WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Perceptions, savoirs locaux et stratégies d'adaptations aux changements climatiques des producteurs des communes d'Adjohoun et de Dangbo au Sud- Est Bénin

( Télécharger le fichier original )
par Clément Olivier CODJIA
Université d'Abomey- Calavi (Bénin ) - Ingénieur agronome 2009
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

5.2. Niveau de cohérence entre les perceptions paysannes et les données sur l'évolution du climat

Les changements climatiques peuvent être considérés comme une variation statistiquement significative de l'état moyen du climat et de sa variabilité, persistant pendant une période prolongée (généralement des décennies) (Ogouwalé, 2006). Les facteurs du climat qui sont considérés dans la détermination de ces indicateurs des changements climatiques sont les précipitations (hauteurs et nombres de jours de pluies) et les températures maximales et minimales.

Les perceptions paysannes notées étant essentiellement liées au déroulement de la saison pluvieuse, les modifications du facteur pluviométrie seront analysées à travers son influence sur la saison pluvieuse. Les données pluviométriques utilisées sont celles de la station pluviométrique de l'ASECNA d'Adjohoun.

5.2.1. Analyse des tendances pluviométriques dans les communes d'Adjohoun et de Dangbo

L'étude des paramètres pluviométriques nous permet d'examiner les modifications éventuelles qu'il y a eu ces trente (30) dernières années. Pour ce faire, la saison des pluies a été caractérisée dans le but de comparer l'évolution de cette saison au cours des périodes P1 (1978-1993) et P2 (1994-2008). Dans un premier temps, les graphiques 8 et 9 nous donnent un aperçu sur l'évolution des hauteurs pluviométriques annuelles et du nombre de jours pluvieux par années.

Graphique 8: Evolution des hauteurs de pluies annuelles

Source : Données ASECNA

Graphique 9: Evolution du nombre de jours de pluie
Source
: Données ASECNA

L'analyse du graphique 8 montre une variation des hauteurs pluviométriques annuelles avec une baisse brutale en 1990 qui s'est poursuivie jusqu'en 2000. Le graphique 9 révèle pour sa part une variation du nombre de jour pluvieux. Pour comprendre l'évolution des saisons, nous nous référons au tableau 10.

Tableau 10: Variabilité des caractéristiques des saisons pluvieuses

Année

Début1

Fin 1

Début2

Fin2

Durée1

Durée2

Cumul

Nb Jpl

1979

106

257

285

321

151

36

1480,7

89

1980

116

240

260

329

124

69

1020,6

69

1981

120

217

288

305

97

17

1025,7

63

1982

116

199

275

307

83

32

787,4

42

1983

144

175

247

260

31

13

968,7

59

1984

110

191

259

318

81

59

1015,4

63

1985

119

214

240

318

95

78

897

43

1986

163

194

256

294

31

38

1317,1

75

1987

215

256

263

291

41

28

1493,2

80

1988

125

204

246

308

79

62

1374,9

91

1989

115

207

271

289

92

18

1222,7

64

1990

108

195

275

291

87

16

1404,9

93

1991

123

216

248

265

93

17

826,3

64

1992

194

222

237

319

28

82

1039

80

1993

108

187

286

302

79

16

743,8

70

1994

117

204

289

313

87

24

1198,8

85

1995

142

246

219

311

104

92

1146,8

76

1996

93

213

290

305

120

15

1154,3

70

1997

93

246

259

294

153

35

757

53

1998

115

206

260

344

91

84

1251

76

1999

138

169

274

301

31

27

877,3

62

2000

154

229

-

-

75

-

872,5

60

2001

134

235

253

318

103

65

1052,7

65

2002

154

224

260

311

60

51

1581,4

102

2003

 
 
 
 
 
 
 
 

2004

 
 
 
 
 
 
 
 

2005

 
 
 
 
 
 
 
 

2006

 
 
 
 
 
 
 
 
 

2007

 
 
 
 
 
 
 
 

2008

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Nombre ValP1

15

15

15

15

15

15

15

15

Nombre ValP2

9

9

8

8

9

9

9

9

Moyenne P1

131

204

263

301

28

12

113

72

Moyenne P2

151

180

263

312

15

5

109

72

Ecart-TypeP1

49

40

16

19

14

13

273

17

Ecart-TypeP2

22

28

23

15

18

12

428

15

t test p value 5%,

0.016

0.133

0.598

0.324

0.090

0.515

0.334

0.565

 

Source : Données ASECNA

Légende : P1 : Période 1 : 1979-1993 P2 : Période 2 :1994-2008 Nombre ValP : nombre de

valeur de la période

Les informations du tableau 10 montrent que le début de la première saison sèche a varié ces quinze (15) dernières années. Par contre, l'évolution des hauteurs de pluie, des nombres de jours de pluie, du début de la deuxième saison pluvieuse et des fins des deux saisons n'ont pas varié comparativement aux quinze (15) années précédentes. En effet, pour ces caractéristiques, les tests ne sont pas significatifs au seuil de 5%, ce qui n'est pas le cas du début de la première saison pluvieuse. En dehors du résultat sur le retard du démarrage tardif de la grande saison pluvieuse qui est conforme aux dires des producteurs, le reste des résultats infirme les perceptions des producteurs. Plusieurs raisons peuvent justifier cet état de chose :

· Les données traitées ne sont pas spécifiques aux villages d'étude.

· Les producteurs agricoles gardent beaucoup plus en mémoire les phénomènes climatiques extrêmes qui les ont marqués compte tenu de l'importance des conséquences sur le milieu et leur quotidien.

· Les perceptions des populations locales des changements climatiques sont basées sur leurs attentes du climat pour une bonne campagne agricole. Et lorsque ces attentes ne sont pas satisfaites, les phénomènes vécus non souhaités pourraient influencer leurs perceptions.

· La méthode utilisée ne permet pas de rendre compte de la mauvaise répartition des précipitations au cours des saisons pluvieuses.

· Les données de 2003 à 2008 n'ont pas été considérées dans l'analyse. Ceci pourrait constituer un biais et être à la base de la divergence constatée. Les données de 2003 à 2007 n'ont pas été considérées car nous n'avons pas pu les obtenir.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Aux âmes bien nées, la valeur n'attend point le nombre des années"   Corneille