Validation du modèle global GOCART de NASA et son apport à l'étude des variations mensuelles des phénomènes de sable sur le Sahara Algérien

Centre Régional Africain des Sciences et Technologies de l'Espace en Langue Française

Affilié à l'ONU

Mémoire de Master en Sciences et Technologies de l'Espace
Option : Météorologie Spatiale et Climat Mondial

Présenté par

M. BOUZID Samir

(Algérie)

Validation du modèle global GOCART de NASA

et son apport à l'étude des variations

mensuelles des phénomènes de sable sur le

Sahara Algérien

Soutenu le : 22 juin 2005 devant le Jury composé de :

M. ABOULABBES Professeur, E.N.F.I ( Rabat ) Président

M. SENOUCI Ingénieur en Chef, IHFR ( Oran ) Rapporteur

M. EMRAN Professeur, Institut Scientifique ( Rabat ) Examinateur

M. BADDOUR Docteur, D.R.M.N ( Rabat ) Examinateur

M. LOUKAH Docteur, D.N.M ( Rabat ) Examinateur

A mes parents

Remerciements

Ce mémoire a été rédigé au terme de la deuxième année représentant l'année pratique de la session Météorologie Spatiale et Climat Global du Centre Régional Africain des Sciences et des Technologies de l'Espace en Langue Française (CRASTE - LF) Maroc.

Je tiens fortement à remercier Mr. SENOUCI Mohamed, Climatologue et Ingénieur en Chef, à l'Institut Hydrométéorologique de Formation et de Recherche (IHFR) Oran / Algérie, de m'avoir fait confiance et accepté de m'encadrer sur ce mémoire de fin d'études ainsi que pour ses conseils et ses encouragements.

Je remercie également Mr BOUNOUA Lahouari, Climatologue, Chercheur à la NASA, Washington, USA, de nous avoir fourni les données satellitales.

Je remercie également toutes les personnes qui ont contribué à la réussite de notre formation au CRASTE-LF, plus particulièrement :

· M. TOUZANI Directeur du Centre Régional Africain de Sciences et des Technologies de l'Espace en Langue Française (CRASTE - LF).

· M. TRACHE, Directeur Adjoint du CRASTE - LF ainsi que tous les membres de l'administration ;

· Mrs les Professeurs LOUKAH, BADDOUR, FILALI de la Direction Météorologique Nationale (Maroc), qui n'ont ménagé aucun effort pour nous prodiguer leurs savoirs.

Mes remerciements vont également à Mr LAGHA, Directeur de l'Institut Hydrométéorologique de Formation et de Recherche (IHFR) Oran / Algérie, pour m'avoir ouvert les portes de l'IHFR.

Je tiens à remercier Mr BESSAOUD Rachid et Mr SAHABI Abed Salah, Ingénieurs en Météorologie (IHFR), pour leurs aides et conseils, ainsi que mes collègues L.Benaïchata, A.Rezzagui, L.Ouzâa, Lâamri, et Chikhar pour leurs précieux conseils et encouragements.

Toutes les personnes qui m'ont assisté de prés ou de loin pour élaborer ce modeste mémoire, et tout particulièrement mon ami HESBELLAOUI Azeddine.

Table des matières

Page

Remerciements I

Table des matières II

Listes des figures, des tableaux et des graphes VI

INTRODUCTION 1

OBJECTIF 3

METHODOLOGIE 3

1. REGRESSION LINEAIRE 4

2. PERFORMANCE DES MODELES DE PREVISION 6

a. La cross validation 6

b. Le skill 6

c. La simulation 6

PARTIE 1
RECHERCHE BIBLIOGRAPHIQUE

Chapitre I : LA BIOGÉOGRAPHIE DES GRANDS DÉSERTS

1. LES DESERTS 7

1.1 Introduction 7

1.2. Définition 7

1.3. Circulation Générale Et Son Lien Avec Les Déserts 7

1.4. Comment se forment les déserts 9

1.5. Les différents types de désert 9

2. LE DESERT DU SAHARA 11

2.1. Les caractéristiques du désert du Sahara 11

2.2. Les influences du Sahara sur le climat mondial 12

2.3. Les poussières Sahariennes 13

Chapitre II : EROSION EOLIENNE

1. DEFINITION DE L'EROSION EOLIENNE 14

2. LES AGENTS DE L'EROSION 14

3. LES EFFETS DE L'EROSION 16

4. LE TAUX ET L'AMPLITUDE DE L'EROSION EOLIENNE 17

5. LA VITESSE DE FRICTION 17

Chapitre III : GENERALITES SUR LES AEROSOLS

1. DEFINITION 21

2. PROPRIETES DES AEROSOLS 21

2.1. Classification des aérosols 21

2.2. Distribution des aérosols 22

2.3. Profil vertical de la concentration des aérosols 23

2.4. Elimination des aérosols 23

3. LES AEROSOLS DESERTIQUES 24

3.1 Zones sources 24

3.2. Les émissions annuelles 25

3.3. Transport 26

3.4. Zones puits 27

3.5. Impacts 28

3.6. Mouvement d'un grain de sable 28

PARTIE B

MODELISATION ET PRE VISION
DES PHENOMENES DE SABLE

Chapitre IV : CLIMATOLOGIE DU PHENOMENE

1. TYPOLOGIE ET GENESE DES LITHOMETEORES 32

2. LA GENESE DES LITHOMETEORES 32

3. PRESENTATION DE LA ZONE D'ETUDE 33

4. COORDONNEES GEOGRAPHIQUES DES STATIONS 34

5. LES DONNEES 35

6. VARIATION ANNUELLE DU PHENOMENE DE SABLE AU SAHARA 36

Chapitre V : LE MODELE GOCART DE NASA

1. DESCRIPTION DU MODELE ET SIMULATION DU SABLE 38

2. SIMULATION DU SABLE PAR LE MODELE GOCART 38

3. EPAISSEUR OPTIQUE D'AEROSOLS (AOT) 39

4. COMPARAISON DES SORTIES DU MODELE GOCART AVEC LES CARTES REELLES DU PHENOMENE DE SABLE 39

Chapitre VI : PREVISION MENSUELLE DU SABLE

1. PREDICTEURS 41

2. MODELISATION 41

3. MODELES ET RESULTATS OBTENUS 42

4. LE POTENTIEL DE PREVISIBILITE 44

CONCLUSION 45

REFERENCES BIBLIOGRAPHIQUES 47

Annexe I : Variation annuelle du sable (1968-2002) 52

Annexe II : Variation temporelle du sable et de l 'AOT 57

Annexe III : Comparaison des sorties du modèle GOCART avec les cartes

réelles du phénomène de sable 62

Annexe IV : Potentiel de prévisibilité du sable 74

Annexe V : Modèles de prévision (Lag 1) et (Lag 2) 80

Liste des figures

Figure 1 : Illustration de la droite d'ajustement 4

Figure 2 : Qualité de l'ajustement 6

Figure 3 : Circulation de Hadley 8

Figure 4 : Circulation générale en Juin - Juillet - Août 8

Figure 5 : Circulation générale en Décembre - Janvier - Février 9

Figure 6 : Le désert du sahara 11

Figure 7 : Les poussières sahariennes 13

Figure 8 : Les régions désertiques 15

Figure 9 : Répartition des déserts 15

Figure 10 : U*t en fonction de Z0 pour _Z0s fixé. La courbe représente la modélisation

de U*t 19

Figure 11 : Vitesse de chute des particules dans l'air 23

Figure 12 : Transport et dépôt du grain 24

Figure 13 : Principales sources d'émission de poussières 25

Figure 14 : Trajectoires des poussières sahariennes 27

Figure 15 : Mouvement du sable 28

Figure 16 : Dune de sable 30

Figure 17 : Forme d'une dune 30

Figure 18 : Répartition géographique des stations 34

Figure 19 : Distribution géographique du nombre total des vents de sable 35

Figure 20 : Régionalisation du sable 37

Figure 21 : Réseau AERONET (Aerosol Robotic Network) 40

Figure 22 : Localisation des prédicteurs (SST) 41

Figure 23 : Cartes du potentiel de prévisibilité pour Janvier

à un mois et deux mois d'échéances 44

Liste des Tableaux

Tableau 1 : Taille des aérosols 22

Tableau 2 : Estimation des dépôts de poussières minérales 26

Tableau 3 : Coordonnées géographiques des stations 34

Tableau 4 : Modèles de prévision du sable pour In-Salah (Lag 1) 43

Liste des Graphes

Graphe 1 : Variation annuelle du phénomène de sable au Sahara 36

INTRODUCTION

L'étude des masses ou nuages de poussières d'origine désertique, souvent appelés brumes sèches ou vents de sable lorsque le phénomène est plus intense, est d'un intérêt considérable dans divers domaines.

Les vents de sable exercent un effet important sur le bilan radiatif atmosphérique global. De ce fait, et en raison de leur extension géographique, ils jouent un rôle non moins important dans le processus du changement climatique à travers la modification des propriétés physico-chimiques de l'atmosphère. La composition de l'atmosphère et le climat sont étroitement liés. Il est maintenant clairement établi que la planète s'est réchauffée lors du siècle dernier, et ce principalement suite à l'augmentation des gaz à effet de serre liée aux activités humaines (IPCC, 1995). En fait, toute variation de constituants atmosphériques peut avoir des conséquences sur la dynamique du climat. Ainsi d'autres espèces, aussi présentes en traces dans l'atmosphère, comme les aérosols troposphériques sont susceptibles de modifier le climat.

Les aérosols sont issus de l'érosion éolienne. Aussi, leurs sources géographiques sont concentrées dans les zones arides et semi-arides, localisées de part et d'autre de l'équateur, dans la ceinture d'anticyclones tropicaux.

Par conséquent, toute modification du climat (naturelle ou par suite des activités anthropiques) entraîne des variations de ces émissions, et donc de l'effet radiatif et climatique des aérosols. Le cycle de poussières désertiques (émission - transport - dépôt) a aussi pour conséquence une désertification en zones source par perte de nutriments de la couche superficielle du sol et un enrichissement du milieu en zones de retombée océanique ou continentale. Enfin, les aérosols, en aggravant les conditions météorologiques, peuvent intervenir dans divers aspects socioéconomiques, notamment en nuisant au trafic aérien ou à la télétransmission.

La composition et la granulométrie des aérosols varient selon leur origine. Ils sont soit d'origine anthropique (comme les poussières industrielles, le carbone suie ou les aérosols de sulfate issus de l'oxydation du SO2...), soit d'origine naturelle (poussières minérales ou sels de mer, débris végétaux, sulfates issus de l'activité biologique marine ou des volcans...). Intégrée sur une colonne d'air, la concentration moyenne de chaque espèce et leurs propriétés optiques permettent une estimation de la contribution à l'effet radiatif direct global de chaque type d'aérosol. Ainsi, par exemple, les aérosols désertiques, majoritaires en masse très efficaces optiquement, contribuent de façon équivalente à l'épaisseur optique.

L'apparition des satellites d'observation de la terre et de son atmosphère ont permis d'intensifier les mesures d'aérosols et contribué à pallier l'insuffisance du réseau radiométrique au sol. La télédétection satellitale est l'outil privilégié susceptible de nous fournir à des échelles de temps et d'espace suffisantes une information objective sur les aérosols désertiques.

Au cours des 20 dernières années, des efforts importants ont été entrepris pour mieux comprendre les processus physiques liés au mouvement des aérosols. Les programmes de mesure sur le terrain ont permis de mieux connaître les propriétés physiques et la composition des aérosols, mais en général, ces campagnes étaient

limitées dans le temps et l'espace. Par contre, l'observation satellitale offre une plus grande extension spatio-temporelle, mais elle est limitée par le nombre des variables physiques mesurables. Ainsi, les deux systèmes d'observations (stations terrestres et satellites) doivent se compléter pour offrir une perspective plus complète des processus des aérosols et de leurs effets sur le climat global.

L'approche consiste à utiliser des modèles globaux qui intègrent leurs deux catégories d'observations (sols et satellite). A cet égard, il existe une variable qui permet de relier les deux types de mesures et de valider un tel modèle. Il s'agit de L'EPAISSEUR OPTIQUE DES AEROSOLS (Aerosol Optical Thickness, AOT par abréviation). Cette variable est directement déduite de l'observation par satellite et par les mesures terrestres. Sa simulation à l'aide d'un modèle complexe constitue une grande utilité pour la prévision des aérosols.

Dans notre travail, nous utilisons le modèle GOCART (Global Ozone Chemistry Aerosol Radiation and Transport) développé en 2001 (Chin et al, 2001). Ce modèle concerne différents types d'aérosols (sulfates, sable, carbone organique, particules d'origine marine) qui prévoit les concentrations, les profils verticaux ainsi que l'épaisseur optique (AOT) et ceci avec une échelle temporelle de trois (03) mois.

Ce projet de fin d'études s'articule autour de deux parties :

1. Dans la première, nous avons jugé utile de procéder à une recherche documentaire sur les déserts et leurs caractéristiques; l'érosion éolienne qui est le résultat des actions du vent au sol, donc des vents de sable; les aérosols et leur cycle (émission, transport et dépôt) ainsi que le mouvement d'un grain qui est à l'origine de la formation des dunes.

2. La deuxième partie porte sur l'étude climatologique du sable au Sahara; les méthodes de détection et de suivi des aérosols (modèle GOCART), comparaison du sable avec le modèle GOCART et la prévision du phénomène à l'échelle mensuelle.

Dans la deuxième partie, les outils utilisés sont : SYSTAT 10, SURFER 7 et EXCEL 97

OBJECTIF

Les vents de sable contribuent au dessèchement et à la désertification des régions sources arides, semi-arides et désertiques par perte en substances nutritives. Leur impact sur le couvert végétal et donc sur la production agricole n'est pas négligeable. Mais ils participent aussi à la création de zones de sédimentation terrestres ou océaniques fertiles. Dans ces zones océaniques, la production en phytoplanctons et en poissons y est particulièrement forte (Lundholm, 1979). Les vents de sable exercent un effet marqué sur le bilan radiatif atmosphérique donc sur l'évapotranspiration. Avec leurs extensions considérables, ils jouent un rôle non moins important dans le processus de changements climatiques. En effet, les aérosols désertiques modifient le profil vertical de température de l'atmosphère, limitant les phénomènes de convection et par là même réduisant les précipitations (Coakley et Cess, 1985).

Notre travail consiste à établir des modèles de prévision statistique du sable à une échelle temporelle d'un mois et deux mois. Une prévision fiable à l'échelle mensuelle constitue un apport appréciable pour la prise de décision dans la stratégie de gestion pour divers secteurs tels que le transport aéronautique ou routier, l'aménagement du territoire, l'environnement et la santé.

Cette étude vise à mieux cerner le comportement du phénomène de sable, à travers l'analyse des zones sources et de sa typologie; une étude climatologique donne un aperçu de la situation au Sahara. Notre travail consiste ensuite à comparer les sorties du modèle GOCART de NASA avec les données du terrain; enfin, on s'intéresse à la prévision de ce phénomène à plusieurs mois d'échéance tout en essayant de valider le modèle GOCART sur la région du Sahara. Le modèle couplé GOCART est largement basé sur l'utilisation de données satellitales. L'intérêt et l'apport des sciences de l'espace sont mis en évidence dans la perspective de projets futurs.

METHODOLOGIE

La prévision statistique est devenue un outil essentiel dans le domaine des sciences atmosphériques. Il existe différentes approches statistiques pouvant produire des prévisions mensuelles, saisonnières, annuelles ou pluri-annuelles. Toutes sont basées sur la recherche d'un signal à travers l'analyse des données historiques (Harrison, 1995); l'une d'entre elles, est l'analyse de régression utilisant la méthode des moindres carrés, qui cherche à établir une expression de régression entre une ou plusieurs variables indépendantes (prédicteurs) et une variable dépendante (prédictand).

On s'intéresse à la prévision à plusieurs mois d'échéance des paramètres et/ou phénomènes climatiques; par exemple la pluie, la température, le vent, la fréquence d'occurrence d'orages, le nombre de tempêtes, les débits de rivières, les risques de sécheresse et des inondations; ce sont les prédictands habituellement étudiés. On cherche des paramètres informatifs dans l'atmosphère permettant cette prévision tel que la température de surface de la mer (SST). Dans notre cas, nous allons nous servir de l'épaisseur optique d'aérosol (Aerosol Optical Thickness : AOT), prévue par un modèle global et des SST. La méthodologie développée dans ce mémoire vise la prévision mensuelle du sable dans le sud algérien basée sur la méthode statistique de régression linéaire. Il s'agira d'élaborer pour le Sahara des modèles statistiques de prévision mensuelle, avec comme entrées, deux paramètres : l'épaisseur optique d'aérosol (AOT)

issue du modèle GOCART.(modèle développé conjointement par le Georgia Institute of Technology et la NASA - Goddard Space Flight Center) ainsi que les anomalies des températures de surface de la mer (SST); et comme sorties, la fréquence d'occurrence du phénomène de sable.

1. REGRESSION LINEAIRE

La régression linéaire est facilement assimilée dans son cas le plus simple (linéaire avec une seule variable indépendante) en décrivant la relation linéaire entre deux variables, x et y. Conventionnellement, le symbole x est utilisé pour la variable indépendante ou prédicteur; et y pour la variable dépendante ou prédictant. Souvent en prévision climatique, plus d'un seul prédicteur est nécessaire, mais l'idée de la régression simple peut être généralisée pour les cas les pus complexes de la régression linéaire multiple.

La régression linéaire simple a pour but de trouver une relation entre deux variables, dont les points tracés sur un repère cartésien se rapprochent de l'allure d'une droite. La régression choisit la droite qui produit la moindre erreur de prévision des observations données y et x; l'équation de la droite est appelée : "modèle". Le critère le plus utilisé est qui minimise la somme des carrés des erreurs. En adoptant le critère des moindres carrés, le résultat est un ajustement des points à une droite en minimisant les écarts entre cette droite et les points. Cependant, la droite d'ajustement essaye d'éviter les grands écarts. La valeur estimée par le modèle est donnée par : y = a + b.x, pour chaque valeur de x, a et b sont respectivement l'ordonnée à l'origine et la pente de la droite de régression ou encore coefficients de la régression. L'ajustement entre les deux variables est linéaire comme illustré dans la figure ci-dessous :

ei

0

-1

-2

-20 -10 0 10 20

prédicteur

prédictand

Figure 1 : Illustration de la droite d'ajustement

a. Distribution des résidus

Pour chaque valeur yi du prédictand observée dans le passé, on calcule l'écart entre cette valeur et la valeur estimée à l'aide de la droite d'ajustement linéaire, cet écart est appelé résidu. Un meilleur ajustement implique donc normalité de la loi de distribution des résidus et un fort coefficient de corrélation linéaire (Pearson) entre x et y.

b. La fiabilité de l'ajustement à la droite de régression

La qualité de l'ajustement du modèle est primordiale pour exprimer si le modèle est pertinent ou non. Cette qualité est définie à travers l'analyse combinée des différents écarts qui amènent à deux mesures fondamentales : le coefficient de détermination R2

et le rapport de Fisher F qui synthétisent la qualité de l'ajustement du modèle. Les écarts en question sont :

EQM : L'erreur quadratique moyenne

EQM =			1		n ei , 2 ? ( )
	(	n		2)
			-		1

n

SQT : La somme quadratique des totaux, SQT = 2

? i - ,

( y y )

1

proportionnelle à la variance de Y au facteur (n-1)

2

n

SQR : La somme quadratique de la régression = [ ]

)

? y_i y

-

1

n

= 2

b ² ( x x )

? i -

1

n

SQE : La somme quadratique des erreurs =2

? ( )

e i

1

, on peut vérifier

Facilement l'identité suivante SQT = SQR +SQE Ainsi on a :

· Le coefficient de détermination R², dans le cas d'une régression linéaire simple c'est le carré du coefficient de corrélation entre X et Y. R² donne la proportion de la variance du prédictand (proportionnelle à SQT) décrite par la régression (SQR). Pour une régression parfaite, SQR=SQT et SQE=0, R²=1. Pour une régression d'aucune informativité, SQR=0 et SQE=SQT et R²=0. Ainsi à lui seul ce coefficient permet de mesurer la qualité de l'ajustement, plus il avoisine 1 plus l'ajustement est meilleur, plus il s'en éloigne plus il est mauvais.

· Le rapport de Fisher (F ratio) F = RQM / EQM

RQM est la moyenne quadratique de la régression, dans le cas d'une simple régression, RQM=SQR, EQM = SQE/(N-2), c'est le rapport entre la variance due à la régression - donc l'information utile- et la variance due aux écarts à l'ajustements -les erreurs-. Il mesure en quelque sorte le rapport entre le signal et le bruit. Le logiciel statistique permet de donner les valeurs de R et F, ce dernier est assorti de sa p-value. Ainsi on peut résumer l'analyse de la qualité d'ajustement du modèle par les deux illustrations suivantes :

Bon ajustement Mauvais ajustement

Bonne pente Petite pente

R2 élevé et F élevé R² petit, EQM élevé, F petit

Figure 2 : Qualité de l'ajustement 2. PERFORMANCE DES MODELES DE PREVISION

Toute prévision est soumise à des tests de vérification. Cette vérification est par conséquent le processus de détermination de la qualité des prévisions. Il existe un grand nombre de procédures de vérification des prévisions, mais toutes, mesurent le degré de liaison entre les valeurs prévues et celles observées du prédictant.

a. La cross-validation : Pour estimer la qualité du modèle, on a recours à une procédure appelée cross-validation (Michaelson, 1987). Dans la cross-validation, les données sont à la fois données d'apprentissage (données servant à élaborer le modèle de prévision) et données tests (données estimant la qualité du modèle). La procédure consiste à partitionner les données en des échantillons d'apprentissage de taille n-1 (n étant la taille de l'échantillon). Dans ce cas, le nombre de partitions de données est égal à n, l'équation du modèle est donc recalculée pour chaque partition. Le résultat est n équations de prévision similaires, chacune étant élaborée sans la contribution d'une observation du prédictant.

b. Le skill : Cette méthode permet de comparer l'élément observé et l'élément prévu. On calcule la corrélation entre ces deux valeurs. Cette corrélation est appelée : SKILL, ou la limite d'acceptabilité du modèle. Les spécialistes s'accordent à dire que lorsque le SKILL est supérieur ou égale à 0.3 (SKILL = 0.3), le modèle est acceptable.

c. La simulation : C'est la vérification qui peut être faite en comparant visuellement la courbe du prédictant observé à celle du même prédictant prévu.

PARTIE A

RECHERCHE BIBLIOGRAPHIQUE

Chapitre I : LA BIOGÉOGRAPHIE DES GRANDS DÉSERTS Chapitre II : EROSION EOLIENNE

Chapitre III : GENERALITES SUR LES AEROSOLS

Chapitre I
LA BIOGÉOGRAPHIE DES GRANDS DÉSERTS

1. LES DESERTS

1.1. Introduction

La surface de notre planète est couverte de 14,9 billions d'hectares de terre. Une étude de l' UNEP (Programme Environnemental des Nations Unies) montre que 6.1 billions d'hectares en constituent des terres sèches, dont 1 billion d'hectares forment par nature du désert hyperaride. Le reste de ces terres sèches sont soit devenues du désert, soit sont menacées par la désertification. Un quart de la population mondiale occupe les terres sèches, et en dépendent pour leur existence.

Le mot désert est chargé de rêves et de symboles. Il évoque silence, pureté, absolue, mais aussi un lieu magique, hanté, source d'effrois et d'épreuves. Terre du dépouillement, de la soif et de la faim, il envoûte. Une longue tradition veut que le désert trempe les âmes fortes et soit le cadre privilégié de la contemplation et de la révélation.

C'est une région caractérisée par une grande sécheresse ou par une température moyenne très basse entraînant la pauvreté extrême de la végétation et une très grande faiblesse de peuplement. Le désert est ainsi une zone inhabitée, très sèche, aride où de brusques variations de température sont présentes.

1.2. Définition

D'origine latine, le terme " Désert " signifie " Abandonné ". Il désigne un espace vide, parce qu'hostile à toute manifestation de vie. La cause première de cette hostilité est l'aridité (www1).

1.3. Circulation générale et son lien avec les déserts

Entre les tropiques dominent des vents d'Est réguliers et constants, les alizés. Très chauds et secs, ils peuvent se charger d'humidité après de longs parcours océaniques. Les alizés du Nord-Est de l'hémisphère Nord et du Sud-Est de l'hémisphère Sud convergent l'un vers l'autre et forcent l'air à s'élever dans la région équatoriale. Les régions équatoriales constituent donc une zone de basses pressions (Zone de Convergence Inter Tropicale, ZCIT). Ce sont ces régions qui reçoivent le plus d'énergie solaire. Les masses d'air humide soulevées par la convergence génèrent des nuages de type cumulonimbus et des précipitations intenses. L'imagerie satellitale révèle clairement ce phénomène.

A la tropopause, vers 15 km d'altitude, ces masses d'air qui ont perdu une grande partie de leur humidité sous forme de précipitations, divergent et finissent par redescendre aux latitudes 3Ø°. Lors de cette subsidence, l'air se réchauffe et son humidité relative diminue. Les régions subtropicales ont donc un régime anticyclonique, générateur d'un climat chaud et sec : c'est là que l'on retrouve la ceinture des grands déserts, tant dans l'hémisphère Nord que dans l'hémisphère Sud. Dans l'hémisphère nord ce sont le Mexique, l'Arizona, le Sahara, le désert d'Arabie, l'Iran , le désert de Gobi, et pour l'hémisphère sud la Patagonie, le sud de l'Afrique et l'Australie. Cette circulation atmosphérique globale est appelée circulation de Hadley.

Figure 3 : Circulation de Hadley

1.3.1 Déplacement des cellules de Hadley

En juin juillet août, du fait de l'inclinaison de la Terre dans l'hémisphère nord, la zone qui reçoit le plus de chaleur de la part du soleil se trouve au voisinage de 10° de latitude nord. C'est donc l'hémisphère sud qui est le plus déficitaire en énergie. La cellule de Hadley sud y est alors la plus intense.

En conséquence, la ZCIT se déplace vers le nord. Elle apporte la pluie dans les zones sahéliennes (sud du Sahara), tandis que les précipitations des latitudes tempérées se déplacent vers le nord.

Figure 4 : Circulation générale en Juin - Juillet - Août

En décembre janvier février, c'est dans l'hémisphère nord que la cellule de Hadley est la plus importante. Le voile de cirrus sur l'Afrique du Nord atteint parfois l'Egypte. Le déplacement de la ZCIT se fait vers le sud. La saison sèche commence au Sahel et la pluie tombe dans le nord du désert de Kalahari (Botswana), tandis que les précipitations liées au front polaire sont responsables de la saison humide au nord du Sahara.

Figure 5 : Circulation générale en Décembre - Janvier - Février

1.4. Comment se forment les déserts

Partout où la pluie ne peut tomber, un désert se forme. Mais d'où vient la pluie et quelles sont les raisons qui l'empêchent de tomber ? L'air emmagasine l'humidité sous forme de vapeur d'eau invisible en quantités qui dépendent de sa température. L'air chaud contient plus de vapeur d'eau, que l'air froid. Les nuages naissent quand la vapeur est suffisante pour se condenser en gouttelettes, qui grossissent et tombent (pluie). Elle n'arrive pas toujours sur le sol car, dans sa chute, de l'air moins saturé en eau peut l'absorber. Du brouillard et de la rosée peuvent aussi se former quand l'air humide arrive au contact d'un sol froid. Il existe quatre sortes de déserts parce qu'il y a quatre raisons géographiques et climatiques qui empêchent la pluie de tomber.

1.5. Les différents types de déserts

1.5.1. Les déserts zonaux

La carte du monde montre deux larges bandes désertiques de chaque côté de l'équateur, au niveau des tropiques : ce sont les ceintures sèches de la terre. A l'équateur, l'air chaud monte et se refroidit laissant échapper l'humidité qui se condense en gouttes et il pleut; en altitude, cet air sec et froid se divise en deux parties l'une se dirige vers l'hémisphère nord, l'autre vers l'hémisphère sud. En redescendant sur les tropiques, l'air se réchauffe et absorbe toute l'humidité présente : un chapelet de déserts chauds, très ensoleillés, au ciel sans nuages, se forme aux latitudes 25° à 35°.

1. Hémisphère Nord : - désert Mexicain - Sahara

- Arabie

- Sinaï

- Gobie

2. Hémisphère Sud : -Kalahari

- Australie.

1.5.2. Les déserts côtiers

Des courants marins glacés longent les côtes occidentales des continents, ils refroidissent les vents qui ne peuvent absorber que peu d'humidité, le jour la brise marine presque sèche et froide se réchauffe au contact du sol où elle absorbe le peu d'humidité et dessèche la terre. La nuit, le désert est plus froid que la brise marine et la faible humidité se condense en brume.

Les plus grands déserts côtiers sont hyper arides :

· désert du Namib (Afrique Australe).

· désert de l'Atacama (au nord du Chili).

1.5.3. Les déserts d'éloignement

Lorsque les vents, venus de la mer traversent de vastes continents comme l'Asie ou l'Australie, ils perdent toutes leurs humidités au cours de leurs longs chemins. Le centre du continent est aride avec des déserts froids en Asie ou chauds en Australie.

1.5.4. Les déserts d'Abri

Si un vent humide, chargé de nuages, rencontre une montagne il monte, il se refroidit, la vapeur d'eau se condense et il pleut sur le versant de la montagne exposée au vent. Sur l'autre versant, l'air froid est sec et n'apporte aucun nuage; en redescendant, il se réchauffe et absorbe l'humidité du sol.

· désert du Taklamakan (Chine).

1.5.5. Déserts chauds et déserts froids

Le climat d'un désert dépend de son altitude. Il fait plus chaud au niveau de la mer dans le Namib qu'à 2000 mètres dans le Hoggar. Mais le climat dépend aussi de la position du désert par rapport à l'équateur, c'est à dire de sa latitude. Les déserts d'Asie, situé loin de l'équateur, reçoivent des influences polaires et sont très froids en hiver leurs températures peuvent descendre à -50°C. Les déserts d'Afrique plus proches de l'équateur sont beaucoup plus chauds, le record de chaleur est atteint en Libye +56°C.

2. LE DESERT DU SAHARA

2.1 Les caractéristiques du désert du Sahara

Il est le plus vaste désert du monde. Il se trouve en Afrique, s'allongeant sur 5000 km de l'Atlantique à la mer Rouge et sur 2000 km du pied méridional de l'Atlas et du littoral de la Méditerranée Orientale à une ligne joignant St Louis à Khartoum, limite septentrionale du climat sahélien. De part et d'autre du tropique du Cancer, il s'étend sur le Maroc, l'Algérie, la Tunisie, la Libye, l'Egypte, le Soudan, le Tchad, le Niger, le Mali et la Mauritanie (voir figure : 6).

Figure 6 : Le désert du sahara

Le Sahara algérien présente trois types de paysages différents :

· Les hamadas, plateaux de dalles rocheuses;

· Les regs, immenses étendues de graviers et de cailloux;

· Les ergs, immenses étendues de dunes de sable accumulées par l'érosion.

Au sud, avec 2 millions de Km² de désert, le Sahara, l'un des plus grand désert du monde. Il représente près de 85% de la superficie de l'Algérie et se compose d'immenses dunes, d'ergs, d'oasis et de montagnes dont le massif du Tassili et celui du Hoggar où culmine le plus haut mont d'Algérie avec 3000 mètres d'altitude. Il règne dans cette région un climat désertique avec de grandes variations diurnes. Le pied sud de l'Atlas tellien marque la limite du climat aride : sec et tropical, avec de grands écarts de températures en hiver : la température moyenne est de 36°C le jour.

L'unité du Sahara est due à la sécheresse extrême du climat, qui rend les cultures impossibles en dehors des oasis. Mais le relief présente des aspects variés : au centre et à l'Est, les grands massifs montagneux, en partie volcaniques, du Hoggar, de l'Aïr et du Tibesti ; au Nord, les dunes du Grand Erg ; dans de nombreuses autres régions, de vastes plaines et des plateaux couverts de pierre (les regs).

Les grands massifs de dunes, les ergs, se localisent dans les parties basses de la topographie. Façonnés par les vents les plus réguliers, comme les alizés au Sahara ou en Australie, les ergs forment des alignements de dunes, parallèles à la direction des vents dominants, et séparés par des couloirs. Les dunes des ergs peuvent aussi avoir la forme de grandes pyramides, dépassant souvent 200 m de haut, notamment dans le Grand Erg oriental en Algérie. Avec 200 000 km² de superficie, l'erg de Libye est l'un des plus grands du monde. Les dunes des ergs ne se déplacent pas. Il existe des dunes mobiles, généralement isolées à la périphérie des ergs ou sur les plateaux pierreux. Elles se sont constituées à la faveur d'un rocher ou d'une touffe de végétation qui fixe le sable. Le vent modèle les dunes isolées en croissants, dont les pointes sont allongées dans le sens du vent. Leur profil est dissymétrique: le versant au vent est en pente douce, le versant sous le vent a une forte pente.

2.2. Les influences du Sahara sur le climat mondial

Le climat du Sahara, chaud, ensoleillé et aride, est caractéristique de celui d'un désert chaud, situé de part et d'autre d'un tropique. Il résulte de la subsidence de l'air sous l'effet des anticyclones permanents qui se produisent entre 25° et 35° de latitude nord. Les précipitations sont très rares et irrégulières ; la plupart des régions reçoivent en moyenne moins de 130 mm de pluie par an, et certaines, comme le Tanezrouft (Algérie) ou le désert Libyque, restent plusieurs années sans pluie. Les pluies peuvent survenir sous la forme d'averses très brutales, et l'eau ruisselle dans les oueds.

L'insolation est de plus de trois mille heures par an. Les températures diurnes sont très élevées, pouvant dépasser 50 °C (jusqu'à 66 à In Salah), et l'amplitude thermique entre le jour et la nuit est souvent supérieure à 35 ou 40 °C ; l'amplitude annuelle peut atteindre 50 °C ; en hiver, il peut geler quelques jours à Tamanrasset, par exemple. Ces brusques variations de température entraînent en plus de l'érosion éolienne une désagrégation mécanique des roches. Le relief du Sahara est un socle massif très anciennement consolidé. Il est recouvert de terrains sédimentaires, est constitué de cuvettes (Tafilalet), de plateaux (Ennedi, Tademaït et Tassili) ou hamadas (Ténéré), d'amoncellements de pierres ou regs (Tanezrouft), d'amoncellements de sable ou ergs ainsi que de massifs cristallins (Adrar et Iforas) et volcaniques tertiaires, plus humides (Aïr, Hoggar et Tibesti) au centre et au sud. Milieu hostile à l'homme, le Sahara est une terre de contact entre la race blanche (Arabes et Berbères) et la race noire. Les Sahariens (Maures, Touaregs, Toubous et aussi Mzab) se répartissent en deux groupes, les nomades pasteurs et les agriculteurs sédentaires dans les oasis. L'existence de celles-ci est liée à la présence de l'eau, des nappes phréatiques (puits artésiens), des écoulements souterrains (foggaras...) et à l'utilisation des cures des oueds (barrages d'épandages). La culture essentielle est le palmier-dattier qui protège les cultures vivrières (légumes, fruits et céréales). Aux ressources traditionnelles des oasis (très localisées) et des exploitations de sel (Taoudenni) se sont ajoutées celles du secteur minier et des hydrocarbures transformant des portions de désert. Principaux gisements : pétrole (Edjelé, Hassi Messaoud et Zelten) ; gaz naturel : Hassi R'mel ; uranium : Aïr et Arlit ; minerai de fer : Djebilet et Idjil ; minerai de cuivre : Akjoujt, charbon : Kenadsa (www2).

2.3. Les poussières Sahariennes

Il y a aussi d'autres phénomènes climatiques liés aux déserts comme les retombés de poussières Sahariennes en Europe et partout dans le monde. Ce phénomène est dû principalement au fait que le Sahara étant excessivement chaud, les poussières s'élèvent très haut dans le ciel (voir figure : 7) et sont ainsi facilement prises dans des courants d'air traversant la Méditerranée, l'Atlantique ou autres grandes étendues maritimes jusqu'au prochain continent. On a compté plus de 260 millions de tonnes de poussières Sahariennes dont 146 millions tombent dans l'eau durant leur traversée et 60 millions reviennent en Afrique. Il y a donc 50 millions de tonnes qui arrivent sur cet autre continent provocants ainsi des pluies rouges ou des neiges colorées.

Figure 7 : Les poussières sahariennes

Le désert en soi est un environnement assez stable. Le paysage varie du terrain plat aux dunes de sable et montagnes élevées. Une aridité extrême et des vents violents caractérisent le désert du Sahara. Ces derniers ont une portée de 100km/h. Ils emportent le sable sur de très grandes distances, érodent les rochers et empêchent complètement toute visibilité lors des grandes tempêtes. Des dunes de sable se déplacent au cours des tempêtes violentes. Généralement, les déserts soutiennent un couvert végétal très clairsemé, ce qui est certainement vrai pour le Sahara.

Chapitre II
EROSION EOLIENNE

Le vent soufflant sur une surface désertique balaie les particules les plus fines et peut faire apparaître la surface rocheuse (hamadas sahariennes). Lorsque le sol comporte des matériaux de taille variée (sols alluviaux, par exemple), la déflation élimine la fraction la plus fine, laissant sur place un désert pavé de cailloux (reg). La déflation s'exerce jusqu'à ce que le niveau hydrostatique soit atteint. A ce moment, elle s'arrête et il s'ensuit des surfaces planes s'étalant sur des centaines de kilomètres, souvent indurées par une croûte de sel (www3).

La circulation de l'alizé continental (harmattan) autour de la dépression du Sahara entraîne un renforcement des conditions de type saharien ; l'harmattan, vent sec, remobilise des dunes et transporte de la poussière en suspens. L'érosion éolienne est une cause souvent négligée de la disparition du couvert végétal ; par ailleurs, elle est responsable de la très faible aptitude agricole (appauvrissement rapide des sols sous culture).

1. DEFINITION DE L'EROSION EOLIENNE

L'érosion éolienne est le résultat des actions du vent au sol. L'analyse des états de surface des sols et substrats de diverses zones tests, dans le Sahara septentrional et méridional, a permis de mieux préciser la nature de ces actions. Il s'agit :

· De la déflation directe des substrats meubles : sols pulvérulents, dépôts alluviaux, lacustres;

· Du prélèvement direct sur roches cohérentes par abrasion éolienne (la corrasion);

· Du vannage de la fraction fine des sables mobiles.

2. LES AGENTS DE L'EROSION

2.1. Rôle de la désagrégation mécanique

La désagrégation est très forte à cause des forts écarts de la température, de l'absence de végétation, de sol et d'eau. La dilatation thermique différentielle désagrège les roches. Les roches surchauffées éclatent. Mais cette action est lente et limitée.

2.2. Rôle du vent

Le vent constitue un facteur important d'érosion et de transport des sédiments à la surface de la planète. Il est particulièrement actif dans les régions sèches où la végétation est quasi-absente, comme les déserts. Les régions désertiques, qu'on définit comme les régions qui reçoivent moins de 20 cm de précipitations/an, couvrent près du tiers de la surface terrestre. Les grands déserts du monde (Sahara, Kalahari, Gobi, les déserts d'Australie) se trouvent entre les latitudes 10° et 30° de part et d'autre de l'équateur (voir figure : 8).

Figure 8 : Les régions désertiques (www4)

Ces régions sont constamment sous des conditions de haute pression atmosphérique où descend l'air sec, ce qui est aussi vrai pour les régions polaires qui sont aussi considérées comme désertiques compte tenu qu'elles reçoivent moins de 20 cm/an de précipitations (en équivalent pluie).

La répartition des déserts est déterminée par la circulation atmosphérique qui, elle, dépend de la radiation solaire (voir figure : 9).

Figure 9 : Répartition des déserts

L'air chauffé dans les régions équatoriales a tendance à monter. Il se crée donc à l'équateur, un flux d'air ascendant qui détermine une zone de basse pression: le creux équatorial. Arrivé dans la haute atmosphère plus froide, cet air ascendant très humide condense et forme les nuages et pluies de la zone équatoriale. L'air se débarrasse donc de son humidité; il s'assèche. Il redescend au niveau des latitudes 30°, sous forme d'un air très sec, pour former une zone de haute pression. Ce couple ascension-descente forme une cellule de circulation atmosphérique, la cellule tropicale. Ceci engendre une autre cellule atmosphérique, la cellule tempérée qui crée autour des latitudes 60°, des courants ascendants. Plus vers les pôles, les cellules polaires vont ramener dans les cercles polaires de l'air sec. Il en résulte que les régions qui se situent à la hauteur des latitudes 30° et 90°, dans les deux hémisphères, sont balayées par de l'air sec.

C'est pourquoi on y retrouve les grandes zones désertiques, non pas à l'équateur, comme on pourrait le penser puisqu'il y fait le plus chaud, mais autour des latitudes 30°. Il peut sembler paradoxal de qualifier les cercles polaires de déserts, mais effectivement, même s'il y fait froid, ce sont des déserts où les précipitations sont minimes.

3. LES EFFETS DE L'EROSION

L'érosion éolienne concourt à la désertification des zones sources et constitue l'une des causes de l'appauvrissement des sols. Elle se traduit par la déperdition en substances nutritives due à la disparition de la fraction organique du sol. On assiste alors à une altération des propriétés du sol quant à l'infiltration et à la rétention des eaux de pluie et à une perte en micro-organismes jouant un rôle essentiel dans la fixation de l'azote nécessaire aux végétaux supérieurs. Les dépôts éoliens par sédimentation, gravitation ou impaction, ou associés aux eaux de pluie fertilisent les zones puits, qu'elles soient continentales ou océaniques. Les aérosols constituent de ce fait une source d'enrichissement des sols.

À l'échelle globale, ils ont un impact climatique qui se manifeste par la réduction du rayonnement solaire absorbé par la surface du sol. Ceci a pour conséquence une diminution, voire une suppression de la convection associée aux flux de chaleur sensible et latente dans l'atmosphère, entraînant ainsi une réduction des précipitations En réduisant la portée visuelle, les aérosols constituent une gêne pour la navigation aérienne. Ils introduisent également des perturbations importantes dans la détection satellitaire des paramètres de surface (température, albédo, indice de végétation...) et constituent un problème d'environnement non négligeable. L'étude de l'érosion éolienne peut permettre, d'une part, de mieux comprendre le processus de la dégradation des sols et, d'autre part, d'envisager la mise en oeuvre d'une politique judicieuse de suivie, de conservation et d'aménagement rationnel des terres.

Le mécanisme de la mise en suspension des poussières a été étudié par un grand nombre de chercheurs. Bagnold (1954) a fait des études portant sur le calcul du flux horizontal de particules dans des zones de génération de poussières. Il a montré que ce flux est proportionnel au cube de la vitesse de friction du vent au sol

Bérenger et Bernet ont étudié la fréquence d'occurrence de la chasse sable en fonction respectivement de la vitesse moyenne du vent à Reggane en Algérie et de la vitesse maximale du vent à Faya Largeau au Tchad. Les résultats statistiques qu'ils ont obtenus montrent que l'aptitude d'un vent à provoquer la déflation est nulle au-dessous

d'un certain seuil de l'ordre de 5 à 8 m/s et qu'elle augmente ensuite très vite avec la vitesse

Gillette et al. (1998) ont déterminé le flux vertical d'aérosols d'un terrain érodable au Nebraska à partir de la mesure à deux niveaux 1 et 2 de la vitesse horizontale du vent et des concentrations en particules. Ils ont noté que le flux vertical est proportionnel au carré de la vitesse horizontale moyenne du vent, au gradient de concentration en particules et inversement proportionnel au gradient de vitesse lié au frottement. Gillette a repris l'expression de Bagnold et l'a améliorée en prenant en compte le facteur seuil. Bertrand a défini, à partir des résultats statistiques de Bérenger, une courbe d'efficacité relative du vent en fonction de la vitesse. Cette efficacité, notée E, mesure l'aptitude du vent à soulever la poussière par unité de temps et de surface. C'est une fonction croissante de la vitesse du vent au sol à partir d'un certain seuil qui est le même que celui de la fréquence d'occurrence de la chasse sable.

Un modèle plus récent de calcul du flux de poussières et de la vitesse-seuil, établi sur la paramétrisation de la granulométrie des sols et la partition de l'énergie entre la fraction de surface érodable et les obstacles, a été proposé par Marticorena et al. Ils ont montré que la production du flux de poussières dépend principalement de la force de cisaillement et de la vitesse seuil, deux grandeurs fortement liées à l'état de surface.

4. LE TAUX ET L'AMPLITUDE DE L'EROSION EOLIENNE

Le taux et l'amplitude de l'érosion éolienne sont contrôlés par les facteurs suivants (www5) :

1. Susceptibilité du sol à l'érosion

Le vent peut mettre en suspension de très fines particules et les transporter sur de grandes distances. Les particules moyennes et fines peuvent être soulevées et redéposées alors que les grosses particules peuvent être soufflées en surface (saltation). L'abrasion qui en résulte peut réduire la dimension des particules de sol et augmenter d'autant sa susceptibilité à l'érosion.

2. La rugosité de la surface

Les sols à la surface non rugueuse offrent très peu de résistance au vent. Toutefois, avec le temps, les rugosités peuvent se combler et s'aplanir par abrasion. Ceci résulte en une surface lisse, plus susceptible au vent. Un travail excessif du sol peut contribuer à briser la structure du sol et ainsi augmenter l'érosion.

5. LA VITESSE DE FRICTION

La vitesse de friction est le seuil U*t et la hauteur de rugosité, des paramètres clé pour évaluer les émissions.

L'érosion éolienne est la mise en mouvement des grains à la surface du sol sous l'action du vent. Ce phénomène est contrôlé par deux paramètres principaux :

- L'énergie apportée par le vent à la surface ;

- Le seuil minimal de mobilisation des particules libres du sol, ou seuil d'érosion en conditions lisses.

L'énergie disponible est du domaine des interactions atmosphère/surface, à travers la force de cisaillement du vent (ô), et la résistance à l'arrachement est du domaine des propriétés de surface des sols : type de surface, encroûtement et humidité, taille, nature et densité des particules. La tension de cisaillement du vent est fonction de la vitesse de friction U* (Laurent. B) :

ô = ñ. U*² (1)

Les émissions de poussières sont un phénomène à seuil qui ne se produit que lorsque la force de cisaillement exercée sur la surface devient supérieure aux forces de maintien, c'est à dire principalement à la force de gravité et aux forces de cohésion inter particulaires. Cette valeur atteinte, la particule peut-être mise en mouvement. Ce seuil d'érosion est généralement exprimé sous la forme d'une vitesse de friction seuil U*t dépendante de la surface et de la taille des grains du sol. Ce paramètre clé des processus d'érosion éolienne contrôle la fréquence et l'intensité des émissions d'aérosols désertiques. En effet, les soulèvements de poussières sont d'autant plus fréquents que cette valeur est souvent dépassée, et les quantités soulevées sont d'autant plus importantes que la vitesse du vent est grande devant ce seuil.

Pour arriver à une bonne paramétrisation de l'érosion éolienne, il faut considérer deux cas de figure. Soit la surface est lisse et le transfert de l'énergie éolienne aux particules érodables est quasi total, soit des éléments non érodables sont présents et absorbent une partie de l'énergie éolienne.

Ces obstacles contribuent alors à la rugosité de surface. Dans le cas d'une surface lisse comme dans celui d'une surface rugueuse, la quantité d'énergie à fournir à une particule du sol pour initier son mouvement est la même. Pour observer un mouvement, il faut donc que l'énergie totale apportée par le vent soit plus importante dans le cas rugueux.

Dans le cas d'une surface lisse, le seuil dépend essentiellement de la taille des particules du sol. Iversen and White (1982) ont proposé une paramétrisation de U*t en fonction du diamètre des particules "Dp ", basée sur des mesures de seuil réalisées en soufflerie. A cause des forces de cohésion et de la gravité, il existe un diamètre optimum (--'100 mm) pour lequel la vitesse de friction seuil est minimale (--'20 cm.s-1) (Iversen and White, 1982).

Pour les surfaces rugueuses, il faut représenter la répartition de l'énergie éolienne entre la surface érodables et les éléments de rugosité pour déterminer le seuil. Marticorena and Bergametti, (1995) ont proposé une paramétrisation de cette partition (feff), en fonction de la hauteur de rugosité de la surface lisse Z0s et de la hauteur de rugosité totale Z0. Z0 ne rend pas compte de façon explicite de chaque obstacle, mais intègre sur une échelle donnée leurs effets cumulés.

Dans ce cas, le seuil est la combinaison de U*t(Dp) et de feff : U*t (D p;Z0;Z0s) = U*t(D _p) / feff(Z0, Z0s)

(2)

Cette paramétrisation a été validée à partir de mesures de terrain pour différentes rugosités (voir figure : 10).

Figure 10 : U*t en fonction de Z0 pour _Z0s fixé. Les points représentent des mesures in
situ, la courbe représente la modélisation de U*t
en fonction de Z0 (Marticorena et al., 1997).

Z0s peut être estimée à partir de la taille des particules érodables. On considère que la hauteur de rugosité de particules jointives est proportionnelle au diamètre de ces particules (Greeley and Iversen, 1985) :

Z0s = Dp / 30 (3)

En fixant _Z0s pour une gamme de taille de particule, on peut finalement calculer U*t en fonction de Z0.

Pour estimer les fréquences de soulèvement il est plus commode de relier U*t à une vitesse de vent. L'équation classique du profil vertical de vitesse de vent dans la couche limite de surface, en condition d'atmosphère neutre (gradient vertical de température nul) permet de relier la vitesse du vent et la vitesse de friction :

U (Z) = (U* / k) * ln (Z/ Z0) (4)

U (Z) : vitesse du vent

U* : vitesse de friction

K : Cste de Von Karman = 0.4

Z : hauteur à laquelle la vitesse du vent est mesurée Z0 : hauteur de rugosité

L'application de cette équation au seuil d'érosion U*t permet d'estimer la vitesse seuil de vent à une hauteur donnée.

Pour conclure, nous avons vu dans cette première partie l'importance du rôle des aérosols désertiques sur le fonctionnement de la planète, ainsi que les caractéristiques des déserts chinois, qui sont une des régions sources principales de poussières. Le processus à seuil d'émission des poussières est contrôlé par la météorologie et les caractéristiques des surfaces des zones arides. Pour estimer les fréquences de soulèvement de poussières désertiques on doit connaître la vitesse seuil. Elle peut-être estimée en fonction de la hauteur de rugosité aérodynamique Z0.

Chapitre III
GENERALITES SUR LES AEROSOLS

DEFINITION

Les aérosols atmosphériques (du grec aêr, "air", et se rapportant à l'air; et de sol qui désigne une solution liquide) sont des particules en suspension dans l'air de tailles microniques ou sub-microniques. Ces particules peuvent être sous forme liquide ou solide, mais, par convention, on exclut de cette définition les gouttelettes d'eau et les cristaux de glace qui forment les nuages. Les sources d'aérosols primaires peuvent être d'origine naturelle ( poussières minérales, sels de mer, poussières volcaniques débris biologiques) ou anthropique ( poussières industrielles, suies issus de la combustion des fuels fossiles ou de la biomasse). Il en va de même des particules aérosols secondaires qui sont générées par transformation de la phase gazeuse en phase particulaire (sulfates, composés organiques, produits dérivées des feux de biomasse, etc.)

Particules solides, ils interagissent avec le rayonnement reçu et émis par le soleil et la terre qu'ils arrêtent, absorbent ou réfléchissent. Dans certaines conditions, ils servent de noyaux de condensation pour la formation des gouttes de pluies, et à leur surface des réactions chimiques peuvent favoriser la formation ou la destruction de composés qui ont, eux-mêmes, un impact sur le climat (comme certains gaz à effets de serre).

Cette définition doit aussi être complétée par l'ordre de grandeur de la taille des particules que nous verrons dans les propriétés des aérosols désertiques.

PROPRIETES DES AEROSOLS

2.1. Classification des aérosols

Il est communément admis que la taille des particules aérosols varie de 0.01 ìm à 100 ìm.

Il a aussi été démontré qu'il existe deux classes d'aérosols en fonction de la taille (Tableau : 1). Les fines particules générées par les feux, la combustion, les processus chimiques et les grosses générées par les volcans, les océans, les déserts, ... etc.

Cette coupure granulométrique assez nette est située à environ 2 um :

Fines particules (Ø < 2 um);

Grosses particules (Ø = 2 um).

0.0001 0.01 0.1 1 10 100 1000 100 000

NCd
d'une
flamme

Des gaz aux particules Tempête de

poussière

Virus Bactéries

Vapeurs et poussières métallurgiques

NCd Insecticides

Fumée de tabac Fragmentation

Fumée d'incendie

Brouillard industriel

Cristaux de sel marin

Fumée
d'huile

NCdN

Argile Limon Sable fin Gros

sable

Diamètre en um

Nuage

Cendres

Cheveux

Poussière de
calcaire

Sable de
plage

Gravier

Tableau 1 : Taille des aérosols (HACHIMY 1990)

2.2 Distribution des aérosols

La concentration en aérosols de l'atmosphère est fonction du temps et de l'espace :

· Un temps de séjour long concentration stable;

· Un court séjour variation de concentration.

Temps de séjour est fonction de la taille de la particule, ce qui nous amène à aborder le profil vertical des aérosols et les processus qui conduisent à leur élimination.

2.3. Profil vertical de la concentration des aérosols

Nous avons une grande variation de la concentration d'aérosols en fonction de l'altitude :

· décroissance exponentielle à travers la troposphère ;

· maximum secondaire à environ 20 km ;

· décroissance lente dans la stratosphère.

2.4. Elimination des aérosols

2.4.1. Sédimentation

La chute de la particule est fonction de sa masse :

· Ø = 1mm implique une chute de 4m/jour.

· Ø = 20 mm implique une chute de 1 Km/jour.

La quantité de poussière transportée puis déposée par le vent peut être grande mais elle passe inaperçue et sous estimée parce qu'elle est largement disséminée sur le sol; une couche de quelques dixièmes de mm de poussière répandue sur une surface de plusieurs milliers de km2 représente un tonnage considérable. Chaque année le Sahara perd plus de 100 millions de tonnes de poussière dont une grande partie tombe dans l'océan Atlantique, contribuant ainsi à la sédimentation océanique (www6).

Figure 11 : Vitesse de chute des particules dans l'air; les poussières ont une vitesse de
chute très faible, elles restent donc très longtemps en suspension et peuvent être
transportées très loin par le vent.

Les dépôts anciens de poussières éoliennes constituent les loess. En France, le loess recouvre le nord du pays d'une couche de quelques mètres d'épaisseur au maximum; il est formé de particules d'argiles, de silice et de calcaire. Il provient de la déflation des matériaux glaciaires quaternaires.

Le calcaire est dissous en surface par les eaux d'infiltration : le loess est décalcifié et prend le nom de lehm. En Chine, la couche de loess atteint 600 mètres d'épaisseur. Elle provient de la déflation dans les déserts d'Asie centrale. Une chronologie des temps quaternaire a pu y être établie à partir des variations d'épaisseur des lamines, de leur teneur en carbonate et de leur susceptibilité magnétique.

Figure 12 : Transport et dépôt du grain en fonction de sa taille et de la vitesse du vent

2.4.2 Lessivage

L'entraînement des particules par les gouttes de pluie dépend de la taille de celles- ci, de l'intensité et de la fréquence des pluies.

2.4.3. Dépôt par impaction

L'adhésion à un obstacle à cause de l'inertie concerne surtout les grosses particules. Ce sont donc les fines particules qui séjournent le plus longtemps dans l'atmosphère. En effet, les aérosols émis par le sol et la mer sont dans la troposphère, ils sont donc constamment captés et précipités par les pluies. De plus, de par leur taille et leur masse ils retombent plus vite que les fines particules. Quant aux aérosols émis par les volcans qui atteignent la stratosphère, leur retombée est très lente, d'où le maximum de concentration à la tropopause car l'air de la stratosphère met des années à s'échanger avec celui de la troposphère.

3. LES AEROSOLS DESERTIQUES

Les aérosols désertiques émis sous l'action du vent sont des aérosols relativement de grande taille (de 0.5 à 3 um de diamètre). Ce domaine de taille est suffisamment large pour permettre à la fois la rétro-diffusion des radiations solaires dans le visible et l'absorption des radiations terrestres dans l'infrarouge thermique. La rétro-diffusion du rayonnement solaire induit un refroidissement en diminuant le flux arrivant à la surface terrestre alors que l'absorption dans l'infrarouge provoque un réchauffement de l'atmosphère. Nous pouvons décomposer les cycles des aérosols en trois parties : la généralisation des poussières en zones sources, leur transport, leur retombée en zones puits. Le cycle de l'aérosol désertique est caractérisé par des régions sources relativement bien délimitées géographiquement, un transport à très grande échelle et des zones puits recouvrant globalement une surface très vaste et dont la localisation géographique est par conséquent assez mal définie. (Prospero et al., 1990) ont montré, en les mesurant aux Antilles, que ces aérosols pouvaient très bien traverser l'océan atlantique.

3.1 Zones sources

La figure 13 montre les sources principales d'émission de poussière, essentiellement les zones arides et semi-arides du globe ( Prospero, 1981 ; Péwé, 1981 ) ainsi que les axes principaux de leurs trajectoires de transport. Le désert du Sahara est reconnu pour être la plus importante source d'émission d'aérosols dans le monde.

Figure 13 : Principales sources d'émission de poussières, axes principaux et distances
de transport (d'après Péwé, 1981).

Dans la plupart des régions désertiques, les poussières proviennent de sédiments et dépôts alluviaux que l'on trouve dans les dépressions, les bassins sédimentaires et les anciennes vallées (Legrand 1990 et Goudie

1978).

Sur un sol dépourvu de végétation, le vent, s'il est assez fort au niveau de la surface, fait rouler et parfois soulève légèrement les particules qui retombent sous l'effet de leur poids et rebondissent (Gillette, 1981). Ce sont les "chasse-sables". Les plus grosses particules, dont le rayon moyen est de l'ordre de 100 ìm, se désagrègent progressivement et augmentent ainsi l'érosion. Les fines poussières, dont le rayon moyen est de l'ordre de 10 ìm, sont injectées dans l'atmosphère en formant le plus souvent des tourbillons de poussières dont la dimension peut atteindre quelques décamètres de diamètre et plusieurs centaines de mètres de hauteur ( Coudé-Gaussen et Rognon, 1983). Les particules"géantes" (rayon > 100 ìm) retombent alors relativement rapidement par gravité, les autres seront déposées au cours de leur transport.

3.2. Les émissions annuelles

Les déserts apparaissent comme une des principales sources de poussières désertiques du monde, et la désertification importante de cette région en fait une zone d'étude très intéressante pour les émissions d'aérosols. A partir de mesures de flux de dépôt d'aérosols minéraux ,dans l'océan, des vents et des précipitations, Duce (1995) montre que c'est dans le Pacifique Nord au large de la Chine et dans l'Atlantique Nord au large du Sahara que les dépôts éoliens sont les plus importants (tableau 2). Vu les extrapolations requises, il faut néanmoins rester prudent quand à la comparaison quantitative entre les événements de poussières en Chine et au Sahara, l'information intéressante étant que ce sont sans doute les deux principales sources d'aérosols désertiques.

Ocean	Mean Flux (g m^-2 yr^-1)		Deposition (Tg yr^-1)	North Pacific
5.3	480		South Pacific
0.35	39		North Atlantic
4	220		South Atlantic
0.47	24		North Indian
7.1	100		South Indian
0.82	44		Global
2.5	910

Tableau 2 : Estimation des dépôts de poussières minérales dans les principales zones océaniques

(D'après Duce, 1995).

Zhang et al. (1997), ont également essayé de déterminer la production de poussières depuis les déserts de Chine à partir des dépôts d'aérosols évalués dans cinq régions (les déserts sableux chinois, le plateau des Loess, les régions historiques de retombée du nord-est et du sud-est, le Pacifique nord). Ils estiment cette production totale entre 500 et 1100 Tg. an-1. Cela représente environ la moitié de la production globale de poussière estimée par des mesures de concentrations atmosphériques à ~1500 Tg. an-1 (IPCC, 2001).

3.3. Transport

Au cours de leur déplacement, une fois en suspension, les poussières subissent une profonde homogénéisation. Suivant les courants aériens, elles sont aussi bien transportées vers l'est, le sud de l'Afrique, L'Europe que vers les Caraïbes. D'Almeida (1986) considère que 60% des poussières sont émises vers le golfe de Guinée, 28% vers l'Atlantique et 12% vers L'Europe.

Ces poussières se déplacent en fonction des grands courants de la circulation atmosphérique. Le plus connu est l'alizé continental ou l'harmattan qui souffle en permanence de l'Ethiopie vers L'Atlantique ou vers le golfe de Guinée. Une fois sur la côte Atlantique, L'air saharien s'élève au-dessus de l'air maritime et continue vers l'ouest entre 1500 et 3500 mètres d'altitude. C'est le Saharan Air Layer qui s'étend entre les latitudes de 15°N à 25°N. Les poussières mettent alors de 5 à 6 jours pour atteindre les côtes américaines (Prospero, 1981). Sur la figure 14, nous pouvons voir que ce déplacement varie suivant les saisons. Celui-ci dépend en fait de la situation météorologique qui règne sur l'Afrique. En hiver, la zone de convergence intertropicale (ZCIT) qui est une zone dépressionnaire aux environs de l'équateur, se positionne sur le golfe de Guinée et l'Harmattan souffle donc vers cette direction. L'été, la ZCIT remonte vers la latitude 20°N et l'anticyclone des Açores se positionne alors vers le sud ouest de l'Europe. Les zones sources qui sont alors activées sont celles proches du massif du Hoggar.

Lorsque ces poussières se déplacent vers l'Europe, ce qui est fréquent durant les mois d'été (Dulac et al, 1992) les trajectoires sont beaucoup moins prononcées et plus sporadiques. Elles dépendent du passage de dépressions cycloniques sur L'Europe (Coudé-Gaussen et al, 1987; Bergametti et al., 1989). Si le centre dépressionnaire se situe sur les côtes européennes de l'Atlantique nord, les poussières peuvent atteindre

l'Espagne ou même la France. S'il s'agit du Sirocco, elles se dirigeront vers la Tunisie et l'Italie. Le Khamsin (vent du Sahara oriental) les entraînera vers le Soudan, l'Egypte ou le Sinaï (Yaalon et Ganor, 1977).

Peu d'études ont été faites sur le transport à l'intérieur même du Sahara, principalement à cause des difficultés matérielles à réaliser de telles observations (voir figure 14).

Figure 14 : Trajectoires des poussières sahariennes à
l'intérieur du continent africain.
D'après (Dulac et al., 1992; Coudé-Gaussen et al., 1987;
D'Almeida,1986; Bergametti et al., 1989).

3.4. Zones puits

Les particules tombent en général par gravité lorsque la vitesse de vent diminue. Pour Lundholm (1979), les aérosols sont sources d'enrichissement des sols par la formation de loess et des océans par l'apport d'éléments nutritifs. L'importance de la sédimentation sur les fonds océaniques a d'ailleurs été soulignée par Griffin, (1968). Selon D'Almeida (1986), 75% de la poussière émise vers l'ouest contribue à leur formation.

Si l'étude du dépôt sur la Méditerranée commence juste à être documentée (Bergametti et al. 1989), le trajet transatlantique a été par contre très étudié.

Nous pouvons citer par exemple les travaux de Prospero et al. (1979) aux Antilles et aux îles du Cap Vert, Jaenicke et Schütz (1978) aux îles du Cap Vert, Delany et al. (1967), Prospero and Ness (1986) et Prospero (1990) aux Barbades, Coudé-Gaussen et al. (1987) ainsi que Bergametti et al. (1989) aux îles Canaries et surtout une expérience très intéressante en ce qui concerne les caractéristiques physique et chimique sur le navire allemand Meteor qui navigua des Caraïbes à 15°N aux côtes ouest africaines (Schütz, 1979).

La modélisation du transport et des retombées des poussières lors du trajet transocéanique a été réalisée entre autres par (Schütz et al. en 1981). Il démontre que si la plus grande partie des particules (de rayon>1ìm) tombe dans les 1000 premiers kilomètres, un peu moins de 20% font plus de

5000 km.

3.5. Impacts

Nous nous intéressons aux aérosols d'origine désertique parce que l'érosion des sols, le transport et le dépôt de ces poussières ont des conséquences énormes sur l'homme et son environnement. Nous pouvons citer par exemple :

+ Le problème de la désertification dans les zones sources; + La possibilité d'engendrer des modifications climatiques; + L'enrichissement des zones puits;

+ La diminution de la visibilité et ses conséquences sur les

moyens transports (Problème de transport aérien...);

+ Les dégâts causés par les tempêtes de poussières sur la jeune

végétation, le bétail ou les constructions;

+ La contamination de l'eau potable et de la nourriture.

3.6. Mouvement d'un grain de sable

3.6.1. Mouvement de reptation et de saltation

Le vent en soufflant sur un lit de sable, est capable de mettre en mouvement certains grains. Il peut donc éroder la surface et influencer le relief. Réciproquement, si le relief de la dune est assez important, la structure de l'écoulement aérien peut être fortement modifiée (www7).

Comment fait le vent pour déloger des grains de sable ? Comment fait-il pour transporter des grains sur plusieurs centaines de kilomètres, pour ensuite les déposer ? Simplement car comme tout fluide, l'air exerce une force sur les grains. Si elle est assez forte, elle peut dépasser le poids d'un grain et donc le soulever. Bien sur, tous les grains ne volent pas, et parfois le vent est seulement capable de les pousser sur le sol : ils roulent ou sautille, c'est ce qu'on appelle le mouvement de Réptation ou traction. De tels grains sont aussi appelés reptons. Si le vent souffle assez fort, les reptons peuvent, à la faveur d'un choc contre un grain ou d'une fluctuation de vitesse du vent, être élevé un peu plus dans l'air. D'une dizaine de centimètres tout au plus. Là l'écoulement de l'air est plus rapide et le grain est accéléré par le vent. Cependant, la gravité jouant son rôle comme d'habitude, le grain n'a d'autre choix que de retomber sur le sol. Lors du choc, le grain rebondit et est capable de remonter assez pour être de nouveau accéléré et de continuer le même mouvement. C'est ce qu'on appelle la Saltation, les grains s'appelant alors des saltons (voir figure 15).

Figure 15 : Mouvement du sable (www8)

Au total, entre les reptons et les saltons, le vent transporte du sable, ce qui définit un flux de sable (un nombre de grains qui traversent une surface unité pendant une seconde). Lorsque le vent transporte autant de grains que possibles, on parle de flux saturé. Cette saturation est "obligatoire": déplacer des grains de sables coûte de l'énergie et évidemment l'énergie dont dispose le vent est limitée. Remarquons au passage que les gros grains, plus lourds, sont plus difficile à déplacer et donc que le transport éolien a tendance à trier les grains de manière sélective. Dans le désert, on trouve en général des grains de sable qui ont un diamètre de l'ordre de 250 um. Il y a eu de nombreuses expériences à propos des deux types de mouvement et de leurs différences. Il en ressort, que les reptons sont bien plus nombreux que les saltons, mais qu'ils vont moins vite. Le flux de reptons est alors de l'ordre d'une fraction du flux se saltons. De plus, logiquement, plus le vent est fort, plus le flux de sable augmente.

En ce qui concerne les saltons, notamment, les multiples recherches ont permis de dégager les caractéristiques suivantes : La longueur d'un saut d'un saltons, appelée longueur de saltation est de l'ordre du mètre pour un vent moyen de l'ordre de 5 m/s à 10 cm du sol. L'angle que fait la trajectoire avec l'horizontal lors de l'impact est de l'ordre de 10 degré et fluctue peu. Ce dernier point est important. En effet suivant la valeur de cet angle, le choc est plus ou moins violent et l'énergie du choc se transmet plus ou moins bien aux grains immobiles en surface. Ainsi, plus l'angle d'impact est important plus la transmission de quantité de mouvement aux futurs reptons se fait bien. Ainsi, le flux de reptons varie selon l'angle d'incidence des saltons. C'est ce phénomène qui permet d'appréhender simplement la création des rides de sables. Ces rides de sables s'étalent sur plusieurs mètres dans une direction perpendiculaire au vent et s'élèvent sur quelques centimètres tout au plus. Elles sont séparées entre elles d'une distance de l'ordre de la dizaine de centimètre.

Au niveau du défaut, l'angle d'impact des grains en saltations va varier, puisque la surface n'est plus plane. Ainsi, on distingue la zone exposée où l'angle relatif d'impact par rapport à la surface est plus élevé que dans la zone "normale". Ici, le flux de grains en reptation est donc plus important que dans la zone normale. De même, il existe également une zone abritée, où cette fois, l'angle d'impact relatif est plus petit, et donc le flux de reptons également. L'existence de ces trois valeurs différentes de flux entraîne directement la propagation et l'amplification du défaut. En effet, comme il y a plus de grains qui grimpent sur la zone exposée que de grains qui quittent la zone abritée, le défaut augmente en hauteur. Mais ce n'est pas tout. Il y a aussi moins de grains qui arrivent en amont de la zone exposée qu'il y en a qui la grimpent, donc un creux se forme en amont du défaut. Pareillement, il y a moins de grains qui arrivent de la zone abritée que ceux qui parcourent la zone normale en aval du défaut, et un creux apparaît aussi en aval. De proche en proche, le défaut progresse, et on arrive ainsi au développement spatial de l'instabilité : En attendant suffisamment longtemps, le sol n'est plus plat, mais parcouru par des petites rides.

3.6.2. Formation d'une dune

Ces dernières se déplacent, sous l'action du vent, par saltation des particules sur le dos de la dune; elles viennent se déposer sur le front de la dune, soit par avalanche, soit parce qu'elles sont piégées par le tourbillon que fait le vent à l'avant de la dune. C'est ce qui cause la structure interne en laminae parallèles inclinées qui indique le sens du déplacement de la dune.

Le sable transporté par le vent s'accumule sous forme de dunes .

Figure 16 : Dune de sable

Nous connaissons tous, les étendues majestueuses de dunes ressemblant à une mer de sable dans le désert. Leurs formes répétitives modelées par le vent couvrent d'immenses surfaces et leurs déplacements menacent aussi bien les zones de cultures que les routes ou même les villes. Malgré cela, le mouvement des dunes était encore très mal compris, faute d'équations rendant compte des mouvements superficiels des grains de sable sous l'action hydrodynamique du vent. En effet, il est hors de question de suivre les trajectoires de chacun de 10¹⁰ à 10¹² grains d'une dune. Pourtant, grâce à une meilleure compréhension de la physique des milieux granulaires et grâce à la puissance des moyens informatiques actuels, il est aujourd'hui possible de déterminer des équations de mouvement et de les appliquer pour prédire l'évolution des dunes.

Les dunes les plus simples ont une forme de croissant (voir figure 17). Elles se forment dans des conditions particulières avec des volumes de sable limités et se déplacent sur un substrat stable sous l'action d'un vent qui vient toujours de la même direction. Leur crête sépare le dos de la dune, incliné de 5 à 20° et le front nettement plus raide (32 à 35 °) qui se prolonge par deux cornes dans la direction du vent.

Figure 17 : Forme d'une dune (d'après Hermann et Rognon)

Il est donc nécessaire pour comprendre l'évolution et la forme d'une dune, de connaître celle du champ de vent correspondant. Celui-ci est en général dans un régime turbulent en trois dimensions développé à toutes les échelles autour de la topographie dunaire. Mais en moyenne, le profil de vitesse en fonction de la hauteur suit une loi logarithmique établie depuis Prandtl en 1925, avec, à sa base, une "couche-limite" dans laquelle l'écoulement est essentiellement laminaire où les grains sont arrachés et transportés.

Le cisaillement qu'exerce le vent sur le sable à la surface de la dune génère l'écoulement du sable. Cet écoulement, étudié en détail par le brigadier britannique Bagnold (1954) pendant et après la deuxième guerre mondiale, s'effectue sous trois formes différentes : la suspension pour les tout petits grains, inférieurs à 50 microns, le «reptation» pour les grains les plus lourds et la «saltation", un mécanisme très particulier où les grains suivent des trajectoires balistiques, entraînés par le vent ou éjectés par l'impact de grains antérieurs. Un grain éjecté est accéléré en fonction du gradient de vitesse des vents et, lors de son impact il éjecte un certain nombre de nouveaux grains qui à leur tour entraînent le départ de nouvelles particules. Cette réaction en chaîne fait que le nombre de particules en saltation augmente exponentiellement jusqu'à une certaine saturation au delà de laquelle le vent serait trop ralenti par la perte de moment liée au transport des particules. Mais le processus entier de la saturation n'avait jamais été pris en compte avant le travail de Sauermann (2001), qui montre comment la saltation s'amplifie jusqu'à la saturation. On définit une longueur caractéristique l qui est un multiple du saut individuel d'un grain (comprise entre 10 et 20 mètres) et s'avère d'être de l'ordre de la taille de la dune. Les grains peuvent passer au-delà de la dune, tandis que si l est plus petit, les grains sont piégés derrière la dune et participent ainsi à sa progression. D'où cette ambiguïté : la dune piège le sable et c'est le sable piégé qui participe à l'édification de la dune.

PARTIE B

MODELISATION ET PREVISION

DES PHENOMENES

DE SABLE

Chapitre IV : CLIMATOLOGIE DU PHENOMENE Chapitre V : LE MODELE GOCART DE NASA Chapitre VI : PREVISION MENSUELLE DU SABLE

Chapitre IV
CLIMATOLOGIE DU PHENOMENE

1. TYPOLOGIE ET GENESE DES LITHOMETEORES

Connu depuis très longtemps sous le nom de vents de sable (Dubief, 1952, 1953), les lithométéores constituent des types de temps caractéristiques des latitudes arides et semi -arides. L'Atlas international des nuages (OMM, 1973) définit le lithométéore comme un météore consistant en un ensemble de particules dont la plupart sont solides et non aqueuses et qui se trouvent plus ou moins en suspension dans l'atmosphère ou soulevées par le vent. Les chasses sable et les tempêtes de sable caractérisent un phénomène qui associe pleinement la dynamique éolienne et le transport des particules.

Les définitions de ces phénomènes régionaux sont relatées par le recueil des codes météorologiques et se présentent ainsi :

· Chasse - sable ($) : " poussière ou sable soulevés par le vent au point d'observation ou à ses alentours au moment de l'observation, mais absence de tourbillon et pas de tempête de poussière ou de sable observée ".

· Tempête de sable (S) : " tempête de poussière ou de sable observée au moment de l'observation en vue du point d'observation ou à ce point pendant l'heure précédente ".

Les phénomènes locaux se caractérisent par une occurrence ponctuelle et se traduisent par des manifestations de tourbillons thermiques ou dynamiques, ou de murs de sable qui représentent les formes les plus simples des lithométéores mais qui restent assez spectaculaires. Les tourbillons de poussière ou de sable sont : " un ensemble de particules de poussière ou de sable, accompagné parfois de petits débris, soulevés du sol sous forme d'une colonne tourbillonnante et de hauteur variable, à axe sensiblement vertical et de faible diamètre ". Lorsque le tourbillon est thermique, il est induit par une instabilité due à un échauffement du sol. Quand il est dynamique, il est généré par l'existence de deux courants de vitesses ou de directions différentes. Le mur de sable n'est pas défini par l'atlas météorologique mais sa formation est évoquée par ce manuel. Il constitue ainsi le bord antérieur d'une tempête de sable ou d'une invasion d'air froid.

2. LA GENESE DES LITHOMETEORES :

Elle est soumise à une dualité climatique et édaphique. Legrand (1990) notait cette dualité qui aboutit à une localisation géographique si l'on considère le facteur pédologique et une caractérisation saisonnière et zonale si l'on prend en compte le paramètre climatique. Coudé-Gaussen (1990, 1991), affirmait la nécessité de tenir compte de la variété lithologique et altérologique des substrats, de la multiplicité des processus de libération des poussières fines, et l'inégale compétence des vents.

a. Le facteur climatique est représenté par le vent couplé à des effets thermiques de basses-couches. Agent redoutable d'érosion, le vent agit selon un cadre multidirectionnel et intervient ainsi dans l'arrachage des sédiments depuis leur structure de base constituée par le sol. Il véhicule ensuite ces particules et les

transporte sur plusieurs centaines et parfois même sur des milliers de kilomètres. La turbulence de l'atmosphère et les systèmes perturbés représentent l'autre élément climatique qui intervient dans l'élaboration des lithométéores. Ils favorisent le soulèvement des particules à différentes échelles spatiales. Cette différence nous permet de distinguer les phénomènes locaux, tourbillons, mur de sable et chasse - sable, des phénomènes régionaux qui s'expriment en nuages de sable et de poussière.

b. Le facteur édaphique est lié à la cohésion des sols qui constituent un substratum régi par différentes forces qui règlent la cohésion interparticulaire et s'opposent aux agressions externes. L'enclenchement du système éolien est étroitement lié à sa capacité d'ablation, à la disponibilité d'un matériel mobilisable et à sa possible prise en charge jusqu'aux zones de dépôts. Le spectre granulométrique d'un vent est fonction de la relation entre la force éolienne et la taille des particules mobilisables.

3. PRESENTATION DE LA ZONE D'ETUDE

La zone à étudier est la Sahara Algérien qui représente près de 85% de la superficie du pays. Cette zone est le siège des soulèvements de sable liés à la dépression saharienne (thermique). Pour notre étude neuf (09) stations du réseau ont été choisies, les caractéristiques de ces dernières figurent dans le tableau x, et qui sont :

1.	Béni-Abbès;		6. In-Aménas;	2.
Djanet;	7. In-Salah;		3.
El-Goléa;	8. Tamanrasset;		4.
Ghardaïa;	9. Timimoun.		5.
Hassi-Messaoud;

Chapitre I V : Climatologie du phénomène 34

36

34

32

30

28

26

24

22

20

B-Abbès

Timimoun

I-Salah

E-Goléa

Ghardaïa

Tamanrasset

H-Messaoud

I-Aménas

Djanet

-8 -6 -4 -2 0 2 4 6 8 10

Figure 18 : Répartition géographique des stations

4. COORDONNEES GEOGRAPHIQUES DES STATIONS

Le tableau suivant donne les coordonnées géographiques des stations

N°	Station	Longitude	Latitude		Altitude (m)	01
Béni-Abbès	02° 10' W	30° 08' N	500		02
Djanet	28° 09' E	16° 24' N	968		03
El-Goléa	02° 52' E	30° 34' N	397		04
Ghardaïa	03° 48' E	32° 24' N	468		05
Hassi-Messaoud	09° 06' E	40° 31' N	142		06
In-Aménas	09° 38' E	28° 03' N	561		07
In-Salah	02° 30' E	27° 14' N	268		08
Tamanrasset	05° 31' E	22° 47' N	1377		09
Timimoun	00° 17' E	29° 15' N	312

Tableau 3 : Coordonnées géographiques des stations

5. LES DONNEES

Dans notre étude, les données sont les occurrences des vents de sable correspondant au qui signifie le nombre total de jours de chasse sable et de tempête de sable, provenant du réseau de l'Office National de la Météorologie (ONM - Algérie).

Le total mensuel du nombre de jours des vents de sable enregistré dans les neuf (09) stations a été relevé sur la période 1968 - 2002 (soit 35 années). La distribution géographique du nombre de jours total du phénomène (figure 19) montre que le centre du Sahara présente la plus forte occurrence, habituellement le siège du centre de la dépression saharienne.

-8 -6 -4 -2 0 2 4 6 8 10

36

34

32

30

28

26

24

22

20

B-Abbés

Timimoun

I-Salah

E-Goléa

Ghardaïa

Tamanrasset

H-Messaoud

I-Aménas

Djanet

Figure 19 : Distribution géographique du nombre total des vents
de sable en Algérie de 1968 à 2002

6. VARIATION ANNUELLE DU PHENOMENE DE SABLE AU SAHARA

Une représentation graphique (graphe :1) met en évidence la variation annuelle du sable dans la région saharienne sur la période allant de 1968 à 2002.

16

14

12

10

4

8

6

2

0

Variation temporelle du Sable (1968 - 2002)

Timimoun I-Aménas I-Salah E-Goléa H-Messaoud Ghardaïa B-Abbès Djanet

Tamanrasset

Graphe 1 : Variation annuelle phénomène de sable au Sahara

Le graphe : 1 représente la variation annuelle du phénomène de sable observé sur les neuf (09) stations météorologiques du Sahara sur la période indiquée (1968-2002); on remarque que ce phénomène se manifeste généralement avec des occurrences élevées au mois de mars, avril, mai et juin et ceci pratiquement pour toutes les stations, ce qui confirme cette période dominante pour le phénomène des vents de sable au Sahara. Des études ont démontré la relation avec l'occurrence et l'amplification de la dépression saharienne (Sahabi et al, 1999).

Les graphes représentant les variations annuelles du phénomène pour chaque station figurent en annexe I. On constate que le maximum d'occurrence se produit au cours de la période allant de mars à juin et ceci pour les neuf (09) stations du Sahara. En annexe II, les variations interannuelles du sable.

En raison de l'étendue et des caractéristiques climatiques de la zone, il est utile de procéder à une régionalisation du phénomène et ceci pour la détermination des régions homogènes. Les méthodes adoptées reposent sur l'Analyse en Composantes Principales (ACP). Elle est utilisée comme méthode d'analyse descriptive. Le but principal de l'ACP est de réduire un grand nombre de variables décrivant un paramètre, en un nombre plus petit de nouvelles variables appelées composantes principales.

La majorité des cas d'application de l'ACP aux données atmosphériques se retrouve dans l'analyse des champs de données, dans le but de décrire la variabilité spatiale ou temporelle du paramètre étudié. Ces cartes sont utilisées après analyse pour en déduire la régionalisation. Cette méthode est très informative.

Dans notre étude, une régionalisation du phénomène du sable fait ressortir quatre (04) régions homogènes; une région au Nord du Sahara (3), une deuxième région à l'Est (4), une troisième à l'Ouest (2),et une dernière au Sud (1), figure 20.

Figure 20 : Régionalisation du sable

Chapitre V
LE MODELE GOCART DE NASA

1. DESCRIPTION DU MODELE ET SIMULATION DU SABLE

Ce modèle a été développé conjointement par le Georgia Institute of Technology et la NASA (Goddard Space Flight Center) et porte sur la chimie et le transport des aérosols.

Le modèle fonctionne avec une résolution horizontale de 2° (latitude) X 2.5° (longitude) et une description verticale de 30 niveaux. Les champs météorologiques utilisés proviennent du système d'assimilation et d'observation GEOS-DAS du GSFCNASA (Schubert, 1993). Ces champs incluent le vent, la température, la pression, l'humidité spécifique, les flux convectifs, la couverture nuageuse, les précipitations, la couche limite atmosphérique et les vents de surface. Le modèle GOCART contient différents modules physiques pour la simulation des aérosols :

· Module d'émission des aérosols

· Module de convection humide

· Module de déposition sèche

· Module de déposition humide

Ces quatre modules sont couplés au modèle météorologique pour fournir une prévision des concentrations d'aérosols par catégorie.

2. SIMULATION DU SABLE PAR LE MODELE GOCART

La simulation du sable à partir du modèle GOCART est décrite par Ginoux (2001). L'identification des sources de sable nécessite une approche qui combine les conditions physiques du sol et les conditions atmosphériques. Ainsi, la zone source de sable est construite comme une probabilité de soulèvement d'aérosols à partir d'une dépression topographique. Le modèle GOCART obtient des résultats satisfaisants sur les principales régions sources du monde : Sahara, Sahel, désert de Gobi, désert d'Arabie, désert d'Australie et d'Amérique du Sud. L'émission du sable à partir de la source est calculée en fonction de la vitesse du vent de surface et de l'humidité de surface. Pour caractériser le sable, les particules dont le rayon moyen se situe entre 0.1 et 6 ìm sont prises en compte. Cette plage est divisée en 7 catégories : (0.1 - 0.18 ìm) ; (0.18 - 0.3 ìm) ; (0.3 - 0.6 ìm) ; (0.6 - 1 ìm) ; (1 - 1.8 ìm) ; (1.8 - 3 ìm) ; (3 - 6) ìm (Tegen et al, 1996).

Le flux d'émission Fp pour un groupe d'ordre p parmi les 7 catégories s'exprime par :

Fp = C . S . Sp . (u

10) . (u10 - u t ) 2

Fp s'exprime en ìgm^-2s^-1 u10 = vent à 10 m

C = constante d'émission (1 ìgm^-2s^-1) ut = seuil critique de vitesse d'érosion

S = fonction de probabilité

Sp = fraction du groupe d'ordre p dans le sol

EPAISSEUR OPTIQUE D'AEROSOLS (AOT)

L'épaisseur optique est calculée à partir des indices de réfraction, de la taille des particules et de leurs propriétés hygroscopiques. On suppose que les diamètres suivent une loi log-normale. La relation entre l'épaisseur otique (AOT) et la masse d'aérosols (par unité de surface) s'exprime par :

'r = 3 . Q . M / 4 . p (r_e )

où r_e est le rayon effectif des particules et Q le coefficient d'extinction calculé à partir de la théorie de Mie.

On peut utiliser une autre forme : 'r = J3 . Md où J3 = 3 . Q . M / 4 . p . r_e . Md (on constate que J3 = 'r / Md = AOT / masse sèche d'aérosols )

COMPARAISON DES SORTIES DU MODELE GOCART AVEC LES CARTES REELLES DU PHENOMENE DE SABLE (ANNEXE III)

Les simulations globales du modèle GOCART indiquent des concentrations maximales sur le Sahara et le désert de Gobi. Comparé aux autres types, le sable est l'aérosol prédominant sur l'Afrique du Nord, l'Atlantique tropical Nord, l'océan indien et la région de la Chine du Nord et de la Mongolie. Dans ces régions, le sable contribue pour 60 à 80% de l'AOT.

Les sorties du modèle GOCART sont comparées aux données AVHRR et TOMS qui sont des mesures satellitales des aérosols respectivement en visible et en ultraviolet. Le modèle et les données TOMS confirment les valeurs élevées de l'AOT qui persistent sur l'Afrique du Nord.où le sable est prédominant. Le modèle confirme les observations par satellite sur le déplacement des nuages de poussières d'Afrique du Nord sur l'Atlantique. Par contre, il existe un désaccord sur le gradient latitudinal sur l'océan entre le modèle (gradient fort) et les observations par satellite (faible).

La distribution régionale est analysée par une comparaison quantitative sur des régions spécifiques dont l'Afrique.

Enfin, les résultats du modèle sont confrontées aux données issues du réseau de photométrie AERONET qui est un programme global lancé en 1993 sur une douzaine de sites pour en atteindre une centaine actuellement. Le réseau AERONET fournit l'AOT pour 8 longueurs d'onde de 340 à 1020 nm. Ces données servent à valider les données satellitales ainsi que le modèle couplé GOCART.

AERONET (Aerosol Robotic Network) est un réseau terrestre d'instruments optiques de mesure des aérosols avec une archive de données gérées par la NASA. Les mesures des aérosols qui correspondent à l'ensemble des particules solides ou liquides en suspension dans l'air, permettent de mieux connaître les changements atmosphériques et de suivre la qualité de l'air. L'AERONET est un système de réseau de photo-radiomètres supervisé par la NASA en collaboration avec un nombre d'agences et d'institutions à travers le monde.

Figure 21 : Réseau AERONET (Aerosol Robotic Network)

Chapitre VI
PRE VISION MENSUELLE DU SABLE

Notre objectif est de prévoir le nombre de jours probable d'occurrence de phénomènes de sable pour un mois donné à des échéances allant de un à deux mois et ceci pour les neuf stations du Sud Algérien. Les prédicteurs ciblés dans cette étude sont : l'Epaisseur Optique d'Aérosol (AOT), NINO3, l'indice Atlantique Equatorial (EQA) et le Nord Ouest Atlantique (NWA). Les trois derniers indices expriment des anomalies de la circulation océanique globale.

1. PREDICTEURS

· L'AOT (Aerosol Optical Thickness)

· L'anomalie de la température de surface de l'océan pacifique (NINO3) ;

· L'anomalie de la température de surface de l'océan atlantique (EQA) ;

· L'anomalie de la température de surface de l'océan nord-ouest atlantique (NWA).

Figure 22 : Localisation des prédicteurs (SST)

2. MODELISATION

En général, on dispose de beaucoup de variables parmi lesquelles on voudrait choisir les plus pertinentes du point de vue potentiel prédictif. Le principe de ce choix revient à calculer la corrélation entre le prédictand et chacun des prédicteurs et de ne retenir pour le modèle de prévision que la variable qui fournit la corrélation la plus significative (>0.3 en valeur absolue). Dans beaucoup de cas, on retient non pas le meilleur prédicteur mais le groupe de prédicteurs (2 ou plus) apportant le maximum d'information. On parle en ce moment de corrélation multiple. Puis, on passe à la deuxième étape, qui est la régression linéaire multiple. Dans notre cas, cette méthode statistique linéaire est utilisée pour déterminer les relations existantes entre les fréquences d'occurrence de la chasse-sable et l'AOT avec les anomalies de la

température de surface de la mer et d'utiliser ces dernières pour prévoir les phénomènes de sable . La régression linéaire multiple est donnée par :

Y = a0 + _a1X1 + _a2X2 + _a3X3 + ... + a _n X n

où Y : prédictand

X1, X2, X3, ... ,X_n : valeur du prédictand retenu a0 : constante

a1,a2,a3,... ,a_n : coefficients de régression.

3. MODELES ET RESULTATS OBTENUS

Les prédicteurs utilisés dans cette étude sont : l'Epaisseur Optique d'Aérosol (AOT), NINO3, l'indice Atlantique Equatorial (EQA) et le Nord Ouest Atlantique (NWA).

Les corrélations obtenues entre les fréquences de phénomènes de sable (prédictand) et les prédicteurs indiqués ci-dessus (AOT, NINO3, EQA, NWA) ont été calculés pour chaque station, pour tous les mois de l'année et ceci avec un décalage (lag) d'un (01) et deux (02) mois d'avance.

Les résultats obtenus, pour les mois où le coefficient de corrélation est significatif, montrent qu'il existe un potentiel significatif de prédiction du phénomène du sable. L'influence des SST est très marquée entre les mois de septembre et janvier; ainsi qu'entre les mois de mars et mai. L'influence de l'AOT est importante dans la période d'octobre à décembre.

Les modèles de prévision que nous avons développés reposent sur la méthode de régression linéaire. Le test de signification sur le coefficient de corrélation est calculé à un niveau de 95%.

Le Tableau 4 donne les modèles obtenus avec la régression linéaire multiple pour In Salah et ceci pour tous les mois de l'année avec un mois d'intervalle (Lag 1); les modèles obtenus pour le reste des stations avec un mois (Lag 1) et deux mois d'échéance (Lag 2) figurent en annexe IV.

On remarque dans le tableau suivant que la prévision du nombre de jours de sable à In-salah est meilleure au mois de septembre et au mois de novembre en utilisant les prédicteurs qui sont respectivement l'AOT, NWA(jul) et l'AOT,EQA(sep); avec un niveau de signification de 0.04 et 0.01. Et ce qu'on appelle le "Skill", c'est-àdire la corrélation entre l'observé et le prévu est de 0.98 pour septembre et de 1.00 pour le mois de novembre.

Pour le reste de l'année le skill obtenu varie de 0.45 à 0.98 et le niveau de signification dépasse les 5% d'erreur.

Prévision du Sable à In-Salah avec un mois d'échéance (Lag 1)

Prédictand	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (janvier)	AOT NWA(nov)	S(jan) = 5.39 + [10.5 1 * AOT] - [2.45 * NWA(nov)]	0.73	F = 2.67 P = 0.27	0.85
sable (février)	EQA (déc)	S(fév) = 9.57 + [2.57 * EQA(déc)]	0.5	F = 3.05 P = 0.17	0.71
sable	AOT	S(mars) = - 0.72 + [45.89 * AOT]	0.43	F = 0.76	0.66
(mars)	EQA(jan)	- [7.59 * EQA(jan)]		P = 0.57
sable	AOT	S(avr) = 9.46 + [14.26 * AOT]	0.44	F = 0.44	0.55
(avril)	NWA(fév)	- [4.06 * NWA(fév)]		P = 0.69
sable	AOT	S(mai) = 3 1.40 - [30.80 * AOT]	0.7	F = 7.82	0.85
(mai)				P = 0.06
sable	AOT	S(jun) = - 6.0 + [26.83 * AOT]	0.96	F = 8.23	0.98
	EQA(avr)	+ [9.98 * EQA(avr)]
(juin)	NINO(avr)	+ [0.38 * NINO(avr)]		P = 0.25
sable	AOT	S(jul) = 11.82 - [5.42 * AOT]	0.2	F = 0.7	0.45
(juillet)				P = 0.45
sable	EQA(jun)	S(aout)=13.13 - [3.77*EQA(jun)]	0.75	F = 2.92	0.86
(aout)	NINO(jun)	+ [0.57 * NINO(jun)]		P = 0.26
sable	AOT	S(sep) = 13.73- [14.23 *AOT]	0.96	F = 5.52	0.98
(sept.)	NWA(jul)	- [7.09 * NWA(jul)]		P = 0.04
sable	AOT	S(oct) = 18.09 - [33.42 * AOT]	0.85	F = 5.78	0.92
(oct.)	NWA(aou)	- [0.36 * NWA(aou)]		P = 0.14
sable	AOT	S(nov) = 7.29 - [42.27 *AOT]	0.99	F= 2161	1.00
(nov.)	EQA(sep)	+ [ 8.55 * EQA(sep)]		P = 0.01
sable	AOT	S(déc) = 0.40 + [32.85 * AOT]	0.76	F = 1.6	0.87
(déc.)	NINO(oct)	+ [0.7 * NINO(oct)]		P = 0.48

Tableau 4 : Modèles de prévision du sable pour In-Salah (Lag 1)

4. LE POTENTIEL DE PREVISIBILITE

Après avoir établi tous les modèles de prévision, pour toutes les stations et pour toute l'année, on passe à l'étape suivante qui est la vérification de la performance de ces modèles par la méthode dite « score de la performance » appelée communément "skill". C'est ce skill qui est pris en compte pour pouvoir représenter sur une carte le potentiel de prévisiblité et ceci sans tenir compte du niveau de signification. Une telle carte pourra nous renseigner sur la région sur laquelle nous pouvons établir une prévision fiable.

La figure suivante représente les cartes du potentiel de prévisibilité du sable pour le mois de janvier, à un mois et deux mois d'échéances (Lag 1 et Lag 2). A partir de ces cartes, on peut lire que la prévision est fiable à 80-90% à In-Salah, à Tamanrasset et à Béni-Abbès et ceci avec un décalage d'un mois (Lag 1); pour la 2° carte la prévision du sable est fiable à 90% à Hassi-Messaoud et à Tamanrasset, avec un décalage de deux mois (Lag 2). Pour le reste de l'année voir annexe IV.

Lag 1 Lag 2

Janvier Janvier

-8 -6 -4 -2 0 2 4 6 8 10 -8 -6 -4 -2 0 2 4 6 8 10

36

34

32

30

28

26

24

22

20

Béni_Abbès

Timimoun

In_SaUah

EU_GoUéa

Gahrdaïa

Tamanrasset

H_Messaoud

IN_Aménas

Djanet

28

26

24

22

20

36

34

32

30

Béni Abbès

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H Messaoud

IN_Aménas

Djanet

Figure 23 : Carte du potentiel de prévisibilité pour Janvier à un mois et deux mois d'échéances

CONCLUSION

Ce travail avait pour objectif principal d'établir une relation entre les processus de déclenchement des phénomènes de sable tels qu'ils sont observés sur le Sahara et l'apport des données issues de l'observation spatiale. Les phénomènes de sable sont identifiés à partir des données météorologiques classiques, ce qui permet d'en étudier la répartition spatio-temporelle. Notre analyse confirme l'existence de zones sources et de périodes favorables à l'occurrence des évènements de sable saharien. L'apport des sciences de l'espace est manifeste et des simulations globales montrent l'intérêt d'incorporer ces produits à ceux fournis habituellement par la modélisation de l'atmosphère et du climat. Nous avons ainsi utilisé les sorties d'un modèle global (modèle couplé GOCART, NASA), et il s'avère qu'il existe une relation statistique significative entre les fréquences d'occurrence des phénomènes de sable (tels que mesurés par les stations météorologiques du Sahara) et l'épaisseur optique d'aérosols (AOT), paramètres issu de l'observation spatiale.

Dans le cadre de ce travail, et à partir d'analyses de la climatologie du phénomène sur la période 1968-2002, nous pouvons mettre en évidence la période favorable à son occurrence située entre mars et juin. Le centre du Sahara (région d'In-Salah) présente la plus forte occurrence, habituellement le siège du centre de la dépression thermique saharienne. Au plan spatial, une régionalisation du phénomène du sable fait ressortir quatre régions homogènes: une région au Nord du Sahara, une deuxième région à l'Est, une troisième à l'Ouest et une dernière au Sud saharien.

Nous avons utilisé les résultats du modèle global GOCART de NASA pour identifier une relation entre les données de sol (fréquences d'occurrence du phénomène) et les données spatiales. Le modèle GOCART a été développé conjointement par le Georgia Institute of Technology et la NASA (Goddard Space Flight Center) et porte sur la chimie et le transport des aérosols. Au plan global, le modèle GOCART obtient des résultats satisfaisants sur les principales régions sources du monde dont le Sahara. L'épaisseur optique (AOT) simulée par le modèle a été utilisée comme prédicteur dans notre stratégie de modélisation statistique. Les résultats obtenus, pour les mois où le coefficient de corrélation est significatif, montrent qu'il existe un potentiel significatif de prédiction du phénomène du sable. L'influence des températures de surface océanique (SST) est très marquée entre les mois de septembre et janvier, ainsi qu'entre les mois de mars et mai. L'influence de l'AOT est importante dans la période d'octobre à décembre.

Cette étude montre qu'il est possible d'élaborer des modèles de prévision mensuelle des vents de poussière et de sable en se basant sur l'approche statistique. Les indicateurs tel que l'AOT et les SST ont montré un intérêt particulier. Ces résultats sont encourageants et permettent d'envisager des prolongements scientifiques importants.

En matière d'amélioration des systèmes d'observation, il est clair que l'observation permet de pallier l'insuffisance des réseaux au sol en régions sahariennes. Dans le cas des phénomènes de sable, l'AOT est un paramètre pertinent qu'il faut recueillir et suivre. Cependant, la perspective d'un approfondissement physique de cette problématique nécessitera de mieux caractériser les signatures radiométriques des surfaces désertiques. La cartographie des états de surface au Sahara est un élément clé pour l'identification des zones potentiellement favorables au déclenchement des

phénomènes de sable. Par ailleurs, il sera nécessaire de déterminer les vitesses seuils d'érosion (exemple à partir de Météosat Infrarouge, en utilisant l'indice IDDI -Infrared Difference Dust Index) et d'établir une cartographie de ce paramètre sur les zones sources. Le système AERONET est également une source pertinente de données. Une station AERONET est opérationnelle en Algérie (Blida) et il est recommandé d'étendre ce réseau pour caractériser les régions semi-arides et désertiques.

Dans le domaine de la modélisation, cet axe de recherche s'inscrit dans la thématique du cycle bio-géophysique des aérosols désertiques. Les actions futures doivent viser la modélisation du processus de soulèvement et de transport du sable à plusieurs échelles : locale, synoptique, régionale et planétaire. Cette démarche s'inscrit dans un cadre collaboratif et l'utilisation du modèle global GOCART devrait inciter à des efforts de modélisation régionale sur un domaine couvrant le Sahara et ses marges proches. Les applications de ce type de simulations futures sont nombreuses : agriculture, transport, lutte anti-acridienne, aménagement du territoire. A une autre échelle, et compte tenu du rôle de forçage radiatif du sable sur le climat global, cet axe de recherche pourra s'inscrire dans la perspective d'étude du changement climatique global et de ses impacts régionaux.

REFERENCES BIBLIOGRAPHIQUES

Almeida G. A., 1986.

A model for Saharan dust transport, J. Climate. Ppl. Meteor., 24, p.903-916.

Andreae, M.O., 1994

Climate effects of changing atmospheric levels, in World Survey of Climatology, Vol. XX, Future Climate of the World, A. Henderson-Sellers.

Auvray Marion, 2001/2002.

Modélisation des émissions d'aérosol minéral en zone sahélienne semi- aride, DEA , Université Paris 7.

Bagnold R.A, 1954

Proc. Royal Soc. London 225, 49. Experiments on a gravity-free dispersion of large solid spheres in a Newtonian fluid under shear.

Bergametti G., Gomes L., Remoudaki E., Desbois M., Martin D., and Buat- Ménard P., 1989 a.

Present transport and deposition patterns of African dust to the Northwerstern Mediterranean, in Paleoclimatology and

Paleometeorology : Modern and Past Patterns of global Atmospheric

Transports, by M. Leinen and M. Sarnthein eds., D. Redel, Hingham,

Mass., p. 227-252.

Bergametti G., Gomes L., Coude-Gausse G., Rognon P. and le coustumer M. N., 1989b.

African Dust observed over Canary Is lands : Source-R egions identification and transport pattern for some summer situations, J.Geophys., Vol. 94, p. 14-864.

Bertrand J., Baudet J., Drochon A., 1973.

Importance des aérosols naturels en Afrique de l'Ouest J. R. A, X, N°1, p. 25-43.

Coakley J. A. Jr. And R. D. Cess, 1985.

Response of the NCAR Community Climate Model to the radiative forcing by the naturally occuring tropospherie aerosol, J. Atmos. Sci.,
42, p.1677-1692.

Coude-Gaussen G., 1982.

Les poussières éoliennes sahariennes : Mise au point. Rev. Géomorph. Dyn., 31, p. 49- 69.

Coude-Gaussen G.and Rognon P., 1983.

Les poussières sahariennes, la Recherche, Vol.14, No 147, p. 1050-1062.

Coude-Gaussen G., Rognon P., Bergametti G., Gomes L., Strauss B., Gros J. M. and.Le Coustumer M. N., 1987.

Saharan dust on Fuerteventura Island (Canaries) : Chemical and mineralogical characteristics, air mass trajectoires, and probable sources, J. Geophy. Res., Vol. 92, p.9753 -977 1.

Coude - Gaussen G., 1990.

Les régions sources de poussières au Sahara , Sécheresse, n ° 2,pp 134 - 141.

Coude - Gaussen G., 1991.

Les poussières sahariennes, Mont Rouge France, John Libbey Eurotext,485p.

Delany A. C., Parkin D. W., Griffin J. J., Goldberg E. D. and Reimann B. E. F., 1967.

Airborne dust collected at Barbados, Geochimica et Cosmochimica

Acta, Vol 31, p. 885-909.

Dubief J., 1952.

Le vent et le déplacement du sable au Sahara. Travaux de l'Institut de Recherches Sahariennes. Vol 8, pp 123-164.

Duce.R.A, 1995.

Sources, Distributions and Fluxes of Mineral Aerosol and Their Relationship to Climate, in : Aeroslos Forcing Climate, R.J Charlson and J.Heintzberg, Wiley, New-York.

Dulac F., D. Tanré, G. Bergametti, P. Buat-Ménard, M. Desbois and D. Sutton, 1992.

Assessment of the african airborne dust mass over the western

mediterranean sea using Meteosat data. J. Geophys. Res.

Gillette D. A., 1981.

Production of dust that may be carried great distances, Geol. Soc. Amer., Special Paper 186, p. 11-26.

Gillette et al. 1998.

Modélisation de la production d'aérosols minéraux par érosion éolienne

Ginoux, P., M. Chin, I. Tegen, J. Prospero, B. Holben, O. Dubovik, and S.-J. Lin, 2001.

Sources and distributions of dust aerosols simulated with the GOCART model. J. Geophys. Res., 106, 20 225-20 273.

Goudie A. S., 1978.

Dust storms and their geomorphological implications. J.Arid. Env. vol. 1, p. 291-3 10.

Griffin J. J., Windom H. and Goldberg E. D., 1968.

The distribution of clay minerals in the world oceans, Deap Sea Research.,Vol. 51, p. 433-459.

Harrison.J , 1995.

La Prévision Mensuelle dans les Régions Extratropicales, OMM, Vol.43, 216-221.

Houghton, J. T., L. G. Meira Filho, J. Bruce, Hoesung Lee, B. A. Callander, E. Haites, N. Harris, and K. Maskell, Eds., 1995.

Climate Change 1994: Radiative Forcing of Climate Change and An Evaluation of the IPCC IS92 Emission Scenarios. Cambridge University Press, 339 pp.

IPCC (Intergovernemental Panel on Climate Change), Climate Change The Science of Climate Change, Contribution of Working Group I to

the Second Assessment of the Intergovernmental Panel on Climate Change, 1995

IPCC (Intergovernemental Panel on Climate Change), Climate Change The Scientific Basis, Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate

Change (IPCC), 2001

Jaenicke R. and Schütz L., 1978.

Comprehensive study of physical and cemical properties of the surface aerosols in the Cape Verde Island region, J. Geophys. Res.,83, p. 25 85- 25 99.

Jankowak et Tanré, 1992.

Les aérosols désertiques dans "les climats subtropicaux et leur évolution : de l'évolution spatiale à la modélisation, p. 496-5 17.

Jungle C., 1979.

The importance of mineral dust as an atmospheric constituent, in Sahara dust mobilization, transport, deposition, Ed C. Morales, scope Report 14, Swedish Natural Science Research Council, Wiley, Chichester, p.49-60.

Laurent.B, 2002.

Simulation des émissions d'aérosol minéral depuis les déserts

de chine, DEA,2002, Laboratoire Interuniversitaire des Systèmes Atmosphériques (LISA), France.

Legrand M., 1990.

Etudes des aérosols sahariens au-dessus de l'afrique à l'aide du canal

à 10 microns de Météosat : Visualisation, Interprétation et Modélisation. Thèse de doctorat d'état n^o 787, Université des sciences et techniques de Lille.

Lundholm B.,1979.

Ecology and dust transport in Sahara dust : Morales, Scope Report 14, Swedish. Natural Science Research Council, Wiley, Chichester, p.61 -71.

Marticona.B, Chatenet.B, Chiapello.I, Menut.L, Moulin.C, Schmechtig.S; Mise au point et validation d'un modèle régional d'aérosols désertiques adopté à l'étude des variations saisonnières et interannuelles sur le

sahara et le sahel - couplage avec les observations satellitaires;

Laboratoire Interuniversitaire des Systèmes Atmosphériques (LISA), France .

Péwé T. L., 1981.

Desert dust / Origin, Characteristics, and effect on man. Geol. Soc. Amer. Special Paper 186, p.1-10.

Prospero J. M., Savoie D. L., Carlson T. N. and Ness R. T., 1979. Monitoring saharan aerosol transport b means of atmospheric turbidity measrements. Ed C. Morales, scope Report 14, Swedish Natural Science Research Council, Wiley, Chichester, p. 171-186.

Prospero J. M., 1981.

Eolian transport to the word ocean, in the Sea, vol.7, the Oceanic Lithosphere, Edited by C. Emiliani, Wiley Interscience, New York, p.801 -874.

Prospero J. M. and Ness R. T., 1986.

Impact of the North African drought and El-Nino mineral dust in the Barbados trade winds, Nature, 320, p. 735-738.

Prospero J. M., 1990.

Mineral-aerosol transport to the North Atlantic and North Pacific :

the impact of African and Asian sources, in the long-rang Atmospheric Transport of Naturel and Contaminnt Substances, A. H Knap eds., Kluwer Academic Publishers, p. 59-86.

Sahabi Abed Salah et Senouci Mohamed, 1999.

Prévision saisonnière des phénomènes de sable au Sahara cas de : la Mauritanie et l'Algérie

Sauermann .G, Kroy .K, and Herrmann.H.J; 2001.

Saturation Transition in Saltation and their Implications of Dunes Shapes.

Schubert, S. D., R. B. Rood, and J. Pfaendtner, 1993.

An assimilated dataset for earth science applications. Bull. Amer. Meteor. Soc.,74, 2331-2342.

Schütz L., 1979.

Saharan dust transport over the North Atlantic ocean-Model

calculations and measurements, Ed. C. Morales, scope Report 14,

Swedish Naturel Science Research Council, Wiley, Chichester, p. 267-279.

Tegen, I., and A. Lacis, 1996.

Modeling of particle size distribution and its influence on the radiative properties of mineral dust aerosol. J. Geophys. Res., 101, 19 237-19 244.

Yaalon D. H. and Ganor E., 1979.

East mediterranean trajectoires of dust carrying storms from the Sahara and Sinaï. Ed. C. Morales, Scope Report 14, Swedish Natural Science Research Council, Wiley, Chichester, p. 187-196.

Zhang.X.Y, 1997.

Dust emission from Chinese desert sources linked to variations in atmospheric circulation, Geophys., 1997.

SITES WEB

www1: http://perso.wanadoo.fr/denepoux/desert/chapitre/c1.html

www2: http://perso.wanadoo.fr/denepoux/desert/chapitre/c2.html

www3: http://www.u-picardie.fr/~beaucham/cours-sed/sed-5x.htm

www4: http://www.ulg.ac.be/geolsed/processus/processus.htm

www5: http://www.gov.on.ca/OMAFRA/french/engineer/facts/89- 064.htm

www6: http://www.ggl.ulaval.ca/personnel/bourque/s3/vent.html

www7: http://www.lps.ens.fr/~hersen/data_ns/dunes/intro/intro001.html

www8: http://www.lps.ens.fr/~hersen/data_ns/dunes/intro/intro002.html

ANNEXES

ANNEXE I	:
ANNEXE II	:
ANNEXE III	:
ANNEXE IV	:
ANNEXE V	:

VARIATION ANNUELLE DU SABLE (1968-2002)

VARIATION TEMPORELLE DU SABLE ET DE L'AOT COMPARAISON DES SORTIES DU MODELE GOCART AVEC LES CARTES REELLES DU PHENOMENE DE SABLE

POTENTIEL DE PREVISIBILITE DU SABLE

MODELES DE PREVISION AVEC LAG

_ 1 ET LAG_2

ANNEXE I

VARIATION ANNUELLE DU SABLE (1968-2002)

Variation annuelle du sable (1968 - 2002)

14.0

10.9

12.0

9.2

10.0

8.1

7.4

8.0

6.0

5.9

6.0

4.3

4.0

2.0

0.0

Variation annuelle du sable à In-Salah (1968-2002)

11.9 12.8

10.3 10.9

9.5

6.0

4.7

4.6

5.0

3.8

3.6

4.0

3.0

2.1

2.0

1.3

1.0

0.0

Variation annuelle du sable à Béni-Abbès (1968 - 2002)

2.3 2.4 2.3

1.5 1.5 1.5

à In-Salah et à Béni-Abbès

Variation annuelle du sable (1968 - 2002)

15.1 14.0

16.0

14.0

12.1

11.8

12.0

10.0

8.6 8.4 8.6

7.9

7.2

8.0

5.5 5.3

5.7

6.0

4.0

2.0

0.0

Variation annuelle du sable à Timimoun (1968-2002)

3.5

3.0

3.1

2.7

3.0

2.5 2.7

2.5

2.0

2.0

1.5

1.5

0.8 0.8

1.0

0.5

0.4

0.2

0.5

0.0

Variation annuelle dusable à Tamanrasset (1968-2002)

à Timimoun et à Tamanrasset

Variation annuelle du sable (1968-2002)

16.0

13.6

14.0

11.5

12.0

10.3

9.3

10.0

7.0

8.0

5.7

5.7

5.9 5.1

6.0

3.8

3.3 3.6

4.0

2.0

0.0

Variation annuelle du sable à In-Aménas (1968-2002)

12.0

10.7 9.8

9.2

10.0

8.2

8.0

6.5

6.5

6.0

3.9 4.7

4.7

4.2

2.9 3.3

4.0

2.0

0.0

Variation annuelle du sable à Goléa (1968-2002)

à In-Aménas et à El-Goléa

Variation annuelle du sable (1968-2002)

10.0

8.5 7.9

8.0

6.4

5.9

6.0

4.1

3.9

3.2 2.8

4.0

2.5

2.0

0.0

Variation annuelle du sable à Hassi-Messaoud (1968-2002)

2.82.7 2.4

8.0

6.7 6.9

6.3

7.0

5.5

6.0

4.9

4.1

5.0

3.9

3.7

4.0

2.8

2.4

3.0

2.0 2.2

2.0

1.0

0.0

Variation annuelle du sable à Ghardaïa (1968-2002)

à Hassi-Messaoud et à Ghardaïa

4.0

6.0

5.0

3.0

2.0

0.0

1.0

0.6

Variation annuelle du sable à Djanet (1968-2002)

1.3

2.9

3.7 3.9

2.8 2.5

1.

1.9

0.8 0.4 0.3

Variation annuelle du sable (1968-2002)

à Djanet

ANNEXE II

VARIATION TEMPORELLE DU SABLE ET DE L'AOT

Variation temporelle du sable et de l'AOT

25

0.8

0.7

20

0.6

0.5

15

0.4

10

0.3

0.2

5

0.1

0

0

Variation temporelle du Sable & de l'AOT
(1990, 1996, 1997, 2000 et 2001)
à Aïn-Salah

Jour de sable AOT

Jour
AOT

14

0.9

0.8

12

0.7

10

0.6

8

0.5

0.4

6

0.3

4

0.2

2

0.1

0

0

Variation temporelle du Sable & de l'AOT
(1990, 1996, 1997, 2000 et 2001)
à Béni-Abbès

à In-Salah et à Béni-Abbès

25

0.9

0.8

20

Jour
AOT

0.7

0.6

15

0.5

0.4

10

0.3

0.2

5

0.1

0

0

Variation temporelle du Sable & de l'AOT
(1990, 1996, 1997, 2000 et 2001)
à Timimoun

Jour
AOT

6

0.8

0.7

5

0.6

4

0.5

3

0.4

0.3

2

0.2

1

0.1

0

0

Variation temporelle du Sable & de l'AOT
(1990, 1996, 1997, 2000 et 2001)
à Tamanrasset

Variation temporelle du sable et de l'AOT
à Timimoun et à Tamanrasset

Jour AOT

25

0.7

0.6

20

0.5

15

0.4

0.3

10

0.2

5

0.1

0

0

Variation temporelle du Sable & de l'AOT
(1990, 1996, 1997, 2000 et 2001)
à In-Aménas

Jour
AOT

16

0.8

14

0.7

12

0.6

10

0.5

8

0.4

6

0.3

4

0.2

2

0.1

0

0

Variation temporelle du Sable et de l'AOT
(1990, 1996, 1997, 2000 et 2001)
à El-Goléa

Variation temporelle du sable et de l'AOT
à In-Aménas et à El-Goléa

Jour
AOT

14

0.9

0.8

12

0.7

10

0.6

8

0.5

0.4

6

0.3

4

0.2

2

0.1

0

0

Variation temporelle du Sable & de l'AOT

(1990, 1996, 1997, 2000 et 2001)

à Hassi-Messaoud

12

0.8

Jour
AOT

0.7

10

0.6

8

0.5

0.4

6

0.3

4

0.2

2

0.1

0

0

Variation temporelle du Sable & de l'AOT

(1990, 1996, 1997, 2000 et 2001)
à Ghardaïa

Variation temporelle du sable et de l'AOT
à Hassi-Messaoud et à Ghardaïa

25

20

15

10

5

0

Variation temporelle du Sable et de l'AOT
(1990, 1996, 1997, 2000 et 2001)
à Djanet

Jour
AOT

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

Variation temporelle du sable et de l'AOT
à Djanet

ANNEXE III

COMPARAISON DES SORTIES DU MODELE
GOCART AVEC LES CARTES
REELLES DU PHENOMENE DE SABLE

-8 -6 -4 -2 0 2 4 6 8 10 12

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

Janvier 1996

-8 -6 -4 -2 0 2 4 6 8 10 12

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

Février 1996

Mars 1996

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

-8 -6 -4 -2 0 2 4 6 8 10 12

Avril 1996

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

-8 -6 -4 -2 0 2 4 6 8 10 12

Mai 1996

36

34

32

30

28

26

24

22

20

Béni _Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

-8 -6 -4 -2 0 2 4 6 8 10 12

Juin 1996

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

-8 -6 -4 -2 0 2 4 6 8 10 12

-8 -6 -4 -2 0 2 4 6 8 10 12

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

Juillet 1996

Août 1996

28

26

24

22

20

36

34

32

30

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

-8 -6 -4 -2 0 2 4 6 8 10 12

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Septembre 1996

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

-8 -6 -4 -2 0 2 4 6 8 10 12

-8 -6 -4 -2 0 2 4 6 8 10 12

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

Octobre 1996

-8 -6 -4 -2 0 2 4 6 8 10 12

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

Novembre 1996

Décembre 1996

-8 -6 -4 -2 0 2 4 6 8 10 12

36

34

32

30

28

26

24

22

20

Béni_Abbès

Béchar

Adrar

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

El_Oued

Illizi

IN_Aménas

Djanet

ANNEXE IV

POTENTIEL DE PREVISIBILITE DU SABLE

Annexe IV : Potentiel de pré visibi lté 74

POTENTIEL DE PREVISIBILITE DU SABLE

Janvier

Janvier

Février

Février

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

32

Timimoun

30

Timimoun

28

InSalah

In_Salah

26

36

34

H_Messaoud

IN_Aménas

Gahrdaïa

Gahrdaïa

H_Messaoud

Béni_Abbès

El_Goléa

Béni Abbès

El_Goléa

IN_Aménas

Djanet

Djanet

24

24

Tamanrasset

Tamanrasset

22

20

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

22

20

36

34

32

30

28

26

36

34

32

30

28

26

24

22

20

Béni_Abbès

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

IN_Aménas

Djanet

36

34

32

30

28

26

24

22

20

Béni_Abbès

Timimoun

In_Salah

El_Goléa

Gahrdaïa

Tamanrasset

H_Messaoud

IN_Aménas

Dja net

UN (01) MOIS D'ECHEANCE DEUX (02) MOIS D'ECHEANCE

POTENTIEL DE PREVISIBILITE DU SABLE

Mars

Mars

32

Timimoun

30

Ln_Salah

28

26

Avril

36

Avril

36

34

34

Gahrdaïa

Gahrdaïa

H_Messaoud

32

El_Goléa

El_Goléa

Béni_Abbès

Béni_Abbès

Timimoun

30

Timimoun

LN_Aménas

Ln _Salah

28

Ln_Salah

H_Messaoud

LN_Aménas

26

24

26

Djanet

24

Djanet

Tamanrasset

Tamanrasset

22

20

-8 -6 -4 -2 0 2 4 6 8 10

20

-8 -6 -4 -2 0 2 4 6 8 10

22

32

30

28

36

34

H_Messaoud

Timimoun

Ln_Salah

Gahrdaïa

Gahrdaïa

H Messaoud

Béni _Abbès

El_Goléa

Béni_Abbès

El_Goléa

LN_Aménas

LN_Aménas

24

Djanet

24

Djanet

Tamanrasset

Tamanrasset

22

20

22

20

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

36

34

32

30

28

26

UN (01) MOIS D'ECHEANCE DEUX (02) MOIS D'ECHEANCE

Annexe IV : Potentiel de pré visibi lté 76

POTENTIEL DE PREVISIBILITE DU SABLE

Mai

Mai

36

34

Gahrdaïa

Gahrdaïa

32

H_Messaoud

El_Goléa

El_Goléa

Béni _Abbès

Béni_Abbès

30

Timimoun

Timimoun

IN_Aménas

28

In_Salah

In_Salah

H_Messaou d

IN_Aménas

26

26

Djanet

Djanet

24

24

Tamanrasset

Tamanrasset

22

20

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

22

20

36

34

32

30

28

Juin

Juin

36

34

Gahrdaïa

Gahrdaïa

H_Messaoud

32

El_Goléa

Béni_Abbès

30

Timimoun

Timimoun

IN_Aménas

El _Goléa

Béni _Abbès

H_Messaoud

IN_Aménas

In_Salah

28

26

Djanet

Djanet

24

24

Tamanrasset

Tamanrasset

22

20

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

22

20

32

30

28

26

In_Salah

36

34

UN (01) MOIS D'ECHEANCE DEUX (02) MOIS D'ECHEANCE

POTENTIEL DE PREVISIBILITE DU SABLE

Juillet

Juillet

Août

Aout

36

34

Gahrdaïa

Gahrdaïa

32

H_Messaoud

El_Goléa

El_Goléa

Béni_Abbès

Béni_Abbès

30

Timimoun

Timimoun

IN_Aménas

28

In_Salah

In_Salah

H_Messaoud

IN_Aménas

26

26

Djanet

24

Djanet

24

Tamanrasset

22

22

20

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

Tamanrasset

36

34

32

30

28

20

36

34

34

36

Gahrdaïa

Gahrdaïa

32

H_Messaoud

El_Goléa

El_Goléa

Béni_Abbès

Béni_Abbès

30

Timimoun

Timimou n

IN_Aménas

28

In_Salah

In_Salah

H_Messaoud

IN_Aménas

26

Djanet

24

22

20

-8 -6 -4 -2 0 2 4 6 8 10

Djanet

24

22

20

-8 -6 -4 -2 0 2 4 6 8 10

26

Tamanrasset

Tamanrasset

32

30

28

UN (01) MOIS D'ECHEANCE DEUX (02) MOIS D'ECHEANCE

Annexe IV : Potentiel de pré visibilté 78

POTENTIEL DE PREVISIBILITE DU SABLE

Septembre

Septembre

Octobre

Octobre

36

34

34

36

Gahrdaïa

Gahrdaïa

H_Messaoud

32

El_Goléa

El_Goléa

Béni_Abbès

Béni_Abbès

Timimoun

30

Timimoun

IN_Aménas

In_Salah

28

In_Salah

H_Messaoud

IN_Aménas

26

24

26

Djanet

Djanet

Tamanrasset

24

Tamanrasset

22

22

20

20

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

32

30

28

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

36

36

34

34

Gahrdaïa

Gahrdaïa

32

H_Messaoud

32

El_Goléa

Béni _Abbès

30

30

Timimoun

Timimoun

IN_Aménas

28

28

In_Salah

In_Salah

26

26

Djanet

Djanet

24

24

Tamanrasset

Tamanrasset

22

22

20

20

El_Goléa

Béni_Abbès

H_Messaoud

IN_Aménas

UN (01) MOIS D'ECHEANCE DEUX (02) MOIS D'ECHEANCE

Annexe IV : Potentiel de pré visibi lté 79

POTENTIEL DE PREVISIBILITE DU SABLE

Novembre

Novembre

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

Décembre

Décembre

36

34

Gahrdaïa

Gahrdaïa

32

H_Messaoud

El_Goléa

El_Goléa

Béni_Abbès

Béni_Abbès

30

Timimoun

Timimoun

IN_Aménas

28

In_Salah

In_Salah

H_Messaoud

IN_Aménas

26

24

26

Djanet

24

Djanet

Tamanrasset

22

22

20

20

-8 -6 -4 -2 0 2 4 6 8 10

-8 -6 -4 -2 0 2 4 6 8 10

Tamanrasset

36

34

32

30

28

36

36

34

34

Gahrdaïa

Gahrdaïa

H_Messaoud

32

32

El_Goléa

El_Goléa

Béni_Abbès

Béni_Abbès

30

30

Timimoun

Timimoun

IN_Aménas

28

28

In_Salah

In_Salah

26

26

Djanet

Djanet

24

24

Tamanrasset

Tamanrasset

22

22

20

20

H_Messaoud

IN_Aménas

UN (01) MOIS D'ECHEANCE DEUX (02) MOIS D'ECHEANCE

ANNEXE V

MODELES DE PREVISION
(LAG 1) ET (LAG 2)

BENI-ABBES avec un mois d'échance (Lag 1)

Prédictant		Prédicteur		Modèles		R^2		ANOVA		Skill
sable (jan)		AOT EQA(nov) NINO(nov)		S(jan) = 1.95 + (16.28 * AOT) - (7.73 * EQA(nov)) + 0.63*NINO(nov))		0.99		F = 644.06 P = 0.03		1.00
sable (fév)		EQA (déc), NWA (déc)		S(fév) = 1.49 - [2.26 * NWA(déc)] + [0.3 8 *EQA(déc)]		0.64		F = 1.79 P = 0.36		0.79
Sable (mars)		AOT		S(mars) = - 1.87 + [16.91 * AOT]		0.52		F = 3.27 P = 0.17		0.77
Sable (avr)		AOT		S(avril) = - 1.76 + (15.34* AOT)		0.55		F = 3.61 P = 0.15		0.33
sable (mai)		AOT		S(mai) = 28.18 - (50.09* AOT)		0.78		F = 10.31 P = 0.04		0.91
sable (juin)		NWA (avr)		S(jun) = 3.92 - [14.65*NWA(avr)]		0.55		F = 3.6 P = 0.15		0.95
sable (juil)		-		-		-		-		-
sable (aout)		NWA(jun)		S(aout) = 0.88 + [2.82 *NWA(jun)]		0.68		F = 6.49 P = 0.08		0.64
sable (sept)		NWA(jul)		S(sep) = 3.28 + [5.78 * NWA (jul)]		0.20		F = 0.73 P = 0.45		0.83
Sable (oct.)		AOT		S(oct) = - 0.61 + [6.77 * AOT]		0.27		F = 1.09 P = 0.37		0.70
Sable (nov.)		AOT		S(nov) = 0.02 + [7.26 * AOT]		0.99		F = 104.01 P = 0.06		0.99
sable (déc.)		NWA(oct)		S(déc) = 0.27 + [0.56 * NWA (oct)]		0.72		F = 5.16 P = 0.15		0.85
Prédictant	Prédicteur		Modèles		R2		ANOVA		Skill
Sable	AOT		S(jan) = - 0.22 + (32.75 * AOT)		0.62		F =4.91		0.72
(jan)							P = 0.11
sable	NWA(déc)		S(fév) = 6.59 - [6.85 * NWA(déc)]		0.43		F = 2.27		0.57
(fév)							P = 0.23
Sable	NIN(jan)		S(mars) = - 0.42 - [5.76 * NIN(jan) ]		0.45		F = 2.49		0.71
(mars)							P = 0.21
Sable	AOT		S(avr) = 9.84 + (9.14* AOT)		0.99		F = 552.65		1.00
	EQA(fév)		+ [12.67 * EQA(fév)]
(avr)							P = 0.03
	NIN(fév)		+ [6.87 * NIN(fév)]
sable (mai)	AOT		S(mai) = 40.96 - (67.28 * AOT)		0.59		F = 4.26		0.81
							P = 0.1
sable (juin)	NWA (avr)		S(jun) = 11.72 - 38.63*[NWA(avr)]		0.61		F = 4.66		0.96
							P = 0.1
Sable	NWA(mai)		S (jul) = 8.32 - [13.52*NWA(mai)]		0.22		F = 0.87		0.66
(juil)							P = 0.42
sable (aout)	EQA(jun),		S(aout) = 5.24 - [2.93 EQA(jun)]		0.38		F = 1.82		0.60
							P = 0.27
sable (sept)	-		-		-		-		-
sable (oct.)	AOT		S(oct) = - 2.99 + [19.02 * AOT]		0.51		F = 3.14		0.84
							P = 0.17
Sable	NIN(sep)]		S(nov) = 0.96 - [0.39 * NIN(sep)]		0.99		F=6093.95		1.00
(nov.)	NWA(sep)		+ [0.22 * NWA(sep)]				P = 0.01
sable (déc.)	NWA(oct)		S(déc) = 1.54 + [1.13 * NWA (oct)]		0.44		F = 1.57		0.66
							P = 0.34

TAMANRASSET avec un mois d'échance (Lag 1)

Prédictant	Prédicteur		Modèles			R^2		ANOVA		Skill
Sable (jan)	AOT NWA(nov) NINO(nov		S(jan) = 0.27 + (2.32 * AOT) - (0.21 * NWA(nov)) + (0.08* NINO(nov))			0.99		F = 8975 P = 0.01		1.00
sable (fév)	AOT		S(fév) = 0.75 + (0.45 * AOT)			0.63		F = 5.07 P = 0.1		0.79
Sable (mars)	EQA(jan)		S(mars) = - 0.02 - [1.07 * EQA(jan)]			0.66		F = 5.72 P = 0.09		0.81
Sable (avr)	NWA(fév)		S(avr) = 1.06 + [(2.74 * NWA(fév)]			0.65		F = 5.47 P = 0.10		0.80
sable (mai)	NWA) (mars)		S(mai) = 6.79 - [1.35 * NWA(mars)]			0.79		F = 3.65 P = 0.22		0.89
sable (juin)	NWA (avr)		S(jun) = - 0.2 + [13.79*NWA(avril)]			0.46		F = 2.57 P = 0.21		0.68
Sable (juil)	-		-			-		-		-
sable (aout)	AOT		S(aout) = - 1.06+ (9.71 *AOT)			0.58		F = 4.1 P = 0.14		0.76
sable (sept)	AOT NIN (jul) EQA(jul)		S(sep) = 1.9 - (3.59 * AOT) + [1.84 * NIN (jul)] + [0.49 * EQA (jul)]			0.99		F = 915 P = 0.02		1.00
sable (oct.)	NWA (aout)		S(oct) = 0.39 + [1.62 *NWA(aout)]			0.88		F = 22.11 P = 0.02		0.94
Sable (nov.)	-		-			-		-		-
sable (déc.)	-		-			-		-		-
Prédictant		Prédicteur		Modèles	R^2		ANOVA		Skill
Sable (jan)		EQA(nov)		S(jan) = 3.0 - (2.72 * EQA(nov))	0.26		F =1.06 P = 0.37		0.4
sable (fév)		NIN (déc)		S(fév) = 2.8 - [1.09 * NIN(déc)]	0.82		F = 13.31 P = 0.03		0.9
Sable (mars)		NIN (jan)		S(mars) = 8.3 + [1.89 * NIN (jan) ]	0.18		F = 0.66 P = 0.47		0.17
Sable (avr)		NIN (fév) EQA (fév)		S (avr) = 8.52 - (6.12 * EQA (fév)) - (6.61 * NIN (fév))	0.93		F = 13.41 P = 0.06		0.98
sable (mai)		NWA (mars)		S (mai) = 8.96 + (7.81*NWA(mars))	0.48		F = 2.77 P = 0.19		0.11
sable (juin)		NWA(avr) NIN(avr)		S(jun) = 8.35 - [5.59 * NWA (avr)] - [1.5 1 * NIN(avr)]	0.67		F = 2.00 P = 0.33		0.28
Sable (juil)		NWA(mai)		S(jul) = 2.66 + (11.29 * NWA(mai))	0.56		F = 3.79 P = 0.14		0.87
Sable (aout)		EQA(jun)		S(aout) = 5.97 - [2.62 *EQA(jun)]	0.23		F = 0.89 P = 0.42		0.47
Sable (sept)		-		-	-		-		-
Sable (oct.)		EQA (aout)		S(oct) = 4.36 - [3.79 *EQA(aout)]	0.76		F = 9.71 P = 0.05		0.89
Sable (nov.)		AOT NIN(sep)		S(nov) = 0.62 + [23.21 * AOT] + [0.42 * NIN(sep)]	0.99		F =3077 P = 0.01		1.00
Sable (déc.)		AOT, NIN(oct)		S(déc) = 6.67 - [48.49 * AOT] + [1.49 * NIN (oct)]	0.99		F = 3135 P = 0.01		1.00

GOLEA avec un mois d'échance (Lag 1)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable	AOT	S(jan) = 10.38 + (34.94 * AOT)
			0.9	F = 2.93	0.88
(jan)	EQA(nov)	- (27.66 * EQA(nov))		P = 0.4
	NINO(nov)	+ (1.77* NINO(nov))
Sable	AOT	S(fév) = 1.1 - [0.89 * NIN(déc)]	0.8	F = 4.37	0.87
(fév)		+ [30.56 *AOT]
	NIN (déc)			P = 0.2
Sable	EQA(jan)	S(mars) = 5.13 - [4.11 * EQA(jan)]	0.3	F = 1.16	0.5
(mars)				P = 0.36
sable	AOT	sable (avr) = 17.68 + [5.56 *(NIN(fév)]	0.72	F = 2.56	0.54
(avr)	NIN(fév)	- [60.3 5 * AOT]		P = 0.28
sable (mai)	-	-	-	-	-
sable	AOT	S(jun) = - 0.81 - [8.45 * EQA (avr)]	0.7	F = 2.4	0.82
(juin)	EQA(avr)	+ (17.37 * AOT)		P = 0.29
sable	AOT	S(jul) = - 1.55 + (9.64 * AOT)	0.99	F = 331	0.99
(juil)				P = 0.01
sable	AOT	S(aout) = 3.84 - [6.65 * NWA(jun)]	0.47	F =0.9	0.98
(aout)	NWA(jun)	+ [ 6.88 * AOT]		P = 0.5
sable	AOT	S(sep) = 6.42 + [2.47 * AOT]	0.29	F = 0.29	0.18
(sept)				P = 0.62
sable	AOT	S(oct) = 0.57 - [1.85 * NWA(aout)]	0.57	F = 1.33	0.54
(oct.)	NWA(aout)	+ [9.87 *AOT]		P = 0.43
sable	AOT	S(nov) = 3.27 - [6.24 * EQA(sep)]	0.97	F = 31.5	0.88
(nov)	EQA(sep)	- [20.38 *AOT]		P = 0.03
Sable	AOT	S(déc) = 2.39 + [0.59 * NIN(oct)]	0.86	F = 6.12	0.90
(déc.)	NIN(oct)	+ [18.08 * AOT]		P = 0.14

HASSI - MESSAOUD avec un mois d'échance (Lag 1)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (jan)	AOT NWA(nov)	S(jan) = 3.23 - (8.5 * AOT) + (2.89 * NWA(nov) )	0.9	F = 11.24 P = 0.08	0.94
sable (fév)	NIN(déc)	S(fév) = 1.85 - [0.76 *NIN(déc)]	0.92	F = 34.05 P = 0.01	0.97
Sable (mars)	NIN(jan)	S(mars) = 7.3 + [2.05 * NIN(jan)]	0.46	F = 2.5 P = 0.21	0.74
Sable (avr)	NIN(fév)	S (avr) = 8.44 - (2.23 *NIN(fév))	0.2	F = 0.56 P = 0.51	0.37
sable (mai)	EQA(mars)	S (mai) =7.2 + (7.14 *EQA(mars))	0.64	F = 5.24 P = 0.11	0.82
sable (juin)	NWA (avr)	S(jun) = 5.66 - [5.4 * NWA(avr)]	0.46	F = 2.5 P = 0.21	0.85
sable (juil)	NIN(mai) EQA(mai) NWA(mai)	S (jul) = 2.22 - (13.6* NWA(mai)) + (9.33 * EQA(mai)) + ( 11.802 * NIN(mai))	0.99	F = 275 P = 0.04	0.99
sable (aout)	NWA(jun) EQA(jun) NIN(jun)	S(aout) = 1.36 - [1.90*NWA(jun)] + (4.7 * EQA(jun)) + (1.9* NIN(jun)	0.99	F = 4103 P = 0.01	1.00
sable (sept)	NWA(jul)	S(sep) = 3.6 - [8.48 * NWA (jul)]	0.77	F = 9.78 P = 0.05	0.84
sable (oct.)	NWA(aout)	S(oct) = 2.61 - [1.62 *NWA(aout)]	0.88	F = 22.11 P = 0.01	0.91
sable (nov.)	NIN(sept)	S(nov) = 1.94 + [1.1 * NIN(sept)]	0.74	F = 5.6 P = 0.14	0.86
Sable (déc.)	NIN(oct)	S(déc) = 2.2 + [1.44 * NIN(oct)]	0.82	F = 8.87 P = 0.09	0.90

GHARDAÏA avec un mois d'échance (Lag 1)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (jan)	AOT	S(jan) = 3.95 - (22.5 8 * AOT)	0.45	F = 2.47 P = 0.21	0.21
Sable (fév)	AOT NIN (déc)	S(fév) = - 9.63 - [0.68 * NIN(déc)] + [123.35 * AOT]	0.95	F =20.96 P = 0.04	0.91
Sable (mars)	NWA(jan)	S(mars) = 5.3 - [2.94 * NWA(jan)]	0.4	F = 2.0 P = 0.25	0.87
Sable (avr)	AOT EQA(fév)	S (avr) = - 1.76 + (15.34* AOT) + [3.99 * EQA(fév)]	0.78	F = 3.49 P = 0.22	0.69
Sable (mai)	AOT NWA(mars)	S (mai) = 3.05 + (4.87 * AOT) + [4.28 * NWA(mars)]	0.8	F = 3.97 P = 0.2	0.79
Sable (juin)	AOT NIN(avr)	S(jun) = 8.38 + [0.89 * NIN (avr)] - (5.86 * AOT)	0.78	F = 3.69 P = 0.21	0.85
Sable (juil)	EQA(mai)	S (jul) = 5.36 - [1.86 * EQA(mai)]	0.32	F = 1.44 P = 0.32	0.63
Sable (aout)	AOT	S(aout) = 2.22 + [ 9.41 * AOT ]	0.20	F = 0.78 P = 0.44	0.23
Sable (sept)	NWA(jul)	S(sep) = 5.79 + [ 5.11* NWA (jul)]	0.47	F = 2.74 P = 0.19	0.61
sable (oct.)	AOT	S(oct) = - 0.62 + [ 9.82 * AOT]	0.25	F = 1.01 P = 0.38	0.61
Sable (nov.)	AOT NIN(sept)	S(nov) = 1.0 + [ 2.9 * AOT] + [0.67 * NIN(sept)]	0.5	F = 0.99 P = 0.5	0.66
Sable (déc.)	AOT NIN(oct)	S(déc) = 1.17 + [23.4 * AOT] + [0.96 * NIN (oct)]	0.67	F = 2.03 P = 0.33	0.72

DJANET avec un mois d'échance (Lag 1)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (jan)	AOT	S(jan) = 0.56 + (2.24 * AOT)	0.2	F =0.75 P = 0.45	0.6
Sable (fév)	NIN (déc) NWA (déc)	S(fév) = 0.92 + [2.04 *NWA(déc)] - [0.16 * NIN(déc)]	0.68	F = 2.13 P = 0.32	0.77
Sable (mars)	AOT	S(mars) = 4.42 - [12.32 * AOT]	0.17	F = 0.61 P = 0.5	0.45
Sable (avr)	NIN(fév)	S(avr) = 4.67 - (3.33 * NIN(fév) )	0.4	F = 1.5 P = 0.26	0.63
Sable (mai)	AOT EQA(mars)	S(mai) = 1.96 + (13.23 * AOT) - [5.1 * EQA(mars)]	0.93	F = 12.64 P = 0.07	0.97
Sable (juin)	AOT NWA (avr)	S(jun) = - 5.16 + (11.25 * AOT ) + [17.72 * NWA (avr)]	0.87	F = 6.6 P = 0.13	0.99
Sable (juil)	NWA(mai)	S(jul) = 11.57 - 28.96*NWA(mai)]	0.53	F = 3.41 P = 0.16	-0.75
Sable (aout)	NWA(jun)	S(aout) = 2.6 + [10.99*NWA(jun)]	0.46	F = 2.57 P = 0.21	0.20
Sable (sept)	NIN(jul)	S(sep) = 3.07 + [1.13 * NIN (jul)]	0.38	F = 1.85 P = 0.27	0.67
sable (oct.)	NIN(aout)	S(oct) = 2.44 - [0.62 *NIN(aout)]	0.12	F = 0.4 P = 0.58	0.25
Sable (nov.)	EQA(sept)	S(nov) = 0.29 + [2.3 * EQA(sept)]	0.36	F = 1.1 P = 0.4	0.59
Sable (déc.)	EQA(oct)	S(déc) = 0.24 + [5.97 * EQA (oct)]	0.6	F = 2.98 P = 0.22	0.77

IN-SALAH avec deux mois d'échance (Lag 2)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (jan)	AOT	S(jan) = 4.92 + (11.78 * AOT)	0.51	F = 3.12 P = 0.18	0.7
Sable (fév)	EQA (nov) NIN(nov)	S(fév) = 13.7 - (5.69 * EQA(nov)) + (0.88 NIN(nov))	0.97	F = 35.89 P = 0.02	0.99
Sable (mars)	-	-	-	-	-
Sable (avr)	NIN(jan)	S(avr) =15.43 + (1.38 * NIN(jan))	0.46	F = 2.53 P = 0.21	0.68
Sable (mai)	AOT	S(mai) = 3 1.40 - (30.81 * AOT)	0.72	F =7.82 P = 0.06	0.85
Sable (juin)	AOT, EQA(mars)	S(juin) = - 9.48 + (34.61 * AOT) + (12.17 *EQA(mars))	0.89	F = 7.96 P = 0.1	1.00
Sable (juil)	NWA(avr)	S(juil) =6.35 + (17.99 *NWA(avr))	0.62	F = 4.91 P = 0.11	0.79
Sable (aout)	NWA(mai) EQA(mai) NINO(mai)	S(aout) = 3.64 +(2.47*NWA(mai)) + (19.14 * EQA(mai)) + (20.2 * NINO(mai))	0.99	F =5323 P = 0.01	1.00
Sable (sept)	NWA(juin)	S(sep) = 11.37 -10.08*NWA(juin))	0.89	F = 25.43 P = 0.01	0.87
sable (oct.)	AOT	S(oct) = 18.30 - (3.06 * AOT)	0.85	F = 17.33 P = 0.02	0.96
Sable (nov.)	AOT	S(nov) = 7.59 - (46.7 * AOT)	0.87	F = 13.45 P = 0.05	0.93
Sable (déc.)	NINO(sep)	S(déc) = 4.65 - (1.25 * NINO(sep))	0.72	F = 5.25 P = 0.14	0.85

BENI-ABBES avec deux mois d'échance (Lag 2)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (jan)	AOT	S(jan) = - 0.68 + (1.18 * AOT)	0.7	F = 7.05 P = 0.07	0.8
Sable (fév)	NIN(nov)	S(fév) = 1.46 + (0.13 NIN(nov))	0.25	F = 1.0 P = 0.39	0.42
Sable (mars)	AOT	S (mars) = - 1.88 + (16.91 * AOT)	0.5	F = 3.27 P = 0.17	0.77
Sable (avr)	NIN(jan)	S(avr) = - 0.05 - ( 2 * NIN(jan))	0.83	F =14.88 P = 0.03	0.98
Sable (mai)	AOT	S(mai) = 28.18 - (50.09 * AOT)	0.78	F = 10.31 P = 0.04	0.91
Sable (juin)	-	-	-	-	-
Sable (juil)	NWA(avr)	S(juil) = 8.41 - (34.17 * NWA(avr))	0.59	F = 4.38 P = 0.1	0.87
Sable (aout)	NWA(mai) NINO(mai)	S(aout) = 2.59 - (5.97 * NWA(mai)) + (1.34 * NINO(mai))	0.99	F = 84.38 P = 0.01	0.99
Sable (sept)	-	-	-	-	-
sable (oct.)	NWA(jul)	S(oct) = 2.03 + (3.68 * NWA(jul))	0.37	F = 1.77 P = 0.28	0.87
Sable (nov.)	EQA(aout)	S(nov) = 0.97 - (2.34 * EQA(aout) )	0.76	F = 6.18 P = 0.13	0.87
Sable (déc.)	NINO(sep)	S(déc) = 0.1 + (0.3 * NINO(sep) )	0.98	F=102.96 P = 0.01	0.99

TIMIMOUN avec deux mois d'échance (Lag 2)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable	AOT	S(jan) = - 0.22 + (32.74 * AOT)	0.62	F = 4.91	0.72
(jan)				P = 0.11
Sable	NIN(nov)	S(fév) = 7.22 + (0.64 * NIN(nov))	0.53	F = 3.41	0.69
(fév)				P = 0.16
Sable	NWA(déc)	S (mars)= 10.08 - (12.45*NWA(déc))	0.41	F = 2.06	0.85
(mars)				P = 0.25
Sable	NIN(jan)	S(avr) = 5.1 - ( 3.1 * NIN(jan))	0.32	F = 1.4	0.57
(avr)				P = 0.32
Sable	NWA(fév)	S(mai) = 8.47 + (12.75 * NWA(fév))	0.8	F = 12.88	0.93
(mai)				P = 0.03
Sable	EQA(mars)	S(juin) = 15.8 + (91.4 * EQA(mars))	0.2	F = 0.52	0.42
(juin)				P = 0.5
Sable	NWA(avr)	S(juil) = 12.8 - (42.92 * NWA(avr))	0.68	F = 6.44	0.83
(juil)				P = 0.08
Sable	NWA(mai)	S(aout) = 0.44 - ( 0.15 * NWA(mai))	0.5	F = 3.16	0.13
(aout)				P = 0.17
Sable (sept)	_	_	_	_	_
sable	NWA(juil)	S(oct) = 4.3 + (9.36 * NWA(juil))	0.58	F = 4.17	0.95
(oct.)				P = 0.13
Sable	NIN(aout)	S(nov) = 0.92 - (0.31 * NIN(aout))	0.97	F = 74.73	0.99
(nov.)				P = 0.01
Sable	EQA(sep)	S(déc) = 1.34 - (9.28 * EQA(sep))	0.86	F = 12.5	0.93
(déc.)				P = 0.7

TAMANRASSET avec deux mois d'échance (Lag 2)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (j an)	NWA(oct) EQA(oct) NINO(oct)	S(jan) = - 0.029 - (0.11 * NWA(oct)) + (3.9 * EQA(oct)) + ( 0.05 * NINO(oct))	0.99	F=46672 P =0.003	1.00
Sable (fév)	AOT	S(fév) = - 2.1 + ( 22.74 * AOT)	0.62	F = 5.07 P = 0.1	0.79
Sable (mars)	EQA(déc)	S(mars) = - 4.12 + (7.12*EQA(déc))	0.84	F = 5.76 P = 0.03	0.83
Sable (avr)	NIN(jan)	S(avr) = - 1.13 - (1.61 * NIN(jan))	0.68	F = 6.44 P = 0.08	0.83
Sable (mai)	NWA(fév)	S(mai) = 1.03 + (1.32 * NWA(fév))	0.45	F = 2.46 P = 0.21	0.67
Sable (juin)	EQA(mars) NIN(mars)	S(juin) = 1.93 - (5.77 * EQA(mars)) - (6.82 * NIN(mars))	0.99	F=212.34 P =0.005	0.99
Sable (juil)	-	-	-	-	-
Sable (aout)	AOT	S(aout) = - 1.06 + 9.71 *AOT	0.58	F = 4.11 P = 0.14	0.76
Sable (sept)	AOT NIN(juin)	S(sep) = 5.22 + (3.01 *AOT) - (11.58 * NIN(juin))	0.97	F = 37.98 P = 0.02	0.99
sable (oct.)	AOT NWA(jul) NIN(jul)	S(oct) = 2.62 - (5.39 * AOT ) + (4.05 * NWA(jul)) + (0.04 * NIN(jul))	1.00	F =1 811 391.648 P = 0.001	1.00
Sable (nov.)	-	-	-	-	-
Sable (déc.)	-	-	-	-	-

IN-AMENAS avec deux mois d'échance (Lag 2)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable	NIN(oct)	S(jan) = 2.90 - (0.865 * NIN(oct))	0.48	F = 2.78	0.66
(jan)				P = 0.19
Sable	AOT	S(fév) = - 21.8 + (220.13 * AOT)	0.58	F = 4.07	0.81
(fév)				P = 0.13
Sable	NWA(déc)	S(mars) = 4.19 + (6.94 * NWA(déc))	0.46	F = 2.6	0.31
(mars)				P = 0.20
Sable	NIN(jan)	S(avr) = 14.04 + (1.7 * NIN(jan)	0.24	F = 0.99	0.76
(avr)				P = 0.39
Sable	NIN(fév)	S(mai) = 18.08 + (13.54 * NIN(fév))	0.78	F = 3.61	0.49
(mai)	NWA(fév)	- (9.16 * NWA(fév))		P = 0.21
Sable	NWA(mars)	S(juin) = 7.3 - (1.04 * NWA(mars))	0.28	F = 1.22	0.2
(juin)				P = 0.35
Sable	NWA(avr)	S(juil) = 3.5 + (15.78 *NWA(avr))	0.96	F= 21.89	0.98
(juil)	EQA(avr)	- (4.59 * EQA(avr))		P = 0.04
Sable	NWA(mai)	S(aout) = 3.1 + (13.54 *NWA(mai))	0.4	F = 2.03	0.99
(aout)				P = 0.25
Sable	NWA(juin)	S(sep) = 5.83 + (3.02 * NWA(juin))	0.16	F = 0.6	-0.44
(sept)				P = 0.5
sable	EQA(jul)	S(oct) = 4.4 - (1.7 * EQA(jul))	0.67	F = 6.1	0.82
(oct.)				P = 0.09
Sable	AOT	S(nov) = 0.94 + (22.26 * AOT)	0.78	F = 7.25	0.89
(nov.)				P = 0.12
Sable	AOT	S(déc) = - 1.05 + (38.79 * AOT)	0.4	F = 1.31	0.63
(déc.)				P = 0.37

GOLEA avec deux mois d'échance (Lag 2)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (jan)	NIN(oct)	S(jan) = 4.1 - (0.88 * NIN(oct))	0.22	F = 0.86 P = 0.42	0.41
Sable (fév)	AOT	S(fév) = -10.98 - (13 8.68 * AOT)	0.41	F = 2.05 P = 0.25	0.53
Sable (mars)	NWA(déc)	S(mars) = 5.4 + (2.6 *NWA(déc))	0.15	F = 0.51 P = 0.52	-0.2
Sable (avr)	NIN(jan)	S(avr) = 6.35 - (2.3 * NIN(jan))	0.54	F = 3.48 P = 0.16	0.88
Sable (mai)	NIN(fév)	S(mai) = 6.53 - (1.68 * NIN(fév))	0.33	F =1.48 P = 0.31	0.55
Sable (juin)	NIN(mars)	S(juin) = 7.88 - (6.55 * NIN(mars))	0.6	F = 4.48 P = 0.13	0.69
Sable (juil)	AOT	S(juil) = - 1.51 + (10.96 * AOT )	0.99	F = 553.2 P = 0.001	0.99
Sable (aout)	AOT EQA(mai)	S(aout) = - 9.63 + (3 1.98 * AOT ) + (6.8 1 * EQA(mai))	0.7	F = 2.29 P = 0.3	0.96
Sable (sept)	-	-	-	-	-
sable (oct.)	NWA(jul) NIN(jul)	S(oct) = 3.81 + (2.44 * NWA(jul)) - (0.42 * NIN(jul))	0.84	F = 5.1 P = 0.17	0.94
Sable (nov.)	AOT NIN(aout)	S(nov) = 2.37- (8.46 * AOT) + (0.47 * NIN(aout))	0.97	F = 18.39 P = 0.16	0.98
Sable (déc.)	AOT	S(déc) = - 0.1 + (41.63 * AOT)	0.66	F = 3.95 P = 0.18	0.82

HASSI - MESSAOUD avec deux mois d'échance (Lag 2)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable	AOT	S(jan) = 3.67 - (7.74 * AOT)	0.96	F = 26.6	0.99
(jan)	NIN(oct)	- (0.69 * NIN(oct))		P = 0.03
Sable	AOT	S(fév) = - 0.86 + (92.07 * AOT)	0.98	F = 18.82	0.99
(fév)	EQA (nov)	- (18.77 * EQA(nov))		P = 0.16
	NIN(nov)	+ (1.28 * NIN(nov))
Sable	NWA(déc)	S(mars) = 3.22 + (5.95 * NWA(déc))	0.73	F =8.28	0.67
(mars)				P = 0.06
Sable	NWA(jan)	S(avr) = 10.07 - (2.74 * NWA(jan))	0.79	F = 11.02	0.98
(avr)				P = 0.04
Sable	NIN(fév)	S(mai) = 8.39 + (0.12 * NIN(fév))	1.00	F=3264.4	1.00
(mai)	NWA(fév)	- (3.58 * NWA(fév)
	EQA(fév)	+ (7.16 * EQA(fév))		P = 0.01
Sable	NWA(mar)	S(juin) = 4.46 + (1.18 *NWA(mars))	0.53	F = 3.32	0.28
(juin)				P = 0.17
Sable	NIN(avr)	S(juil) = 4.06 + (4.66 *NIN(avr))	0.33	F = 1.48	0.64
(juil)				P = 0.3
Sable	NIN(mai)	S(aout) = 2.28 - (3.06 *NINO(mai))	0.77	F = 10.09	0.9
(aout)				P = 0.05
Sable	NWA(juin)	S(sep) = 6.18 - (7.54 * NWA(juin))	0.78	F = 3.5	0.95
(sept)	NIN(juin)	+ (2.24 * NIN(juin))		P = 0.22
sable	AOT	S(oct) = 0.38 + (5.4 * AOT)		F = 1 811
(oct.)	NIN(jul)	- (4.05 * NWA(jul))	1.00	391.64	1.00
	NWA(jul)	- (0.04 * NIN(jul))		P = 0.001
Sable	NIN(aout)	S(nov) = 1.88 (1.15 * NIN(aout))	0.77	F = 6.57	0.88
(nov.)				P = 0.12
Sable	AOT	S(déc) = - 4.08 + (72.34 * AOT)	0.46	F = 1.72	0.68
(déc.)				P = 0.32

GHARDAÏA avec deux mois d'échance (Lag 2)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (jan)	NIN(oct)	S(jan) = 1.78 - (0.52 * NIN(oct)	0.27	F =1.08 P = 0.37	0.51
Sable (fév)	AOT	S(fév) = - 15.32 + (148.34 * AOT)	0.55	F = 3.6 P = 0.15	0.76
Sable (mars)	AOT NWA(déc)	S(mars) = - 11.27 + (61.01* AOT) + (9.03 * NWA(déc))	0.97	F = 30.53 P = 0.03	0.95
Sable (avr)	AOT NIN(jan) EQA(jan)	S(avr) = 3.55 + (6.9 * AOT) - (1.1 * NIN(jan)) + (3.59 * EQA(jan))	1.00	F=1455.65 P = 0.01	1.00
Sable (mai)	NIN(fév)	S(mai) = 7.83 + (3.89 * NIN(fév))	0.5	F = 2.9 P = 0.19	0.67
Sable (juin)	AOT	S(juin) = 9.49 - (8.11 * AOT)	0.54	F = 3.49 P = 0.16	0.70
Sable (juil)	NWA(avr)	S(juil) = 7.08 - (15.68 *NWA(avr))	0.8	F = 13.13 P = 0.03	0.90
Sable (aout)	NWA(mai)	S(aout) = 7.88 - (8.6 1 * NWA(mai))	0.26	F = 1.06 P =.0.38	0.95
Sable (sept)	NWA(juin)	S(sep) = 4.18 + (4.0 * NWA(juin))	0.31	F = 1.37 P = 0.32	0.41
sable (oct.)	NWA(jul)	S(oct) =2.71 + (4.36 * NWA(jul))	0.26	F = 1.04 P = 0.38	0.81
Sable (nov.)	EQA(aout)	S(nov) = 1.7 - (4.27 * EQA(aout))	0.75	F = 5.86 P = 0.14	0.86
Sable (déc.)	NINO(sep)	S(déc) = 3.9 - (1.25 * NINO(sep))	0.58	F = 2.7 P = 0.24	0.76

DJANET avec deux mois d'échance (Lag 2)

Prédictant	Prédicteur	Modèles	R^2	ANOVA	Skill
Sable (jan)	AOT	S(jan) = 0.29 +(3.2 * AOT)	0.2	F = 0.75 P = 0.45	0.61
Sable (fév)	EQA (nov) NWA(nov)	S(fév) = 1.75 - (3.54 * EQA(nov)) + (3.36 * NWA(nov))	0.88	F = 7.46 P = 0.12	0.99
Sable (mars)	EQA (déc)	S(mars) = 1.44 + (1.76 * EQA (déc))	0.34	F = 1.52 P = 0.31	0.46
Sable (avr)	NWA(jan)	S(avr) = 6.7 - (1.83 * NWA(jan)	0.39	F = 1.9 P = 0.26	0.19
Sable (mai)	AOT EQA(fév)	S(mai) = - 0.29 - (16.09 * AOT) - (5.19 * EQA(fév))	0.90	F = 8.57 P = 0.1	0.26
Sable (juin)	AOT	S(juin) = 0.3 - (6.24 * AOT)	0.2	F = 0.75 P = 0.45	0.38
Sable (juil)	AOT	S(juil) = 13.4 - (14.04 * AOT)	0.1	F = 0.46 P = 0.5	0.85
Sable (aout)	AOT	S(aout) = - 1.58 + (18.52 * AOT)	0.17	F = 0.59 P = 0.50	0.71
Sable (sept)	NIN(juin)	S(sep) = 3.22 + (1.18 * NIN(juin))	0.26	F = 1.03 P = 0.38	0.53
sable (oct.)	AOT	S(oct) = - 0.04 + (6.87 * AOT)	0.16	F = 0.56 P = 0.51	0.47
Sable (nov.)	NWA(aout)	S(nov) = 0.44 + (1.84 *NWA(aout))	0.83	F = 9.85 P = 0.08	0.91
Sable (déc.)	NWA(sep) EQA(sep)	S(déc) = 1.19 + (3.26 * NWA(sep)) + (5.95 * EQA(sep))	0.99	F =128.36 P = 0.06	0.99