la production de
maïs. S’agissant des précipitations, les variations de la production agricole sont davantage liées à
celles du nombre de jours de pluie qu’à la hauteur pluviométrique totale. La preuve en est le
coefficient de corrélation plus élevé entre la production de maïs et le nombre de jours de pluie (R
= 0.381) comparativement à celui qui lie la production et le total pluviométrique (R = 0.134).
Les variations entre la production agricole et l’insolation sont beaucoup plus évidentes. Le lien
est très faible entre la production de maïs et le nombre d’heures d’insolation journalier. Toutefois
il s’avère que les valeurs élevées des nombres total et mensuel des jours d’insolation ont
tendance à suivre celles élevées de la production agricole (corrélation positive). Egalement les
valeurs faibles du nombre de jours sans soleil ont tendance à suivre celles élevées de la
production agricole (corrélation négative). Donc c’est la baisse du nombre de jours d’insolation
mensuelle, conséquence de la hausse du nombre de jours sans soleil, qui aurait eu le plus
d’impact sur la production de maïs à Foto au courant de la décennie 2000-2009. Ainsi, le rôle des
paramètres climatiques sur la baisse de la production des cultures vivrières à Foto est démontré.
 90

Production, T
4958 4958

Production, T
R² = 0,2705
3958 3958
R² = 0,0008
2958 2958

1958 1958
23 28 13 15 17
Températures maxima, °C Températues minima, °C
R = 0,028 R = 0,52

4958 4958

Production, T
Production, T

3958 3958 R² = 0,018

R² = 0,0844
2958 2958

1958 1958
18 20 22 24 1168 1668 2168
Température moyenne, °C Pluie
R = 0,291 R =0,134

4958 4958
Production, T

Production, T

3958 R² = 0,145 3958

2958 2958 R² = 0,1506

1958 1958
144 194 4 4,5 5
N jours pluie Insolation, en h/j
R = 0,381 R = 0,388

4958 4958
Production, T

Production, T

R² = 0,2706
3958 3958
R² = 0,3916
2958 2958
1958 1958
204 254 23 28
Total jours d'insolation Jours insolation
R = 0,52 R = 0,626

4958
Production, T

3958

2958 R² = 0,4703
1958
14 24 34 44 54
Total jours sans soleil
R = - 0.686

R = coefficient de corrélation de PEARSON ; R2 = Coefficient de détermination

FIGURE 32 : Relation entre la production agricole de maïs dans la Menoua et différents

paramètres climatiques
 91

Les techniciens de l’IRAD, lors de nos discussions, nous ont dressé la liste des
manifestations qui seraient liées au contexte climatique qui prévaut actuellement à Foto. Ces
manifestations sont les suivantes :

- Sur les cultures : apparition de nouvelles maladies ; baisse du rendement ; cycles non
bouclés ; certaines maladies deviennent rebelles aux traitements phytosanitaires habituels ; le
climat actuel influence et favorise la prolifération des insectes.
- Sur la croissance : Ralentissement de la croissance des cultures ; rallongement du cycle
de croissance.
Il est indéniable que ces manifestations sont dans l’ensemble une réponse des cultures aux
contraintes posées par l’environnement (climat + sol). Pour ce qui est d’une manifestation telle
que la baisse du rendement, elle est à lier au climat et à la fertilité des sols à la fois. Cependant
pour ce qui concerne les cycles non bouclés, les conséquences sur la croissance et donc par voie
de fait sur le développement des cultures, la cause principale semble vraisemblablement être
l’apparition d’un état de stress soit dans l’alimentation en eau de la plante, soit dans la durée de
la lumière. Le stress hydrique, qui est une conséquence du déficit hydrique, «se développe
lorsque les pertes par transpiration dépassent l’absorption de l’eau par les racines ». Ses
conséquences sur la croissance des plantes dépendent de la phase au courant de laquelle il
survient. Cependant le principal fait n’est pas dans l’apparition en lui-même du stress hydrique
qui survient dès qu’il se produit un déséquilibre entre transpiration et disponibilité en eau, mais
plutôt dans sa durée qui commande l’importance des effets induits sur la plante.

Ce qu’il est important de retenir en définitive c’est évidemment que dans le système :
atmosphère – climat – plante – sol, les modifications qui surviennent à l’intérieur d’un
paramètre ont des conséquences soit directes, soit indirectes sur les autres. La figure 33 montre
les relations qui existent entre les modifications d’un paramètre climatique comme l’apport en
eau défini ici par le terme « sécheresse » qui traduit un état de déficit en eau de plus en plus
marqué, de plus en plus fréquent et de plus en plus long et l’exposition des cultures aux attaques
des insectes et aux maladies. Pour le cas tout particulier de Foto, ce sont les mois de transition
que sont mars et 1/2 octobre-1/2 novembre qui sont le plus souvent exposés au risque de déficit
en apport d’eau pour les cultures par rapport à la demande évaporatoire faite par le climat.
 92

SECHERESSE

Diminution des précipitations et de Diminution de l’humidité

l’humidité de l’air dans le sol

Rayonnement global Conductivité hydraulique des sols

Température de l’air Absorption de l’eau et des nutriments
Déficit hydrique de l’air
par les racines
Température des feuilles
Evapotranspiration Raccourcissement de la saison de
végétation

STRESS HYDRIQUE

Augmentation de la résistance stomatique

Diminution de la photosynthèse nette
Modifications Augmentation de la respiration
physiologiques Perturbation du métabolisme
Changement de l’allocation des assimilats
Augmentation de la synthèse des cellules et
des produits secondaires
Emissions acoustiques (cavitation)

Réduction de l’allongement et la division des

Modifications cellules
morphologiques Changement de la couleur, de la surface et de la
consistance des feuilles
Augmentation de la réflectance des feuilles
Réduction du nombre et de la taille des feuilles
Réduction de la croissance

Affaiblissement et prédisposition de la
plante aux attaques parasitaires
Attaque de la plante par les
Développement des parasites (insectes et
insectes et les maladies
pathogènes)

Source : Abdendi Zine El Abidine ; 2003 (Modifié)

FIGURE 33 : Relations entre sècheresse et vulnérabilité des plantes face aux maladies

II - LES STRATEGIES D’ADAPTATION DES AGRICULTEURS DE FOTO

A- Les contraintes des agriculteurs à Foto

Les paysans agriculteurs à Foto doivent faire face à différentes contraintes qui ont chacun
un rôle dans la tendance observée. Il s’agit de la difficulté à s’alimenter qui semble s’aggraver
d’une année à l’autre principalement à cause d’une offre en produits alimentaires qui a du mal à
satisfaire à une demande sans cesse croissante.
 93

1 - La pression démographique
La pression démographique sur les terres et les fruits qui en sont issus a plus que doublé en
34 ans (1976 – 2010). Avec une densité de 199 hab/km² lors du recensement de 1976, on est
passé à 227,12 hab/km².avec une population de 22485 habitants en 1983 (archives de la
CAPLAME) et à environ 450 hab/km² en 2010 avec une population estimée à 45000 habitants
pour une superficie estimée à 99 km² (données obtenues après confrontation des informations
collectées auprès des Services de la Sous-Préfecture de Dschang et de la chefferie de 1er degré de
Foto grâce au journal officiel de l’Association Générale pour le Développement de Foto,
AGEDEF). Cette situation est à attribuer à deux phénomènes qui y ont concouru l’un comme
l’autre.

a - Un taux de natalité assez élevé

Le nombre d’enfants par famille à Foto est estimé en moyenne à 06. C’est quasiment la
même moyenne que nous obtenons pour notre échantillon : 5,48. En dénombrant le nombre
d’enfants par ménages au sein de notre échantillon, on se rend compte que celui le plus fréquent
est de 06 correspondant à 16% des 208 ménages enquêtés. Sur la figure 34, nous l’avons réparti
en classes d’amplitude 03 enfants et c’est celle de 04 à 06 enfants qui est la plus importante.

2% 3% 0 - 3 enfants
10%
4 - 6 enfants
25%
18% 7 - 9 enfants
10-12 enfant
42% 14-15 enfant
Pas de réponse

FIGURE 34 : Répartition du nombre d’enfants par ménages enquêtés

b – La présence des services officiels et des grandes écoles

La chefferie Foto regroupe la quasi-totalité, sinon tous, des services officiels de la ville de
Dschang qui est le chef-lieu du département de la Menoua. A cela s’ajoute le fait qu’elle abrite
les locaux de l’université de Dschang, de la Faculté d’Agronomie et des Sciences Agricoles
(FASA), de l’IRAD et de plusieurs instituts supérieurs privés. Tout ceci concoure à une forte
concentration humaine alimentée par deux mouvements propres à tous les chefs-lieux et grandes
villes du Cameroun. L’un endogène : l’exode rural et l’autre exogène : l’immigration. La
conséquence directe est une pression de plus en plus forte sur les ressources, principalement sur
la terre pour subvenir à deux des besoins vitaux de l’être humain : se nourrir et se loger.
 94

2 - Le problème des dates de semis de 1er cycle cultural

Traditionnellement à Foto, les semis de 1er cycle cultural ont toujours débuté dès février,
entre les 10 et 20/02. Ils débutent principalement par la culture de la pomme de terre pour ce qui
est des cultures annuelles. Pour avoir une idée de la place qu’occupe cette culture (avec le maïs
et le haricot) dans l’alimentation des « Fotos », on s’est rendu compte qu’au sein de notre
échantillon, 100% des ménages ont admis les cultiver annuellement. Le maïs et le haricot sont
généralement semés entre les 1ère et 2ème décades de mars, du 1er au 20/03. Malheureusement,
nous avons pu noter après dépouillement des résultats de l’enquête que seulement 14% des
ménages enquêtés avaient changé leurs dates de début de semis (Fig.35 a) pour commencer à
semer en mars en fonction des pluies. 80% des ménages avouaient ne pas avoir changé de dates
de début de semis et continuaient à semer les pommes de terre dès la 2ème décade de février (Fig.
35 b). Ceci malgré le risque d’échec des semis, principalement en ce qui concerne la pomme de
terre qui est une plante qui demande une assez bonne alimentation en eau durant tout son cycle et
reste très susceptible au stress hydrique. C’est effectivement le fait constaté par les paysans eux-
mêmes, lorsqu’ils disent, pour préciser que le semis de pomme de terre a échoué à cause de
l’absence de pluies et d’une forte chaleur, que les pommes de terre ont séché dans le sol –
transcription littérale de « métita njoun si » - et qu’ils ont dû ressemer à nouveau.

6%
14%

80%

date semis inchangé date semis changé Pas de réponse

(a) Pourcentage des ménages enquêtés ayant ou non changé de dates de début de semis
11%
15%

74%

début semis en février début semis en mars Pas de réponse

(b) Pourcentage des ménages enquêtés continuant à semer en février

FIGURE 35 : Répartition des ménages en fonction des dates de début de semis

 95

3 - Le problème tout particulier de la conservation des récoltes

Traditionnellement, à Foto, après la récolte des cultures au champ, le fruit est stocké et
disposé dans les greniers traditionnels des habitats pour être au préalable séché avant d’être
conservé pour la consommation de la famille, pour le commerce et pour servir de semences pour
la prochaine saison culturale. Cette méthode traditionnelle pour le séchage des récoltes reste
celle la plus appliquée par les ménages à Foto. En effet en nous intéressant à la question, 100%
des ménages enquêtés admettent avoir toujours et exclusivement recours à cette méthode pour le
séchage de leur récolte pour deux raisons principales.

D’une part, pour des raisons de tradition et de savoir-faire traditionnels - « nous avons
toujours fait comme cela ». D’autre part pour des raisons d’économie en bois de chauffe. En
effet, le bois utilisé pour la cuisson des aliments assure en même temps le séchage des récoltes
disposées dans le grenier. Durant notre descente sur le terrain un mois après la fin des récoltes de
maïs de 1er cycle effectuées du 01 au 31 juillet approximativement, nous avons observé qu’il
existait une nette différence entre le maïs récolté au champ et celui réellement propre à la
consommation à l’issu du séchage des dites récoltes. Ce constat nous a amené à faire une
distinction entre la récolte faite au champ et la récolte réellement consommée par l’agriculteur.

La récolte faite au champ : Elle concerne tout simplement le fruit des cultures semées et
qui est récolté par les agriculteurs au niveau de la parcelle cultivée une fois la plante ayant
parachevé son cycle de développement/croissance. Elle correspond au rendement et dépend donc
comme nous l’avons déjà montré de la relation : climat – plante – sol – techniques culturales.

La récolte réellement consommée par l’agriculteur : cas du maïs : Il s’agit du maïs qui une
fois le séchage terminé est réellement propre à la consommation de l’Homme. Elle dépend, pour
ce que nous avons pu constater, de la durée du séchage. En discutant avec deux paysans-
agriculteurs - qui ont bien voulu nous héberger pendant quelques jours lors de nos enquêtes
auprès des ménages situés en dehors de notre lieu de résidence effectif - sur cette question nous
avons pu identifier deux raisons qui revenaient chez chacun de nos interlocuteurs : la pluie et les
maladies des plantes.

D’après les paysans, si au moment des récoltes il pleut de façon quotidienne comme c’est
généralement le cas en juillet (maximum pluviométrique à Foto avec des pluies journalières, une
température moyenne de 19 à 20°C et une insolation moyenne très faible 02 heures en moyenne)
l’eau de pluie risque de s’infiltrer à l’intérieur des épis de maïs. Cette eau de pluie qui s’est
infiltrée va faire que les épis de maïs « mouillés », s’ils ne sont pas suffisamment séchés,
 96

pourrissent plus rapidement que ceux qui ne l’ont pas été. Il se soulève un problème de tri au
moment des récoltes qui s’avère impossible à pratiquer par les agriculteurs pour différentes
raisons qui ne nous sont pas clairement apparues au moment des entretiens avec ces agriculteurs.

- Le cas des épis de maïs exposés à des maladies au moment de la récolte, les épis
malades. Ce problème suppose également qu’un tri soit effectué au moment de la récolte afin de
séparer les épis sains de ceux malades et limiter par ce moyen la contamination. Bien que cela
soit fait en fonction de l’apparence externe de l’épi lors de la récolte, il pose un autre problème
pour les agriculteurs. Pour opérer ce tri il faudra au préalable fragiliser la protection de l’épi de
maïs que constituent les différentes couches de feuilles qui le recouvrent. Or si cela est fait l’épi
ainsi fragilisé est plus facilement attaqué au moment du séchage par les insectes communément
appelés « charançons », traduction littérale de « fok » en langue Foto, le Yemba (à noter que la
transcription écrite de la langue Foto opérée ici est faite en fonction de la prononciation du mot
dont on cherche la meilleure expression en français. Il se peut donc qu’elle diffère quelque peu
de la transcription officielle car sujette à l’expression orale : ton et tonalité de la personne).
La durée du séchage : Avec le temps qui passe entre le moment de la récolte et celui où
l’épi de maïs est suffisamment sec pour être égrainé afin d’être consommé ou vendu par les
paysans, environ un mois après, la part des épis atteint de pourriture et ceux attaqués par les
« charançons » croit progressivement. Ce constat a été fait en suivant dans le temps la
consommation d’une ménagère, du 10/10 au 30/11/2011. Au moment des récoltes de maïs, nous
procédions soit au champ, soit à la maison avant de transférer celles-ci au grenier, à une
réduction des feuilles recouvrant l’épi de maïs dans le but principal de faciliter son séchage. Lors
des exercices d’égrainage, sur 03 épis dont le revêtement avait été ouvert, 02 en moyenne étaient
attaqués par les « charançons » et sur un échantillon de 10 épis pris au hasard la probabilité d’y
trouver au moins un épi atteint de pourriture était de 100%. En discutant avec notre interlocutrice
sur les solutions possibles, elle a su nous faire voir toutes les difficultés et les risques qu’il y
aurait à les mettre en pratique principalement pour les agriculteurs les plus vulnérables qui ne
dépendent pour vivre que des produits issus de leurs champs.

Première difficulté. Elle ne pouvait égrainer la totalité des épis de maïs une fois sec et
stocker les graines dans des réservoirs, par exemple les réservoirs traditionnels faits en bambous
et présents derrière toutes les cases traditionnelles à Foto (les « kin »). Notre interlocutrice nous a
fait comprendre que cela aggraverait les pertes car les graines ainsi stockées seraient plus
facilement et plus rapidement mangées (traduction littérale de « fèh ») par les charançons. La
récolte étant consommée en fonction des besoins (alimentaires et économiques) du paysan, ce
 97

sont ces besoins qui conditionnent donc la durée du stockage et le rythme des prélèvements. De
cet impératif naît la nécessité de les laisser telle qu’ils sont au grenier cela minimise de fait les
attaques. C’est ainsi que lors d’un exercice d’égrainage du maïs effectué le 29/11/2011 (soit 04
mois après le début des opérations de séchage) nous avons fait le constat suivant : sur 233 épis
de maïs pris de façon aléatoire au grenier ; 140 épis étaient sains et propres à la consommation,
soit 62,78% ; 83 épis étaient infectés (soit 37,22%) et se composaient comme suit :

- épis pourris : 62, soit 74,7% des épis infectés et 27,8% du total des épis ;
- épis mangés par les charançons : 21, soit 25,3% des épis infectés et 9,42% du total.
En équivalence en termes de poids de maïs égrainés, cela fait :

- épis sains : 6,250 kg environ ;

- épis infectés : 3,925 kg ; soit un poids total de 10,175 kg.
Les résultats sont assez indicatifs. Le maïs effectivement consommé par la paysanne après
tout le processus allant de la récolte au champ au séchage équivaut dans ce cas à 61,43% du
rendement au champ ; 38,57% ayant été infecté et rendu impropre à la consommation des
Hommes. Ce pourcentage n’est pas pour autant perdu pour le paysan car il est vendu comme
aliment pour les poules sur le marché à un prix variant entre le 1/3 et la 1/2 de sa valeur réelle en
fonction des pénuries. Cette situation à deux principales conséquences sur le niveau de vie des
ménages :

- Sur les marchés, on assiste à une flambée des prix du maïs sain vendu, soit mesuré à
l’aide de seaux (05 et 15 litres) ou de tasses ; soit vendu en sac entier (50 à 100 kg). Cette
situation est le fait qu’une grande partie du maïs présent sur les étals des commerçants est
importé d’autres localités de la région et parfois de l’extérieur, la production locale ne suffisant
plus à satisfaire la demande.
- Au sein des ménages à revenus limités, la récolte suffit de moins en moins à satisfaire
pour l’alimentation, le commerce et pour le prélèvement d’une partie devant servir de semences
pour la prochaine saison culturale. La situation est encore beaucoup plus périlleuse pour les
familles nombreuses.
Deuxième difficulté. Désinfecter les greniers soulève le problème du pouvoir d’achat des
ménages car le prix des produits phytosanitaires sont assez élevés, principalement pour les
produits les plus efficaces. Cela entrainerait une dépense supplémentaire pour les ménages les
plus pauvres. De plus le risque est grand de voir la récolte être directement contaminée par ces
produits.
 98

B - Les stratégies d’adaptation des paysans

Pour lutter contre les problèmes résultant de la baisse des récoltes au champ, les paysans-
agriculteurs de Foto ont su mettre en place et développer des stratégies de lutte multiples et
variées à l’efficacité prouvée en fonction du savoir-faire mais aussi des moyens.

1 - L’utilisation généralisée des engrais chimiques

L’une des conséquences d’une agriculture devenue « intensive » et « continue » de la terre
telle que décrite par J. L. DONGMO, en faisant allusion au système d’exploitation agricole du
sol chez les Bamilékés a été de rendre inefficaces les techniques traditionnelles de fertilisation
des sols cultivés. Il s’agit de l’utilisation quasi exclusive de « l’engrais vert, obtenu par
enfouissement des mauvaises herbes, des fannes de haricot et d’arachide, des tiges de maïs ; les
feuilles de bananier, etc. les cendres et les ordures ménagères. ». De nos jours il est devenu
quasi impossible d’obtenir un rendement sur une parcelle en n’utilisant qu’uniquement ce
procédé comme seul moyen d’enrichissement des sols en éléments minéraux. En effet en nous
référant aux résultats de notre enquête, 80% des ménages enquêtés sont d’accord sur le fait que
les récoltes obtenus au champ actuellement sont plus faibles que celles qu’ils y obtenaient il y a
20 à 30 ans (Fig. 36). Seulement 44% des ménages attribuent cela à la seule baisse de la fertilité
des sols, 48% l’attribuent au climat actuel et 8% soulignent d’autres causes (Fig. 37). Il faut se
rendre compte que si divergence il peut sembler y avoir sur la cause principale de cette baisse du
rendement, au niveau des ménages enquêtés, ils sont tous d’accord sur le fait que chacun de ces
paramètres y est pour quelque chose.

13% 8%
7%

48%
80% 44%

recoltes faibles recoltes bonnes

variabilite climatique sols peu fertiles autres
Pas de réponse

FIG.36 : Pourcentage des ménages enquêtés FIG.37 : Répartition des causes de cette
reconnaissant une baisse de la récolte entre baisse selon les ménages enquêtés.
1980-2010.

C’est la raison pour laquelle la position des paysans agriculteurs à Foto à l’idée d’utiliser
les engrais chimiques de façon systématique a fortement changé. Elle diffère de celle décrite par
J. L. DONGMO lorsqu’il écrivait à ce sujet : « L’utilisation des engrais chimiques pour les
 99

cultures vivrières donne des résultats très intéressants, mais elle est malheureusement encore
très réduite. ». En effet les paysans agriculteurs de Foto ont pleinement pris conscience de
l’épuisement de leurs sols et du bénéfice qu’ils pouvaient tirer de l’utilisation de ces engrais. Ils
les combinent par ailleurs avec les techniques traditionnelles de fertilisation des sols décrites
précédemment. C’est ainsi que 88% des ménages enquêtés déclarent utiliser les engrais
chimiques dans leurs champs afin de garantir un meilleur rendement contre 06% qui déclarent ne
pas en faire usage. C’est principalement pour des raisons économiques car le prix du sac de 50
kg d’engrais est vendu sur le marché local au prix de 18500 francs CFA environ. Ce prix est
« trop cher » pour eux. Il existe cependant la possibilité d’en acheter en détail.

6%
6%

88%

culture avec engrais culture sans engrais Pas de réponse

FIGURE 38 : Pourcentage des ménages enquêtés utilisant les engrais chimiques

2 - L’utilisation des semences sélectionnées

Traditionnellement, les paysans-agriculteurs à Foto prélevaient des récoltes issues de la
saison culturale qui s’achevait, une part qu’ils conservaient et qui devait servir de semences pour
la prochaine saison. Cela était fait pour toutes plantes cultivées (maïs, haricot, pomme de terre,
tubercules, etc.). Cependant la situation a quelque peu changé actuellement du fait des exigences
liées à l’alimentation d’une population sans cesse croissante. De nos jours, pour améliorer le
rendement dans les champs cultivés, les paysans choisissent de plus en plus de combiner
l’utilisation des semences sélectionnées vendues sur les marchés ou produites par l’IRAD de
Dschang, à celle des semences issues des récoltes de la saison précédente. D’après les résultats
de notre enquête, seulement 46% des ménages (Fig. 39) utilisent des semences mixtes (semences
personnelles + semences sélectionnées). Le rapport entre les semences sélectionnées vendues
entre 350 et 500 francs CFA pour le sachet de 01 kg de semences de maïs par exemple sur les
marchés et les semences privées dépend principalement des revenus du ménage. En ce qui
concerne les 44% de ménages qui n’utilisent principalement que les semences personnelles, ils
regroupent principalement les paysannes qui n’ont pour seule source de revenus que le produit
de leurs récoltes dont elles commercialisent une partie pour subvenir à leurs besoins.
 100

10%
44%
46%

semences personelles semences mixtes Pas de réponse

FIGURE 39 : Pourcentage des ménages enquêtés utilisant les semences mixtes

Pour ce qui est des 46% de ménages qui utilisent des semences mixtes, seulement 11%
achètent leurs semences sélectionnées auprès des services de l’IRAD de Dschang (Fig. 40),
contre 78% qui se les procurent au marché, bien que 73% d’entre eux affirment être au courant
du fait que l’IRAD en commercialise. En Effet l’IRAD de Dschang met à la disposition des
agriculteurs des semences sélectionnées pour 04 cultivars : maïs = 600 F CFA/kg ; Pomme de
terre = 1000 F CFA/kg : Haricot = 600 F CFA/kg ; Banane-plantain = 300 F CFA/rejet. Le fait
que le prix du sachet de semences de maïs (principale culture pour laquelle les paysans utilisent
des semences sélectionnées) qui est produit par l’IRAD de Dschang soit un peu plus élevé que
celui pratiqué pour les semences vendues sur les marchés peut être l’une des raisons qui explique
cette préférence. Cette situation soulève le problème de la conformité des intrants agricoles avec
les caractéristiques pédologiques de la région.

11%
11%

78%

semences achetées au marché semnces achetées a l'IRAD

semences données

FIGURE 40 : Lieux d’achat des semences sélectionnées par les ménages enquêtés

Remarque : On note sur la figure une particularité. En effet 11% des ménages enquêtés, qui
admettent utiliser des semences sélectionnées, les ont obtenues non pas par achat, mais par don.
Ce don s’effectue au niveau des champs lors des semis. Dans notre échantillon, ces 11%
regroupent exclusivement les agricultrices dont la tranche d’âges est de 50 ans et plus.
 101

3 - La diversification des sources de revenus pour les ménages.

Pour pouvoir « joindre les deux bouts » selon une expression populaire et faire face aux
exigences de la vie (scolarité, santé, alimentation, etc.), le paysan-agriculteur à Foto, qui a vu ses
ressources (revenus financiers liées au commerce de leurs récoltes) diminuer alors qu’au même
moment le coût de la vie ne faisait qu’augmenter, a dû diversifier ses sources de revenus. Il a dû
combiner à l’agriculture une ou plusieurs autres activités telles le commerce de produits
agricoles, et/ou celui des produits manufacturés. Actuellement le commerce est devenu, après
l’agriculture, la 2ème activité chez les paysannes à Foto qui n’ont pas de qualifications
professionnelles (couture, coiffure, etc.). La chose est quelque peu différente chez les hommes.
La conséquence d’une considération différente entre la fille et le garçon à l’intérieur de la famille
traditionnelle Foto.

En effet, lors de notre enquête auprès des ménages, 15% des chefs de ménages enquêtés
étaient des hommes. Or parmi ces 15% d’hommes, seul 20% ont admis pratiquer l’agriculture ou
l’avoir comme activité principale. Les autres 80% étaient repartis entre différentes activités telles
que le commerce, la fonction publique, la menuiserie, le mécanique, etc. (Fig. 41). Alors que
chez les femmes qui représentaient 85% de chefs de ménages enquêtés, 90% ont admis pratiquer
l’agriculture ; 58% l’ont comme activité principale (Fig. 42). Cette catégorie est composée à
88% des femmes âgées de 50 ans à plus. 40% des autres femmes avaient pour activité
principale : le commerce (57%), la fonction publique (22%), la couture, la coiffure, etc. Cela
montre bien que d’une façon générale, à Foto, l’agriculture vivrière dans son ensemble est
beaucoup plus pratiquée par les femmes.

2%
20% 40%
58%
80%

Agricultrices Autres Pas de réponse

Agriculteur Autres

FIG.41 : Pourcentage des hommes pratiquant FIG.42 : Pourcentage des femmes pratiquant
l’agriculture au sein des ménages enquêtés l’agriculture au sein des ménages enquêtés

En combinant les résultats, nous nous rendons compte sur l’ensemble des ménages
enquêtés qu’au total 94% des ménages ont en plus de l’agriculture une autre activité génératrice
de revenus pour le ménage, et seulement 06% n’ont que l’agriculture comme unique activité. En
 102

allant dans le détail, sur les 94% de ménages pratiquant l’agriculture en association avec une ou
plusieurs autres activités, 74%, en majorité les femmes, couplent à l’agriculture le commerce, et
20%, principalement les hommes, y joignent d’autres activités (Fig. 43).

20%
6%

74%

agriculture + commerce agriculture uniquement

agriculture + autres activités

FIGURE 43 : Répartition des activités génératrices de revenus selon les ménages enquêtés

Il est encore possible de représenter les 74% de ménages pratiquant l’agriculture et le

commerce en fonction du type de commerce qu’ils pratiquent (grossiste/détaillant), du type de
produits commercialisés (agricoles/manufacturés), et d’après l’origine des produits agricoles
vendus (récoltes/produits achetés chez les grossistes et ensuite revendus en détail) :

- Le type de commerce pratiqué : sur les 74% de ménages faisant du commerce, 27% font
du commerce de gros. Les femmes qui le pratiquent appartiennent à 72% à la tranche d’âges 25 à
49 ans et il s’agit là de leur principale source de revenus. L’agriculture, qui est pour ces femmes
la seconde activité, est prioritairement destinée à l’autoconsommation. 66% des ménages font du
commerce de détail. Il s’agit principalement des paysannes âgées de 50 ans à plus (56%).

7% 27%

66%

commerce de gros commerce de détail Pas de réponse

FIGURE 44 : Pourcentage du type de commerce pratiqué par les ménages pratiquant le

commerce

- Le type de produits commercialisés : toujours sur les 74% des ménages qui font du
commerce, 63% commercialisent des produits « agricoles ». Par agricoles, nous ne prenons en
compte qu’uniquement les produits vivriers et/ou maraichers (tomates, arachides, haricot, riz,
tubercules, condiments, etc.). Les produits tels le lait, les boites de conserves, le pain, etc. dont la
 103

matière première a été complètement transformée pour donner un produit secondaire sont exclus.
13% vendent des produits manufacturés, c’est-à-dire des produits ayant subi des transformations
en usine et qui n’entrent pas dans l’agro-alimentaire.

24%

13% 63%

produits agricoles produits manufacturés abstention

FIGURE 45 : Pourcentage des produits agricoles vendus au sein des ménages pratiquant le
commerce

- L’origine des produits agricoles commercialisés : sur les 63% des ménages
commercialisant des produits agricoles, 47% commercialisent uniquement les récoltes issues de
leurs champs. Dans cette catégorie, 80% de ces commerçantes sont âgées de 50 ans à plus. Les
paysannes de cette tranche d’âges constituent 76% des 66% des ménages pratiquant un
commerce de détail. Cette tranche d’âge représente celle la plus vulnérable face à la baisse des
rendements car elle en dépend presque exclusivement. 26% des ménages commercialisent des
produits agricoles qui ne sont pas issus de leurs champs mais proviennent des supermarchés
qu’ils détaillent par la suite. Nous n’avons malheureusement pas su inclure dans le questionnaire
d’enquête une question qui nous aurait permis de déterminer la part des ménages
commercialisant les produits agricoles issus des deux origines différentes.

27%
47%

26%

récoltes du champ produits agricoles importés

Pas de réponse

FIGURE 46 : Pourcentage des ménages enquêtés commercialisant comme produits agricoles

uniquement leurs récoltes

4 - L’achat en commun des intrants agricoles

Pour lutter contre les prix sans cesse croissant des intrants, mais plus particulièrement du
sac de 50 kg d’engrais chimiques qui coûte 18500 FCFA et peut parfois aller jusqu’à 20000
 104

FCFA, les paysans agriculteurs à Foto ont mis en place un système permettant de garantir à un
grand nombre l’accès aux intrants agricoles pour leurs cultures. Cette stratégie novatrice consiste
à un achat en commun des intrants agricoles (engrais et semences). Cela se fait par l’entremise
des Groupements d’Initiatives Communautaires (GIC), ou des associations notamment les
réunions de femmes par quartier, par villages, etc. L’appauvrissement des terres d’après les
paysans est tel que l’utilisation des engrais chimiques – et parfois des pesticides et insecticides
pour lutter contre les maladies et les insectes des cultures – est devenue indispensable si l’on
veut espérer une bonne récolte. La quantité de sac d’engrais à utiliser au courant de la totalité de
la saison culturale dépend principalement de deux paramètres :

- D’abord le nombre de parcelles cultivées tout au long de l’année. Traditionnellement, à

Foto, les paysannes qui pratiquaient l’agriculture comme activité principale disposaient de
plusieurs parcelles qu’elles exploitaient (les « nka » champs bordant les habitations et enclos et
les « tsuet » champs souvent assez éloignés de l’habitation principale et qui sont ouverts). La
situation a, semble-t-il, légèrement évolué de nos jours. Avec la proportion de femmes exerçant
dans le secteurs tertiaire (couture, coiffure, etc.) ou secondaire (administration publique ou
privée) qui devrait être beaucoup plus importante de nos jours qu’il y a 30 ou 40 ans au sein des
ménages, certains ménages ne disposent plus que d’une seule parcelle cultivée. Cette catégorie
de ménages représente 27% des ménages enquêtés. Les quantités d’engrais qu’ils utilisent
diffèrent donc de celles des ménages qui possèdent plusieurs champs qu’ils cultivent.
3%
27%

70%

plusieurs champs un seul champ

Pas de réponse

FIGURE 47 : Pourcentage des ménages enquêtés cultivant plusieurs champs

- Le nombre de cultures plantées par parcelles. Le coût assez élevé du sac d’engrais a
contraint certains ménages à adopter un nouveau système de cultures. Durant les cultures de 1 er
cycle cultural, ils pratiquent la culture en association, par exemple maïs, haricot, pomme de terre,
sur la quasi-totalité de leurs champs. Pour les cultures de 2ème cycle cultural, ils choisissent de ne
cultiver que quelques uns de leurs champs (02 par exemple) et principalement en culture pure
(haricot en général, oignon et parfois maïs). Sur les 70% de ménages possédant plusieurs
 105

champs, 32% admettent ne plus cultiver qu’un ou deux de leurs champs durant le 2ème cycle
cultural. Cette catégorie d’agricultrices rassemble principalement celles âgées de 50 ans et plus.

6%
32%

62%

tout leurs champs 1 ou 2 champs seulement

Pas de réponse

FIGURE 48 : Pourcentage des ménages enquêtés ne cultivant plus que la moitié de leurs champs
durant le 2ème cycle cultural

Cette stratégie d’achat en commun soit des engrais, soit des semences, soit des deux à la
fois mise en place par les paysans-agriculteurs membres d’un GIC ou d’une association (réunion)
à Foto y concerne un certain nombre d’associations. D’après les résultats de l’enquête, 68% des
chefs de ménages sont membres d’une association (réunion) et 13% sont à la fois membres d’un
GIC et d’une association, soit un total de 81% des chefs de ménages enquêtés appartenant à l’un
des deux (Fig. 49). Sur ces 81% de chefs de ménages qui sont membres soit d’un GIC, soit d’une
association, soit des deux ; 48% appartiennent à une association (réunion) ou un GIC où ils
achètent en commun uniquement les engrais. 25% sont membres d’un GIC ou d’une association
(réunion) où ils achètent en commun uniquement les semences. 22% sont des membres d’une
association (réunion) ou d’un GIC où engrais et semences sont achetés en commun (Fig. 50).

19% 13%

68%

menbre GIC et associaion menbre association

Pas de réponse

FIGURE 49 : Pourcentage des ménages enquêtés membres d’une association (réunions)

 106

5%
22%
48%

25%

achat en commun des engrais achat en commun des semences

achat en commun des deux Pas de réponse

FIGURE 50 : Répartition des GIC ou des associations (réunions) en fonction du type d’intrants
agricoles acheté en commun

Au final, l’analyse de l’évolution de la production agricole en relation avec la variabilité

climatique à Foto et la présentation des stratégies d’adaptation développées par les agriculteurs
pour réduire l’impact de la variabilité climatique actuelle sur la réussite des cultures est terminée.
Il est maintenant question d’analyser les conséquences de la variabilité climatique actuelle sur la
saison culturale et sur le calendrier agricole. Cela va se faire en tenant compte de la baisse des
précipitations constatée, principalement pour la décennie 2000-2009, grâce à la construction du
modèle de la période fréquentielle de végétation (PFV), par la méthode des intersections
proposée par P. FRANQUIN (1975).
 107

CHAPITRE 4 : LA PERIODE FREQUENTIELLE DE VEGETATION (PVF)

Le calendrier cultural est le guide des interventions au champ. Il organise et hiérarchise les
activités agricoles au courant d’une année. Sa construction permet de subdiviser l’année en
différentes saisons culturales. Sous les latitudes tropicales, son élaboration tient compte du
régime pluviométrique. Il permet donc de caler au mieux les activités champêtres (défrichage,
labour, semis et récoltes) à des périodes (mois ou semaines) bien précises de l’année. Son but
étant de garantir les meilleures chances de réussite aux cultures en limitant au maximum
l’apparition de stress dus aux facteurs limitant liés au climat. Le but de ce chapitre est donc de
construire le calendrier agricole de Foto.

I - EVAPOTRANSPIRATION CALCULEE
P. FRANQUIN et al. (1988) analysant l’évapotranspiration firent ces remarques : « le
terme « évapotranspiration » - évaporation + transpiration – recouvre en fait trois notions :

- celle d’évapotranspiration « potentielle », ETP, ou demande climatique de vapeur d’eau,

déterminée par l’énergie disponible. Elle ne peut être satisfaite que par un couvert végétal
parfaitement couvrant, fonctionnel et abondamment alimenté en eau ;

- celle d’évapotranspiration « maximale », ETM, ou demande végétale en eau. Elle est

fonction de l’évapotranspiration potentielle mais limitée par la surface foliaire évaporante. Elle
ne peut être satisfaite que grâce à une alimentation en eau non-limitée ;

- celle d’évapotranspiration « réelle », ETR ; en rapport avec la disponibilité en eau du

sol.

Une évapotranspiration potentielle mesurée n’a pas la même signification que celle d’une
évapotranspiration potentielle calculée : la première n’a qu’un intérêt local tandis que la
seconde présente généralement un caractère régional, d’où la notion d’évapotranspiration
potentielle climatique.». C’est donc du calcul de l’évapotranspiration potentielle climatique qu’il
sera question ici. Nous l’avons calculée par la formule de TURC à l’échelle de la décade.

( )

t : température de l’air pendant la décade (°C), Rg : radiation globale d’origine solaire (petite
cal/cm²/j). f(h) est une fonction de l’humidité relative Hr. Si Hr est inférieure à 65% :
 108

(TURC, 1981)

Rg a été calculée à partir de l’équation suivante :

Rg0 = Rayonnement extra-terrestre (cal/cm²/jour) ; Tmax = températures maxima de l’air (°C) ;

Tmin = températures minima de l’air (°C) ; Krs = Coefficient [0,16..0,19] (°C-0,5).

Pour les zones intérieures où les masses de terres ne sont pas influencées fortement par de
grandes masses d’eau : Krs = 0,16. Pour les zones côtières situées sur ou adjacentes à une grande
masse de terre et où les masses d’air sont influencées par une masse d’eau proche : Krs = 0,19.

Les résultats de l’ETP décadaire consignés dans le tableau XXII montrent une assez bonne
fiabilité de la méthode utilisée. En effet ils situent par extrapolation l’ETP journalière à Foto
dans la fourchette de 01 à 04 mm.j-1 telle que généralement estimée pour la zone humide.
Cependant on constate pour les mois de janvier à mars qu’elle varie de 4,1 à 4,5mm/j. De plus ils
soutiennent d’assez près la comparaison d’avec les valeurs annuelles d’ETP calculées par C.
RIOU pour la station de Bangui pour la période allant de 1966 à 1971. Elles étaient de 1239
mm/an. L’ETP annuelle à Foto pour la période 1970-1979 est de 1260mm/an. La moyenne
annuelle de l’ETP pour l’ensemble des 40 années l’y situe dans la tranche 1300-1400 mm/an.

A l’échelle de la décade, et même du mois, nous constatons que l’ETP varie assez
faiblement soit une différence de 11,04 mm/10j entre l’ETP la plus élevée et celle la moins
élevée. Elle est également, au même titre que les températures maxima, fortement influencée par
les précipitations. L’ETP est très forte durant la saison sèche avec le mois de février où elle est la
plus élevée et s’abaisse avec l’arrivée des pluies jusqu’à une valeur minimale observée en juillet.

A l’échelle de chacune des décennies, nous notons une augmentation de l’ETP liée à
l’élévation des températures et à la baisse observée dans les hauteurs de précipitations. C’est
ainsi que la décennie 2000-2009 qui a été assez chaude et la moins arrosée est celle durant
laquelle l’ETP a été la plus forte. Elle croit progressivement entre chacune des décennies : 1,35%
entre 1970-1979 et 1980-1989 ; 9,88% entre 1980-1989 et 1990-1999 ; 0,58% entre 1990-1999
et 2000-2009. Cette augmentation reste donc relativement faible. Ainsi établit, il nous est dès
lors possible de donner les limites de la saison humide à Foto.
 109

TABLEAU XXII : Evapotranspiration potentielle climatique décadaire à Foto de 1970 à 2009

1970-1979 1980-1989 1990-1999 2000-2009 1970-2009
D1 38,31 38,72 41,86 42,57 40,37
janvier D2 38,48 39,15 41,78 42,87 40,57
D3 38,71 39,28 42,09 42,93 40,75
D1 39,75 41,09 45,39 45,51 42,94
Février D2 40,53 41,52 45,43 45,78 43,32
D3 40,45 42,15 45,86 45,89 43,59
D1 38,61 40,63 44,47 43,69 41,85
Mars D2 38,87 40,56 44,43 43,66 41,88
D3 38,95 40,07 44,58 43,79 41,85
D1 36,19 37,56 40,75 40,52 38,76
Avril D2 36,23 37,51 40,74 40,50 38,75
D3 36,23 37,45 40,86 40,40 38,74
D1 34,55 34,83 38,93 38,98 36,82
Mai D2 34,4 34,76 38,83 39,00 36,75
D3 34,13 34,55 38,59 38,67 36,49
D1 32,51 32,40 37,13 36,45 34,62
Juin D2 32,43 32,33 37,01 36,28 34,51
D3 32,08 32,48 36,77 36,16 34,37
D1 30,05 30,49 34,66 35,31 32,63
Juillet D2 30,01 30,09 34,75 35,34 32,55
D3 30,18 30,08 34,77 35,37 32,60
D1 31,28 31,31 35,68 35,37 33,41
Août D2 31,32 31,44 35,71 35,36 33,46
D3 31,46 31,49 35,89 35,50 33,59
D1 33,38 33,59 37,45 37,94 35,59
Septembre D2 33,52 33,64 37,52 38,01 35,67
D3 33,74 33,68 37,58 38,04 35,76
D1 33,69 33,46 37,68 38,14 35,74
Octobre D2 33,69 33,79 37,64 38,45 35,89
D3 33,66 33,78 37,63 38,38 35,86
D1 34,94 35,38 38,51 39,62 37,11
Novembre D2 35,13 35,38 38,52 39,31 37,09
D3 34,76 34,91 38,63 39,35 36,91
D1 36,4 36,09 40,13 41,13 38,44
Décembre D2 36,11 36,14 39,87 41,13 38,31
D3 36,08 36,31 40,03 40,98 38,35
année 1260,81 1278,09 1418,15 1426,38 1345,86
 110

TABLEAU XXIII : Evapotranspiration potentielle climatique mensuelle à Foto

ETP
jan fév. mars avril mai juin jt août sept oct. nov. déc. A
mm/mois
1970- 118, 123, 119, 111, 105, 100, 92,5 96,4 103, 103, 107, 111, 1294,
1979 47 84 41 44 73 72 7 8 21 64 52 46 49
1980- 120, 127, 124, 115, 106, 99,7 92,9 96,6 103, 103, 108, 111, 1310,
1989 16 98 37 42 81 0 9 7 51 61 38 34 94
1990- 128, 140, 136, 125, 119, 113, 106, 110, 115, 115, 118, 123, 1454,
1999 95 19 89 49 31 75 87 03 55 85 61 12 61
2000- 131, 140, 134, 124, 119, 111, 108, 108, 116, 117, 121, 126, 1462,
2009 66 69 51 54 65 68 75 95 90 92 33 38 96
1970- 124, 133, 128, 119, 112, 106, 100, 103, 109, 110, 113, 118, 1380,
2009 81 18 80 22 88 46 30 03 79 26 96 08 75

II - LE MODELE DE LA PERIODE FREQUENTIELLE DE VEGETATION A FOTO

A- Le modèle moyen
Le premier travail à effectuer est de présenter les données climatologiques habituelles sous
la forme d’un graphique où sont représentées la courbe de la pluviométrie moyenne (mensuelle
ou décadaire) et l’ETP et l’ETP/2 à la fois. Il est alors possible de définir dates d’évènements et
durées de périodes qui ne représentent ici que des « moyennes ». C’est le modèle moyen. La
figure 51 caractérise la pluviométrie décadaire moyenne à Foto. Sous le nom de la station (Foto)
accompagné des coordonnées géographiques (latitude, longitude et altitude) sont présentées
successivement la pluviométrie et la médiane mensuelles entre lesquelles vient s’intercaler le
coefficient de variation. Les valeurs sont ici arrondies afin d’éviter les décimales. Pour les
décimales supérieures ou égales à 0,5, la valeur entière est arrondie à X + 1 (12,5 = 13). Pour
celles qui sont inférieures à 0,5, la valeur entière est maintenue (12,3 = 12).

La courbe pluviométrique décadaire moyenne est intersectée par les courbes représentant
ETP et ETP/2 décadaires moyennes dont les valeurs mensuelles sont indiquées à la suite de
celles de la pluviométrie décadaire sous la figure. L’ETP a été calculée grâce à la formule de
TURC. Les 04 points d’intersections de ces deux courbes (ETP et ETP/2) avec celle de la
pluviométrie – intersections qui peuvent être au nombre de 08 certaines années dans un régime à
deux maximums – sont datées au bas de la figure. Il est possible d’y tirer les dates d’évènements
et la durée de la période de végétation « moyenne » (période semi-humide et période humide) :

- évènements 1 à 2 : 20 jours, du 60è au 80è jours de l’année, durant lesquels la pluie P

passe de ETP/2 à ETP ;
 111

Pluies Médiane ETP ETP/2

120

100

80

60

40

20

0
D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2 D1 D3 D2
jan Fév Mars Avril Mai Juin Jt Aout Sept Oct Nov Déc

CAMEROUN Station FOTO (DSCHANG) X : 05°25’N Y : 10°04’E Z : 1480 m

PLUVIOMETRIE MENSUELLE, mm Période : 1970 – 2009 40 années

I II III IV V VI VII VIII IX X XI XII Année

MOYENNE 13 29 116 177 185 236 225 279 321 211 42 6 1840
C. V. % 115 97 52 29 35 30 30 23 23 36 79 167 13
MEDIANE 7 19 114 181 174 237 208 279 313 198 29 1 1760

PLUVIOMETRIE DECADAIRE, mm Période : Idem

1rdéc. 2,65 6,74 29,78 65,95 60,83 69,22 76,67 76,71 103,24 91,91 25,67 3,27
2èdéc. 5,59 5,28 30,19 58,97 59,31 78,96 75,02 93,76 111,01 73,71 10,60 1,88
3èdéc. 4,65 16,90 52,97 51,92 65,07 87,91 74,87 108,41 107,00 44,70 5,58 1,20

EVAPOTRANSPIRATION POTENTIELLE MENSUELLE, mm.mois-1 calculée

ETP 122 130 126 116 110 104 98 100 107 108 111 115 1347
ETP/2 61 65 63 58 55 52 49 50 54 54 56 58
INTERSECTIONS
ETP 2 7

ETP/2 1 8

Dates 1/3 21/3 1/11 11/11

60 80 305 315

Durées 20 j. 225 j. 10 j.

0 20 245 255

FIGURE 51 : Caractéristiques moyennes de pluviosité, d’évapotranspiration et d’intersections

 112

- évènements 2 à 7 : 225 jours, du 80è au 305è jours de l’année, durant lesquels P est
globalement supérieure à ETP ;
- évènements 7 à 8 ; 10 jours, du 305è au 315è jours de l’année, durant lesquels P passe de
ETP à ETP/2, pour redevenir définitivement inférieure à ETP/2 après cette dernière.
Les évènements 3, 4, 5, 6, qui sont fréquents dans les années à double maximum,
n’apparaissent pas dans le modèle de la période de végétation « moyenne » à Foto.

B - Le modèle fréquentiel
Nous présenterons les différents paramètres du bilan hydrique permettant de construire le
modèle de la PFV à Foto. Nous avons choisi de ne pas construire ce modèle sur l’ensemble des
40 années d’observations des données climatiques bien qu’il soit recommandé de le faire. Mais
plutôt nous le construirons sur les dix dernières années de la série chronologique des données.
Premièrement parce que par rapport au régime pluviométrique probable, les trois premières
décennies s’en écartaient suffisamment, notamment au niveau du mois de mars. Nous n’y
observons pas la chute de la pluviométrie au courant de la deuxième décade comme indiquée sur
le régime probable. Donc le modèle moyen pour chacune de ces décennies se rapproche
rigoureusement de celui construit pour l’ensemble des 40 années.

Deuxièmement parce que comparativement au régime probable, le régime moyen de la

décennie 2000-2009 suit assez rigoureusement le régime probable de l’ensemble de la période
avec en plus des singularités. C’est bien ce qu’indique la très bonne relation qui existe entre les
deux régimes (R = 0,98 ; R² = 0,96) telle que le montre la figure 52 (a et b). Cela suppose que
contrairement au modèle de la période de la végétation « moyenne » que nous avons déjà
présenté avec uniquement 04 évènements (1, 2, 7, 8), la décennie 2000-2009 se démarque avec
une fréquence d’apparition des évènements (3, 4, 5, 6) la plus élevée de toutes les quatre
décennies, soit un rapport de 7/10. Plus clairement cela voudrait dire qu’au courant de la
décennie 2000-2009, le régime pluviométrique a présenté les caractéristiques d’un régime à deux
maximums sept années sur dix ce qui correspond aux 2/3 de la décennie.

150
Précipitation,

100
mm

50
0
0 20 40 60 80 100 120
Précipitations, mm

a : relation régime probable (1970-2009) et régime moyen (2000-2009)

 113

120

Précipitations, mm
100
80
60
40
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
n° des décades

Médiane 2000-2009

b : comparaison entre régime probable (1970-2009) et régime moyen (2000-2009)

FIGURE 52 : Relation entre le régime probable (1970-2009) et le régime moyen (2000-2009)

Nous avons ainsi simulé le bilan hydrique pour chacune des 10 années que comporte la
décennie. La totalité des opérations a été faite à la main pour des raisons de logistique car nous
n’avons pas pu obtenir le logiciel utilisé par P. FRANQUIN ou tout autre logiciel permettant de
simuler le bilan hydrique. Le découpage des différents évènements dans le cas du modèle de la
PFV ne tient plus compte, comme dans le modèle moyen, de la probabilité de dépassement d’un
niveau d’ETP par la pluie mais du « rapport (ETR/ETM ou ETR/ETP) des disponibilités
hydriques réelles eu égard des besoins. ».

Un exemple du bilan hydrique annuel relatif à une RU maximale de 50 mm pour l’année

2002 est présenté ci-dessous. Le découpage des différents évènements survenus au courant d’une
année se fait selon certaines conditions. Il s’agit principalement de se fixer des valeurs limites.
L’une pour délimiter la période semi humide (SH) qui correspond sur le modèle moyen aux
différents points d’intersections de la courbe de l’ETP/2 avec celle de la pluviométrie. L’autre,
bien entendu, délimitera la période humide (H) et correspond sur le modèle moyen aux points
d’intersections de la courbe de l’ETP avec celle de la pluviométrie. Dans un régime à un
maximum, SH correspond aux points d’intersections (évènements) 1 et 8 et H aux évènements 2
et 7. Dans le cas d’un régime à deux maximums, SH correspond aux évènements 1, 4, 5, 8 et H
aux évènements 2, 3, 6 et 7. De ce fait les évènements 3-6 et 4-5 correspondent à la période
sèche. C’est ainsi que sur la colonne caractérisant le rapport ETR/ETM du tableau, on recherche
de haut en bas et on les note de 1 à 8 les intersections suivantes :

- intersection 1, évènement réalisé dans la première décade pour laquelle ETR/ETM

devient et reste supérieur à 0,50 ;
 114

- intersection 2, évènement réalisé dans la première décade pour laquelle ETR/ETM

devient et reste supérieur à 0,90 ;
- intersection 3 ; évènement réalisé dans la première décade pour laquelle ETR/ETM
redevient et reste inférieur à 0,90 ;
- intersection 4, évènement réalisé dans la première décade pour laquelle ETR/ETM
redevient et reste inférieur à 0,50.
Ce découpage correspond dans le cas d’un régime à deux maximums, au premier
maximum (première phase humide), il en est de même pour la deuxième (2è maximum) dont le
résumé est le suivant :

(inters. 5 : ETR/ETP reste et devient supérieur à 0,50 ;

ème
2 (inters. 6 : ETR/ETP reste et devient supérieur à 0,90 ;
maximum (inters. 7 : ETR/ETP reste et redevient inférieur à 0,90 ;
(inters. 8 : ETR/EYP reste et redevient inférieur à 0,50.

On se rend dès à présent compte que la période fréquentielle de la végétation, PFV, établit
à l’aide de l’analyse statistique de la période de végétation (PV) annuelle, est constituée de deux
périodes encastrées :

« Une période SEMIHUMIDE SH (ETR/ETP  0,50) dont les limites sont celles de la

‘’saison culturale’’ des espèces annuelles. Cette période semihumide peut comporter, en rapport
avec les années à deux maximums de pluies, deux sous périodes : une 1ère sous période
semihumide ou culturale SH1 (entre évènements 1 et 4) et une 2ème sous période semihumide
SH2 (entre évènements 5 et 8). Ces deux sous périodes sont séparées par une ‘’petite saison
sèche’’ PSS2 (entre évènements4 et 5).

Une période HUMIDES H (ETR/ETP égale ou sup. à 0,90) encastrée dans la période
semihumide SH. Cette période humide peut comporter, en rapport avec les années à deux
maximums, deux sous périodes : une 1ère sous période humide H1 (entre évènements 2 et 3) et
une 2ème sous période humide H2 (entre évènements 6 et 7). Ces deux sous périodes sont
séparées par une ‘’petite saison sèche’’ PSS1 (entre évènements 3 et 6). »

Le bilan hydrique annuel ainsi élaboré, il devient possible de poursuivre l’analyse en

déterminant tour à tour, l’ensemble des évènements –intersections de 1 à 8 (le cas échéant)- pour
chacune des années de l’échantillon pluviométrique (dans notre cas précisément 10 années), les
fréquences cumulées et les fréquences cumulées relatives de chaque évènement, de même que
 115

FOTO. 2002. RU maximal : 50 mm.

Périodes P ETP HD HR K ETM ETR RS RDR RDRC D ETM- ETR/ETP ETM- RU
(RS) ETR/ETM ETR
1 décade 1 3,3 43,27 3,3 1 1 43,27 3,3 0 0 0 3,3 0,92 0,08 39,97 3,3
2 JANVIER décade 2 1,7 42,62 1,7 0,52 1 42,62 1,7 0 0 0 3,3 0,96 0,04 40,92 3,3
3 décade 3 0 44,19 0 0 1 44,19 0 0 0 0 3,3 1 0 44,19 3,3
4 décade 1 0 48,87 0 0 1 48,87 0 0 0 0 3,3 1 0 48,87 3,3
5 FEVRIER décade 2 0 50,12 0 0 1 50,12 0 0 0 0 3,3 1 0 50,12 3,3
6 décade 3 9,3 45,5 9,3 1 1 45,5 9,3 0 0 0 9,3 0,8 0,2 36,2 9,3
7 décade 1 15,5 43,59 15,5 1 1 43,59 15,5 0 0 0 15,5 0,64 0,36 28,09 15,5
8 MARS 12
décade 23,5 42,57 23,5 1 1 42,57 23,5 0 0 0 23,5 0,48 0,551 19,07 23,5
9 décade 3 39,9 41,54 39,9 1 1 41,54 39,9 0 0 0 39,9 0,04 0,96 1,64 39,9
10 décade 1 23,7 42,09 23,7 0,59 1 42,09 23,7 0 0 0 39,9 0,44 0,56 18,39 39,9
11 AVRIL décade 2 35 40,49 35 0,88 1 40,49 35 0 0 0 39,9 0,14 0,86 5,49 39,9
12 décade 3 24,8 41,46 24,8 0,62 1 41,46 24,8 0 0 0 39,9 0,4 0,6 16,66 39,9
13 décade 1 49,2 39,63 49,2 1 1 39,63 39,63 9,57 0 0 39,63 0 1 0 49,2
14 MAI décade 2 17,6 40,22 27,17 0,55 1 40,22 27,17 0 0 0 49,2 0,32 0,68 13,05 49,2
15 décade 3 16,9 39,62 3,85 0,08 1 39,62 3,85 0 13,05 13,05 49,2 0,9 0,1 35,77 49,2
16 décade 1 60,8 37,7 50 1 1 37,7 37,7 12,3 10,8 23,85 37,7 0 1 0 50
17 JUIN décade 2 90,8 37,02 50 1 1 37,02 37,02 12,98 53,1 76,95 37,02 0 1 0 50
18 décade 3 111,6 37,7 50 1 1 37,7 37,7 12,3 74,58 151,53 37,7 0 1 0 50
19 décade 1 75,9 37,67 50 1 1 37,67 37,67 12,33 38,2 189,73 37,67 0 1 0 50
20 JUILLET décade 2 61 37,77 50 1 1 37,77 37,77 12,23 23,33 213,06 37,77 0 1 0 50
21 décade 3 60,8 36,31 50 1 1 36,31 36,31 13,69 23,03 236,09 36,31 0 1 0 50
22 décade 1 84,6 36,79 50 1 1 36,79 36,79 13,21 48,29 284,38 36,79 0 1 0 50
23 AOUT décade 2 71,9 37,22 50 1 1 37,22 37,22 12,78 35,11 319,49 37,22 0 1 0 50
24 décade 3 133,2 36,91 50 1 1 36,91 36,91 13,09 95,98 415,47 36,91 0 1 0 50
25 décade 1 54,9 38,63 50 1 1 38,63 38,63 11,37 17,99 433,46 38,63 0 1 0 50
26 SEPTEMB décade 2 65 38,93 50 1 1 38,93 38,93 11,07 26,37 459,83 38,93 0 1 0 50
27 RE décade 3 32 38,18 43,07 0,86 1 38,18 38,18 4,86 0 459,83 45,14 0 1 0 50
28 décade 1 58,9 38,5 50 1 1 38,5 38,5 11,5 13,76 473,59 38,5 0 1 0 50
29 OCTOBRE décade 2 38 38,61 49,5 0,99 1 38,61 38,61 10,89 0 473,59 39,11 0 1 0 50
30 décade 3 10 37,24 20,89 0,42 1 37,24 20,89 0 0 473,59 50 0,44 0,56 16,35 50
31 décade 1 33,1 37,88 16,75 0,34 1 37,88 16,75 0 16,35 489,94 50 0,56 0,44 21,13 50
32 NOVEMBR décade 2 0,2 39,38 0,2 0,004 1 39,38 0,2 0 0 489,94 50 0,99 0,005 39,18 50
33 E décade 3 0 41,48 0 0 1 41,48 0 0 0 489,94 50 1 0 41,48 50
34 décade 1 0 41,11 0 0 1 41,11 0 0 0 489,94 50 1 0 41,11 50
35 DECEMBR décade 2 0,9 41,94 0,9 0,02 1 41,94 0,9 0 0 489,94 50 0,98 0,02 41,04 50
36 E décade 3 0 41,44 0 0 1 41,44 0 0 0 489,94 50 1 0 41,44 50
Totaux 1304 1454,19 1454,19 814,03 640,16
Moyennes 0,42 0,58

Les 8 intersections sont réalisées : 1, 2, 3, 4, 5, 6, 7, 8

 116

les fréquences cumulées et les fréquences cumulées relatives de la durée des différentes périodes
et sous-périodes. Par exemple pour le cas du bilan hydrique de Foto en 2002 pour une RU
maximale de 50 mm que nous avons pris comme exemple ici, les différents résultats sont listés
dans les feuillets a à h (Voir en annexe 2 pour plus de détail). Grâce à l’élaboration du bilan
hydrique annuelle de 2000 à 2009, nous avons pu construire la période fréquentielle de
végétation (fig. 53) ainsi que les courbes de la durée de chacune des périodes définies grâce à la
PFV (fig. 54) pour Foto.

PERIODE SEMIHUMIDE (SH) ET HUMIDE (H) NETTES;

100
90
80
1 4 5 8
70 6 7
Probabilité

60
50
2 3
40
30
20
10
0
JAN FEV MARS AVRIL MAI JUIN JUL AOUT SEPT OCT NOV DEC

FIGURE 53 : La période fréquentielle de végétation (PFV) pour une RU = 50 mm

DURÉES DES PÉRIODES HUMIDE, SEMIHUMIDE ET SÈCHE

100
90
H2 (6-7) SH2 (5-8)
80
SH1 (1-4)
70
Probabailité

60
50 H1 (2-3)
40
30
PSS1 (3-6)
20
PSS2 (4-5) SH (1-8)
10 H (2-7)
0
30 60 90 120 150 180 210 240 270 300 330 360
DUREES en JOURS

FIGURE 54 ; Courbes de la durée des différentes périodes selon la PFV

 117

C - La datation probabiliste des évènements

Nous voudrions préciser ici avant de commencer que pour cet exercice, nous nous sommes
inspirés et aidés des travaux de P. FRANQUIN en la matière afin de rester le plus objectif
possible et d’exploiter au mieux les informations fournies par le tracé de la période fréquentielle
de végétation, PFV. Ainsi comme nous l’avons déjà dit, les sigmoïdes 1, 4, 5, 8 permettent de
dater ou de probabiliser ouvertures (sigm. 1 et 5) et fermetures (sigm. 4 et 8) des saisons
culturales SH1, SH2 ou simplement SH.

1 - Probabilité simple d’ouverture ou de fermeture d’une saison culturale ou d’une petite

saison sèche
- La première saison culturale SH1 (1-4), en PFV 50 mm :
Ouverture : la première saison culturale est déjà ouverte
à la fréquence : 10 % aux environs du 17/02 ou inversement
20 20/02
30 22/02
40 25/02
50 (médiane) 01/03 (1 année sur 2)
60 03/03
70 05/03
80 15/03
90 05/04

On se rend bien compte que la date médiane d’ouverture de la saison culturale SH1 qui
correspond au tracé de la sigmoïde 1, correspond également parfaitement avec celle prévue par
le modèle moyen, soit aux environs du 01 mars.

Fermeture : la première saison culturale est encore ouverte

à la fréquence 90 % aux environs du 05/04 ou inversement
80 08/04
70 10/04
60 12/04
50 (médiane) 14/04 (1 année sur 2)
40 05/05

- La deuxième saison culturale SH2 (5-8) en PFV 50 mm :

Ouverture : la deuxième saison culturale est déjà ouverte
à la fréquence 40 % aux environs du 05/05 ou inversement
50 (médiane) 15/05 (1 année sur 2)
60 17/05
70 20/05
80 21/05
 118

90 23/05
100 25/05

Fermeture : la deuxième saison culturale est encore ouverte

à la fréquence 100 % aux environs du 25/10 ou inversement
90 28/10
80 02/11
70 05/11
60 08/11
50 (médiane) 11/11 (1 année sur 2)
40 15/11
30 18/11
20 20/11
10 22/11
00 25/11

- La saison culturale unique SH (1-8) en PFV 50 mm :

Ouverture : la saison culturale unique est déjà ouverte aux même fréquences et dates que la 1 ère
saison (SH1), jusqu’aux limites de 90% et du 05/04.

Fermeture : la saison culturale unique est encore ouverte aux même fréquences et dates que la
2ème saison (SH2), à partir des limites de 70% et du 05/11.

- La petite saison sèche ‘’forte’’ PSS2 (4-5) en PFV 50 mm :

Ouverture : la petite saison sèche est déjà ouverte

à la fréquence 100-90 = 10 % aux environs du 05/04 ou inversement

100-80 = 20 08/04
100-70 = 30 10/04
100-60 = 40 12/04
100-50 = 50 (médiane) 14/04 (1 année sur 2)
100-40 = 60 05/05

Fermeture : la petite saison sèche est encore ouverte

à la fréquence 100-100 = 00 % aux environs du 25/04 ou inversement

100-90 = 10 23/05
100-80 = 20 21/05
100-70 = 30 20/05
100-60 = 40 17/05
100-50 = 50 (médiane) 15/05 (1année sur 2)
100-40 = 60 05/05
 119

2 - Probabilité (composée) ‘’d’ouverture-fermeture’’ d’une saison culturale ou d’une petite

saison sèche
Le précédent exercice a consisté à dater (pour une fréquence donnée) ou à probabiliser
(pour une date donnée) l’ouverture ou la fermeture d’une saison culturale ou d’une petite saison
sèche. Nous allons dès à présent montrer comment trouver ou obtenir, à partir de la PFV, la
probabilité pour l’ouverture et la fermeture (combinées) d’une saison culturale ou d’une petite
saison sèche

- La 1ère saison culturale SH1 (1-4) en PFV 50 mm :

Grace à la PFV que nous avons construite pour Foto (fig. 54), la probabilité par exemple
que la 1ère saison culturale SH1 soit déjà ouverte le 20/02 et encore ouverte le 30/04 est le
produit des probabilités élémentaires attachées à ces dates, soit 0,20 x 0,50 = 0,1. Ce résultat peut
aussi être compris de la manière suivante, quelle est la probabilité pour que la 1ère saison
culturale SH1 dure 70 jours et qu’elle s’intercale entre les dates 20/02 et 30/04.

- La 2ème saison culturale SH2 (5-8) en PFV 50 mm :

Dans ce cas, la probabilité par exemple que SH2 soit déjà ouverte le 10/05 et encore
ouverte le 30/11 (approximativement 190 jours) est donc le produit : 0,45 x 0,20 = 0,09.

- La saison culturale unique SH (1-8) en PFV 50 mm :

La saison culturale unique SH (1-8) suppose donc qu’il n’y ait aucune interruption de la
période de végétation annuelle par l’apparition en son sein de PSS2 (4-5), ce qui la séparerait en
2 saisons culturales SH1 (1-4) et SH2 (5-8). Ainsi pour notre cas par exemple, la probabilité
d’une saison culturale unique SH de 260 jours au plus, positionnée entre les dates 25/02 et 15/11
est de 0,40 x 0,40 = 0,16.

- La petite saison sèche PSS2 (4-5) en PFV 50 mm :

Dans ce cas précis, nous devons tenir compte du coefficient de corrélation entre le deux
sigmoïdes réciproques 4 et 5 qui est de 0,98 (R² = 0,96, voir annexe 2). Ce coefficient fort traduit
une dépendance forte entre les évènements 4 et 5 qui limitent la petite saison sèche PSS2 ; ce
qui voudrait dire que la date de l’évènement 5, qui correspond climatiquement à la fin du
ralentissement de la pluie observée durant cette période, dépendra étroitement de celle de
l’évènement 4 qui, lui, marque le début du ralentissement de la pluie.
 120

D - Durée probable des saisons

La section précédente consistait à évaluer la probabilité ‘’composée’’ d’une durée d’au
moins x jours centrée entre deux dates données en fonction de leur position dans le temps. Il
s’agit comme l’indique l’auteur d’évaluer la probabilité (simple) d’une durée d’au moins (ou
d’au plus) x jours, quelle que soit sa position dans le temps. Autrement dit : « quelle est la
probabilité p d’une durée d’au moins (probabilité de dépassement p) ou d’au plus (probabilité
de non dépassement 1-p) x jours en 1ère (SH1) ou 2ème (SH2) ou unique (SH) saison culturale ?
Ou encore en petite saison sèche PSS2 ? »

- La 1ère saison culturale SH1 (1-4, fig. 54)) :

On se réfère à la courbe SH1 de cette figure à partir de laquelle on lit la probabilité, par
exemple, qu’elle dure au moins 190 jours est de 0,70 (probabilité de dépassement), d’où aussi la
probabilité 1,00 – 0,70 = 0,30 qu’elle dure au plus 150 jours (probabilité de non- dépassement).
Inversement si l’on se donne par exemple la probabilité de dépassement p = 0,80 (ou la
probabilité de non-dépassement 1,00 – 0,80 = 0,20), il y correspond une durée de 50 jours.

- La 2ème saison culturale SH2 (5-8, fig. 54) :

On se réfère également ici à la courbe SH2 à partir de laquelle on peut lire que la
probabilité de dépassement (ou que SH2 dure au moins), par exemple, 190 jours est de 0,60 ;
d’où la probabilité de non-dépassement (ou que SH2 dure au plus) p = 1,00 – 0,60 = 0,40. Dans
le cas inverse si, par exemple, on se donne la probabilité de dépassement p = 0,70 (ou probabilité
de non-dépassement 1,00 – 0,70 = 0,30), elle correspond à une durée de 178 jours à peu près.

- La saison culturale unique SH (1-8, fig. 54) :

Le procédé restant le même que pour celui de SH1 et SH2, on se réfère à la courbe SH et
on peut lire, par exemple, la probabilité que SH dure au moins 250 jours est de 0,20 ; d’où la
probabilité 1,00 – 0,20 = 0,80 que SH dure au plus 250 jours.

- La petite saison sèche PSS2 (4-5, fig. 54) :

En analysant la courbe PSS2, on peut lire, par exemple, qu’à une petite saison sèche d’au
moins 30 jours correspond une probabilité de 00, ce qui signifie qu’il n’y a pas de petite saison
sèche PSS2 de 30 jours ou plus. Dans le cas inverse, pour une probabilité de dépassement p =
0,50, elle correspond à une durée de 13 jours à peu près. Au final, ce mode d’emploi qui vient
d’être utilisé pour la détermination des saisons culturales ou périodes semihumides SH1, SH2,
SH et à la petite saison sèche PSS2, peut également s’appliquer de la même manière aux
périodes humides H1 (2-3), H2 (6-7), H (2-7) et à la petite saison sèche PSS1 (3-6).
 121

E - Exemple de mise en application

Tout au long du chapitre précédent nous avons essayé de présenter, de façon générale, la
pratique de l’agriculture au sein du groupement Foto, c’est-à-dire les techniques et les procédés
traditionnels. C’est ainsi que nous avons distingué :

Le type d’agriculture qui est une agriculture en ‘’association’’ ;

Les cultures vivrières annuelles les plus répandues et classées par ordre décroissant : Maïs,
haricot et pomme de terre ;

Les deux phases de plantation (cycles ou campagnes) :

- la première est dévolue, essentiellement entre ½-février et ½-mars, aux semis en

association de maïs et d’haricots sur l’ensemble de la région (la pomme de terre est de moins en
moins plantée par les agriculteurs-paysans du fait des nombreux ‘’échecs’’ survenus ces
dernieres années d’après ce que nous indiquent les paysans interrogés) ;
- la deuxième est dévolue, entre ½-juillet et fin-septembre, aux semis soit en culture unique
de haricot, soit en association : maïs + haricot (l’association de 2ème campagne dépend en partie
du pouvoir d’achat du paysan en ce qui concerne l’achat du sac de 50 kg d’engrais vendu sur le
marché car plus on plante/sème beaucoup, plus on doit utiliser d’engrais).

1 - Détermination de la saison culturale

Avant toute mise en place d’une activité agricole, la première information dont a besoin
l’agriculteur est la durée de la saison culturale. Le modèle de la PFV que nous avons construit ici
pour une RU maximale de 50 mm possède cet avantage décisif qu’elle permet de probabiliser la
durée effective de la saison culturale pour différents niveaux de probabilité. Nous avons choisi
pour le cas d’espèce, les probabilités p = 0,50 qui correspond à la probabilité d’une durée de la
saison culturale 2 années sur 4 ; et p = 0,80 qui renvoie à une probabilité d’occurrence de 03
années sur 05. Dans les faits, ces deux probabilités traduisent deux situations particulières
auxquelles l’agriculteur aura à faire face. L’une, p = 0,50, traduit une saison culturale moins
contraignante et donc plus favorable à un meilleur rendement des cultivars ; tandis que l’autre,
p = 0,80, traduit une situation extrêmement difficile face aux défis qu’est de garantir dans le
temps un rendement suffisamment élevé pour pouvoir garantir la sécurité alimentaire.

La première information d’une grande importance que l’on obtient après la lecture de la
PFV (fig. 53) est le fait d’observer, pour l’ensemble des deux probabilités, une séparation de la
saison culturale unique SH (sigm. 1-8) en 02 saisons culturales SH1 et SH2. Cette discontinuité
 122

est le fait d’un ralentissement de la pluie qui survient à une période de la saison culturale, PSS2.
Sur le modèle moyen, la saison culturale dure 255 jours en moyenne et elle est unique.
Cependant en considérant la PFV (fig. 53), on constate que :

- pour p = 0,50, SH1 dure 61 jours, entre les sigmoïdes 1 (01/03) et 4 (30/04) ; SH2 dure
176 jours, entre les sigmoïdes 5 (15/05) et 8 (10/11) et PSS2 dure 15 jours, entre les sigmoïdes 4
(30/04) et 5 (15/05).
- pour p = 0,80, SH1 dure 23 jours, entre les sigmoïdes 1 (15/03) et 4 (08/04) ; SH2 dure
160 jours, entre les sigmoïdes 5 (22/05) et 8 (02/11) et PSS2 dure 44 jours, entre les sigmoïdes 4
(08/04) et 5 (22/05). La saison culturale ainsi délimitée, il devient dès lors possible de discuter
sur le thème du « calage des cycles de végétation des cultivars » du calendrier agricole.

2 - Le calage des cycles des cultures

Il est important de retenir deux points essentiels : le fait pour nous de vouloir présenter un
cadre général dans lequel pourra s’intercaler l’ensemble des cultures d’où le choix lors de la
simulation du bilan hydrique annuel du coefficient k = 1, et la place primordiale accordée aux
cultures vivrières annuelles que sont le maïs, le haricot et la pomme de terre. Le calendrier
cultural, pour ce qui concerne la culture de ces trois plantes, se compose principalement des
semis de 1er et 2ème cycles culturaux. La 1ère en association et la 2ème en culture unique. Pour
coller à la réalité, une connaissance de la biologie florale des plantes cultivées s’avère
indispensable. Il est tout à fait indispensable de distinguer : le type de floraison de la plante
cultivée (terminale ou axillaire, indéfinie) ; si la plante cultivée est photopériodique ou
aphotopériodique (ou non photopériodique) ; la durée du cycle de développement de la plante.
Afin d’éviter de tomber dans une présentation plus ou moins exhaustive du fonctionnement
biologique de chacune de nos 03 cultures susmentionnées, mais aussi de limiter les erreurs
d’interprétation, nous nous limiterons à l’exemple de la culture du maïs.

3 - Calage des phases du maïs de 1er cycle cultural

D’une manière simple, les stades de la croissance des plantes peuvent se décomposer
comme suit :

- « GS1 (germination to initiation of the reproductive apex) : Developing resource capture

systems;
- GS2 (initiation to flowering): Accumulating dry matter;
- GS3 (flowering to maturity): Flowering and grain filling. »(J. L. MONTEITH, 1991)
 123

De toutes ces 03 phases, il existe une qui est particulièrement sensible au manque d’eau et
dont dépend le succès de la culture, c’est la phase de floraison-remplissage des grains. Elle
correspond d’après le découpage de MONTEITH à GS3 : flowering and grain filling. Cette
phase est dite phase critique. La durée de cette phase dépend de la variété du cultivar et de la
durée de son cycle de développement.

Le maïs est une plante de floraison terminale. Cela implique que sa phase critique soit
parfaitement calée par rapport aux disponibilités hydriques optimales. Il s’agit de la période de
l’année où ETR = ETP, soit les périodes humides H1 (sigm. 2-3), H2 (sigm. 6-7) et H (sigm. 2-
7). La position et la durée de cette phase critique varient en fonction de la durée du cycle de
développement/croissance du cultivar. Chez le maïs, cette phase se situe globalement entre les
stades 5 et 8 tels qu’ils ont été décrits d’après l’échelle BBCH des stades phénologiques du maïs
et dont nous avons présenté le cas du maïs en annexe 1. Plus précisément cette phase va de
l’épiaison à la fin du stade pâteux (stade principal 8, code 85, échelle BBCH).

La valeur du coefficient cultural k, nous a permis de caler plus précisément cette phase
critique au sein des stades phénologiques du maïs. Cette phase correspond aux stades
phénologiques durant lesquels k est le plus élevé et renvoie de ce fait à la période du cycle de
développement/croissance pour laquelle les besoins en eau de la plante sont les plus élevés.

Stades phénologiques du maïs Coefficient cultural

Semis – levée / 1 mois après 0,50
1 mois après / Montaison 0,70
Montaison / 10 jours après fleur male 1,20
10 jours après fleur male / Floraison femelle 1,10
Floraison femelle / Fin stade laiteux 0,90
Source : www.ardépi.fr/coeff/... (consulté en septembre 2011)

On constate en effet que cette phase critique va de la montaison à la fin du stade laiteux
(stade principal 7, code 79, échelle BBCH) qui survient en général 15 jours avant la maturité
physiologique (stade principale 8, code 85, échelle BBCH) selon la durée du cycle cultural du
cultivar et s’il est photopériodique ou non (compter moins pour les cultures précoces et plus pour
les cultures tardives). Nous avons choisi dans le cadre de notre exercice, de nommer cette phase :
la phase décisive afin de la distinguer de la phase critique qui, telle que nous l’avons définie à la
base, est légèrement plus longue. De même, avant de tenter de caler cette phase décisive au sein
du cycle de développement/ croissance du maïs, il convient de distinguer également entre :
 124

- plantes précoces, à durée de cycle de développement/croissance court, égale ou inférieure

à 100 jours, rendement à l’hectare peu élevé, d’où peu productives ;
- plantes tardives, à durée de cycle de développement/croissance long, supérieure à 100
jours, rendement à l’hectare élevé, d’où plus productives.
D’après P. FRANQUIN, pour un maïs d’un cycle de développement/croissance de 120
jours, cette phase décisive dure 40 jours environ, et se situe du 45ème au 85ème jour du cycle.
Cependant, dans un cycle de développement/croissance d’un maïs de 140 jours, cette phase dure
45 jours environ et se situe du 60ème au 105ème jour. Enfin d’après M. ELDIN, pour un cultivar de
90 jours, elle dure 30 jours et va du 50ème au 80ème jour. En comparant les durées approximatives
des deux cycles extrêmes, cela nous donne un ordre de grandeur de 02 jours plus tard pour ce qui
est du décalage dans la date de départ de la dite phase ; et de 03 jours en plus qui viennent
s’ajouter à la durée initiale de 30 jours chaque fois que la durée du cycle de
développement/croissance du cultivar augmente de 10 jours comme l’indique la figure 55.

Phase décisive

FIGURE 55 : Définition de la phase décisive

Dans le cas de Foto ainsi que de sa région, différentes variétés de maïs sont produites par
l’IRAD et mises à la disposition des agriculteurs. Ce sont des semences améliorées dont le
tableau XXIV nous en donne les caractéristiques.
 125

TABLEAU XXIV : les variétés sélectionnées de maïs développées par l’IRAD pour la région de
l’ouest
Variétés Cycle de maturité couleur Rendement T/ha Nature
Shaba 130 jours (tardif) Blanche 6 Composite
Kasai-SR 105 jours (intermédiaire) Blanche 6 Composite
ATP-syn 115 jours (intermédiaire) Blanche 6 Synthétique
CHH 101 130 jours (intermédiaire) Blanche 8 à 12 Hybride
Ekebil (CLH 110 à 120 jours Blanche 9 à 10 Hybride
103)
Hogbe Nleng 130 à 140 jours (tardif) Blanche 5à6 Hybride
(CHC 201)
Source : Agriculture intensive et IRAD de Dschang.

Dans le cas d’un cycle floral de 120 jours, par exemple, la phase décisive dure 40 jours
environ, du 55ème au 95ème jour approximativement. Elle doit donc être calée à la meilleure
probabilité de réussite dans le cadre des périodes humides H1, H2 et H qui sont délimitées par le
contour interne (ETR/ETP supérieur à 0,90) du modèle de la PFV. Pour caler cette phase de
40 jours (pour l’exemple pris), on la figure, à l’échelle de temps du modèle de la PFV, par un
segment de droite de 40 jours que l’on fera glisser de 10 en 10 (ou 05 en 05) jours, en partant
d’une date prise comme point de départ des 40 jours.

A Foto, nous avons pu constater qu‘à la probabilité 0,50, la période humide est composée
de 2 sous-périodes H1 et H2 séparées l’une de l’autre par une petite saison sèche PSS2 de 15
jours environ. H1 étant assez court, elle ne permet pas d’y caler la phase décisive de 40 jours au
risque qu’elle tombe directement sous les périodes de déficit hydrique correspondant à PSS1 (3-
6) et PSS2 (4-5). Il est préférable de la caler après cette période de ralentissement observée dans
les précipitations. La date de départ initial des 40 jours peut être la date qui correspond au point
de rencontre entre la probabilité p = 0,50 et la sigmoïde 6. Dans le cas présent, il s’agit du 21/05.
Ainsi la probabilité que H2 soit déjà ouverte le 21/05 étant de 0,50, quelle est la probabilité
qu’elle le soit encore 40 jours plus tard ; soit au 29-30/06 : 1,00. La probabilité ‘’composée’’ que
H2 ait au moins 40 jours entre ces deux dates est de ce fait de : 0,50 x 1,00 = 0,50. En faisant
par la suite glisser de 10 en 10 jours le segment de 40 jours, on calcule :

21/05-30/06 : 0,50 x 1,00 = 0,50

01/06-10/07 : 0,65 x 1,00 = 0,65
11/06-21/07 : 0,85 x 1,00 = 0,85
21/06-31/07 : 1,00 x 1,00 = 1,00
 126

La probabilité composée maximale est 1.00 correspondant au calage optimal des 40 jours
entre les 21/06 et 31/07. Cependant le calage de ces 40 jours à partir du 21/06 entraine des
conséquences à la fois sur la date de semis, sur les conditions de fructification/maturation des
graines, sur les dates de récoltes (maïs sec après la maturité physiologique ; 115 jours environ
après semis) et donc sur les dates des cultures de 2ème cycle cultural.

En maintenant cette phase entre leurs dates optimales que sont les 21/06 et 31/07, la date
de semis tomberait 55 jours plus tôt dans la décade du 21 au 30/04. Cette date parait assez
tardive pour une culture en association dont l’une des cultures serait plantée à la 1/2 mars et
hypothèque déjà les chances de réussite des cultures semées en 2ème cycle cultural. La date de
semis du 21 au 31/04 peut sembler risquée pour la réussite du semis vu qu’elle est située en
pleine période de ralentissement des pluies PSS1 et jouxte directement celle dite ‘’forte’’, PSS2,
à la probabilité p = 0,50. Mais étant donné que, d’une part, la sous-période humide H1 qui
s’achève a parfaitement humidifié et rempli la RU du sol et ; d’autre part avec une ETR
correspondant à moins de la moitié de son ETRmax liée à un coefficient cultural k = 0,50, les
risques d’échecs du semis paraissent assez faibles, le tout dépendra bien évidemment de
l’intensité et de la durée du ralentissement.

Cette date du 21 au 30/04 est très éloignée de la période des semis, 15 au 31/03,
recommandée par les chefs de postes agricoles aux exploitants agricoles et tombe dans
l’intervalle de temps où ils déconseillent vivement tout semis de maïs ou de haricot (fin avril).
On constate toutefois qu’en ramenant la date de semis 20 jours plus tôt, entre les 01 et 10/04, on
perd 0,35 sur la probabilité maximale (de 1,00 à 0,65) à caler la phase décisive entre le 01/06 et
le 10/07. Un maïs de 140 jours, bien plus productif, semblerait être un bon compromis pour un
semis de 1ère décade d’avril car sa phase critique débutant 05 jours plus tard, le 05/06 dont la
probabilité est de 0,70 et s’achevant le 25/07 avec p = 1,00 ; sa probabilité composée sera de :
0,70 x 1,00 = 0,70. La décade offrant une très bonne probabilité composée maximale (0,85) au
calage optimal des 40 jours équivaut à la 2ème décade d’avril, du 11 au 20/04.

Pour ce qui concerne les conditions de fructification/maturation des graines qui correspond
au stade principal 8 de l’échelle BBCH (du début du stade pâteux à la maturité complète des
graines), dans le cas d’un maïs de 120 jours semé du 21 au 30/04, la maturation des graines se
déroulera approximativement du 01/08 au 20/08. En se rapportant à la PFV 50 mm (fig. 53), on
se rend compte qu’elle tombe au plus fort de la saison des pluies favorable pour une récolte de
 127

maïs en vert. Cependant cette date du 01/08 au 20/08 obligerait à débuter les semis de haricot par
exemple (cas d’une succession maïs-haricot la plus plébiscité par les paysans-agriculteurs de
Foto) à partir du 01/09, date en accord avec les recommandations des chefs de poste agricoles
pour les semis de 2ème cycle de haricot (1/2-août – 1/2-septembre). Mais elle est extrêmement
tardive pour une succession maïs-maïs que les chefs de postes agricoles situent, pour les semis
de maïs de 2ème cycle, entre le 15 et le 31/07 ce qui suppose qu’on ait récolté le maïs de 1er cycle
au plus tard le 30/06. En récoltant entre les 01 et 20/08 un maïs de 120 jours, il ne serait plus
possible de lui succéder qu’un maïs précoce, de 90 à 100 jours, moins productif étant donné que
la saison culturale délimitée par le contour externe de la PFV correspondant (ETR/ETP inférieur
à 0,50) à la période semihumide s’achève dès le 11/11 pour une probabilité p = 0,50.

Les divergences perceptibles entre les dates de semis et de récoltes établies par les chefs de
postes agricoles d’une part, et grâce au modèle de la PFV que nous avons construit d’autre part
proviennent de deux faits. Les dates mises en place par les chefs de postes agricoles reposent sur
le régime mensuel de la pluviométrie tel que nous l’avons décrit précédemment. Il ne diffère que
de peu du modèle moyen sur 40 années d’observations de la pluviométrie que nous avons
construit dans ce chapitre. Cependant la PFV telle que nous l’avons construite ne prend en
compte que la décennie 2000-2009 qui présente une rupture plus ou moins faible/forte dans la
répartition du régime moyen des précipitations. Contrairement au modèle moyen, le modèle de la
PFV, qui a été construit en tenant compte du caractère particulier de la décennie 2000-2009 par
rapport à l’ensemble des 40 années, s’appuie sur une simulation du bilan hydrique annuel. La
PFV s’appuie principalement sur le rapport ETR/ETP et donc sur l’évolution des besoins en eau
formulés par la plante (ETR) et des disponibilités en eau que sont la pluie et la RU. De ce fait on
comprend que les caractéristiques générales de la PFV dépendront fortement de la valeur fixée à
la RU maximale, valeur ici fixée à 50 mm.

4 - Le ralentissement de la pluie
Ce ralentissement intéresse tout particulièrement les cultures annuelles de 1er cycle cultural
(maïs, haricot, pomme de terre, …) semées en février/mars, et qui ont à franchir la période de
ralentissement de la pluie comprise entre ½ avril et ½ mai. Ce ralentissement apparait
parfaitement sur la PFV 50 mm, alors qu’il n’est que très peu perceptible sur le modèle moyen.
Cela est du à deux raisons : d’abord la différence d’échelle de temps entre les deux modèles car
dans le modèle de la PFV, ce ralentissement n’est pas atténué par la pluviométrie des années
précédentes comme c’est le cas dans le modèle moyen. Ensuite parce que la faiblesse de la RU
 128

maximale (50 mm) telle que nous l’avons choisie ici, limite quelque peu le rôle-tampon joué par
la RU à l’égard des disponibilités hydriques. Il est indéniable que si elle avait été fixée plus haut
(75, 100, 150 etc.), ce ralentissement se serait de plus en plus résorbé jusqu’au point, peut-être,
de ne plus apparaitre. Nous tenons également à faire remarquer que bien qu’au regard de la PFV
50 mm, ce ralentissement peut paraitre important, il faut garder à l’esprit qu’il a été amoindri par
l’effet de correction des sigmoïdes lors de la construction de la PFV représentant les périodes
humide (H) et semihumide (SH) nettes.

En comparant les figures représentant la période semihumide SH et humide H brutes

(feuillet h en annexe 2) avec celles représentant les périodes semihumide SH et humide H nettes
(feuillet g, figure du haut en annexe 2), la différence dans l’intensité du ralentissement est assez
perceptible. Cette réalité du ralentissement de la pluie se remarque dans la figure du bas (feuillet
g en annexe 2), qui contrairement à la figure du haut ne subit aucune correction, par la présence
d’une discontinuité dans l’augmentation des pluies. Cette discontinuité se vérifie/matérialise par
la dichotomie en deux branches (SH1 et SH2, H1 et H2) des courbes SH et H. On y lit, par
exemple, que depuis 2000 une saison culturale unique SH de 220 jours se réalise 20 fois sur 100,
2 années sur 5. Une année sur deux on aura donc une discontinuité PSS2 qui durera entre 15 et
25 jours en fonction de la petite reprise ou non de la pluie que nous pouvons observer sur la
courbe externe de la PFV. Elle correspond à la période semihumide SH (figure du haut en
annexe 2) et survient au courant de la 3ème décade d’avril.

5 - Les cultures de 2ème cycle cultural

La principale préoccupation d’une culture de 2ème cycle devant succéder à une autre de 1er
cycle cultural est de garantir à celle-ci les meilleures chances de réussite en calant au mieux sa
phase décisive dans les meilleures conditions hydriques. C’est en rapport avec la sigmoïde de
fermeture de la PFV (ETR/ETP = 0,50) que devront se discuter les chances de succès. Prenons
pour nous aider un exemple. Dans le cas d’un maïs de 2ème cycle devant succéder à un autre de
120 jours de 1er cycle semé entre les 01 et 10/04 et qui serait récolté 04 mois plus tard, du 01 au
10/08, il est évident qu’il ne serait plus judicieux d’utiliser pour ce maïs de 2ème cycle un qui soit
tardif. La saison culturale devant s’achever dans 90 jours environ à partir du 10/08, il
conviendrait pour cela d’utiliser un cultivar de 90 jours dont la durée de la phase décisive est de
30 jours environ, entre les 50ème et 80ème jours. Pour caler la phase de 30 jours au meilleur de
cette fin de saison culturale, il s’agira de faire coïncider sa limite supérieure, 80ème jour, avec la
limite de la saison culturale de la PFV (ETR/ETP = 0,50).
 129

En figurant sur le modèle de la PFV un segment de droite de 30 jours correspondant à cette

phase, on fera reculer celui-ci de 10 en 10 (ou 05 en 05) jours afin de caler au mieux les chances
de réussite de cette phase. Dans le cas présent, on se rend compte qu’il n’est pas possible d’en
faire autant. On peut donc lire sur la figure que la probabilité que la saison culturale soit encore
ouverte le 11/11 est de 0,50 et qu’elle le soit déjà 30 jours plus tôt, au 11/10, est de 1,00. La
probabilité composée que la saison culturale ait au moins 30 jours entre ces deux dates est de :
1,00 x 0,50 = 0,50. Ce calage suppose qu’il faudrait semer 50 jours plus tôt, du 21 au 31/08, un
mois après la période de semis de maïs de 2ème cycle (du 15 au 31/07) recommandée par les
chefs de postes agricoles. Bien entendu en maintenant cette date du 21 au 31/08 pour un cultivar
de 90 jours, on prend le risque, une année sur deux de voir sa phase de maturation des graines se
dérouler dans des conditions de siccité de l’air très désavantageuses. La meilleure date de semis
pour des cultures de 2ème cycle cultural tomberait de ce fait 10 jours plus tôt, du 11 au 20/08, ce
qui garantira une meilleure probabilité composée de calage optimal, de 0,85, pour des cultivars
de 90 jours et assurera à la phase de maturation des graines de se développer dans des conditions
de siccité de l’air plus favorables 85 fois sur 100, ou 4 années sur 5.

Arrivés au terme de ce chapitre, nous tenons à rappeler que le modèle de la période

fréquentielle de végétation, PFV, tel que nous l’avons construit correspond à une RU maximale
de 50 mm. Donc tous les résultats qui ont précédé doivent être considérés dans ce cas précis. Il
convient alors, pour une amélioration du rendement, de répertorier et de cartographier les
différentes RU maximales du groupement afin de cibler l’action. Le principal handicap de
l’agriculture traditionnelle demeure l’inadéquation de plus en plus forte qui existe entre le travail
au champ et le produit final. Le paysan-agriculteur Foto ayant compris cela, il se bat, aujourd’hui
plus que jamais, à remédier à cet état de chose.
 130

CONCLUSION GENERALE

Au terme de notre étude sur la relation qui existe entre la variabilité climatique et la
production agricole à Foto, nous pouvons envisager de discuter chacune de nos hypothèses et de
vérifier si nos résultats concordent avec les différentes théories qui ont encadré notre recherche.
Rappelons que notre travail avait pour objectif principal d’identifier les formes d’adaptation de
l’agriculture vivrière de subsistance à la variabilité climatique dans le groupement Foto. Pour y
arriver, nous avons premièrement cherché à vérifier l’hypothèse que les paramètres climatiques
étudiés avaient varié conformément aux résultats publiés dans le 4ème rapport du GIEC. Il
s’agissait principalement des températures et des précipitations. Nos résultats nous poussent à
croire qu’effectivement la théorie du réchauffement climatique planétaire est fondée. En effet sur
l’ensemble des quarante années d’observation des températures à Foto (1970 – 2009), nous
avons observé une hausse globale des températures moyennes de 0,4¨C. Elle est imputable aux
deux dernières décennies (1990 – 1999 et 2000 – 2009) qui ont été les plus chaudes. Le pic des
températures de 1998 observé sur la courbe du GIEC apparait aussi clairement sur la courbe des
températures à Foto.

Les précipitations à Foto ont baissé entre 1970 et 2009. Cette baisse confirme les craintes
et prévisions de certains scientifiques (HULME, SIGHOMNOU, TSALEFAC, etc.) en ce qui
concerne la chute des valeurs des précipitations en Afrique, au Cameroun et sur les hautes terres
de l’ouest-Cameroun. Nos résultats montrent cependant que cette baisse des hauteurs d’eau
enregistrées à Foto est en grande partie due à la chute des hauteurs d’eau enregistrées pendant la
saison sèche (novembre, décembre, janvier et février). Le régime probable nous a confirmé
qu’une année sur deux, on enregistrera quasiment aucune hauteur d’eau durant ces mois de
l’année. Elles seront inférieures à 40 mm en 120 jours. L’insolation a fortement baissé entre
1983 et 2009 à Foto. Malgré la hausse des températures constatée, l’insolation a baissé en termes
de durée journalière d’ensoleillement mais aussi du nombre de jours d’insolation. L’hypothèse
de la variation du climat à Foto entre 1970 et 2009 est donc vérifiée.

La deuxième hypothèse était celle de la baisse de la production annuelle des cultures

vivrières à Foto entre 1970 et 2009. Malgré le fait que nous n’avons pas réussi à obtenir des
données continues année après année pour les 40 ans escomptés, celles que nous avons pu
obtenir et analyser confirment cette hypothèse. En effet en traitant les données collectées, nous
les avons regroupé en deux périodes distinctes. La première va de 1970 à 1999 et la seconde va
 131

de 2000 à 2009. L’avantage est pour la période 1970 – 1999 avec une production très élevée
notamment entre 1970 – 1990. Cependant il faut tenir compte que les deux périodes
n’enregistrent pas le même nombre d’agriculteurs et/ou de superficies exploitées parmi ceux
et/ou celles effectivement recensées par les services publics en charge de l’agriculture. Nous
restons donc prudents quant à la vérification totale de cette hypothèse.

La troisième hypothèse avait prétendu que les agriculteurs, face aux difficultés liées à la
variabilité climatique et à la baisse des récoltes, avaient développé une série de stratégies pour
mieux maitriser la saison des pluies et garantir le succès des récoltes. Les résultats issus de notre
enquête de terrain nous poussent à croire que notre hypothèse est vraie car les agriculteurs
semblent avoir développé différentes stratégies pour faire face au problème. En effet la totalité
des ménages enquêtés ont admis avoir recours à au moins une stratégie parmi l’ensemble de
celles que nous avons pu identifier. Cependant le fait que notre échantillon de départ
effectivement enquêté ne soit pas représentatif par rapport à la population mère, nous ne
pouvons l’accepter que partiellement ; car la taille de notre échantillon ne nous permet de nous
prononcer sur le niveau d’application de celles-ci auprès de l’ensemble de agriculteurs de Foto.
Seule certitude que nous apporte ces résultats, c’est que ces stratégies d’adaptation existent et
qu’une partie au moins des agriculteurs les utilisent. De plus elles interviennent aussi bien dans
le cadre de la lutte contre la pauvreté que dans celui de l’adaptation des techniques culturales
face aux changements climatiques.

Notre hypothèse principale stipulait que les variations du climat à Foto de 1970 à 2009
avaient occasionné une baisse de la production des cultures vivrières annuelles et contraint les
agriculteurs à développer des stratégies d’adaptation. La variabilité climatique ainsi que la baisse
de la production agricole ont été démontrées. Cependant la variabilité climatique n’est pas
l’unique cause de la baisse de la production observée car les valeurs du coefficient de corrélation
de PEARSON qui traduisent la relation statistique entre les différents paramètres climatiques et
la production annuelle de certaines cultures sont pour la plupart faibles et non significatives à un
seuil de confiance de 95%. Il faut donc croire que la variabilité climatique n’est pas la seule
responsable de la baisse de la production agricole à Foto, d’autres causes sont donc à rechercher
notamment au niveau du sol qui est l’autre composante du système sol- plante - atmosphère.
Nous avons par la suite démontré que les agriculteurs de Foto avaient réussi à développer des
stratégies en matière d’adaptation aux changements climatiques. Notre hypothèse principale est
donc vérifiée.
 132

Cependant nos résultats nous ont permis de démontrer lequel des trois paramètres
climatiques étudiés avait le plus d’influence négative sur l’évolution de la production agricole
annuelle à Foto. Il s’agit de l’insolation. En effet en tenant compte de la valeur des coefficients
de corrélation obtenue pour chaque paramètre, c’est elle qui a le coefficient de corrélation le plus
élevé de tous à un niveau de significativité de 0.95. L’étude a ainsi démontré que c’est
l’augmentation du total annuel du nombre de jours sans soleil qui a le plus influencé l’évolution
de la production de maïs à FOTO entre 2000-2009. Son coefficient de corrélation est de – 0,69.
Ces résultats viennent davantage renforcer l’hypothèse d’une baisse de la production de certaines
cultures liée à la variabilité climatique.

Ainsi en prenant en considération la théorie de l’écologie de la production, nous nous

rendons compte qu’à Foto pendant ces quarante dernières années (1970 – 2009), le climat est
devenu un facteur limitant à-travers deux de ces paramètres. Il s’agit de l’insolation qui
intervient au niveau du rendement potentiel tel que le définit la théorie de l’écologie de la
production et de plus en plus l’eau (précipitations) qui intervient au niveau du rendement
réalisable. De plus les travaux de P. FRANQUIN qui pressentaient l’insolation comme l’un des
paramètres climatiques les plus importants de par son action limitant pour le développement des
plantes dans les régions montagneuses semblent se justifier. En effet Foto se trouve sur les
hautes terres de l’Ouest-Cameroun et les résultats montrent qu’effectivement la baisse de
l’ensoleillement contribue à la baisse de la production de certaines cultures comme le maïs.

Cependant par rapport aux autres paramètres climatiques pouvant jouer le rôle de facteurs
limitant au rendement potentiel (radiation et CO2 atmosphérique), il serait fort intéressant de s’y
intéresser ultérieurement compte tenu de l’hypothèse d’une augmentation de la production
agricole causée par l’augmentation du CO2 dans l’atmosphère. D’après des résultats issus de
travaux agronomiques, cette augmentation de la concentration de CO2 atmosphérique pourrait
avoir un effet fertilisant sur les cultures et donc accroitre les rendements à l’hectare. En
définitive nous pensons avoir répondu à notre question principale qui était celle de savoir
comment la variabilité climatique actuelle affectait elle l’agriculture vivrière de subsistance et
conditionnait son adaptation à Foto au vu des données disponibles et des résultats obtenus?
 133

BIBLIOGRAPHIE
A) OUVRAGES GENERAUX

1 – AUBOUIN J. et al., 1998, Dictionnaire des sciences de la terre : continents, océans,

atmosphère, paris, Encyclopædia universalis et Albin Michel, p. 922.
2 – COLIN, LAVOIE, DELISLE, MONTREUIL, PAYETTE, 1992, Initiation aux méthodes
quantitatives en sciences humaines, Québec, Gaëtan morin, p. 429.
3 – CROWE P. R., 1971, Concepts in climatology, London, Longman, p.589.
4 – FRANQUIN P., DIZIAIN R., COINTEPAS J.P., BOULVERT Y., 1988,
Agroclimatologie du Centrafrique, Paris, ORSTOM, p. 522.
5 – GEORGE P., VERGER F., 2009, Dictionnaire de la géographie, 10ème édition, Paris, PUF,
p. 512.
6 – GIARD V., 1985, Statistique appliquée à la gestion, 5ème édition, Paris, Economica, p. 485.
7 – GODARD A., TABEAUD M., 1996, Les climats : mécanismes et répartition, 2ème édition,
Paris, Masson et Armand Colin, p. 191.
8 – LABORDE J. P., 2007, Eléments d'hydrologie de surface, Ecole polytechnique de
l’universite de nice – sophia, p.203.
9 – LLAMAS J., 1985, Hydrologie générale : principes et applications, Québec, Gaëtan morin,
p. 487.
10 – MAGNANI R., 2001, Guide d’échantillonnage, Washington, USAID, p. 51.
11 – MARTIN D., SEGALEN P., 1966, Notice explicative : carte pédologique du Cameroun
oriental au 1/1000000, ORSTOM-YAOUNDE, p. 133.
12 – MONTENY B. A., LHOMME J. P., 1980, Eléments de bioclimatologie, Paris, ORSTOM,
p. 94.
13 - MULLE J. P. et al., 1972, Etude pédologique à 1/50000 : feuille de Bafoussam 3 c, Paris,
ORSTOM, p.380.
14 – MUSY A., HIGY C., 2004, Hydrologie, 1 Une science de la nature, 1ère édition, Lausanne,
Presses polytechniques et universitaires romandes, p. 314.
15 – OLIVRY J. C., 1974, Les déficits hydropluviométriques au Cameroun pendant les années
sèches 1972 et 1973, Paris, ORSTOM, p. 71.
16 – PEGUY Ch. P., 1970, Précis de climatologie, 2ème édition, Paris-VIe, Masson & Cie, p.
468.
17 – RIOU Ch., 1975, La détermination pratique de l’évaporation : application à l’Afrique
centrale, Paris, ORSTOM, p. 228.
18 - TRIPLET J. P., ROCHE G., 1977, Météorologie générale, seconde édition, Ecole
nationale de la météorologie, p. 317.
19 - VIERS G., 1980, Eléments de climatologie, Paris, Nathan, p.224.
 134

B) RAPPORTS D’ETUDE

20 – ALLEN R. G. et al., 1998, Crop evapotranspiration : guidelines for computing crop

water requirements, FAO Irrigation and Drainage, Paper 56, Rome.
21 – CIESLA W. M., 1997, Le Changement Climatique, les Forêts et l'Aménagement
Forestier: aspects généraux, FAO, Rome.
22 – FAO, 1995, Changements du climat et production agricole : effets directs et indirects du
changement des processus hydrologiques, pédologiques et physiologiques des végétaux, Paris,
FAO, Rome et Polytechnica, p.472.
23 – GIEC, 1997, Incidences de l’évolution du climat dans les régions : évaluation de la
vulnérabilité, Rapport spécial du Groupe de travail II du GIEC.
24 – IPCC, 2001, Climate change 2001: The scientific basis, IPCC Third Assessment Report.
25 – IPCC, 2007, Climate Change 2007: The Physical Science Basis – Summary for
Policymakers, IPCC Fourth Assessment Report.
26 – IPCC, 2007a, Climate Change 2007: The Physical Science Basis. Contribution of
Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate
Change, S. Solomon, […], Eds., Cambridge University Press, Cambridge, IPCC.
27 - IPCC, 2007b, Climate Change 2007 : Synthesis Report. Contribution of Working Groups I,
II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, I
PCC, Geneva, Switzerland, IPCC.
C) MEMOIRES ET THESES

28 - ANAFAK MANETSA C., 2006, Structures de l’atmosphère au-dessus du Cameroun et

relation avec les précipitations, Mémoire de DEA, Université de Yaoundé I, Département de
géographie.
29 - MENKEM M., 1978, Les cultures maraichères de l’arrondissement de Penka-Michel :
production et commercialisation, Mémoire de DES de l’université de Yaoundé, Département de
géographie.
30 – NGOUFO R., 1984, L’alvéole de Dschang et ses bordures : étude de géographie physique,
Mémoire de maitrise de l’université de Yaoundé, Département de géographie.
31 – NIAHOKO Y. B., 2001, Dschang : processus de la dynamique d’une ville des hautes
terres de l’ouest – Cameroun (1960 – 2000), Mémoire de maitrise, Université de Yaoundé I,
Département de géographie.
32 – NTAMACK M. D., 1983, Les variation du climat de 1951 à 1980 dans le contexte
environnemental camerounais, Thèse de doctorat de 3ème cycle, université de Yaoundé,
Département de géographie.
33 – SIGHOMNOU D., 2004, Analyse et redefinition des regimes climatiques et hydrologiques
du Cameroun : perspectives d’evolution des ressources en eau, Thèse de doctorat de 3ème cycle,
Université de Yaoundé I, Département des sciences de la terre.
 135

34 - TSALEFAC M., 1983, Ambiance climatique des Hautes Terres de l'Ouest du Cameroun,
Thèse de doctorat de 3ème cycle, Université de Yaoundé, Département de Géographie.
D) PUBLICATIONS ET ARTICLES

35 - ABDENDI ZINE EL ABIDINE, 2003, Le dépérissement des forêts au Maroc : analyse des
causes et stratégie de lutte, in : Sècheresse n° 4 vol.14, pp. 209 – 218.
36 - AYUK-TAKEM J. A., 1980, The influence of altitude on the agronomic performances of
highland maize (Zee Mays) varieties in Cameroon, in: L’agronomie tropicale n°2, pp.135 – 147.
37 – FOTSING J. M., 1994, Evolution du bocage bamiléké, in : Bulletin pédologique de la
FAO n° 70, Chapitre 10.
38 - FRANQUIN P., 1975, Analyse agroclimatique en régions tropicales : méthode des
intersections et Periode Fréquentielle de Végétation, in : L’agronomie tropicale vol.XXVIII – n°
6-7, pp.665 – 682.
39 – FRANQUIN P., 1983, Ajustement des cycles de développement des cultivars à la
période climatique frequentielle de vegetation, in : Bulletin OEPP 13 (2) , pp. 157-161.
40 - FRANQUIN P., 1984, Agroclimatologie et agrometéorologie en zone tropicale sèche
d’Afrique, in : L‘agronomie tropicale vol.39 – n° 4, pp. 301 – 307.
41 – GRAS R., 1990, Contribution de Stéphane Hénin dans le domaine de la climatologie, in :
Mélanges offert à Stéphane Hénin, Paris, ORSTOM, pp. 105 – 116.
42 – HAMADI HABAIEB, CHIRAZ MASMOUDI-CHARFI, 2003, Calcul des besoins en
eau des principales cultures exploitées au nord de la Tunisie : estimation de l’évapotranspiration
de référence par différentes formules empiriques (cas des régions de Tunis, Béja et Bizerte), in :
Sècheresse n° 4 – vol. 14 – octobre-novembre-décembre, pp. 257 – 265.
43 – LHOMME J. P., MONTENY B., 1981, Une méthode d’analyse agroclimatique pour le
calage des cycles culturaux en zone tropicale, in : L’agronomie tropicale vol XXXVI – n° 4 –
octobre-décembre, pp. 334 – 338.
44 - SANFO E., KY S., KIEMDE H., ZOUNGRANA A., BADOLO M., 2011, Orientation
pour l’engagement de l’Office National de l’Eau et de l’Assainissement (ONEA) du Burkina-
Faso dans un processus d’adaptation aux changements climatiques, in : Notes de recherche de
l’IAVS n° 2, p.15.
45 - SCHALBROECK J. J., AUTRIQUE A., 1988, Incidence de la date de semis sur la
croissance et le rendement du blé dans le Mugamba (Burundi), in : L’agronomie tropicale vol. 43
n° 4, pp. 289 – 300.
46 - SEGALEN P., 1967, Les sols de la vallée du Noun, in : Cahiers ORSTOM série Pédologie
Vol. V - n° 3, pp. 287 – 349.
47 – TSALEFAC M., NGOUFO R., NKWAMBI W., DJOUMESSI TATSANGUE E.,
LENGUE FOBISSIE B., 2003, Fréquences et quantités des précipitations journalières sur le
territoire camerounais, in : AIC vol. 15, pp. 359 – 367.
48 – TSALEFAC M., 2004, Variabilité climatique et dynamique des milieux agraires sur les
hautes terres de l’ouest du Cameroun, in : AIC, pp.225 – 228.
 136

49 – WEBER, BLEIHOLDER, 1990 ; LANCASHIRE et al., 1991, Échelle BBCH des stades
phénologiques du maïs, in : Stades phénologiques des mono-et dicotylédones cultivées, BBCH
monographie, 2ème édition, 2001, Centre Fédéral de Recherches Biologiques pour l`Agriculture
et les Forêts, pp. 30 -24.

E) WEBOGRAPHIE
1 - Les différents rapports du GIEC (1997, 2001 et 2007) ont été consultés sur le site du
GIEC/IPCC: http://www.ipcc.ch/index.htm ; consulté de mars 2011 à mai 2012.
2 – Les coefficients culturaux K du maïs, du hachot et de la pomme de terre ont été obtenus sur
le site : www.ardépi.fr/coeff/; consulté en septembre 2011.
3 - Le dernier rapport N°4 (2007) du GIEC a été téléchargé au format PDF sur le site:
http://www.ipcc.ch/pdf/assessment-report/ar4/ syr/ ar4_syr_fr.pdf ; consulté en janvier 2012.
4 – Les différents rapports de la FAO (1994, 1995, 1997, 1998) ont été consultés sur le site :
www.fao.org/ ; consulté en janvier – février 2011.
5 – La courbe de l’évolution de la température moyenne annuelle de 1850 à 2011 a été obtenue
sur le site du Hadley CRUT3 : http://hadobs.metoffice.com/ hadcrut3/ diagnostics/
global/nh+sh/ ; consulté en février 2012.
6 – La courbe de l’évolution de la température moyenne annuelle de 1979 à 2013 a été obtenue
sur le site : http://www.climate4you.com/ ; consulté en avril 2012.
7 – Les documents intitulés : Méthodes d’analyse rurale – Concepts clés et Agro-écosystèmes –
Concepts-clés ont été consultés sur le site : www.icra-edu.org ; consulté en avril – mai 2011.
8 – Le rapport Production Soudano-Sahélienne (PSS) N°13 a été consulté sur le site :
http://library.wur.nl/way/ catalogue/ documents/Sahel/RAP13/RAP13A.HTM ; consulté en
mai 2012.
 137

ANNEXES
 138

ANNEXE 1 : Maïs Weber und Bleiholder, 1990; Lancashire et al., 1991 Échelle BBCH des
stades phénologiques du maïs (Zea mays L.)

Code Définition

Stade principal 0: germination, levée

00 semence sèche (caryopse sec)

01 début de l’imbibition de la graine
03 imbibition complète
05 la radicule sort de la graine
06 élongation de la radicule, apparition de poils absorbants et développement des racines
secondaires
07 le coléoptile sort de la graine
09 levée: le coléoptile perce la surface du sol

Stade principal 1: développement des feuilles1, 2

10 la première feuille sort du coléoptile

11 première feuille étalée
12 2 feuilles étalées
13 3 feuilles étalées
1. et ainsi de suite ...
19 9 ou davantage de feuilles étalées

Stade principal 3: élongation de la tige principale3

30 début de l’élongation de la tige principale

31 le premier nœud est discernable
32 2 nœuds sont discernables
33 3 nœuds sont discernables
3. et ainsi de suite ...
39 9 ou davantage de nœuds sont discernables

Stade principal 5: sortie de l’inflorescence ou épiaison

51 l’inflorescence terminale (panicule M) commence à sortir, elle est discernable à

l’extrémité de la tige principale
53 extrémité de la panicule terminale visible
55 50% de la panicule terminale visible, les rameaux de la panicule commencent à s’écarter
59 la panicule terminale est complètement sortie et les rameaux de la panicule sont étalés

1 Une feuille est étalée si sa ligule est visible ou si l’extrémité de la prochaine feuille est visible.
2 Le tallage ou l’élongation de la tige principale peut intervenir avant le stade 19, dans ce cas
continuez avec le stade de développement principal 3.
3 Pour le maïs l’inflorescence terminale peut apparaître avant le stade 39, dans ce cas continuez
avec le stade de développement principal 5.
 139

Stade principal 6: floraison, anthèse

61 M: étamines visibles au milieu de la panicule, F: extrémité de l’épi sort de la gaine

63 M: début de l’émission du pollen, F: extrémité des stigmates visibles
65 M: partie supérieure et inférieure de la panicule en fleurs, F: stigmates à maturité
67 M: la floraison s’achève, F: les stigmates se dessèchent
69 fin floraison, les stigmates sont complètement desséchés

Stade principal 7: développement des graines

71 début du développement des graines, stade aqueux des graines, environ 16% de matière
sèche
73 début du stade laiteux,
75 les graines au milieu de l’épi sont jaunâtres, le contenu est laiteux, environ 40% de
matière sèche
79 presque toutes les graines ont atteint leur taille finale

Stade principal 8: maturation des graines

83 début du stade pâteux: contenu des graines tendre, environ 45% de matière sèche
85 stade pâteux : graines jaunâtres à jaunes, environ 55% de matière sèche
87 maturité physiologique: à la base des graines un point noir est visible, environ 60% de
matière sèche
89 maturité complète: les graines sont dures et brillantes, environ 65% matière sèche

Stade principal 9: sénescence

97 la plante meurt et s’affaisse

99 produit après récolte
140
 141

ANNEXE 2 : Méthodologie pour la construction de la période fréquentielle de végétation

(PFV)
Le feuillet a représente, pour chacune des 10 années de l’échantillon pluviométrique, les
numéros, de 1 à 36, des décades d’occurrences des évènements-intersections 1 à 8. Ainsi en
2002, il y a eu occurrence de : l’évènement 1 en décade 8 (ou avril-2) ; de l’évènement 2 en
décade 9 (avril-3) ; de l’évènement 3 en décade 13 (mai-1) ; de l’évènement 4 en décade 14
(mai-2) ; des évènements 5 et 6 en décade 16 (juin-1) ; de l’évènement 7 en décade 29 (octobre-
2) et de l’évènement 8 en décade 30 (octobre-3). La période de végétation en 2002, pour une RU
maximale de 50 mm, a donc duré 30 – 8 = 22 décades soit un peu plus de 7 mois ou 233 jours
plus précisément, de mars-2 à otobre-3, jalonnée par les évènements 1 à 8.

Les feuillets b à e présentent les calculs qui aboutiront à la construction (feuillet e) des 08
sigmoïdes de probabilité d’occurrence de ces 08 ‘’évènements’’ et à la construction (feuillet g,
figure du bas) des sigmoïdes de probabilité d’occurrence des ‘’durées’’ des périodes et sous-
périodes délimitées par ces évènements.

Le feuillet b montre, en rapport avec la décade de réalisation, les distributions des

fréquences cumulées des évènements 1 à 8 ; et le feuillet d, les distributions des fréquences
‘’relatives’’ cumulées. C’est sur la base de ces dernières que sont figurés au feuillet f les
sigmoïdes de probabilité : sigmoïdes 1, 4, 5, 8, qui définissent, de par leurs relations mutuelles,
la période semihumide SH brute ; sigmoïdes 2, 3, 6, 7, qui définissent, de par leurs relations
mutuelles, la période humide H brute.

Le feuillet g présente (figure du haut) la période fréquentielle de végétation, PFV, avec ses
périodes SH et H nettes ; car comme l’indique P. FRANQUIN « nettes en raison des corrections
opérées sur les sigmoïdes brutes quand celles-ci s’intersectent ». Les coordonnées des courbes
qui résultent de ces corrections sont listées au feuillet e sous SH et H. Le contour ‘’externe’’ de
la période fréquentielle (feuillet g, figure du haut) délimite de ce fait la période semihumide SH
caractérisée par les probabilités que ETR/ETP (soit les disponibilités hydriques) soit égal ou
supérieur à 0,50. Le contour ‘’interne’’ quant à lui délimite la période humide H caractérisée par
les probabilités que ETR/ETP soit égal ou supérieur à 0,90.

Le feuillet c montre les distributions de fréquences cumulées des durées des périodes et
sous-périodes constituant la période fréquentielle :
 142

- SH1, première sous-période semihumide, entre évènements 1 et 4.

- SH2, deuxième sous-période semihumide, entre évènements 5 et 8.
- H1, première sous-période humide, entre évènements 2 et 3.
- H2, deuxième sous-période humide, entre évènements 6 et 7.
- PSS1, petite saison sèche ‘’faible’’, entre évènements 3 et 6.
- PSS2, petite saison sèche ‘’forte’’, entre évènements 4 et 5.
Le feuillet e donne les distributions ‘’relatives’’ cumulées des durées des périodes et sous-
périodes considérées ci-dessus. Ce sont ces dernières qui ont été figurées par les sigmoïdes de
probabilité tracées feuillet g (figure du bas). On remarquera que les sigmoïdes SH1 et SH2 d’une
part, H1 et H2 d’autre part, se rencontrent en un point de la figure pour ne plus constituer qu’une
seule et même période. Cette section du tracé des sigmoïdes SH1-SH2 et H1-H2 à partir de
laquelle chacune de ces sous-périodes se mettent en commun correspond aux années pour
lesquelles il n’y a pas eu de sous-périodes distinctes mais une seule période semihumide SH et
une seule période humide H. Toujours sur le feuillet e (figure du bas) la sigmoïde PSS1 se
rapporte à la petite saison sèche faible entre évènements 2 et 6 (ETR/ETP inférieur à 0,90) et la
sigmoïde PSS2 à la petite saison sèche forte entre évènements 4 et 5 (ETR/ETP inférieur à 0,50).

P. FRANQUIN tient par la suite à préciser que : « Toutes ces sigmoïdes, SH1 et SH2, H1 et
H2, PSS1 et PSS2, se rapportent aux durées des périodes et sous-périodes correspondantes,
quelle que soit la position dans le temps de celle-ci. La probabilité d’occurrence d’une même
durée, de SH1 par exemple (feuillet g, figure du bas), quelle que soit sa position, se montrera
évidemment supérieure à la probabilité d’une même durée délimitée en position dans le cadre de
la période fréquentielle (feuillet g, figure du haut). ».

Le feuillet h, sont deux tableaux. Le premier est la matrice des corrélations entre les
évènements 1 à 8 et le second indique les effectifs de calcul de ces corrélations. De l’avis de P.
FRANQUIN, il convient, dès fois, de prendre en considération ces deux tableaux lorsqu’il
s’agira d’évaluer une probabilité composée. Par exemple, pour le cas qui nous concerne, le
coefficient de corrélation linéaire entre les sigmoïdes réciproques 1 et 4 (délimitant la sous-
période SH) est 0,44. Tout en suivant le raisonnement de l’auteur, bien que ce coefficient soit
faible (R² = 0,19) et qu’il ait été cependant calculé sur un effectif de 07, il reste tout de même
significatif au seuil de probabilité 0,05. Cela suppose que la probabilité, pour une sous-période
SH1, d’être ouverte entre les sigmoïdes 1 et 4, ne sera pas de façon rigoureuse le produit des
deux probabilités élémentaires attachées respectivement à 1 et 4. Le coefficient de corrélation
 143

étant positif, la sous-période SH1 aura tendance à se fermer quelque peu plus tôt qu’elle s’est
ouverte plus tôt.

Tout l’intérêt de ces tableaux de corrélations et d’effectifs semble donc résider dans la
‘’crédibilité’’ à accorder à la probabilité composée d’ouverture et fermeture d’une sous-période
issue du produit de deux probabilités élémentaires correspondant à deux sigmoïdes réciproques
(1-4 ; 2-3 ; 1-8 etc.) la délimitant. Plus ce coefficient est fort, plus il est significatif et donc plus
la probabilité composée d’ouverture et fermeture d’une sous-période issue du produit de deux
probabilités élémentaires correspondant à deux sigmoïdes réciproques sera ‘’crédible’’ et sera de
ce fait rigoureusement (pour employer le même terme que l’auteur) le produit des deux
probabilités élémentaires attachées respectivement à ces deux sigmoïdes. Il sera donc important
de tenir compte de ces coefficients de corrélation lors d’éventuels calages de phase de
développement d’une culture annuelle dans un intervalle de temps afin de garantir le succès de
la culture.

NOM DE LA STATION : FOTO RU : 50 mm a

ANNEES EVENEMENTS

1 2 3 4 5 6 7 8
2000 10 10 30 30
2001 7 7 12 13 15 15 29 32
2002 8 9 13 14 16 16 29 30
2003 6 9 10 12 14 14 29 31
2004 10 10 32 32
2005 6 7 9 10 12 12 29 30
2006 6 6 11 12 13 14 27 31
2007 7 9 11 11 32 32
2008 7 9 12 12 14 15 31 31
2009 6 10 32 32
 144

NOM DE LA STATION : FOTO RU : 50 mm b

N° DES EVENEMENTS
DECAD FREQUENCES CUMULEES
ES
1 2 3 4 5 6 7 8
1
2
3
4
5
6 4 1
7 7 3
8 8
9 6 6 7
10 10 9 5 6
11 4 1 1
12 3 5 2 2
13 1 2 3
14 1 5 4
15 6 6
16 7 7
17
18
19
20
21
22
23
24
25
26
27 10
28
29 9
30 5 10
31 4 7
32 3 4
33
34
35
36
 145

NOM DE LA STATION : FOTO RU : 50 mm c

Nbre DES DUREE DES PERIODES

DECADES FREQUENCES CUMULEES

SH1 SH2 H1 H2 PSS1 PSS2

1 9 7
2 10 8 6
3 7 6
4 9 6 1
5 8 5
6 7
7
8
9
10
11
12
13 10
14 10 8
15 7
16 6
17 9 5
18 6
19
20 3 4 3 4
21 3 3
22 2 2 2 2
23
24
25
26 1 1
27
28
29
30
31
32
33
34
35
36
 146

NOM DE LA STATION : FOTO RU : 50 mm d

N° DES EVENEMENTS
DECAD FREQUENCES RELATIVES CUMULEES
ES
1 2 3 4 5 6 7 8
1
2
3
4
5
6 40 10
7 70 30
8 80 30
9 80 60 60 70
10 100 90 50 60
11 40 50 10 10
12 30 50 20 20
13 10 20 30 20
14 10 50 40
15 60 60
16 70 70
17
18
19
20
21
22
23
24
25
26
27 100
28 90
29 90
30 50 100
31 40 70
32 30 40
33
34
35
36
 147

NOM DE LA STATION : FOTO RU : 50 mm e

Nbre DES DUREE DES PERIODES

DECADES FREQUENCES RELATIVES CUMULEES

SH1 SH2 H1 H2 PSS1 PSS2 SH H

1 90 70
2 100 80 60
3 100 70 60
4 90 60 10
5 80 50
6 70 50 40 10
7 70 50 70 30
8 70 50 80 30
9 70 50 80 60
10 70 50 90 80
11 70 50 50 40
12 70 50 60 40
13 70 50 100 40 20
14 70 100 50 80 50 40
15 70 100 50 70 100 60
16 70 100 50 60 100 70
17 70 90 50 50 100 100
18 70 60 50 50 100 100
19 70 60 50 50 100 100
20 30 40 30 40 100 100
21 30 30 30 30 100 100
22 20 20 20 20 100 100
23 20 20 100 100
24 20 20 100 100
25 20 20 100 100
26 10 10 100 100
27 100 100
28 100 90
29 100 90
30 100 50
31 70 40
32 40 30
33
34
35
36
 148

NOM DE LA STATION : FOTO RU : 50 mm f

PÉRIODE SEMIHUMIDE (SH) BRUTE

100

90

80

70
1 4 5 8
60

50

40

30

20

10

0
JAN FEV MARS AVRIL MAI JUIN JUL AOUT SEPT OCT NOV DEC

PÉRIODE HUMIDE (H) BRUTE

100

90

80

70

60
2 3 6 7
50

40

30

20

10

0
JAN FEV MARS AVRIL MAI JUIN JUL AOUT SEPT OCT NOV DEC
 149

NOM DE LA STATION : FOTO RU : 50 mm g

PERIODE FREQUENTIELLE DE VEGETATION (PFV)

PERIODE SEMIHUMIDE (SH() ET HUMIDE (H) NETTES;

100

90

80
1 4 5 8
70
6 7
60

50
2 3
40

30

20

10

0
JAN FEV MARS AVRIL MAI JUIN JUL AOUT SEPT OCT NOV DEC

DURÉES DES PÉRIODES HUMIDE, SEMIHUMIDE ET SÈCHE

100

90
H2 (6-7) SH2 (5-8)
80
SH1 (1-4)
70

60
H1 (2-3)
50

40

30
PSS1 (3-6)
20
PSS2 (4-5) H (2-7) SH (1-8)
10

0
30 60 90 120 150 180 210 240 270 300 330 360
DUREES en JOURS
 150

NOM DE LA STATION : FOTO RU : 50 mm h

COEFFICIENTS DE CORRELATION

1 2 3 4 5 6 7 8
1 1,00 0,57 0,89 0,44 0,53 0,46 0,33 -0,11
2 0,57 1,00 0,32 0,36 0,53 0,48 0,81 0,10
3 0,89 0,32 1,00 0,90 0,86 0,96 0,21 0,21
4 0,44 0,36 0,90 1,00 0,98 0,98 -0,49 -0,24
5 0,53 0,53 0,86 0,98 1,00 0,96 -0,34 -0,24
6 0,46 0,48 0,96 0,98 0,96 1,00 -0,38 -0,23
7 0,33 0,81 0,21 -0,49 -0,34 -0,38 1,00 0,52
8 -0,11 0,10 0,21 -0,24 -0,24 -0,23 0,52 1,00

VALEURS DES EFFECTIFS POUR LE CALCUL

DES CORFFICIENTS DE CORRELATION

1 2 3 4 5 6 7 8
1 9 6 7 7 7 10 10
2 9 6 7 7 7 9 9
3 6 6 7 7 6 6 6
4 7 7 7 7 7 7 7
5 7 7 7 7 7 7 7
6 7 7 7 7 7 7 7
7 10 9 6 7 7 7 10
8 10 9 6 7 7 7 10