Centre Royal de Télédétection Spatiale

Projet LDAS-Maroc

Suivi et Alerte à la
Sécheresse

Rapport de synthèse

Noureddine BIJABER

Mai 2015

1
 TABLES DES MATIERES

Liste des figures......................................................................................................i

Liste des tableaux...................................................................................................i

Liste des acronymes...............................................................................................ii

Introduction............................................................................................................1

1- Contexte de l'étude............................................................................................3

1.1. Projet LDAS-Maroc.........................................................................................3

1.2. Composante d'alerte et de suivi de la sécheresse..........................................4

2- Généralités sur la sécheresse...........................................................................5

2.1. Sécheresse météorologique...........................................................................6

2.2. Sécheresse agricole........................................................................................7

2.3. Sécheresse hydrologique................................................................................7

2.4. Sécheresse socioéconomique........................................................................8

3- Suivi et alerte à la sécheresse météorologique.................................................8

4- Suivi et alerte à la sécheresse agricole...........................................................12

5- Méthodologie globale.......................................................................................13

5.1. Données utilisées..........................................................................................13

5.2. Structuration des données et modèles de calcul de l'indicateur SPI............16

5.3. Calcul de l'indicateur composite de sécheresse...........................................21

5.4. Méthodologie de validation des produits générés.........................................24

6- Résultats..........................................................................................................25

Conclusion...........................................................................................................39

Références bibliographiques................................................................................40

2
 Liste des figures
Figure 1 : Succession des situations de sécheresse et de leurs incidences
(Source: NDMC, Université de Nebraska-Lincoln, USA)................................6

Figure 2 : Carte du SPI-2 mois (Mars 2015)..................................................................11

Figure 3 : Carte des anomalies du NDVI (Février 2015)...............................................14

Figure 4: Carte des anomalies de l'évapotranspiration (Février 2015)..........................15

Figure 5: Carte des anomalies de la température de surface de la terre (Février

2015)...........................................................................................................16

Figure 6: Grille de points à 5 km de résolution spatiale.................................................17

Figure 7: Interface de calcul du SPI..............................................................................19

Figure 8: Exemple de résultat de calcul du SPI pour un pixel.......................................20

Figure 9: Variations du SPI-2 des mois de Février (Centre de la province de Settat)...20

Figure 10: Organigramme méthodologique de calcul de l'indicateur composite...........23

Figure 11: Cartes SPI-NDVIa-ETa-LST (Octobre 2014)...............................................26

Figure 12: Indicateur composite de sécheresse (Octobre 2014)...................................27

Figure 13: Cartes SPI-NDVIa-ETa-LST (Novembre 2014)............................................28

Figure 14: Indicateur composite de sécheresse (Novembre 2014)...............................29

Figure 15: Cartes SPI-NDVIa-ETa-LST (Décembre 2014)............................................30

Figure 16: Indicateur composite de sécheresse (Décembre 2014)...............................31

Figure 17: Cartes SPI-NDVIa-ETa-LST (Janvier 2015).................................................32

Figure 18: Indicateur composite de sécheresse (Janvier 2015)....................................33

Figure 19: Cartes SPI-NDVIa-ETa-LST (Février 2015).................................................34

Figure 20: Indicateur composite de sécheresse (Février 2015)....................................35

Figure 21: Cartes SPI-NDVIa-ETa-LST (Mars 2015)....................................................36

Figure 22: Indicateur composite de sécheresse (Mars 2015).......................................37

Figure 23 : Cartes de l'indicateur CDI pour la campagne 2014-2015
(classes de sécheresse).......................................................................38

3
 Liste des Tableaux

Tableau 1 : Classes de sévérité de la sécheresse selon SPI (McKee, 1995).................9

Tableau 2: Extrait de la table dbf générée après ré-échantillonnage............................18

4
 Liste des acronymes

CDI Combined Drought Indicator

CHIRPS Climate Hazards Group InfraRed Precipitation with Station data
CHPClim Climate Hazards Precipitation Climatology
CPC Climate Prediction Center
CRTS Centre Royal de Télédétection Spatiale
DMN Direction de la Météorologie Nationale
ENSO El Nino Southern Oscillation
EROS Earth Resources Observation and Science Centre
ET Evapotranspiration
FEWSNET Famine Early Warning System Network
GOES Geostationary Operational Environmental Satellite
GMS Geostationary Meteorological Satellite
HCEFLCD Haut Commissariat aux Eau et Forêts et à la Lutte Contre la Désertification
LDAS Land Data Assimilation System
LST Land Surface Temperature
MODIS Moderate Resolution Imaging Spectroradiometer
NASA National Astronautic and Space Agency
NCDC National Climatic Data Center
NDMC National Drought Mitigation Center
NDVI Normalized Difference Vegetation Index
NOAA National Oceanic and Atmospheric Administration
PIB Produit Intérieur Brut
PIR Proche Infrarouge
PIBA Produit Intérieur Brut Agricole
RN Rapport à la Normale
SAU Superficie agricole utile
SMAS Système Maghrébin d'Alerte à la Sécheresse
SSEB Simplified Surface Energy Balance
SSEBop Operational Simplified Surface Energy Balance
SPI Standardized Precipitation Index
SVI Standardized Vegetation Index
VCI Vegetation Condition Index
VHI Vegetation Health Index
TCI Temperature Condition Index
TRMM Tropical Rainfall Measuring Mission
USAID United States Agency for International Development
USGS United States Geological Survey

5
Introduction
Au Maroc, l'agriculture constitue un secteur important pour le développement
économique et social. En effet, le secteur agricole contribue au produit intérieur brut
national à hauteur de 15% et représente près de 1,5 million d'exploitations permettant
ainsi de générer près de 40% de l'emploi. Le plan Maroc Vert prévoit de faire du secteur
agricole un levier prioritaire du développement socioéconomique au Maroc et d'assurer
la sécurité alimentaire du pays à travers l'amélioration de la productivité tout en limitant
l'impact des changements climatiques et en préservant les ressources naturelles.

L'agriculture au Maroc se heurte cependant à plusieurs contraintes dont la plus

importante est la dépendance de cette agriculture des conditions climatiques. En effet,
le Maroc est confronté, depuis plusieurs années, à un déficit pluviométrique récurrent
mettant en péril la production agricole et confrontant les éleveurs à des pénuries d'eau
et de fourrage. Ces situations de sécheresse conduisent à la dégradation des conditions
de vie des populations locales et de l'Environnement.

De part sa situation géographique, le Maroc est caractérisé par un climat fortement

contrasté avec un régime pluviométrique dominé par une forte irrégularité dans l’espace
et dans le temps. En effet, le Maroc appartient à la zone de subsidence subtropicale où
le climat est influencé par l'action conjuguée de deux phénomènes météorologiques
déterminants: l'anticyclone des Açores et la dépression Saharienne. Le climat marocain
est ainsi de type méditerranéen caractérisé par l'alternance d'une saison humide en
hiver et une saison estivale sèche et longue. La variabilité spatio-temporelle de la
pluviométrie au Maroc est déterminée par trois composantes essentielles à savoir :
- La partie Nord-Ouest est ouverte à l’influence de la Méditerranée et de l’Atlantique et
subit un régime tempéré;
- La barrière de l’Atlas rend les précipitations moins fréquentes et moins importantes
sur l’Est du pays et plus intenses sur les hauteurs que sur les plaines;
- L’extension latitudinale (du 20° au 37° nord) diversifie le climat avec un nord tempéré
à semi-aride et un sud chaud et aride. Les écarts de pluviométrie sont très grands
entre les plaines du Nord-Ouest qui totalisent une moyenne annuelle dépassant 300
mm et les régions du Sud qui avoisinent 100 mm.

En plus de leur variabilité spatiale, les pluies sont très irrégulières en cumul et en
répartition temporelle. En effet :
- Les cumuls enregistrés peuvent atteindre le double et même le triple de la normale
en années humides ou ne dépasser 40 à 50 % de cette valeur en années sèches;
- Le mois le plus arrosé n’est jamais le même et peut changer d’une année à une autre
pour une région donnée;
- La date du début comme de la fin de la saison pluvieuse peut varier d’une année à
une autre pour une région donnée.

Cette situation risque de se dégrader sous l’effet des changements climatiques. En

effet, dans les dernières décennies, le Maroc a souffert de ces variations climatiques

6
avec une aggravation des phénomènes extrêmes et une réduction importante de la
pluviométrie et par conséquent des écoulements.

Depuis les années 1980, le Maroc a connu plusieurs années de grande sécheresse
d'une fréquence très accentuée et d'une intensité plus forte au cours de la décennie 90.
Les impacts de ces sécheresses sur l'économie nationale sont d'une grande
importance. En exemple, la contribution du produit intérieur brut agricole (PIBA) était de
30,4% du produit intérieur brut (PIB) en 2009 qui a été une année très pluvieuse avec
une production céréalière nationale dépassant le seuil de 100 million de quintaux. Cette
contribution du PIB agricole au PIB était de 11,4% en 2000 considérée comme année
sèche.

Devenue structurelle au Maroc, la sécheresse requiert une prise en compte accrue dans
les stratégies de développement du pays. La prévention de la dégradation de
l'environnement causée par la sécheresse peut être réalisée par l'amélioration de
l'accès aux informations fiables, à jour et à moindre coût et par le renforcement des
capacités de diagnostic de crise en utilisant un système d'alerte à la sécheresse
permettant le suivi régulier des changements environnementaux au Maroc.

Depuis les années 80, le Maroc a mis en place des structures et des programmes
importants de lutte contre les effets de la sécheresse et d'économie de l'eau. Les
approches adoptées restent néanmoins plus réactives que proactives. Les structures
mises en place méritent d'être renforcées par la création d'un système d'information et
d'alerte qui peut aider dans la gestion du risque de la sécheresse. Ainsi, dans le cadre
du programme LIFE-Pays Tiers coordonné par l'Observatoire du Sahara et du Sahel, un
projet régional de mise en place d'un système maghrébin d'alerte à la sécheresse
(SMAS) a été conduit dans les trois pays de la rive sud de la Méditerranée : Algérie,
Maroc et Tunisie. L'objectif de ce projet était de développer une approche de gestion de
risque de sécheresse à travers la mise en place d'un système d'alerte précoce basé sur
des indicateurs calculés à partir de données météorologiques, satellitaires et
thématiques.

Pour le cas du Maroc, le projet SMAS a permis de produire des cartes générées
mensuellement par les différents partenaires: CRTS, Direction de la Météorologie
Nationale (DMN), Ministère de l'Agriculture et le Haut Commissariat aux Eaux et Forêts
et à la Lutte Contre la Désertification (HCEFLCD). Les cartes produites illustrent les
indicateurs calculés à partir des données satellite (indice de végétation standardisé SVI,
indice des conditions de végétation VCI, indice des conditions de température TCI et
indice de l'état de santé de la végétation VHI), les indicateurs météorologiques (Rapport
à la normale RN et indice standardisé des précipitations SPI), les indicateurs
agronomiques (suivi des zones de céréaliculture pluviale) ainsi que les indicateurs
forestiers (suivi des opérations de reboisements). Tous ces indicateurs étaient diffusés
sous forme de bulletins d'information sur la sécheresse envoyés mensuellement aux
différentes institutions concernées par la gestion de la sécheresse.

Ce projet SMAS (2006-2009) a permis d'acquérir une expérience très riche en matière
de collaboration et de regroupement de différents partenaires autour de la même
problématique et en matière d'échange d'informations et de données pour produire un

7
bulletin synthétique sur la sécheresse. Ces échanges ont été réalisés non seulement à
l'échelle nationale mais également à l'échelle régionale dans l'objectif d'aboutir à une
démarche commune de gestion de la sécheresse à l'échelle maghrébine. Ainsi, à l'issue
de ce projet SMAS, les méthodes de calcul des différents indicateurs et l'interprétation
des cartes produites ont été bien assimilées par l'ensemble des partenaires du projet.

Cependant, malgré les acquis de ce projet SMAS, des lacunes ont été constatées sur le
contenu du bulletin généré ainsi que sur les délais de production de l'information sur la
sécheresse. En effet, les indicateurs diffusés (SPI, RN, SVI, VCI, TCI, VHI, situation des
semis et situation des reboisements forestiers) ont été produits séparément par les
partenaires du projet et disséminés sous forme de bulletin. Aucune combinaison n'a été
effectuée entre ces différents indicateurs afin d'évaluer l'impact de la situation
météorologique (indicateurs SPI et RN) de la période étudiée sur la croissance de la
végétation (SVI, VCI, TCI et VHI) de la même période par exemple. En plus, à part les
indicateurs de suivi de la végétation obtenus à partir des données satellite et qui ont une
caractéristique spatiale, tous les autres indicateurs sont générés ponctuellement puis
les cartes sont éditées par extrapolation. De même, les bulletins édités ont été
communiqués très tardivement aux différents utilisateurs par rapport à la période
étudiée du fait que les délais de récupération de l'information produite par chacun des
partenaires du projet étaient longs.

Cette expérience acquise dans le cadre du projet SMAS mérite ainsi d'être améliorée et
renforcée afin de rendre l'information communiquée sur la sécheresse plus bénéfique et
opérationnelle pour les utilisateurs. De ce fait, la présente étude élaborée dans le cadre
du projet LDAS-Maroc a pour principal objectif d'utiliser les données spatiales pour
générer un indicateur composite sur la sécheresse et de disséminer cette information
mensuellement aux différents utilisateurs directement ou indirectement concernés par la
gestion de la sécheresse.

1- Contexte de l'étude

1.1. Projet LDAS-Maroc

Le projet LDAS (Land Data Assimilation System, Système d’assimilation de données
terrestres) s'inscrit dans le cadre de la coordination régionale pour l'amélioration de la
gestion des ressources en eau et le renforcement des capacités. Financé par la banque
mondiale (don n°TF010251) et coordonné par le CRTS en étroite collaboration avec
l’agence spatiale américaine (NASA), ce projet LDAS permettra l’amélioration de la
gestion des ressources hydriques à travers l'intégration des données issues de
l'observation de la terre, des informations in-situ et de la modélisation.

L’objectif global de ce projet est l’utilisation des technologies spatiales dans le domaine
de gestion des ressources en eau pour une meilleure caractérisation des différentes
phases du cycle de l'eau à l'échelle nationale et le dégagement des différentes formes
de l'impact des variations climatiques.

De façons spécifiques, le projet permettra :

8
 • L’intégration des données d'observation de la terre, des données in-situ et de la
modélisation pour la production d'indicateurs et de paramètres hydrologiques
clés afin de mieux caractériser et d'optimiser l'utilisation des ressources en eau
et d'alerter en cas de catastrophes naturelles (Sécheresse, Inondations, invasion
acridienne).

• L’amélioration des capacités de gestion des variations de la disponibilité des

ressources en eau incluant les eaux de surface, les eaux souterraines et les
changements dans l'utilisation des sols qui leur sont associés.

• La contribution à l'estimation de l'eau utilisée par l’agriculture irriguée pour une

meilleure planification et évaluation de la productivité de l’eau au niveau des
zones irriguées au Maroc.

• Le renforcement des capacités nationales pour une exploitation opérationnelle

des possibilités offertes par les nouvelles technologies de l’information à travers
la participation aux différentes manifestations nationales et internationales et la
dissémination des résultats des différentes activités réalisées au profit des
utilisateurs et partenaires concernés.

1.2. Composante d'alerte et de suivi de la sécheresse

Parmi les différentes composantes du projet LDAS-Maroc, le suivi de la sécheresse a
pour objectif la production d’un bulletin périodique sur l’état de la sécheresse à l’échelle
nationale par combinaison de différentes sources de données (météorologie, humidité
des sols, télédétection). L’objectif global de cette composante du projet est de contribuer
à l’amélioration de la détection et d’alerte à la sécheresse en vue de réduire l’impact de
celle-ci sur le secteur agricole et socio-économique au Maroc. Les objectifs
spécifiques sont :

- Renforcement des capacités dans le domaine de l’alerte à la sécheresse par

l'amélioration de l'accès à l'information et la dissémination des produits aux
différents utilisateurs concernés par la gestion de la sécheresse.

- Développement de méthodologies basées sur le calcul, l’analyse et la diffusion

d’indicateurs de vulnérabilité à la sécheresse au niveau national.

- Edition et diffusion de bulletins sur la sécheresse à l’échelle nationale en mettant

en évidence les zones les plus vulnérables.

Dans le cadre de cette composante du projet, une équipe d'experts du Centre National
d'atténuation des effets de la sécheresse (National Drought Mitigation Center de
l'Université de Nebraska, USA) a été engagée pour assister l'équipe du CRTS dans la
réalisation des activités techniques et scientifiques. Ainsi, plusieurs missions d'expertise
ont été organisées au CRTS entre Mai 2014 et Février 2015. L’objet de chaque mission
étant de répondre aux besoins spécifiés dans les termes de référence en matière de
développements méthodologiques d'une application permettant le calcul d’indicateurs
de suivi et d'alerte à la sécheresse d’une part et de définir les activités nécessaires à la
validation des produits générés d’autre part. La dernière mission effectuée en Février

9
2015 avait pour objet la formation des participants représentant différentes institutions
marocaines (départements ministériels, instituts de recherche, agences nationales,..)
ainsi que des représentants étrangers (Tunisie, Liban et Etats Unis d'Amérique).

A l'issue de cette expertise, des outils et méthodes de calcul de l'indicateur composite à

partir de différents paramètres et indices ont été livrés au CRTS pour produire de
l'information concernant la situation de la sécheresse au Maroc. L'objectif de cette
assistance technique est de faire bénéficier le Maroc de l'expérience internationale en
matière de suivi et d'alerte à la sécheresse.

Le présent rapport décrit les différentes phases méthodologiques permettant l'utilisation

des données météorologiques et de télédétection pour le calcul d'indicateurs de suivi de
la sécheresse. La première partie de ce rapport présente quelques généralités sur la
problématique de la sécheresse. Le chapitre suivant résume la méthodologie adoptée
pour le choix de sources de données pluviométriques pour le calcul de l'indice
standardisé de précipitation. Ensuite, la définition et description des différents indices de
télédétection est détaillée. La méthode de calcul de l'indicateur composite ainsi que la
validation des résultats obtenus sont par la suite présentées en mettant en exergue
quelques exemples de produits concernant la campagne agricole en cours.

2- Généralités sur la sécheresse

La sécheresse est parmi les catastrophes naturelles les plus complexes du fait que son
début et sa fin ainsi que sa sévérité sont souvent difficiles à déterminer. Elle diffère des
autres catastrophes par le fait qu’elle s’installe lentement et se développe au cours des
mois et voire même des années (Lain, et al. 2005). Elle affecte souvent des espaces
assez larges. Cependant, ses caractéristiques varient d’une région à une autre (Karrou,
2006).

Généralement, quatre grands types de sécheresse sont à distinguer: sécheresse

météorologique, sécheresse agricole, sécheresse hydrologique et sécheresse socio-
économique. Ces sécheresses peuvent ne pas se manifester en même temps.
Cependant, la sécheresse météorologique reste l’élément moteur des autres (Wilhite, et
al. 1995). Le schéma ci-dessous (figure n°1) présente la succession des situations de
sécheresse et de leurs incidences:

10
 Figure 1 : Succession des situations de sécheresse et de leurs incidences (Source:
NDMC Université de Nebraska-Lincoln, USA)
NDMC,

2.1. Sécheresse météorologique

La sécheresse météorologique se caractérise par une réduction ou une mauvaise
répartition, voire une absence des pluies dans une région donnée pendant une période
de temps. Dans les régions où la pluie est reçue toute l'année, la définition de la
sécheresse est basée sur le nombre de jours où les précipitations sont inférieures à un
niveau critique donné. Pour
our les zones caractérisées par des pluies saisonnières (cas du
Maroc), la sécheresse est souvent définie, par la mesure de la déviation des d
précipitations cumulées sur une période donnée par rapport à la normale de cette
période calculée sur au moins 30 ans.

Les causes de la sécheresse météorologique au Maroc sont de deux types : directes et

indirectes (Mokssit, 1998).. Les premières sont liées
liées au positionnement, intensité et
persistance de l’anticyclone des Açores. Les secondes sont dues aux grandes
anomalies qui affectent le système climatique global et par la suite la circulation
générale atmosphérique, en particulier le phénomène El Nino faisant partie d’un
système de fluctuations climatiques global nommé ENSO (El Nino Southern Oscillation).

11
2.2. Sécheresse agricole
La sécheresse agricole réfère aux situations où l’humidité du sol et les réserves en eau
deviennent insuffisantes pour satisfaire, respectivement, les besoins des cultures et
ceux du bétail dans une région donnée. Cette sécheresse entraîne la réduction des
rendements et met en danger les animaux. Les effets de la sécheresse sur les cultures
dépendent du degré de sensibilité au stress hydrique de la plante au moment de la
sécheresse, de la réserve en eau dans le sol et des techniques culturales pratiquées
(Barakat, et al. 1998). Certaines espèces végétales ou variétés sont plus résistantes à
la sécheresse que d’autres (Justice, et al.1985). Lorsque la sécheresse intervient à
certains stades critiques, tels que la floraison par exemple dans un sol peu profond et à
faible capacité de rétention de l’eau, la croissance et le développement des plantes
peuvent être négativement affectés et par conséquent, la productivité peut être faible (El
Mourid, et al.1989).

Au Maroc, bien que la sécheresse puisse survenir à n’importe quel moment au cours de
la campagne agricole, on distingue généralement trois périodes de sécheresse à savoir
celles du début du cycle, du milieu et de la fin du cycle. Il est évident que la sécheresse
de fin du cycle est la plus fréquente et que celle du milieu du cycle est la plus difficile à
combattre sauf s’il y a possibilité d’irrigation. Pour les sécheresses du début et de fin du
cycle, le choix des variétés et des techniques culturales adaptées peut permettre aux
plantes d’éviter ou d’échapper à la sécheresse (Yacoubi et al. 1998).

2.3. Sécheresse hydrologique

La sécheresse hydrologique est définie comme étant la situation où les
approvisionnements en eau de surface et souterraines deviennent inférieurs à la
normale à cause des périodes prolongées du manque de précipitations. Cette situation
de réduction de l’écoulement superficiel dans les cours d’eau conduit à une diminution
des volumes stockés dans les ouvrages hydrauliques et à une baisse naturelle du
niveau des eaux dans les nappes souterraines.

En plus du manque de pluie qui est la cause principale de cette sécheresse, d’autres
facteurs tels que le changement du relief, la construction des barrages et l’occupation
du sol conduisant à la réduction du ruissellement ont un impact significatif sur ce type de
sécheresse qui peut avoir des effets négatifs même en aval du bassin hydraulique.

La différence entre la sécheresse hydrologique et les autres types de sécheresse

décrites ci-dessus est liée au fait qu’elle ne se manifeste pas au même moment que les
autres mais après. Lorsqu’il y a un déficit pluviométrique (sécheresse météorologique),
la sécheresse agricole est la première à être sentie car le secteur agricole est le premier
à être affecté à cause de sa dépendance de l’humidité du sol qui est facilement
épuisable. Cette situation est apparente au Maroc du fait que la majorité de la superficie
agricole utile (SAU) est non irriguée (87% de la SAU est en bour). Si la déficience des
pluies persiste, les autres secteurs qui dépendent des eaux de surface, des ouvrages
de stockage et des nappes phréatiques ou aquifères sont enfin touchés.

12
2.4. Sécheresse socio-économique
On parle de sécheresse socio-économique lorsque l’insuffisance d’eau commence à
affecter les gens et leurs vies. Elle associe les biens économiques et les éléments de la
sécheresse météorologique, agricole, hydrologique et même forestière. Ce type de
définition diffère des autres par le fait que cette sécheresse est basée sur le processus
de l’offre et de la demande. La sécheresse socio-économique se manifeste lorsque
l’offre d’un bien économique (eau, grains, énergie hydro-électrique…) ne peut plus
satisfaire la demande de ce produit et que la cause de ce déficit est liée au climat (offre
d’eau).

3- Suivi et alerte à la sécheresse météorologique

Le suivi de la sécheresse météorologique peut être effectué par analyse de plusieurs
indicateurs calculés en utilisant différents paramètres météorologiques (précipitations,
températures, humidité du sol,..). En raison de la difficulté de quantifier objectivement
les caractéristiques de la sécheresse (durée, intensité et étendue spatiale), beaucoup
d'efforts ont été consacrés à l'élaboration des techniques de surveillance, de
caractérisation et d'analyse de la sécheresse et plusieurs indices et indicateurs ont été
développés.

Parmi ces différents indicateurs, le SPI (Standardized Precipitation Index, Indice

Standardisé des Précipitations) est le plus communément utilisé pour la caractérisation
de la sécheresse. En effet, cet indicateur a été adopté par les experts, par voie de
consensus, lors d'un atelier interrégional (Université de Nebraska-Lincoln, décembre
2009) sur les indices et les systèmes d'alerte précoce applicables à la sécheresse
(Hayes, et al. 2011).

Développé par McKee et al. (McKee, et al. 1993), le SPI est un indicateur statistique
utilisé pour la caractérisation des sécheresses locales ou régionales. Cet indicateur est
basé sur un historique des précipitations de longue durée (au moins 30 ans), et permet
de quantifier l’écart des précipitations (déficit ou surplus) d’une période par rapport aux
précipitations moyennes historiques de la même période. Cette période varie
généralement de 1 mois (sécheresses de courte durée et saisonnières) à 2 ans (cas
des sécheresses de longue durée).

Le calcul du SPI consiste à faire ressortir les écart-types de la valeur enregistrée de

précipitation par rapport à la moyenne historique pour la même échelle de temps. Le
processus de calcul consiste en un ajustement de chacune des séries de données
pluviométriques à une fonction de probabilité Gamma, pour postérieurement normaliser
les précipitations, de façon à ce que les valeurs du SPI suivent une loi normale centrée
réduite.

SPI = (P – Pm) / écart-type

13
 P : total des précipitations d’une période (mm)
Pm : précipitation moyenne historique de la période (mm)

Les classes de la sévérité de la sécheresse (McKee, et al. 1995) selon SPI sont
présentées dans le tableau 1 ci-dessous :

Tableau 1 : Classes de sévérité de la sécheresse selon SPI (McKee, 1995)

Valeur de SPI Classe

> +2.0 Extrêmement humide

+1.5 à +1.99 Très humide

+1.0 à +1.49 Modérément humide

-0.99 à +0.99 Proche de la normale

-1.0 à –1.49 Modérément sèche

-1.5 à -1.99 Sévèrement sèche

< -2.0 Extrêmement sèche

Le tableau 1 ci-dessus permet de classer de manière simple chacune des périodes

étudiées et de les inclure dans une des sept différentes catégories, selon la dimension
de la déviation de la précipitation enregistrée pendant une période déterminée par
rapport à la moyenne de la série historique pour cette même période. Le fait que l'indice
SPI soit normalisé permet à l'utilisateur de comparer en toute confiance des
sécheresses passées et actuelles entre des zones climatiques et géographiques
différentes. Ceci permet également de représenter de la même manière les climats
humides et les climats arides. Cet indice SPI permet également d'assurer une
surveillance des périodes humides.

McKee et al. (1993) ont développé cet indicateur afin de faire ressortir l’impact de la
période étudiée (mois, saison, année) sur les différentes ressources en eau. Comme les
réserves souterraines, les réservoirs, les dépôts neigeux ou les cours d’eau ne
réagissent pas aux variations pluviométriques avec la même rapidité, la période de
calcul du SPI fait ressortir l’effet de cette variation sur chacun de ces systèmes
hydrologiques.

La sécheresse débute lorsque cet indice commence à être systématiquement négatif et

prend fin lorsqu'il devient positif. Le SPI est ainsi le moyen le mieux indiqué pour déceler
rapidement ce phénomène, prévoir son intensité et annoncer sa fin. Il s’agit donc, d’un
indice de sécheresse météorologique universel conçu pour faciliter la surveillance des
sécheresses et la gestion des risques liés au climat.

L'élaboration de cartes spatialisées du SPI à l'échelle nationale consiste à calculer cet

indicateur par utilisation de données des précipitations obtenues par satellites. Il s'agit

14
des données pluviométriques CHIRPS (Climate Hazards Group InfraRed Precipitation
with Station data) qui sont des estimations par satellite corrigées par intégration des
données pluviométriques des stations météorologiques au sol. Ces données se
présentent sous forme d'images raster en séries temporelles disponibles depuis 1981
jusqu'à présent (Funk, et al. 2014). Les principales données satellite utilisées pour la
création de CHIRPS sont:

- Climate Hazards Precipitation Climatology (CHPClim) qui se présentent sous forme

de précipitations moyennes mensuelles à haute résolution spatiale (0,05°) émanant
de la combinaison de données d'observations satellite, de précipitations moyennes
des stations météorologiques et des paramètres permettant la prédiction des pluies
tels que l'élévation, la latitude et la longitude (Funk, et al. 2014);

- Les données satellite infrarouge thermique issues de 2 sources de la NOAA: le

Centre National des Données Climatiques (National Climatic Data Center, NCDC); et
le Centre de prévision du Climat (Climate Prediction Center, CPC) qui extrait les
données infrarouge de différents satellites géostationnaires (Meteosat-5, Meteosat-7,
GOES-8, GOES-10, GMS-5) en plus des données micro-onde passives (à partir de
NOAA-15, NOAA-16 et NOAA-17);

- Les données TRMM-3B42 de la NASA qui sont particulièrement importantes pour les
études du cycle hydrologique global et pour évaluer la fiabilité des modèles
climatiques et leur capacité de simuler et de prévoir avec précision le climat à
l'échelle saisonnière;

- Les prévisions des précipitations obtenues des modèles atmosphériques du système

de prévision climatique de la NOAA (version CFSv2);

- Les mesures des précipitations in-situ obtenues des différentes stations

météorologiques au niveau national et régional.

Toutes les données sources sont compilées sur des périodes de 5 jours et les données
CHIRPS se présentent sous forme de cartes spatialisées de précipitations à une
résolution spatiale de 5 km.

Pour procéder au calcul du SPI en temps réel tenant compte des données historiques,
la période de calcul retenue dans le cadre de ce projet est de 2 mois. Le SPI sur 2 mois
établit ainsi la comparaison entre le total des précipitations sur la période étudiée de 2
mois et les totaux des précipitations pour cette même période de 2 mois de toutes les
années pour lesquelles on dispose de données. En d'autres termes, l'indice SPI sur 2
mois se terminant fin février 2014 par exemple permet de comparer le cumul des
précipitations des mois de janvier et février 2014 aux cumuls de précipitations de janvier
et février de toutes les années depuis 1981 (en utilisant les données CHIRPS). Chaque
nouvelle année, les données d'observation viennent s'ajouter à la série des relevés dont
la durée gagne ainsi une année.

Ce choix permet de prendre en considération le déphasage entre les périodes des

précipitations et l'impact de celles-ci sur la croissance végétative. Ce SPI sur 2 mois,
représentant des conditions à courte échéance, est appliqué pour la détection des

15
sécheresses de type météorologique ainsi que pour le suivi de l'humidité du sol à court
terme et le stress hydrique subi par les cultures, en particulier au cours de la période
végétative. Le suivi de la sécheresse durant la campagne agricole devient ainsi plus
fiable en se basant sur un indice spatialisé (SPI 2 mois) calculé à partir de données
satellite acquises en temps quasi réel. L'alerte à la sécheresse devient également plus
précise étant donné que cet indice indique qu'une sécheresse débute quand la valeur
du SPI est inférieure ou égale à -1 et qu'une sécheresse se termine lorsque sa valeur
devient positive.

La figure 2 ci-dessous illustre le résultat de calcul du SPI-2 pour le mois de Mars 2015
par utilisation des données pluviométriques CHIRPS.

Figure 2: Carte du SPI-2 mois (Mars 2015)

La figure 2 ci-dessus montre une situation pluviométrique modérément humide au

niveau de quelque provinces du Sud et également au niveau de la province de Nador et

16
partiellement la province Taza en Mars 2015 par rapport à la même période durant les
34 dernières années. Les provinces Azilal, Kelaat Sraghna, Errachidia et Ouarzazate
ont cependant connu partiellement une sécheresse modérée au cours de ce mois de
Mars 2015 par rapport à la même période des années précédentes.

4- Suivi et alerte à la sécheresse agricole

L’agriculture au Maroc est un secteur économique important, avec environ 40% de la
population active vivant de ce secteur représentant 78% de l’emploi en milieu rural. La
variation temporelle de la couverture végétale est parmi les facteurs renseignant sur les
situations de stress hydrique (sécheresse), d’érosion ou de désertification au niveau des
milieux arides et semi-arides.

Le suivi et l’alerte à la sécheresse agricole nécessitent d'avoir une vision fréquente,

globale et localisée des zones d’agriculture pluviale que seule la télédétection spatiale
est en mesure d'apporter. Ce suivi peut être effectué par analyse de plusieurs
indicateurs calculés en utilisant différents paramètres extraits de données d'observation
spatiale.

Grâce à leur fréquence temporelle (plus d'un passage par jour) et à leur résolution
spatiale (de 250 mètres à 1 kilomètre), les données satellite à basse résolution spatiale
(comme MODIS) permettent de couvrir l'ensemble du territoire national de façon
quotidienne. Ces données permettent de générer plusieurs paramètres biophysiques et
de calculer des indicateurs de suivi de la végétation et d'alerte en cas de situations
anormales de la croissance végétative (sécheresse, inondations,..). La fréquence de
suivi de la végétation par utilisation de ces données à basse résolution spatiale peut
être journalière, décadaire, mensuelle ou saisonnière.

Le spectromètre imageur à résolution moyenne (MODIS), installé à bord des satellites

Terra et Aqua, fournit des données fréquemment utilisées dans les études
environnementales décrivant les caractéristiques terrestres, océaniques et
atmosphériques. Ces données MODIS sont caractérisées par différentes résolutions
spatiales : 250 m pour les bandes spectrales 1 et 2, 500 m pour les bandes 3 à 7 et
1000 m pour toutes les bandes spectrales entre 8 et 36.

Les paramètres et indices extraits à partir des données MODIS pour la caractérisation et
le suivi de la sécheresse agricole dans le cadre de cette étude sont :

- Le NDVI (Normalized Difference Vegetation Index, Indice de végétation par

différence normalisée),

- La température de surface du jour et de nuit, et

- L'évapotranspiration.

Ces paramètres obtenus à une fréquence mensuelle sont combinés à l'indice

standardisé des précipitations pour générer un indicateur composite de suivi de la
sécheresse à l'échelle mensuelle.

17
Les paramètres extraits des données MODIS sont téléchargés mensuellement à partir
du réseau FEWSNET (Famine Early Warning System Network) qui est un réseau de
systèmes d'alerte précoce à la famine créé par l'USAID (United States Agency for
International Development) en 1985 pour aider les décideurs à anticiper les crises
humanitaires.

5- Méthodologie globale

5.1.Données utilisées
Le suivi global de la sécheresse est basé sur la combinaison de plusieurs paramètres
issus de l'observation spatiale. Cette combinaison intègre les indices météorologiques
(SPI à partir des données CHIRPS) et les indices de télédétection (anomalies de l'indice
de végétation, anomalies de l'évapotranspiration, différences de températures de
surface du jour et de la nuit permettant l'estimation de l'humidité du sol).

a- Anomalies du NDVI

Le Centre de la Science et de l'Observation des Ressources Terrestres (Earth

Resources Observation and Science Center, EROS) de l'Institut des études géologies
des Etats-Unis (USGS) distribue un ensemble de produits dérivés des données
satellites sur la végétation générés à partir du spectroradiomètre imageur à résolution
modérée (MODIS). Ces produits, appelés "eMODIS," sont utilisés pour des applications
opérationnelles de surveillance des terres nécessitant les données d'indice de
végétation par différence normalisée en temps quasi-réel pour la comparaison avec les
données historiques. Les données NDVI en temps quasi réel ainsi que les données
historiques sont disponibles en synthèses décadaires.

Les synthèses décadaires eMODIS sont générées par la méthode de la valeur

maximale composite (MVC) à partir des données quotidiennes à 250 m de résolution
spatiale. Ces données sont très utiles pour le suivi des conditions de la végétation.

Le NDVI est défini par la différence normalisée entre les données du canal Rouge (R) et
Proche Infrarouge (PIR) selon la relation : (PIR - R) / (PIR + R). Il traduit la mesure de la
densité de chlorophylle contenue dans la couverture végétale.

Les anomalies du NDVI sont obtenues par soustraction de la moyenne du NDVI

(calculée depuis 2001) pour la décade étudiée de la valeur NDVI de la même décade de
l'année en cours. Les images des anomalies du NDVI présentent des classes de valeurs
négatives correspondant à des situations de végétation moins vigoureuse que la
normale, et des classes de valeurs positives correspondant à des situations de
végétation pour l'année en cours plus vigoureuses que la normale.
Les classes de valeurs des anomalies du NDVI sont distribuées entre -0.3 et +0.3 NDVI.
La zone correspondant à des situations stables est approximativement comprise entre -
0.05 et +0.05. Les images sont fournies sous format GeoTIFF et couvrent toute la région
de l'Afrique du nord.

18
La figure 3 ci-dessous illustre un exemple de carte des anomalies du NDVI téléchargée
du site FewsNet pour le mois de Février 2015.

Figure 3: Carte des anomalies du NDVI (Février 2015)

b- Anomalies de l'évapotranspiration

L'évapotranspiration (ET) c'est la combinaison de l'évaporation du sol et la transpiration

de la végétation (par absorption de l'eau à travers son système racinaire).
L'évapotranspiration réelle est calculée en utilisant les équations du bilan énergétique
SSEBop (Operational Simplified Surface Energy Balance) depuis 2003 jusqu'à présent
(Senay et al., 2013). Le modèle SSEBop est basé sur la méthode simplifiée du bilan
énergétique de surface (Simplified Surface Energy Balance, SSEB), avec une
amélioration paramétrique pour les applications opérationnelles (Senay et al., 2007,
2011). Ceci consiste à combiner les fractions de l'ET, générées à partir des données
décadaires des bandes thermiques de MODIS, avec l'évapotranspiration de référence
par utilisation d'une approche basée sur un indice thermique.

La particularité unique du paramétrage de SSEBop c'est que ce modèle utilise des

conditions aux limites, saisonnières et dynamiques, prédéfinies qui sont uniques à
chaque pixel pour les points de référence "chaud/sec" et " froid/humide".

Les anomalies de l'ET sont le rapport de l'évapotranspiration réelle et de la valeur de la

médiane correspondante. Ces anomalies sont exprimées en pourcentage. La figure 4 ci-
dessous présente un exemple de carte d'anomalies de l'évapotranspiration pour le mois
de Février 2015.

19
 figure.4 : Carte des anomalies de l'évapotranspiration (Février 2015)

c- Températures de surface de jour et de nuit

Les anomalies de la différence de températures de surface de la terre du jour et de nuit
fournissent des informations sur l'état de l'humidité du sol. Des recherches (Hain et al.,
2009 et 2011) ont montré qu'une forte relation existe entre les anomalies de la
différence de température du jour et de nuit et les anomalies de l'humidité du sol. Hain
et al. (2011) ont indiqué que l'évolution des températures matinales de la surface de la
terre dépondent fortement des conditions d'humidité du sol.
Les sols couverts de végétation souffrant de stress hydrique (ou les sols secs ayant une
faible différence de températures du jour et de nuit) dégagent la chaleur rapidement que
les sols couverts de végétation bien alimentée en eau (ou sols humides pour lesquels
cette différence de températures jour-nuit est plus grande).
La température de surface de la terre est également un indicateur d'alerte précoce
pouvant renseigner sur le début du stress hydrique de la végétation. Ce stress, résultant
d'une augmentation continue de la température du couvert végétal, peut être détecté
avant que la dégradation de la végétation ne soit observée à travers les indices de
végétation (NDVI en particulier).
La figure 5 ci-dessous présente un exemple de carte des anomalies de la température
de surface de la terre pour le mois de Février 2015.

20
 Figure 5 : Carte des anomalies de la température de surface de la terre (Février 2015)

5.2. Structuration des données et calcul de l'indicateur SPI

a- Structuration des données

Pour le calcul de l'indicateur SPI à partir des données CHIRPS, une première étape
consiste à préparer les fichiers selon le format spécifique exigé par les modèles de
calcul. Cette préparation consiste premièrement à télécharger toute l'historique des
données mensuelles CHIRPS et de les organiser de telle sorte que chaque série de
données corresponde à une période (mois) depuis 1981.

Pour chaque nouveau mois étudié, les données CHIRPS téléchargées sont tout d'abord
ré-échantillonnées afin de garder uniquement la zone couvrant le territoire national à
une résolution spatiale de 5 km. A cet effet, un fichier définissant les limites du territoire
national a été préalablement préparé. Ce fichier est sous forme d'une grille contenant
25588 points avec une résolution spatiale de 5 km (figure 6). Cette grille est utilisée
mensuellement comme base d'intersection avec tous les paramètres d'entrée au
modèle global (CHIRPS, NDVI, LST et ET).

21
 Figure 6 : Grille de points à 5 km de résolution spatiale

Une vérification et correction de la projection des données CHIRPS téléchargées est

ensuite effectuée pour qu'elles soient parfaitement superposables avec les données
historiques structurées au niveau de la base de données existante. Chaque pixel porte
une valeur de précipitation spatialisée sur une zone carrée de 5 km x 5 km, et le calcul
du SPI s'effectue au niveau de chaque pixel.

Les anomalies du NDVI calculées à partir des données MODIS sont mensuellement
téléchargées du réseau FEWSNET. Chaque donnée brute téléchargée est renommée
selon la nomenclature naYYYYMM.tif (et naYYYYMM.tfw), avec YYYY et MM sont
respectivement l'année et le mois d'étude. La première opération consiste à ré-
échantillonner les données téléchargées afin de garder uniquement la zone couvrant le
territoire national à une résolution spatiale de 5 km en utilisant la grille préalablement
préparée.

Les données mensuelles des anomalies de l'évapotranspiration, calculées par les

modèles du bilan énergétique en utilisant les canaux thermiques de MODIS, sont
également téléchargées du réseau FEWSNET et sont renommées selon la
nomenclature etYYYYMM.tif. Le ré-échantillonnage de ces données téléchargées se fait
par utilisation de la grille contenant les 25588 points espacés de 5 km afin de conserver
uniquement la zone couvrant le territoire national.

22
La procédure de préparation des données LST consiste à télécharger, pour tout le mois
étudié, les données de température de surface de la terre du jour et celles de nuit
séparément. Le calcul de la différence entre les températures de jour et celles de nuit se
fait jour par jour durant le mois étudié. Ensuite, la synthèse mensuelle des données de
température de surface Jour-Nuit est générée et le fichier correspondant aux anomalies
est renommé selon la nomenclature lstYYYYMM.img. Ces données sont par la suite ré-
échantillonnées en utilisant la grille ayant 5 km de résolution spatiale et délimitant le
territoire national.

A l'issu de cette première phase de préparation des données d'entrée, un fichier

tabulaire (format dbf) est généré pour le mois étudié regroupant pour chaque pixel les
quatre paramètres structurés. Le tableau 2 ci-dessous présente un extrait de la table
contenant les données organisées pour les 25588 pixels.

Tableau 2 : Extrait de la table dbf générée après ré-échantillonnage

Les colonnes X et Y correspondent aux coordonnées géographiques de chaque pixel.

Les quatre colonnes suivantes (c201412, et201412, lst201412 et na201412)
contiennent les données de chaque paramètre d'entrée pour le mois étudié à savoir :
précipitations à partir de CHIRPS, anomalies de l'évapotranspiration, températures de
surface jour-nuit et anomalies de l'indice de végétation NDVI.

23
b- Calcul du SPI à partir des données CHIRPS

Le
e calcul de l'indicateur SPI se fait par un algorithme présentant une interface graphique
permettant de définir facilement les différents paramètres d'entrée (type de données,
séparateur de données,..) et le format des données de sortie (échelle temporelle de
calcul, périodes de sécheresse, fréquences,..).
fré La figure 7 ci-dessous
dessous illustre l'interface
de calcul du SPI:

F
Figure 7: Interface de calcul du SPI

Le résultat de calcul du SPI du mois étudié présente pour chaque pixel les écarts de
précipitations enregistrées au cours du mois étudié par rapport à la moyenne des
précipitations du même mois durant les trente quatre années précédentes.
précédentes La figure 8
ci-dessous
dessous présente un extrait du fichier obtenu après calcul du SPI pour un seul pixel.

24
 Figure 8 : Exemple de résultat de calcul du SPI pour un pixel

L'exemple présenté dans la figure 8 ci-dessus correspond au pixel ayant pour

coordonnées (32,97 Nord et 7,52 Ouest) et se trouvant en plein centre de la province de
Settat (Région Chaouia-Ourdigha). La figure 9 ci-dessous illustre la variation de l'indice
SPI calculé pour tous les mois de février depuis 1981 pour ce même pixel.

Figure 9 : Variations du SPI-2 des mois de Février (Centre de la province de Settat)

25
5.3. Calcul de l'indicateur composite de sécheresse
La sécheresse est un processus cumulatif qui suit plusieurs étapes avant de constituer
un risque qui menace les intérêts de l'humanité. La représentation quantifiée de ce
phénomène nécessite l'intégration de tous les paramètres et indicateurs renseignant sur
les différents types de sécheresse. Les paramètres retenus dans le cadre de ce travail
entrant dans la composition de l'indicateur final sur la sécheresse sont rappelés ci-
dessous:

- L'indice de précipitation standardisé (SPI) calculé à partir de données satellites

CHIRPS.

- L'humidité du sol estimé à partir de la différence de températures de surface du jour

et de nuit (LST) issues des données MODIS.

- Les anomalies de l'évapotranspiration (ET) obtenues à partir des données satellite

MODIS.

- Les anomalies de l'indice de végétation (NDVI) obtenues à partir des données

satellite MODIS.

Ces quatre paramètres entrent dans l'équation de calcul de l'indicateur composite (CDI:
Composite Drought Indicator) selon la formule suivante :

CDI = a*SPI + b*NDVI + c*LST + d*ET

Avec : a, b, c et d sont les poids respectifs à attribuer à chaque indicateur.

La pondération des différents paramètres d'entrée a fait l'objet d'une étude comprenant
plusieurs étapes:

Etape 1: Calcul de l'indicateur composite en affectant des poids égaux à chacun des
quatre paramètres (25%) puis procéder à une validation préliminaire de cet
indicateur calculé en se basant sur les productivités céréalières non irriguées
(bour) pour trois campagnes agricoles clés (2005-2006, 2006-2007 et 2009-
2010) et au niveau de trois régions pilotes qui sont : El Haouz, Meknès-Tafilalet
et la région Taounate-Taza-El Hoceima.

Cette première comparaison des valeurs de l'indicateur composite (CDI) avec les
productions céréalières au niveau de ces zones pilotes et durant les trois campagnes
agricoles particulières montre un écart entre les classes de sécheresse indiquées par le
CDI et les niveaux de productions céréalières pour ces trois régions. La deuxième étape
a pour objectif le calcul des poids à affecter à chacun des quatre paramètres d'entrée.

Etape 2: Calcul des écarts de productivités céréalières (en zones bour) entre deux
situations extrêmes : Année sèche (2006-2007) et année pluvieuse (2009-
2010). Ce calcul des écarts a été effectué pour trois zones pilotes : Chaouia-
Ouardigha, Fès-Boulemane et l'Oriental qui sont représentatives des grands

26
 ensembles écologiques du Maroc à savoir le bour favorable, le bour
défavorable et les écosystèmes pastoraux. La couche contenant les écarts de
productions céréalières est utilisée comme base de superposition avec chacun
des quatre paramètres entrant dans le calcul du CDI (SPI, NDVIa, ETa et LST).
Cette superposition a pour objectif de définir le degré d'incidence entre chaque
classe d'indicateur avec les zones (provinces) en fonction de l'importance des
écarts de productions céréalières.

A l'issue de cette étape, le poids de chaque paramètre a été défini en fonction de

l'importance de la contribution de chaque indice durant le cycle de croissance et de
développement des cultures susceptibles d'être affectées par la sécheresse.

Ainsi, en cas de sécheresse, l'indice standardisé des précipitations SPI est considéré
comme élément déclencheur du phénomène en question. La répartition et la continuité
des précipitations durant la campagne agricole est un facteur déterminant pour assurer
une bonne productivité agricole. Les trois autres indices (NDVI, ET et LST) viennent
comme facteurs résultant de l'impact du SPI. La pondération conclue à cette étape est
la suivante:

SPI : 40%

NDVIa : 20%

LST : 20%

ETa : 20%

Etape 3: Cette étape consiste à recalculer l'indicateur composite en utilisant la nouvelle

pondération des paramètres et procéder à sa validation sur les trois zones test
définies dans la première étape. L'objectif de cette validation étant de
confronter les poids des paramètres de calcul du CDI avec la réalité d'une part
et d'évaluer le degré de fiabilité de l'indicateur composite de sécheresse
comme information permettant l'alerte précoce à la sécheresse d'autre part.

La figure 10 ci-dessous résume les étapes méthodologiques adoptées pour le calcul de

l'indicateur composite de sécheresse.

27
 Figure 10 : Organigramme méthodologique de calcul du de l'indicateur composite

A l'issu du calcul de l'indicateur composite, chaque pixel de 5 km porte une valeur

résultant de la somme pondérée des quatre paramètres d'entrée. Une analyse
fréquentielle de toutes les valeurs de l'indicateur composite, par pixel et depuis 2003
jusqu'à présent, est ensuite effectuée afin d'ordonner (ranger dans l'ordre croissant)
toutes les valeurs dans chaque série de données et de définir les limites de chaque
décile de la distribution à partir d'une courbe de fréquence.

28
La carte finale de l'indicateur composite de sécheresse contient ainsi quatre classes de
sécheresse correspondant à quatre déciles :

D1 : Sécheresse Modérée, pour laquelle les valeurs du CDI (en pourcentage) sont
comprises entre 10 et 20% et qui correspond à une sécheresse qui arrive une fois
tous les 5 à 10 ans.

D2 : Sécheresse Sévère, pour laquelle les valeurs du CDI sont comprises entre 5 et
10% et qui correspond à une sécheresse qui a une période de retour de 10 à 20
ans.

D3 : Sécheresse Extrême, pour laquelle les valeurs du CDI sont comprises entre 2 et
5% et qui signifie une sécheresse qui peut arriver une fois tous les 20 à 50 ans.

D4 : Sécheresse Exceptionnelle, pour laquelle les valeurs sont comprises entre 0 et

2% et qui signifie une sécheresse qui peut arriver une fois tous les 50 ans et plus.

De même, quatre classes correspondant à des situations favorables sont définies en

fonction des valeurs du CDI:

80% < CDI < 90% : modérément humide

90% < CDI < 95% : sévèrement humide

95% < CDI < 98% : extrêmement humide

98% < CDI < 100% : exceptionnellement humide

Les valeurs de l'indicateur composite de sécheresse comprises entre 20 et 80%

correspondent à des situations normales comparativement aux données historiques.

5.4. Méthodologie de validation des produits générés

L'activité de validation des indicateurs de sécheresse a été réalisée à travers une
expertise nationale. La démarche proposée par le consultant et confirmée par l'équipe
de projet consiste à combiner l'usage de deux types de méthodes: d'un côté, il faut
valoriser autant que possible les connaissances sur le terrain (experts et personnes
ressources) moyennant des évaluations qualitatives, et d'un autre côté, procéder à la
confrontation des produits cartographiques générés avec d'autres données statistiques
exactes.

La première phase méthodologique a consisté en une collecte de données de base

susceptibles d'aider à juger de la pertinence des indicateurs. Les principales données
collectées à ce niveau concernent l'historique des productions agricoles à l'échelle des
différentes provinces du Maroc depuis l'année 2000. Les cumuls annuels des
productions agricoles sont variables d'une année à l'autre en fonction des conditions
climatiques générales et en fonction de présence ou d'absence de situations de
sécheresse.

29
Les cartes de l'indicateur composite de sécheresse et des paramètres entrant dans sa
composition (SPI, NDVIa, LST et ETa) produites mensuellement depuis janvier 2003 ont
été confrontées aux données historiques des productions agricoles pour aboutir à un
premier niveau de validation.

La deuxième phase consiste à identifier des évaluateurs potentiels représentants les

différentes structures régionales du Ministère de l'Agriculture et d'autres départements
ministériels pour contribuer à l'évaluation des indicateurs et la validation des cartes de
sécheresse. A cet effet, un questionnaire a été soigneusement préparé et diffusé à
travers ce réseau d'évaluateurs. Le dépouillement et l'analyse des informations
collectées permet ainsi de valider ces indicateurs de sécheresse.

6- Résultats
Dans ce qui suit, nous présentons les résultats de calcul de l'indicateur composite de
sécheresse (CDI) ainsi que les paramètres et indices utilisés pour le calcul de cet
indicateur durant la campagne agricole 2014-2015.

Deux modes d'illustration des cartes des indicateurs et indices sont présentés ci-
dessous en fonction des classes à mettre en exergue (Sécheresse vs Humidité). La
première partie présente toutes les cartes (CDI, SPI, NDVIa, ETa et LST) avec une
légende contenant à la fois les classes de sécheresse et celles d'humidité. La deuxième
partie présente les cartes mettant en évidence uniquement les classes de sécheresse
durant la campagne agricole en cours.

30
Figure 11: Cartes SPI-NDVIa-ETa-LST (Octobre 2014)

31
 Figure 12: Indicateur composite de sécheresse (Octobre 2014)

Le SPI du mois d'Octobre 2014 (calculé pour une période de 2 mois depuis Septembre
2014) indique une situation globalement normale au niveau national à l'exception de
quelques provinces du Sud du Maroc pour lesquelles un déficit pluviométrique a été
détecté par rapport à la même période des 34 dernières années. La carte d'humidité du
sol, estimée à partir des anomalies des différences de températures de surface du jour
et de la nuit LST, indique également un déficit d'humidité du sol confirmant ainsi ce qui a
été obtenu par le SPI. Ce déficit concerne également d'autres provinces dans l'Oriental
et le Centre du pays. Le paramètre LST indique toutefois une situation favorable dans
une partie des provinces du Sud-Est (Oasis de Tata et Zagora). La carte des anomalies
de l'indice de végétation (NDVIa) montre une situation positive au niveau de ces
provinces du Sud-Est pour le mois d'octobre 2014. Le paramètre ETa, représentant les
anomalies de l'évapotranspiration, indique des situations défavorables au niveau de

32
quelques provinces du Nord et du Centre (Tanger, Tétouan, Chefchaouen, Kenitra,
Taounate, Meknès).Toutes ces situations constatées séparément par les différents
paramètres et indices sont synthétisées dans la carte de l'indicateur composite de
sécheresse qui montre des situations de sécheresse sévère à exceptionnelle dans les
provinces du Sud (Awsserd et Dakhla) et des situations de sécheresse modérée à
sévère dans la majorité des provinces du centre et du Nord. Quelques classes
d'humidité ont été observées dans les provinces du Sud-Est.

Figure 13: Cartes SPI-NDVIa-ETa-LST (Novembre 2014)

33
 Figure 14: Indicateur composite de sécheresse (Novembre 2014)

Le mois de Novembre 2014 était particulièrement humide. En effet, le Maroc a connu

une pluviométrie très élevée par rapport à la moyenne de cette période de l'année, ce
qui a conduit à des inondations importantes au niveau de plusieurs provinces du Maroc
en particulier dans le Sud. Le SPI calculé pour ce mois de Novembre 2014 illustre bien
cet excès pluviométrique exceptionnel. Le paramètre d'humidité du sol (LSTday_night)
montre également une dominance des classes modérément à sévèrement humides
particulièrement dans le Sud. La carte des anomalies de l'NDVI montre une situation
modérément favorable au niveau de quelques provinces du Sud-Est, et présente des
classes de sécheresse modérée au niveau des provinces Fès-Boulemane, Taourirt et
Nador. La carte des anomalies de l'évapotranspiration (ETa) présente des situations
positives au niveau des provinces du centre et du nord du Maroc. Ce paramètre montre
également des anomalies négatives dans quelque provinces de l'Oriental. La carte de

34
l'indicateur composite de sécheresse pour le mois de Novembre 2014 montre une
dominance de classes d'humidité modérée à sévère sur la majorité des provinces en
particulier celles du Sud.

Figure 15: Cartes SPI-NDVIa-ETa-LST (Décembre 2014)

35
 Figure 16: Indicateur composite de sécheresse (Décembre 2014)

Le SPI-2 calculé pour le mois de Décembre 2014 (intégrant les données de Novembre
2014) indique une dominance des classes d'excès pluviométrique modéré à extrême sur
la majorité du territoire national. Des situations exceptionnelles d'excès pluviométrique
ont été observées dans le Sud et particulièrement au niveau des zones ayant connu des
inondations. La carte d'humidité du sol (LSTday_night) confirme cette situation favorable
pour l'ensemble des provinces du Maroc en particulier celles du Sud et du Sud-Est.
Quelque classes de déficit d'humidité du sol, dérivées à partir des canaux thermiques de
MODIS, ont été détectées au niveau de la province de Nador. La carte des anomalies
du NDVI montre une situation modérément à sévèrement favorable dans les provinces
du Sud-Est (Errachidia, Zagora, Tata, Ouarzazate). Cette carte montre également des
classes d'anomalies négatives de l'indice de végétation dans quelques provinces de
l'Oriental et du Sud du Maroc. La carte des anomalies de l'évapotranspiration montre

36
une situation globalement normale à l'échelle nationale. Des classes très favorables des
anomalies de l'évapotranspiration ont été observées au niveau des zones côtières. La
carte de l'indicateur composite de sécheresse du mois de Décembre 2014 synthétise
ces différentes observations et montre une dominance des classes d'humidité modérée
à exceptionnelle sur la majorité du territoire national en particulier le Sud. Cet indicateur
composite a permis de détecter une sécheresse modérée à sévère dans la province de
Nador.

Figure 17: Cartes SPI-NDVIa-ETa-LST (Janvier 2015)

37
 Figure 18: Indicateur composite de sécheresse (Janvier 2015)

Le mois de Janvier 2015 a connu une situation pluviométrique globalement normale. Le

SPI-2 indique un léger excès pluviométrique dans les provinces de Fès-Boulemane,
Oujda et Awsserd. Cet indice montre également un déficit pluviométrique au niveau de
quelques provinces du Sud. D'un autre côté, le paramètre d'humidité du sol présente
une dominance de classes d'humidité modérée à sévère sur la majorité des provinces
du Maroc et des classes d'humidité extrême à exceptionnelle dans les zones du Sud. La
carte illustrant les anomalies de l'indice de végétation indique des situations
défavorables du développement de la végétation dans les provinces du Sud et quelques
provinces de l'Est du Maroc (Nador, Taza, Fès-Boulemane). De même, cet indice
NDVIa montre des situations très favorables dans la majorité des provinces en
particulier celles du Sud-Est. Les anomalies de l'évapotranspiration montrent une
situation globalement normale avec présence de classes favorables dans le centre du

38
pays. Par ailleurs, La carte de l'indicateur composite de sécheresse du mois de Janvier
2015 indique une sécheresse modérée dans les provinces de Taza, Ouarzazate et
Bouaarfa liée principalement au déficit pluviométrique constaté en cette période. Cet
indicateur composite montre une dominance des classes d'humidité modérée dans les
provinces du sud en cette période de l'année.

Figure 19: Cartes SPI-NDVIa-ETa-LST (Février 2015)

39
 Figure 20: Indicateur composite de sécheresse (Février 2015)

La carte de l'indicateur composite de sécheresse du mois de Février 2015 présente une

dominance de classes d'humidité modérée au niveau des provinces du Sud, du Sud-Est
et quelques provinces du Centre et de l'Oriental. Cette situation est confirmée à travers
l'examen des cartes des paramètres entrant dans le calcul de l'indicateur composite. En
effet, les trois paramètres (SPI, LST et ETa) présentent chacun une dominance de
classes favorables dans des zones différentes : les provinces du Centre et de l'Oriental
pour le SPI et le LST, le Nord, l'Oriental le Centre et quelques provinces du Sud pour le
paramètre LST représentant l'humidité du sol; et le Nord et le Centre pour les anomalies
de l'évapotranspiration (ETa). La carte des anomalies de l'indice de végétation montre
également des situations favorables à très favorables au niveau des provinces du Sud-
Est allant de la province d'Errachidia jusqu'à Laayoune. Cette carte indique cependant
des situations de développement végétatif défavorable à très défavorable dans les

40
provinces du Nord et de l'Oriental. Ces classes d'anomalies négatives de l'indice de
végétation ne figurent pas dans la carte de l'indicateur composite de sécheresse étant
donné que la pondération de ce paramètre dans la composition de l'indicateur
composite ne représente que 20%.

Figure 21: Cartes SPI-NDVIa-ETa-LST (Mars 2015)

41
 Figure 22: Indicateur composite de sécheresse (Mars 2015)

Le SPI-2 montre une situation pluviométrique modérément humide au niveau de

quelque provinces du Sud et également au niveau de la province de Nador et
partiellement la province Taza en Mars 2015 par rapport à la même période durant les
34 dernières années. Les provinces Azilal, Kelaat Sraghna, Errachidia et Ouarzazate
ont cependant connu partiellement une sécheresse modérée au cours de ce mois de
Mars 2015 par rapport à la même période des années précédentes. La carte de
l'humidité du sol confirme la présence de classes favorables à très favorables dans les
provinces du Sud. Cette carte montre également des situations d'humidité modérée à
sévère dans plusieurs provinces au centre du Maroc. La carte des anomalies de l'indice
de végétation montre une dominance des classes favorables (dans la majorité des
provinces du centre du pays) à très favorables dans toute la zone allant de la province

42
d'Errachidia jusqu'au sud de Laayoune. Cette carte indique cependant des classes de
sécheresse modérée à sévère dans quelques provinces de l'Oriental. Le dernier
paramètre (ETa) indique une situation globalement normale à l'exception de quelque
provinces du Nord et du centre pour lesquelles des situations de sécheresse modérée
ont été constatées. La synthèse de ces différents paramètres illustrée dans la carte de
l'indicateur composite de sécheresse (figure 22) montre des classes de sécheresse
modérée dans les provinces Ouarzazate, Azilal, Errachidia et dans quelque provinces
de l'Oriental. Cet indicateur composite montre également des situations d'humidité
favorable à très favorables dans quelques provinces du Sud.

La figure 23 ci-dessous synthétise l'évolution de l'indicateur composite de sécheresse

durant la campagne agricole actuelle (Octobre 2014 - Mars 2015) en présentant
uniquement les classes de sécheresse.

Figure 23 : Cartes de l'indicateur CDI pour la campagne 2014-2015 (classes de

sécheresse)

Cette figure illustre clairement le déroulement global de la campagne agricole 2014-

2015 de point de vue évolution des classes de sécheresse. En effet, une situation de
sécheresse a été constatée dès le début de cette campagne (Octobre 2014) qui s'est
rapidement dissipée à partir du mois de Novembre 2014 à cause des importantes
précipitations qu'a connu le Maroc en cette période de l'année. Sur l'ensemble, cette
campagne agricole 2014-2015 est qualifiée de bonne à très bonne tant de point de vue
pluviométrique (quantités et répartition) que du point de vue développement végétatif.

43
Conclusion
La sécheresse au Maroc est considérée comme un facteur structurel du climat en raison
de sa récurrence et de la durabilité de ses effets qui restent déterminants que se soit sur
le plan social, hydrique ou économique. Il est ainsi nécessaire de renforcer la stratégie
de gestion des ressources en eau au Maroc dans un sens de capitalisation des
ressources existantes et d'amélioration des systèmes de prévision pour la détection
précoce des périodes de sécheresse. Par ailleurs, l'appréhension de ce phénomène
exige de nouvelles technologies et de nouveaux instruments plus efficaces qui
permettent de produire et de disséminer l'information alertant sur la sécheresse de
façon rapide, fiable, spatialisée et à moindre coût.

L'objectif de cette composante relative au suivi et à l'alerte à la sécheresse du projet

LDAS étant de développer une méthodologie opérationnelle de suivi de la sécheresse
en mettant l'accent sur le caractère spatialisé de l'information.

A l'issue de cette étude, nous concluons que l'utilisation des données pluviométriques
spatialisées CHIRPS pour le suivi de la sécheresse météorologique présente un point
fort acquis par la partie marocaine dans le cadre de ce projet. En effet, ces données
présentent l'avantage de couvrir tout le territoire national à une bonne résolution spatiale
et d'être directement et rapidement accessibles. Ces données CHIRPS sont acquises à
partir de la combinaison de différentes sources d'observation par satellites et validées
par les données des stations météorologiques au sol. Les données pluviométriques
CHIRPS sont organisées dans une base de données couvrant un historique depuis
1981 jusqu'à présent, ce qui permet ainsi d'effectuer des analyses statistiques avec un
degré de confiance élevé et de calculer des indicateurs pour le suivi et l'alerte à la
sécheresse. L'indice standardisé des précipitations choisi pour le suivi de la sécheresse
à partir des données pluviométriques présente l'avantage d'être simple, facile à calculer
et statistiquement adapté au suivi de la sécheresse météorologique.

De même, le suivi des effets de la sécheresse sur la végétation et sur le sol est assuré
par l'utilisation des indices et paramètres extraits des données satellites à la même
fréquence temporelle que les données de précipitations CHIRPS. Les paramètres
choisis pour assurer ce suivi sont mensuellement extraits à partir des données satellite
et permettent de renseigner sur les principales conditions de la croissance végétative à
savoir les températures de surface, l'évapotranspiration et l'humidité du sol estimée à
partir des anomalies de la différence des températures du jour et de nuit. Chacun de ces
paramètres contribue au suivi et à l'alerte à la sécheresse par la nature de l'information
sur l'état de la végétation.

La combinaison pondérée de toutes ces données spatialisées en un seul indicateur

composite permettant de produire des cartes mensuelles de la sécheresse constitue un
outil de suivi et d'aide à la décision en matière gestion de cette problématique. Cet outil
est directement accessible aux utilisateurs finaux à travers la plateforme de
dissémination des données implémentée au CRTS dans le cadre du projet LDAS.

44
 Références bibliographiques

Barakat, F. et A. Handoufe. 1998. Approche agroclimatique de la sécheresse agricole

au Maroc. Sécheresse 9:201-208.
El Mourid, M. and D.G. Watts. 1989. Rainfall patterns and probabilities in the semi-arid
cereal production region of Morocco. p. 59-80. In “The Agrometeorology of Rainfed
Barley-based Farming Systems. Editions “Jones, M.J. and D. Rijks. ICARDA-Aleppo,
Syria.
Funk, C. C. et al., 2014, A quasi-global Precipitation Time Series for Drought Monitoring,
USGS, Data Series 832, ISSN 2327-638X (online)
Hain Christopher R.,Wade T.Crow, John R. Mecikalski, Martha C. Anderson, Thomas
Holmes, 2011. An intercomparison of available soil moisture estimates from thermal
infrared and passive microwave remote sensing and land surface modeling. Journal of
Geophysical Research, Vol 116, D15107, doi:10.1029/2011JD015633, 2011.
Hain Christopher R., Mecikalski, John R., Anderson, Martha C., 2009. Retrieval of an
Available Water-Based Soil Moisture Proxy from Thermal Infrared Remote Sensing. Part
I: Methodology and Validation. Journal of Hydrometeorology, vol. 10, issue3, p. 665.
Hayes M., Svoboda M., Wall N., Widhalm M. 2011. The Lincoln Declaration on Drought
Indices : Universal Meteorological Drought Index Recommended. Bull. Amer. Meteor.
Soc., 92, 485-488.
Justice, C. O., et al. (1985). Analysis of the phenology of global vegetation using
meteorological satellite data. International Journal of Remote Sensing, 6:1271-1318.
Karrou M., 2006. Evaluation des dispositifs d’alerte précoce à la sécheresse à l’échelle
nationale (cas du Maroc). Rapport d’expertise nationale effectuée dans le cadre du
projet SMAS au Maroc (LIFE05TCY/TN/000150).
Lain, M.M. 2005. Agricultural vulnerability to drought : A comparative study in Morocco
and Spain. Thesis. IAMZ-CIHEAM Zaragoza, Spain.
Mc Kee, T. B., Doesken, N. J., and Kleist, J., 1995. Drought monitoring with multiple
time scales. In: Proceedings of the Ninth Conference on Applied Climatology, pp. 233-
236. Amer. Meteor. Soc., Boston.
McKee, T. B., Doesken, N. J., and Kleist, J. 1993. The relationship of drought frequency
and duration to time scales: Preprints, 8th Conf. on Applied Climatology, Anaheim, CA,
Amer. Meteor. Soc., pp. 179-184.
Mokssit, A. 1998. La sécheresse dans le climat marocain. In « Atelier sur la prévention
de la gestion des situations de sécheresse dans les pays du Maghreb ». Casablanca,
Maroc, 24-28, Juin, 1996.
Senay, G.B., S. Bohms, R.K. Singh, P.H. Gowda, N.M. Velpuri, H.Alemu, and J.P.
Verdin, 2013. Operational evapotranspirationmapping using remote sensing andweather
datasets: A new parameterization for the SSEB approach. Journal of the American
Water Resources Association, 1–15, http://dx.doi.org/10.1111/jawr.12057.
Senay, G.B., M. Budde, J.P. Verdin, 2011. Enhancing the Simplified Surface Energy
Balance (SSEB) approach for estimating landscape ET: Validation with the METRIC
model. Agricultural Water Management, 98: 606-618.

45
Senay, G.B., M. Budde, J.P. Verdin, and A.M. Melesse, 2007. A coupled remote sensing
and simplified surface energy balance approach to estimate actual evapotranspiration
from irrigated fields. Special issue: Remote sensing of natural resources and the
environment. SENSORS, 1, 979-1000.
Wilhite, D.A. and M.H. Glandz. 1995. Understading the drought phenomenon. The role
of definitions. Water International 3:111-120.
Yacoubi, M., M. El Mourid, N. Chbouki et C.O. Stokle, 1998. Typologie de la sécheresse
et recherche d’indicateurs d’alerte en climat semi-aride marocain. Sécheresse 9:269-
276.

46