Effets de la Variabilite Climatique sur le Regine des Feux de Savane en Afrique de L'ouest

Effets de la Variabilite Climatique sur le Regine des Feux de Savane en Afrique de L'ouest

Résumé
Les feux de végétations sont reconnus comme étant des processus environnementaux qui affectent l’atmosphère par les gaz et particules émis. Ils ont des impacts écologiques et climatiques. Cependant de nombreuses incertitudes existent encore, notamment sur la variabilité à l’échelle intra-annuelle et interannuelle de l’occurrence des feux. Notre objectif principal a été la caractérisation de la variabilité spatio-temporelle des feux en Afrique de l’ouest à travers l’analyse des surfaces brulées de SPOT VEGETATION provenant de L3JRC (1er avril 2000 au 31 mars 2007) qui sont obtenues à partir de la modification de l’algorithme de celles du projet GBA 2000. Nous avons également analysé l’influence de quelques facteurs de grande échelle tels qu’ENSO, SOI, NAO et le gradient de température nord sud de l’atlantique (GSST) sur la variabilité de l’étendue des surfaces brûlées. A partir des étendues mensuelles brûlées, nous avons calculé la fréquence de passage du feu sur un même pixel. Cela a permis de caractériser l’activité des pixels et de distinguer les zones les plus vulnérables (ayant une grande activité dans la pratique du feu), des moins vulnérables (ayant une activité moindre). Par un calcul de corrélation nous avons aussi trouvé une influence de la qualité des précipitations de la saison des pluies précédente sur les étendues brulées en saison sèche ainsi que l’effet de facteur climatique tel que le MEI, la SOI, la NAO et le GSST.

Introduction
La combustion de biomasse est un phénomène écologique et anthropique fortement influencé par le climat. Elle a des impacts sur les cycles biogéochimiques aux échelles locale et globale. Des indicateurs pertinents de ce phénomène sont les divers rapports qui estiment la végétation brûlée à de 3,5km² en moyenne au cours de ces dernières années avec des émissions de carbone qui valent le tiers de la combustion due aux hydrocarbures fossiles (Tansey et al., 2004 a, b ; Van Der Werf et al., 2006). En Afrique, les savanes sont régulièrement parcourues par le feu. Le caractère susceptible des savanes africaines à être parcourues par les feux s’explique dans une large mesure par l’irrégularité saisonnière des précipitations qui induit une saison de pluies et une saison sèche au cours de laquelle les plantes deviennent séniles et donc plus vulnérables au feu. Cette alternance de saison sèche et de saison pluvieuse dans les milieux de savane en Afrique, les prédispose à brûler. Aussi, la coexistence des formes végétales herbes et arbres et le lien étroit que la savane entretient avec le feu constituent l'originalité de ce biome (Hochberg et al, 1994; Gignoux et al, 1998). La combustion de biomasse qui est à l’origine un phénomène local, devient un phénomène global avec le rôle combiné de l’atmosphère qui participe à deux niveaux. D’abord, le transport à grande distance des produits de la combustion est assuré par l’atmosphère et dépend de la nature de l’espèce chimique, la stabilité de l’atmosphère et l’intensité de la combustion (Damoah et al., 2004). Ensuite, l’atmosphère intervient dans la synchronisation des conditions de la saison des feux de site éloigné par le mécanisme de teleconnexion induit par le mode climatique. Le plus connu de ces mécanismes climatiques est El Niño Southern Oscillation (ENSO), cependant des rôles similaires sont attribués à l’Oscillation de l’Atlantique Nord (NAO) (Parta et al., 2005), à l’Oscillation Multidecenale de l’Atlantique (AMO) (Kitzberger et al.,2007).

Nos objectifs ont été d’étudier la variabilité aux échelles spatiale et temporelle (inter-annuelle et intra-saisonnière) des feux dans les savanes d’Afrique de l’ouest, d’identifier les foyers majeurs, de les caractériser en termes d’activité et de rechercher l’influence des facteurs climatiques locaux et de grande échelle sur le régime des feux de savane en Afrique de l’ouest. Afin d’atteindre ces différents objectifs, nous avons utilisé les données de surfaces brûlées du satellite SPOT VEGETATION obtenues dans le cadre de L3JRC (Tansey et al., 2008) qui sont des données avec des résolutions spatiale de 1kmX1km et temporelle journalière.

Relations ENSO-feux
L'ENSO représente la variabilité climatique naturelle d'échelle la plus large existant au pas de temps interannuel. Les anomalies de SST (Sea Surface Temperature) dans l'océan pacifique équatorial oriental sont essentiellement une expression de ce phénomène. Les conditions normales sont caractérisées par des eaux de surface chaudes dans le l’océan pacifique Ouest, tandis que dans le Pacifique Est, il y a une montée des eaux froides. Ce schéma est maintenu par des vents d’ouest. La phase chaude de ENSO, EL Niño survient lorsque les alizés s’affaiblissent ou s’inversent, dus à des changements d’Est en Ouest du gradient de pression l’air.

Les effets d’ENSO et de ses téléconnexions se reflètent sur les anomalies de précipitation et de température (Allan et al., 1996).Un évènement El Niño conduit à des changements dans la pratique du feu. Ces changements varient avec les écosystèmes. Dans la plupart des écosystèmes tropicaux où le NPP (Net Primary Productivity) est élevé, El Niño provoque des sécheresses. Cela conduit à la mortalité des arbres, l’assèchement de la végétation et à de nombreux incendies. Dans les écosystèmes arides et semi-arides, où les précipitations sont un facteur limitant, l’augmentation des pluies sous El Niño est le premier résultat d’une pulsation de la productivité et l’accumulation de combustible et le retour aux conditions normales ou sous la Niña, ce combustible s’assèche et devient très inflammable (Holmgren et al., 2006). Fuller and Murphy (2006) rapporte une forte corrélation entre le feu et les indices ENSO comme le SOI (Southern Oscillation Index) et l’indice Niño 3.4 pour les forêts localisées entre les Latitudes 5.5°S et 5.5°N. Le climat Est africain est sous l’influence du dipôle de l’océan Indien, qui lui-même est influencé par ENSO (Black, 2005). Selon Lyon and Barnston (2005) l’étendue spatiale majeure des sécheresses et des conditions humides excessives sont généralement associées avec des phases extrêmes d’ENSO.

Données et méthodes
Il existe dans la littérature plusieurs produits de données liés au feu, les plus courantes sont celles de la détection des feux actifs et celles des surfaces brûlées. La première se base sur les signaux émis par le front de feu et la seconde sur l’emprunte laissée après le passage du feu. Chacun de ces produits présente ses avantages et ses limites. Dans ce paragraphe, nous présentons la méthode utilisée pour l’obtention des données de surfaces brûlées que nous avons utilisées pour nos calculs que sont les données de SPOT VEGETATION avec une haute résolution spatiale (1km X 1km) et temporelle (journalière) (Tansey et al., 2008). L’imagerie de SPOT VEGETATION a été utilisée lors des campagnes ACE-ASIA, TRACE-P afin de produire des produits de surfaces brûlées sur les périodes de mars à mai 2000 et de mars à mai 2001 (Eastwood et al., 1998; Fraser and Li, 2002). Le capteur VEGETATION à bord de la plateforme SPOT-4 a été lancé en mars 1998 (http://spot-vegetation.com). Les données sont projetées et interpolées à une résolution constante du pixel qui est de 1km². Quatre bandes spectrales sont disponibles : la bande B0 comprise entre 0,43 et 0,47 µm (bleue), la bande B2 comprise entre 0,61 et 0,68 µm (rouge), la bande B3 entre 0,78et 0,89 µm (au voisinage de l’infra-rouge) et SWIR entre 1,58 et 1,75µm (SWIR). La bande SWIR est centrée sur 1,65µm et est utile pour la cartographie des surfaces brûlées (Eastwood et al., 1998; Eva and Lambin,1998; Trigg and Flasse,2000). Les produits de réflectance de surface journalière (S1) ont été utilisés. Le traitement développé lors du projet GBA 2000 (Global Burnt Area 2000) a été appliqué aux produits de réflectance S1. L'algorithme pour classifier les données de pixels brûlés du satellite SPOT-VEGETATION (SPOT VGT S1) a été développé par D. Ershov et est présenté dans Tansey et al., 2004. Le principe est le suivant : d’abord, les données (S1) atmosphériques globales, quotidiennes, corrigées de SPOT VEGETATION sont utilisées comme données de base. Les couvertures de nuages et de neige sont prises en compte à travers des seuils de longueurs d'ondes dans le bleu et dans le milieu de l’infrarouge. De même, la couverture due à la fumée provenant des feux est aussi prise en compte par l'utilisation des seuils de longueurs d'ondes dans le bleu. Un ensemble de tous les pixels affectés est alors obtenu et ces différents éléments sont combinés afin de déterminer un premier ensemble de pixels considérés comme brûlés. Ensuite, pour chacun des pixels considérés comme brûlés en première approximation, un indice temporel dans le voisinage de l'infrarouge (NIR) de SPOT VEGETATION est calculé pour illustrer le changement du couvert végétal dans le temps. Cet indice est calculé comme suit :
I= (S1NIR − ICNIR) / (S1NIR + ICNIR)
Où, S1NIR = S1 est la valeur journalière du pixel
ICNIR = la valeur moyenne dans un domaine centré sur ce même pixel.

Sachant qu’à priori une surface brûlée présente peu de changement dans le temps, un pixel est confirmé comme étant brûlé à un moment donné si l’indice temporel I présente peu de changement durant cette même période, c'est-à-dire, si la valeur de l’indice temporel I au moment de la détection est inférieure à la valeur moyenne minimale de deux écart-types. On obtient ainsi un deuxième ensemble de pixels représentant les surfaces brûlées de plus grande confiance. Enfin, ces cartes de pixels brûlés sont confrontées avec les cartes d’occupation et de couverture des sols. Dans cette troisième phase, cela permet d’éliminer les pixels supposés brûlés mais localisés sur des villes, des plans d’eau et des zones désertiques. Pour ces présentes données, le produit d’occupation des terres, de la base de données GLC2000 (Global Land Cover 2000) a été utilisé en vue de disposer des informations actualisées sur les plans d'eau, de neige et de glace, les sols nus et les zones urbaines. Une année de feu pour ces données, débute le premier avril d'une année N pour s'achever le 31 mars de l'année suivante N+1. Il est aussi supposé que le feu n'arrive qu'une seule fois sur une même surface au cours d'une année de feu.

Corrélation linéaire
Très utilisée en climatologie, cette méthode consiste à calculer des coefficients de corrélation linéaire mesurant l'intensité de la relation entre des variables. Les détails de la méthode sont largement exposés dans les travaux de Snedecor and Cochran (1967) et Moore (1979). Le carré du coefficient de corrélation (noté R² ou coefficient de détermination) qui associe deux variables correspond à la part de variance commune entre ces deux variables. Toutefois, la validité du coefficient de corrélation est fondée sur l'existence d'une relation linéaire entre les deux variables étudiées. Un coefficient de corrélation élevé n'implique pas de relation de causalité entre les variables.

Indice MEI
Afin d’étudier les effets de ENSO sur la variabilité des étendues brûlées, nous avons utilisé les indices MEI (Multivariate ENSO Index) qui sont calculés sur un ensemble de six paramètres de la surface marine que sont la pression de la surface de la mer (SLP), les composantes du vent méridional et zonal, les températures de surface de la mer, les températures des basses couches et l’aspect nuageux total. Les radiomètres à très haute résolution (AVHRR) embarqués sur les satellites météorologiques de la NOAA assurent la mesure de la température de surface de la mer avec une bonne précision. Hanley et al. (2003) ont conclu que les indices MEI sont très sensibles à l’ENSO. Selon eux, les indices MEI sont beaucoup plus appropriés pour des études globales tandis que les autres indices sont appropriés pour des études à l’échelle régionale. Les données de MEI sont disponibles de 1948 au présent sur le site de la NOAA (National Oceanique Atmospheric Administration) (NOAA: http://www.cdc.noaa.gov/people/klaus.wolter/MEI).

Indice SOI
L’indice SOI se définit comme la différence de pression entre Tahiti et Darwin. Ces moindres variations sont données par l’indice SOI et calculées par divers centres. En Australie, le bureau de météorologie utilise l’indice SOI pour la détermination de la phase ENSO dans le pacifique. Les indices SOI que nous avons utilisés sont ceux fournis par la NOAA et calculés selon la méthode de Ropeleski et Jone (1987).

Indice NAO
L'oscillation Nord-Atlantique est généralement décrite à l'aide de l’indice NAO. Cet indice est calculé à partir de la différence de pression au niveau de la mer entre deux stations météorologiques situées près des centres respectifs de la dépression d'Islande et l'anticyclone des Açores (Hurrell, 1995). Lorsque la pression est très faible au-dessus de l'Islande et très forte au-dessus des Açores, l'indice NAO est positif et la différence est très grande. Cet indice est négatif, lorsque la différence est faible, ceci est dû à une intensité plus faible de la dépression d'Islande et de l'anticyclone des Açores.

Gradient de température Nord-Sud de l’atlantique
Dans la bande tropicale, la variabilité atmosphérique est principalement contrôlée par les conditions de surface à grande échelle. Les principaux modes de variation climatique y ont souvent été décrits par des méthodes statistiques appliquées aux anomalies de températures de surface de la mer. Des études sur les enregistrements de températures de surfaces de la mer sur l'océan Atlantique ont montré l'existence de signaux d'une variation multi-annuelle et décennale spécifique à l'océan Atlantique (Fontaine et al., 1998). La variation naturelle des deux modes régionaux de la variabilité au nord et sur l'Atlantique sud et équatorial (Bigot, 1997) induit des fluctuations quasi décennales du gradient méridien des anomalies de températures de surface de la mer dans l'Atlantique tropical. Pour cette étude nous avons utilisé les données de température de l’atlantique nord et l’atlantique sud fournie par la NOAA. A partir de ces données nous avons calculé le gradient de température entre ces deux régions de l’atlantique et nous avons utilisé ce gradient pour le calcul des corrélations. Ce dipôle thermique a un impact significatif sur la variabilité des précipitations des continents environnants. En effet, il est associé à la circulation atmosphérique sur l'Atlantique sud et équatoriale avec une influence majeure sur la migration de la ZCIT qui module une grande partie des précipitations tropicales et définit le cycle saisonnier de la pluviométrie dans les régions comme l'Afrique de l'Ouest (Fontaine, 1991).

Résultats
Variabilité intrannuelle
Au cours d'une même année de feu, les résultats ont permis d’observer une variabilité des étendues des surfaces brûlées en Afrique de l’ouest. Dans cette partie de l’Afrique, la saison sèche se situe entre octobre et mars, et durant cette période, on a observé la présence de feu sur toute la région. En effet avec l’installation de la saison sèche, on a observé une présence des surfaces brûlées révélant la mise à feux de la biomasse. Entre novembre et février les feux sont fortement présents sur tout le domaine ouest africain. Les étendues brûlées entre novembre et février représentent en moyenne un pourcentage de 95,88 de celles brûlées durant toute l’année. Le pic (environ la moitié des étendues brûlées annuellement) est atteint au mois de décembre montré par la figure 1. Entre mars et avril, on observe les dernières présences de feu sur toute la région.

Variabilité interannuelle
Les résultats montrent que les étendues brûlées en Afrique de l’ouest sur la période d’avril 2000 à mars 2007 ont varié entre 37966 km² (2004-2005) et 104713 km² (2000-2001). On observe aussi une variabilité interannuelle. La figure 2 présente les étendues brûlées entre le 1er avril 2000 et le 31 mars 2007. On a aussi constaté une tendance à la hausse des étendues brûlées entre les saisons 2000-2001 et 2002-2003. Cependant durant la saison 2003-2004, on a enregistré une forte augmentation suivie d’une diminution des étendues.
Durant cette période on a noté une anomalie positive des feux de biomasse en début de l’année 2000 dans l’hémisphère nord de l’Afrique sub-saharien (Le Page et al., 2008). A partir de cette dernière saison on constate une tendance à la hausse des étendues brulées présentée par la fig2.

Variabilité spatiale
La figure 3 présente l’évolution spatiale et temporelle des étendues brulée en Afrique de l’ouest pour la climatologie, les saisons 2000-2001 et 2004-2005. Elle a permis de localiser les feux d’Afrique de l’ouest entre 5,20° et 16,81° de latitude Nord et 16,96° Ouest et 7,98° Est de longitude. La variabilité spatiale des étendues brûlées entre novembre et février est caractérisée par un déplacement général des étendues brûlées d’Est en Ouest. En effet, elles sont essentiellement localisées en novembre dans la partie nord du Benin, le sud-est du Burkina Faso et le nord du Ghana. Au mois de décembre, elles ont évoluées et sont majoritairement détectées sur le nord du Ghana, le nord-est de la Côte d'Ivoire. Ensuite au mois de janvier les surfaces brûlées on les observe majoritairement dans la partie Ouest de l'Afrique de l’Ouest, c'est-à-dire du nord-ouest de la Côte d'Ivoire au sud du Sénégal tandis que dans la partie Est on constate qu’elles ont fortement diminuées. Enfin, au mois de février, les surfaces brûlées ont diminué considérablement sur toute l'Afrique de l’Ouest et celles qui ont été observées sont principalement localisées sur la Guinée, la Guinée Bissau, la Gambie et le sud du Sénégal. Il faut aussi souligner la particularité de la partie Mali- Sénégal où on a eu à observé l’existence une forte présence des feux déjà au mois de novembre pour chacune des années d’étude. Cette partie de la région Ouest africaine connait une forte variabilité des étendues brûlées durant toute la période d’étude.

Fréquence des feux
Nous avons calculé cette fréquence de la manière suivante :
F=N/T
Avec N : le nombre de fois qu’un pixel est touché par le feu sur la période d’étude. T : période d’étude.
La fréquence de passage du feu sur le même pixel est représentée sur la figure 4 où chaque couleur représente le nombre de fois que le même pixel est brûlé durant toute la période d’étude. Ainsi à partir de la fréquence, nous avons déduit le temps de retour moyen du feu sur le même pixel. Ce temps de retour est défini comme l’inverse de la fréquence et représente l’intervalle de temps moyen entre deux mises à feu consécutive du même pixel. Ce temps de retour a permis de définir différentes classes pour les pixels soumis à notre étude. On obtient ainsi 7 classes de pixels. L’ensemble des pixels de classe 1 qui sont tous les pixels brûlés une seule fois, il ne peut être déterminé de temps de retour ils ont été représentés en fonction de la saison d’occurrence du feu (figure 5.a). Ces pixels représentent 27,93% de tous les pixels brûlés durant les 7 années d’étude. Durant cette période, l’évolution de ces pixels de classe 1, a montré que les Surfaces brûlées les plus récentes sont de plus en plus importantes dans la région ouest, c’est à dire dans les régions du Sénégal et du Mali. Les feux les plus anciens sont localisés dans la partie Est. Les pixels de classes 2 à 7 ont été représentés selon leur classe (fig.5b). A partir de ce qui précède, un ensemble groupé de pixels ayant un temps de retour inférieur ou égal à 21 mois constitue une zone plus vulnérable au feu que celle qui a un temps de retour supérieure à 21 mois. Cela a permis d’établir une carte de vulnérabilité à l’occurrence du feu pour la région ouest africaine (fig.6). Le tableau 1 résume les temps de retour du feu pour chaque catégorie de pixel, ainsi que l’étendue brûlée pour chaque classe et la portion en pourcentage de chacune des classes de pixels. On constate une diminution des étendues avec la fréquence. Les pixels les plus vulnérables aux feux (ayant un temps de retour du feu inférieur à 21 mois) représentent 16,41% avec 2% de ces pixels qui sont brûlés chaque année.

Etude des principaux Foyers
En se basant sur les résultats ci-dessus présentés (fig.5a, 5b et 6), on a identifié quatre foyers sur lesquels nous avons focalisé cette étude. Ces différents foyers sont localisés géographiquement comme suit : la zone 1 est située entre 0,5° et 3° de longitude Est et 11° et 13° de latitude Nord, elle couvre le nord du Bénin jusqu'au sud-est du Burkina Faso. La zone 2 est comprise entre 0° et 5,5° de longitude Est et 7,5° et 11° de latitude Nord, et couvre le nord du Ghana, le nord-est de la Côte d'Ivoire et le sud-ouest du Burkina Faso. La zone 3 est localisée entre 6° et 11° de longitude ouest et 8° et 10° de latitude nord, elle s’étend du nord-ouest de la Côte d'Ivoire jusqu'au sud-est de la Guinée. La zone 4 s’étend entre 9° et 16° de longitude ouest et 11° et 14,5° de latitude nord, elle comprend le nord de la Guinée, la partie est du Mali, la Guinée Bissau, la Gambie et le sud du Sénégal (fig.7).
Pour chacun de ces foyers, nous avons représenté la variabilité des étendues brûlées aux échelles interannuelles et intrannuelle (fig.8). Ainsi, les résultats ont montré que le pic de la saison des feux pour la zone 1 est généralement survenu au mois de novembre sauf au cours de la saison 2005-2006 où ce pic est survenu au mois de décembre ; le maximum des étendues brûlées a été enregistré au cours de la saison 2003-2004 avec 10393 km² et le minimum pour la saison 2004-2005 avec 5751 km². L’analyse hebdomadaire (fig.9) des étendues brûlées dans cette zone révèle que les étendues significatives (> 5%) sont enregistrées entre la 1ère et la 3ème semaine de la détection des premières de surfaces brûlées (SB) c'est-à-dire entre la 4ème semaine du mois d’octobre et la 2ème semaine de novembre. Les feux sont présents sur cette zone entre la 4ème semaine du mois d’octobre et la 2ème semaine du mois de novembre. La saison des feux dure entre 14 et 26 semaines. La saison 2004-2005 a été la saison de durée minimale avec 14 semaines et celle de 2006-2007 a été la maximale avec 26 semaines.

Pour la zone 2, il est observé une constance des pics au mois de décembre ; le maximum des étendues brûlées s’observe au cours saison de la 2000-2001 avec 35966 km² et le minimum observé en 2004-2005 avec 10325km². L’analyse hebdomadaire des étendues brûlées, a permis de constater que la durée de la saison des feux varie entre 18 et 30 semaines. La durée minimale de la saison des feux a été enregistrée au cours de 2000-2001 avec 18 semaines et la durée maximale a été enregistrée au cours de 2005-2006. Les premières détections de SB sont faites entre la 2ème et la 3ème semaine du mois de novembre. Les étendues les plus significatives sont enregistrées entre la 1ère et la 3ème semaine de l’apparition des premiers feux c’est à dire entre la première et la 3ème semaine du mois de décembre.

Le pic est généralement en janvier pour la zone 3 où durant les saisons 2005-2006 et 2006-2007 les pics ont été observés au mois de décembre. Sur cette zone aucune surface brûlée n’est détectée au mois d’octobre. Le maximum des étendues brûlées a été enregistré en 2000-2001 avec 15368km² de surfaces brûlées et le minimum en 2004-2005 avec 4067km². Les premières détections de SB se sont faites entre la 4ème semaine de novembre et la 2ème semaine de décembre. Les étendues deviennent significatives entre la 2ème de décembre et la 4ème semaine de janvier.
La zone 4 a connu une forte variabilité des pics de feux qui varient entre novembre et janvier. Les étendues brûlées maximales ont été enregistrées en 2006-2007 avec 21089km² et le minimum en 2004-2005 avec 7503km². Pour cette zone, il faut dire qu’il est difficile de déterminer la durée des feux, du fait qu’ils soient continuellement présents. Les premiers feux apparaissent beaucoup plus tôt dans cette zone que dans les autres.

Relation entre surfaces brûlées et les précipitations
Notre étude a montré que pour ces différents foyers, il existe une opposition de phase entre les précipitations et les surfaces brûlées (non présenté ici). Les quatre foyers ont la même tendance vis-à-vis des précipitations. Afin d’approfondir la nature de cette relation qui apparaît entre les SB et les précipitations, nous avons calculé les lags de corrélation entre les deux paramètres c'est-à-dire tout en se focalisant sur le pic des surface brûlées pour chaque zone, nous avons effectué des calculs de corrélation glissé autour de ce pic. Il en est ressorti une corrélation positive (> 0,6 pour les zones 1, 3 et 4) entre les SB de saison sèche et les précipitations de saison pluvieuse précédente.

Pour l’ensemble des zones, les courbes ont la même tendance ce qui signifie que les précipitations ont une influence semblable sur chacun des foyers. Il faut aussi noter que l’effet des précipitations se fait à travers la disponibilité de la quantité de biomasse qui dans le cadre des feux de savane est le combustible.

4.8 Effets des facteurs climatiques de grande échelle:
Où est l’anomalie du mois i, l’étendue de SB du mois i, la moyenne des SB durant la période d’étude et σ l’écart type.
Notre objectif a été de rechercher des influences des facteurs de grande échelle sur la variabilité des étendues de SB et d'identifier les mois au cours desquels cette influence a été la plus forte. Bien que la série de données ne soit pas assez longue pour établir des relations rigoureuses, nous n’avons retenu que les mois où les coefficients de corrélation ont une valeur supérieure ou égale à 0.8 (tab.2 et 3). Ainsi nous avons dégagé des tendances entre la variabilité des SB et ces facteurs climatiques. Les résultats ont montré qu’il existerait une relation entre la variabilité de l’étendue des SB et des phénomènes physiques d’échelle globale. En début de saison sèche, le bassin du pacifique à travers les indices MEI et SOI a tendance à influencer l’étendue des SB à l’échelle interannuelle sur la zone 1. Une influence de l’atlantique est apparue sur la variabilité en début de saison sèche des SB du mois d’octobre. En moyenne, la variabilité des étendues de SB de la saison sèche de cette zone auraient été sous l’influence de phénomène du Pacifique par l’indice SOI.

Pour la zone 2, la variabilité des SB des mois d’octobre et décembre pourrait être influencée par des phénomènes se déroulant dans le bassin du pacifique, puis quant à celle de décembre à février serait sous une influence de phénomènes se déroulant dans l’Atlantique à travers la NAO et le GSST. On a observé aussi que celle (variabilité des SB) d’octobre et de décembre aurait été à la fois influencée par des phénomènes propres à l’Atlantique à travers le GSST et le NAO au Pacifique à travers le SOI. En moyenne, dans cette zone la variabilité des SB aurait été influencée par le MEI et le GSST.
L’influence de l’Atlantique sur la zone 3 a été persistante durant toute la saison sèche sur la variabilité des SB de novembre à mars au travers de la NAO et du GSST. Il est apparu une influence du pacifique sur les SB de février et de mars. En moyenne la variabilité SB de saison sèche aurait été sous une influence couplée de l’Atlantique par le biais de la NAO et du Pacifique par la SOI.

La variabilité des SB de la zone 4, d’octobre à janvier aurait été en relation avec l’atlantique par la NAO (octobre et novembre) et le GSST (décembre et janvier). Pour les SB de janvier, il est apparu en plus du GSST, du MEI. Les SB de mars auraient été en relation par le GSST. En moyenne, les SB de cette zone ont été sous l’influence du GSST.

Cette étude a révélé que, bien que la pratique du feu durant la saison sèche soit une activité purement anthropique, la variabilité des SB pourrait être influencée par les phénomènes physiques tels que les températures de la surface de la mer (SST) et les pressions de niveau de la mer (SLP) par leur relation avec le climat. En effet par leurs actions sur le climat, ces phénomènes induisent des contraintes supplémentaires que ce dernier pourrait imposer à la propagation du feu, les étendues brûlées et la période de mise à feu (Van Der Werf et al., 2008).

Sur la zone 1, les résultats ont montré qu’il a existé une corrélation entre la variabilité des SB d’octobre à janvier et la valeur des anomalies de pression entre Tahiti et Darwin pour les mois d’août, de septembre et d’octobre. En août, cette corrélation est négative et, en septembre et octobre elle est positive. Les SB d’octobre et de décembre ont été aussi en relation avec le GSST de septembre et novembre. La corrélation entre SB d’octobre et celles de septembre est négative et celles de décembre et de novembre est positive. En moyenne, sur cette zone les SB de saison sèche sont en relation avec l’anomalie de SOI au mois de juillet par une corrélation positive.

Pour la zone 2, il existerait une corrélation négative entre la variabilité des SB des mois de décembre à février et le GSST de juillet, novembre et décembre. Pour les SB du mois d’octobre, on a obtenu une corrélation négative avec la NAO de septembre et une corrélation positive avec le SOI de juin. Les SB de novembre sont en relation avec l’indice MEI de novembre. Les SB sur la zone 2 sont en moyenne sous l’influence de l’indice MEI des mois de juillet et août avec lesquels il y a une corrélation négative. Elles sont aussi en relation avec le GSST d’octobre et novembre et ces corrélations sont négatives.

La variabilité des SB de la saison sèche de la zone 3 est tout le temps en relation avec l’indice NAO. En effet, les SB de novembre à mars sont en relation avec la NAO de janvier, mai, juin, juillet, août septembre et décembre. La variabilité des SB de février et mars est aussi en relation avec les MEI de septembre à novembre, les SOI de juin et juillet et les GSST de juillet et août. Les corrélations entre SB et les MEI et entre SB et le GSST sont négatives. Cependant la corrélation est positive avec les SOI.

Au démarrage de la saison sèche (octobre et novembre), les SB sont en relation avec la NAO de mai et juin par une corrélation négative. Ensuite, en décembre, janvier et mars, les SB sont en relation avec le GSST. En janvier, elles sont aussi en relation avec le MEI par une corrélation positive. En moyenne, les SB de la zone sont en relation avec le GSST des mois d’octobre avec une corrélation négative et de novembre avec une corrélation positive.

Discussion
L’analyse des SB en Afrique de l’ouest a montré une variabilité des étendues brûlées (fig. 1). Cette variabilité des étendues brûlées, au pas de temps intrannuelle s’explique par l’activité humaine. En effet, Il coexiste dans cette région d’Afrique, différents groupes sociaux et l’usage du feu dans les écosystèmes de savane varie avec l’utilisation des terres et les pratiques sociales. Les feux peuvent être mis tard au cours de la saison sèche afin d’augmenter leur intensité et efficacité dans la suppression des arbustes et des jeunes arbres. Par contre, les feux peuvent être mis en début de saison sèche afin de limiter la perte des nutriments du sol et l’érosion (William et al., 1998). Les objectifs de la mise à feu diffèrent selon l’activité des uns et des autres. Les éleveurs, par exemple qui ont pour objectif de procurer des repousses ayant de bonnes valeurs nutritives au cours de la saison sèche, mettent les feux en début de saison sèche.

Les résultats ont révélé une évolution des SB à l’échelle interannuelle (tab.1). L’évolution des SB à l’échelle interannuelle a montré que les plus vaste étendues ont été enregistrées durant la saison 2000-2001 ont été probablement favorisées par l’anomalie positive de précipitations enregistrée durant la saison précédente (Le Page et al., 2008). Cette anomalie positive est survenue avec les conditions La Niña qui ont prévalues entre 1999 et 2000. Les plus faibles étendues ont été obtenues à la saison 2004-2005. Il est ressorti aussi de cette étude une variabilité spatiale des SB en Afrique de l’Ouest durant la période d’étude. En ce qui concerne cette variabilité spatiale des feux, la configuration de l’espace des feux est fortement influencée par les conditions bioclimatiques. En effet, de fortes précipitations ou leur absence limite la propagation des feux. Le processus de désertification, par exemple dans certaines régions conduit à la disparition des feux. Aussi, pour les écosystèmes arides la pratique des feux diminue avec les précipitations (Van Der Werf et al., 2008).

Les savanes ont une grande fréquence de feu car durant la saison sèche, la biomasse est asséchée et devient donc vulnérable au feu (Van der werf et al., 2008). Les savanes africaines brûlent tous les 2 à 3 ans selon des études menées par Andreae (1991). Nos résultats ont montré, que 42% des savanes Ouest africaine brûlent dans cet intervalle de temps.

Bien que les feux soient un phénomène essentiellement une activité anthropique sous les tropiques, le climat régule la quantité de combustible sec disponible et l’état de ce combustible (humidité du sol et du combustible, température de l’air, vitesse du vent, …) pour leur propagation. Ainsi, le climat a un impact sur la variabilité spatiale et interannuelle de la pratique du feu (Van Der Werf et al., 2008).

La relation entre les étendues brûlées en saison sèche et les précipitations est une relation non linéaire. En effet, les précipitations influencent la production de biomasse qui dans le cadre des feux de savane est le combustible. Dans les régions arides, l’activité du feu est limitée par la densité de biomasse disponible gouvernée par la qualité de la saison pluvieuse précédente (Van Der Werf et al., 2008). Aussi, dans la plupart des écosystèmes de savane, la durée de la saison sèche n’est pas un facteur limitant pour la propagation des feux. La quantité de combustible est beaucoup plus faible que dans les régions de forêt. Les feux consument en primauté la végétation herbacée et la disponibilité de combustible dépend de la saison pluvieuse précédente. En principe de fort taux de pluie permettent de fort taux de productivité primaire et une grande quantité de biomasse durant la saison sèche (Griffin et al., 1983).

L’occurrence d’évènement El Niño est associée à des anomalies de la circulation atmosphérique qui sont défavorables au développement de la mousson sur la zone soudano-sahélienne (Poccard, 2000). Ainsi l’influence des SST du pacifique sur la variabilité des SB se fait a travers les précipitations de la saison pluvieuse. Les travaux de Poccard (2000) ont montré que lors d'anomalies positives (négatives) dans le Pacifique équatorial oriental (juillet-septembre) ou l'Atlantique tropical (juin-octobre), l'Afrique boréale enregistre fréquemment une diminution (augmentation) de ses pluies estivales. Ainsi la diminution (augmentation) de précipitation favorisera une faible (grande) quantité de biomasse qui aura pour conséquence la réduction (augmentation) de l’étendue des SB durant la saison sèche. Ce qui explique la plupart des corrélations positives entre les indices SOI de des mois de la saison pluvieuse (Juin, juillet août et septembre) pour les zones 1, 2 et 3, et la corrélation négative avec le MEI.

Conclusion
L’analyse des surfaces brûlées entre 2000 et 2007 a permis d’observer une variabilité tant spatiale que temporelle au sein de la même saison des feux c’est à dire à l’échelle intra-annuelle et interannuelle. En effet, l’analyse saisonnière des surfaces brûlées a révélé une forte augmentation des étendues de novembre à février (environ la moitié de l’activité annuelle des feux). Elle a aussi révélé que les feux sont localisés entre 5,20° et 16,81° de latitude Nord et 16,96° de longitude Ouest et 7,98° de longitude Est. On a observé à l’échelle régionale, un déplacement de l’activité du feu entre l’Est et l’ouest à l’intérieur d’une même saison des feux avec une exception sur la zone 4 où il existe une forte variabilité des étendues brûlées.

Le calcul de la fréquence de passage du feu a montré que la plupart des savanes en Afrique de l’ouest brûle en moyenne tous les deux à trois ans. Cela a permis aussi d’établir une carte de vulnérabilité à l’occurrence du feu où les zones les plus vulnérables sont celles qui ont un temps de retour du feu inférieur ou égale à 21 mois et de distinguer quatre foyers majeurs (zone 1 à 4).

L’étude de l’influence des facteurs climatiques locaux comme la précipitation a révélé qu’il existe une interaction entre ceux-ci et la variabilité des étendues brûlées à l’échelle interannuelle. Sur chacun des quatre foyers sur lesquels nous avons fait un focus, il existe une relation entre la qualité de la saison pluvieuse et les étendues brûlées durant la saison sèche. Il s’agit d’une relation non linéaire puisque la pluie influence la disponibilité de biomasse qui constitue dans le cadre des feux de savane le combustible. L’étude a montré l’existence d’une corrélation positive entre les feux de la saison sèche et la pluie de la saison humide précédente. Pour les zones 1 et 2, ce sont les pluies des mois de juillet et août qui influencent le plus la variabilité surfaces brûlées de la saison sèche. En ce qui concerne les zones 3 et 4, ce sont respectivement les pluies d’août et septembre qui influencent la variabilité interannuelle des étendues de surfaces brûlées.

Bien que la pratique du feu soit essentiellement une activité anthropique, elle est aussi influencée par le climat. En effet, cette étude a révélé l’existence d’une influence des effets des facteurs de grandes échelles sur les étendues de surfaces brûlées. Elle a révélé qu’une phase négative des indices MEI est associée à des vastes étendues de surfaces brûlées et une forte oscillation à de faibles étendues de SB. L’influence de l’indice SOI se traduit par une baisse de l’étendue des SB lors de ses faibles variations et une augmentation des surfaces brûlées lors de ses fortes variations. On enregistre une baisse de l’étendue des surfaces brûlées lorsque l’anomalie de la NAO reste positive. Elle a aussi révélé une influence de l’Océan pacifique et de l’Océan Atlantique sur les étendues de surfaces brûlées. Ainsi, le Pacifique pourrait avoir une influence sur la variabilité des étendues de surfaces brûlées sur les zones 1 et 2 à travers respectivement la SOI et le MEI et, l’atlantique à travers le GSST. Sur la zone 3, la variabilité des surfaces brûlées de la saison sèche a été sous une influence de l’Atlantique à travers la NAO et du Pacifique par le biais de la SOI. Enfin, dans la zone 4, la variabilité des surfaces brûlées a été dominée par un contrôle du GSST.

References:
Andreae M.O., (1991), Biomass Burning: Its history, use and distribution and its impact on environmental quality and global climate, Global Biomass Burning: Atmospheric, Climatic and Biospheric Implications, edited by J.S. Levine, 3-21.

Allan, R. J., Lindesay, J., and Parker, D. E.: (1996), El Nino – SouthernOscillation & Climatic Variability. CSIRO Publishing,.

Bigot S., (1997). Les précipitations et la convection profonde en Afrique centrale : cycle saisonnier, variabilité interannuelle et impact sur la végétation. Thèse de doctorat de l’université de Bourgogne, 1997 ; 283p.

Black, E.: (2005), The relationship between Indian Ocean sea-surface temperature and east African rainfall, Philos. T. R. Soc. A, 363, 43-47.

Damoah R., Spichtinger N., Forster C., James P., Mattis I.,Wandinger U., Beirle S., Wagner T., and Stohl A.: (2004), Around theworld in 17 days – hemispheric-scale transport of forest firesmoke from Russia in May 2003, Atmos. Chem. Phys., 4, 1311–1321, ,http://www.atmos-chem-phys.net/4/1311/2004/.

Eastwood, J. A., S. E. Plummer, B. K. Wyatt, and B. J. Stocks (1998), Thepotential of SPOT-VEGETATION data for fire scare detection in borealforests, Int. J. Remote Sens., 19, 3681– 3687.

Eva H. and Lambin E.F., (1998), Burnt area maping in central Africa using ATRS data. Journal of Remote Sensing, 19. 3 473-3 497.

Fontaine B, Janicot S, Durand A., (1991), La variabilité climatique en Afrique. Sécheresse 1991; 2 :280-1.

Fontaine, B., Janicot, S., Moron, V., Roucou, P., et Trzaska, S. (1998), Anomalies de température de surface de la mer et précipitations tropicale. Synthèse de quelques travaux récents portant sur les précipitations au Sahel et dans le Nord-est. La Météorologie, 23:14-35.

Fraser, R. H., and Z. Li (2002), Estimating fire-related parameters in boreal forest using SPOT-VEGETATION, Remote Sens. Environ., 82,95– 110.

Fuller, D. O., and Murphy, K. (2006), The ENSO-fire dynamic in insularSoutheast Asia, Clim. Change, 74, 435–455.

Gignoux J., Menaut J. C., Noble I.R and Davies I.D., (1998), A spatial model of savanna function and dynamics : model description and preliminary results. In: Newbery, D.M., Prins, H.H.T., & Brown, N. D., (Eds) Dynamics of tropical communauties, Volumes 37 of Annual symposium of the BES, Blackwell Scientific Publications, Cambridge. pp 361-383.

Griffin, G. F., N. F. Price, and H. F. Portlock (1983), Wildfires in the Central Australian Rangelands, 1970– 1980, J. Environ. Manag., 17(4), 311 –323.

Guido R. van der Werf,James T. Randerson, Louis Giglio, Nadine Gobron, and A. J. Dolman: (2008), Climate controls on the variability of fires in the tropics and subtropics,Global Biogeochem. Cycles, VOL. 22, GB3028, doi:10.1029/2007GB003122.

Hanley, D. E., Bourassa, M. A., O’Brien, J. J., Smith, S. R., andSpade, E. R. (2003), A quantitative evaluation of ENSO indices, J. Climate,16, 1249–1258.

Hochberg M.E, Menaut J.C, Gignoux J., (1994), The influence of tree biology and fire in spatial structure of west savannah. Journal of ecology 82: 217-226.

Kitzberger T., Brown P. M., Heyerdahl E. K., Swetnam T. W., andVeblen T. T. (2007), Contingent Pacific–Atlantic Ocean influence on multicentury wildfire synchrony over western North America. Proceedings of the National Academy of Sciences, 104(2), 543–548.

Lyon, B. and Barnston, A. G.(2005), ENSO and the spatial extent of inter-annual precipitation extremes in tropical land areas, J. Climate,18, 5095–5109.

Patra P. K., Ishizawa M., Maksyutov S., Nakazawa T., and InoueG. (2005), Role of biomass burning and climate anomalies for landatmospherecarbon fluxes based on inverse modeling of atmosphericCO2, Global Biogeochem. Cy., 19(3), 1–10.

Poccard I., (2000), Etude diagnostique de nouvelles données climatiques : les réanalyses. Exemples d’application aux précipitations en Afrique tropicale, Thèse de 3ème cycle, Dijon, 216p.

Ropelewski, C. and Halpert, M. (1987), Global and regional scale precipitation and temperature patterns associated with El-Niño Southern Oscillation. Monthly Weather Review, 115:1606-1626.

Tansey K., J.-M. Gregoire, P. Defourny, R. Leigh, J.-F. Pekel, E. van Bogaert, and E. Bartholomé (2008), A new, global, multi-annual (2000–2007) burnt area product at 1 km resolution, Geophys. Res. Lett., 35, L01401, doi:10.1029/ 2007GL031567.

Tansey K., Gregoire, J. M., Binaghi, E., Boschetti, L., Brivio, P.A., Ershov, D., Flasse, S., Fraser, R., Graetz, D., Maggi, M.,Peduzzi, P., Pereira, J., Silva, J., Sousa, A., and Stroppiana, D. (2004a), A global inventory of burned areas at 1km resolution for the year2000 derived from SPOT VEGETATION data, Clim. Change,67, 345–377.

Tansey K., Gregoire J. M., Stroppiana, D., Sousa, A., Silva, J.,Pereira, J. M. C., Boschetti, L., Maggi, M., Brivio, P. A., Fraser,R., Flasse, S., Ershov, D., Binaghi, E., Graetz, D., and Peduzzi,P. (2004b), Vegetation burning in the year 2000: Global burned area estimatesnfrom SPOT VEGETATION data, J. Geophys. Res-Atmos.,109, 22.

Tansey K., Gregoire J.-M., Stroppiana, D., Sousa, A., Silva, J., Pereira, J. M. C., Boschetti, L., Maggi, M., Brivio, P. A., Fraser, R., Flasse, S., Ershov, D., Binaghi, E., Graetz, D., and Peduzzi, P., (2004), Vegetation burning in the year 2000: Global burned area estimates from SPOT VEGETATION data. J. Geophys. Res., 109, D14S03, loi:10.1029/2003JD003598.

Trigg, S., and S. Flasse (2000), Characterizing the spectral-temporalresponse of burned savannah using in situ spectroradiometric and infraredthermometry, Int. J. Remote Sens., 21, 3161–3168.

van der Werf, G. R., Randerson, J. T., Giglio, L., Collatz, G. J.,Kasibhatla, P. S., and Arellano, A. F.(2006), Inter-annual variability inglobal biomass burning emissions from 1997 to 2004, Atmos.Chem. Phys., 6, 3423–3441, ,http://www.atmos-chem-phys.net/6/3423/2006/.

Williams, R. J., A. M. Gill, and P. H. R. Moore (1998), Seasonal changesin fire behaviour in a tropical Savanna in Northern Australia, Int. J.Wildland Fire, 8(4), 227–239.

Y. Le Page,J. M. C. Pereira, R. Trigo, C. da Camara, D. Oom, and B. Mota (2008), Global fire activity patterns (1996–2006) and climatic influence: ananalysis using the World Fire Atlas, Atmos. Chem. Phys., 8, 1911–1924, http://www.atmos-chem-phys.net/8/1911/2008/.