PIAHSProceedings of the International Association of Hydrological SciencesPIAHSProc. IAHS2199-899XCopernicus GmbHGöttingen, Germany10.5194/piahs-369-175-2015Evolution des pluies extrêmes dans le bassin du Chéliff (Algérie) au cours des 40
dernières années 1971–2010TaibiS.taibisabrina86@gmail.comMeddiM.MahéG.Ecole Nationale Supérieure d'Hydraulique (ENSH)-Blida, AlgérieHydroSciences Montpellier, IRD, FranceS. Taibi (taibisabrina86@gmail.com)11June201536936917518015April201515April2015This work is licensed under a Creative Commons Attribution 3.0 Unported License. To view a copy of this license, visit http://creativecommons.org/licenses/by/3.0/This article is available from https://piahs.copernicus.org/articles/369/175/2015/piahs-369-175-2015.htmlThe full text article is available as a PDF file from https://piahs.copernicus.org/articles/369/175/2015/piahs-369-175-2015.pdfRésumé
Une analyse des pluies journalières extrêmes du bassin du
Chéliff (plus grand bassin du Nord de l'Algérie) a été
établie sur la période 1971–2010. Pour cela 13 stations
pluviométriques ont été sélectionnées et recueillies
auprès de l'Agence Nationale des Ressources Hydrauliques (ANRH). Six
indices de pluies journalières ont été analysés pour
caractériser l'évolution temporelle de la fréquence et
l'intensité des pluies journalières sur la période d'étude.
Ces indices correspondent à la pluie totale annuelle des jours de pluies
(≥ 1 mm), aux percentiles 90, 95, 99 et 99.5% et à
l'intensité journalière des jours de pluie (≥ 1 mm). Le test de
Mann–Kendall indique une tendance générale à la baisse
significative pour les pluies totales et l'intensité journalière de
certaines stations. La fréquence des fortes pluies ne montre pas de
changement significatif de son évolution temporelle pour la majorité
des stations.
La recherche de relation entre les indices de pluies journalières et les
différents modes de circulation atmosphérique a mis en évidence
l'influence de l'oscillation méditerranéenne sur la variabilité
des précipitations journalières du Chéliff, particulièrement
pour les stations qui ont connu une baisse significative de leur indice de
pluies journalières.
Introduction
La communauté scientifique s'intéresse de plus en plus aux
précipitations quotidiennes, vu ce qu'elles peuvent engendrer comme
dégâts en cas de fortes crues. Il a été observé au cours
de ces dernières années une modification du régime
pluviométrique des pluies journalières en termes de fréquence et
d'intensité dans certaines régions du monde. Groisman et al. (2005)
ont montré que le changement observé dans l'évolution de la
fréquence des pluies intenses du Monde est plus important que celui qui
est observé dans l'évolution des totaux annuels.
Les études menées sur les pluies extrêmes dans le bassin
méditerranéen ne convergent pas toutes vers les mêmes
résultats. Kioutsioukis et al. (2010) ont analysé les pluies extrêmes
en Grèce sur la période 1955–2002 et ont trouvé une baisse de la
fréquence des jours de pluie et de leur intensité. Alpert et al. (2002)
ont montré une augmentation des pluies journalières extrêmes en
Italie, en Espagne et Chypre durant la période 1951–1995 associée
à une diminution des pluies totales annuelles. Martinez et al. (2007) ont
analysé la variabilité des pluies journalières de la région
catalane au Nord Est de l'Espagne sur la période 1950–2000 et ont
montré une tendance à la baisse du nombre de jour de pluies
extrêmes. Norrant et Douguédroit (2006) ont analysé le nombre de
jours pluvieux (> 10 mm) de 52 stations du bassin
méditerranéen et ont trouvé une tendance non significative à
la baisse pour la plupart des régions pendant la période 1950–2000.
Brunetti et al. (2001) ont trouvé une tendance à la baisse du nombre de
jours pluvieux au Nord-Est de l'Italie de 1921 à 1999 accompagnée
par une augmentation de l'intensité des précipitations. Brunetti et
al. (2004)
ont aussi analysé la fréquence des pluies journalières de
45 stations réparties sur l'ensemble de l'Italie de 1880 à 2002 pour
confirmer les résultats trouvés en 2001 (Brunetti et al., 2001) à savoir la baisse de la
fréquence des jours pluvieux sur tout le territoire et l'augmentation
significative de l'intensité des précipitations uniquement dans les
régions du Nord. La baisse du nombre de jours pluvieux s'explique par
une réduction significative des évènements pluvieux de faible
intensité. Philandras et al. (2011) ont analysé la tendance des pluies
journalières de 40 stations de la Méditerranée et ont trouvé
une réduction significative de 20 % du nombre de jours de pluie à
l'Est de la Méditerranée alors que la tendance est non
significative au Centre et à l'Ouest du bassin méditerranéen.
En Algérie, il existe très peu d'études sur la variabilité
temporelle des pluies journalières et extrêmes. Les travaux
menés par certains auteurs (Benabdesselam et Amarchi, 2013; Habibi et al.,
2012; Benhattab et al., 2014; Meddi and Toumi, 2015) se limitent à l'analyse
des pluies maximales journalières annuelles. Ce type d'analyse ne permet
pas de mettre en évidence les changements qui peuvent affecter
l'intensité et la fréquence de tous les épisodes des pluies
extrêmes.
Par ailleurs, de nombreuses études ont montré que les variations du
régime pluviométrique dans le bassin méditerranéen sont
liées à la circulation atmosphérique générale tels que:
l'Oscillation Nord Atlantique NAO (Salameh, 2008; Xoplaki et al., 2004; Lopez
and Frances, 2010; Brandimarte et al., 2011)
El Nino South Oscillation (ENSO) (Meddi et al.,
2010; Kiladis and Diaz 1989; Rodo et al., 1997; Van Oldenborgh et al., 2000;
Lloyd-Hughes and Saunders, 2002; Knippertz et al., 2003), MO (Mediterranean
oscillation) (Conte et al., 1989) et WeMO (West Mediterranean Oscilation)
(Martín-Vide and Lopez-Bustins, 2006).
En Algérie, l'étude menée par Meddi et al. (2010) montre que la
variabilité temporelle des précipitations annuelles de l'Ouest de
l'Algérie est influencée par ENSO.
Ce travail s'intéresse à l'évolution récente des pluies
extrêmes du bassin du Chéliff à travers l'analyse de la
variabilité temporelle de leur fréquence et leur intensité sur
la période 1971–2010 et l'identification des indices climatiques de la
circulation atmosphérique générale influençant cette
variabilité.
Limites des bassins versant du Nord de l'Algérie et
localisation des stations du Chéliff.
Zone d'étude et base de données
Le bassin du Chéliff est situé au Nord-Ouest de l'Algérie avec
une superficie d'environ 43 750 km2 (Fig. 1). Il est considéré
comme le plus important fleuve d'Algérie et s'étend sur plus de
700 km. Il prend sa source dans l'atlas tellien et débouche dans la Mer
Méditerranée. Le Chéliff est sous l'influence d'un climat
semi-aride avec des précipitations qui varient entre environ
600 mm an-1 au Nord-Est et
300 mm an-1 (voire moins) à l'Ouest et au Sud du bassin.
Les données pluviométriques de 13 stations ont été
recueillies auprès de l'Agence Nationale Supérieure d'Hydraulique
(ANRH) sur la période 1971–2010 (Tableau 1).
Nom et coordonnées géographiques des stations
pluviométriques (Degré décimal).
CodeNom des stationsYXZ (m)10703Rechaiga35.4071.97983010803Mehdia35.4311.75191811003Colonel Bougara35.5571.96480011004Khemisti35.6671.97293511302Derrag35.9082.389115011404Zoubiria36.1152.85093211605Teneit El Had35.8762.024115011803Sidi Medjahed36.3332.16785012503Sidi Hosni35.4711.52079012605Ammi Moussa35.8641.12014012703Kenenda35.6480.82459012804Sidi Lakhdar35.9850.6824513004Ain El Haddid35.0570.885829
Les données des indices climatiques NAO, ENSO, et MO sont issues du
Climatic Research Unit (http://www.cru.uea.ac.uk/cru/data/pci.htm). L'indice WeMO a été
développé par Martín-Vide et Lopez-Bustins (2006) de
l'université de Barcelone (http://www.ub.edu/gc/English/wemo.htm). Les dates d'extraction des indices
climatiques correspondent à la période d'étude 1971–2010.
Tendance des indices de pluie journalière par décennie
(PTOT: mm/décennie, fréquence: jours/décennie, SDII: mm/jour/décennie)
(valeurs significatives en gras au niveau 5 %).
Stations10703108031100311004113021140411605118031250312605127031280413004PTOT-37.8-47.5-8.2-21.9-20.3-50.82.2-125-15.7-31.5-43.6-31.8-28.3P90-0.8-1.1-0.3-0.5-0.7-0.9-0.4-1.7-0.6-0.8-1.7-1.1-0.4P95-0.6-0.9-0.1-0.3-0.2-0.70.0-0.8-0.4-0.4-0.9-0.6-0.4P99-0.2-0.30.1-0.1-0.1-0.1-0.1-0.20.1-0.1-0.3-0.10.0P99.5-0.2-0.20.0-0.1-0.10.0-0.10.00.1-0.1-0.1-0.10.0SDII-0.2-0.50.0-0.7-0.7-0.4-0.2-0.7-0.4-0.2-0.4-0.40.3MéthodesIndices de pluies journalières
Le choix des indices de pluies journalières a été basé sur
les indices définis par le groupe d'experts sur la détection et les
indices du changement climatique (ETCCDI) (http://etccdi.pacificclimate.org/)
ainsi que les indices utilisés dans d'autres études.
L'analyse de l'évolution des pluies journalières du Chéliff est
basée sur des indices de pluies qui reposent généralement sur
l'approche du seuillage par percentile.
Six indices de pluies journalières ont été sélectionnés:
PTOT: pluie annuelle totale des jours pluvieux (≥ 1 mm)
P90: nombre de jours de pluie par an supérieure à la valeur du 90ème percentile
P95: nombre de jours de pluie par an supérieure à la valeur du 95ème percentile
P99: nombre de jours de pluie par an supérieure à la valeur du 99ème percentile
P99.5: nombre de jours de pluie par an supérieure à la valeur du 99.5ème percentile
SDII (simple daily intensity index): moyenne des pluies par jour de pluie (≥ 1 mm)
Il s'agit dans ce travail d'analyser la tendance des six indices de pluies
journalières. Cette méthode a été déjà utilisée
par plusieurs auteurs (Maheras et al., 2008; Sahani et al., 2012; Ozer et al., 2007;
Lupikasza, 2008; Martinez et al., 2007).
Le test de Mann–Kendall permet de déceler l'existence d'une tendance
globale au sein d'une série de données temporelles et a déjà
été utilisé pour la détection de tendance dans les
séries pluviométriques et tester leur significativité (Vannitsem
et al., 1991; Norrant et Douguédroit, 2004; Maheras et al., 2008; Chaouche et al., 2010;
Tramblay et al., 2013; Driouch et al., 2010).
Les tendances des indices de pluies journalières sont évaluées
à l'aide de l'estimateur de Theil-Sen (Sen, 1968), une méthode non
paramétrique basée sur la pente médiane. Cette dernière
étant moins sensible aux valeurs aberrantes que les méthodes de
régression traditionnelles, elle permet une évaluation plus fiable
de la tendance.
Coefficient de corrélation de Pearson entre les indices de
pluies journalières et les indices climatiques (valeurs significatives en gras au niveau 5 %).
Indice de pluie journalière: PTOT IC10703108031100311004113021140411605118031250312605127031280413004SOI0.260.070.15-0.080.060.210.030.330.280.10.350.240.14NAO-0.17-0.130.00-0.130.11-0.07-0.07-0.12-0.22-0.23-0.27-0.25-0.22WMOI-0.21-0.23-0.06-0.50.10-0.020.140.16-0.23-0.020.13-0.16-0.2MOI-0.53-0.43-0.31-0.39-0.11-0.25-0.32-0.44-0.23-0.43-0.20-0.29-0.46Indice de pluie journalière: P90 IC10703108031100311004113021140411605118031250312605127031280413004SOI0.120.160.07-0.20-0.010.11-0.030.240.220.080.50.180.04NAO-0.19-0.130.01-0.17-0.30.11-0.11-0.23-0.23-0.32-0.34-0.21-0.27WMOI-0.16-0.21-0.01-0.46-0.170.060.280.17-0.030.040.14-0.1-0.04MOI-0.35-0.37-0.37-0.43-0.38-0.11-0.24-0.35-0.23-0.43-0.23-0.25-0.35Indice de pluie journalière: P95 IC10703108031100311004113021140411605118031250312605127031280413004SOI0.16-0.020.010.01-0.15-0.010.110.250.050.030.450.320.14NAO-0.08-0.010.08-0.32-0.140.06-0.08-0.32-0.13-0.07-0.28-0.09-0.28WMOI-0.24-0.210.13-0.39-0.02-0.010.19-0.07-0.060.120.03-0.02-0.43MOI0.07-0.33-0.20-0.51-0.16-0.05-0.14-0.31-0.14-0.06-0.13-0.09-0.40Indice de pluie journalière: P99 IC10703108031100311004113021140411605118031250312605127031280413004SOI0.150.09-0.230.38-0.380.17-0.050.080.11-0.050.230.20.02NAO-0.070.060.19-0.230.11-0.23-0.03-0.13-0.15-0.1-0.08-0.250.07WMOI-0.32-0.41-0.09-0.130.070.140.090.18-0.08-0.080.1-0.170.13MOI-0.02-0.12-0.12-0.30-0.020.10.07-0.020.04-0.22-0.03-0.190.03Indice de pluie journalière: P99.5 IC10703108031100311004113021140411605118031250312605127031280413004SOI0.18-0.11-0.070.15-0.230.10.080.140.050.090.050.22-0.01NAO-0.28-0.090.06-0.270.13-0.230.140.08-0.26-0.2-0.18-0.210.01WMOI-0.28-0.18-0.05-0.180.48-0.080.330.28-0.11-0.06-0.15-0.160.03MOI-0.20-0.09-0.13-0.350.040.010.330.010.00-0.32-0.13-0.2-0.08Indice de pluie journalière: SDII IC10703108031100311004113021140411605118031250312605127031280413004SOI0.070.1100.070.10.110.110.290.070.070.470.340.08NAO0-0.09-0.1-0.17-0.290.06-0.1-0.23-0.15-0.17-0.24-0.25-0.12WMOI-0.19-0.05-0.16-0.430.2-0.070.320.220.280.270.110.070.1MOI-0.06-0.33-0.43-0.42-0.38- 0.33-0.11-0.47-0.04-0.26-0.14-0.19-0.06Indices climatiques
Les indices de précipitations journalières ont été
corrélés avec 4 modes de la circulation atmosphérique: ENSO,
NAO, MO et WeMO. Le coefficient de corrélation de Pearson a été
utilisé pour détecter une liaison entre les indices de pluies et les
indices climatiques.
Ces indices climatiques représentent une différence de pression
calculée entre deux points (un de haute pression et l'autre de basse
pression). L'indice NAO caractérise la circulation atmosphérique de
l'hémisphère Nord et représente la différence de pression
entre l'anticyclone des Açores et la dépression d'Islande. L'indice
MO représente une circulation atmosphérique régionale qui
caractérise le bassin Méditerranéen. Il correspond à la
différence de pression entre Alger et le Caire. L'indice WeMO a
été défini comme la différence de pression entre les
régions du nord de la péninsule italienne et le sud-ouest de la
péninsule ibérique afin de caractériser la variabilité
climatique de la région Ouest de la méditerranée. Le
phénomène ENSO caractérise quant à lui la circulation
atmosphérique de l'hémisphère Sud mais il a été
démontré que des épisodes intenses d'ENSO ont une influence sur
la circulation atmosphérique générale. Dans ce travail ce
phénomène est évalué par l'indice SOI (South Oscillation
Index) calculé avec les pressions de Darwin (nord de l'Australie) et de
Papeete (station de FAAA à Tahiti, gérée par
Météo-France).
RésultatsAnalyse des tendances des indices de pluies journalières
La tendance des indices de pluies journalières est représentée
dans le Tableau 2. Les valeurs en gras désignent une tendance
significative testée par le test de Mann–Kendall au seuil 5 % (lorsque
la p-value est inférieure au seuil de signification 0.05 l'hypothèse nulle
d'absence de tendance est rejetée). Ces valeurs expriment l'amplitude
des tendances des indices de pluie par décennies déterminée par
l'estimateur de Theil-Sen.
Il apparaît dans l'ensemble que les 6 indices de pluies
journalières indiquent une tendance négative pour la plupart des
stations. Cette tendance est notamment significative pour PTOT de 8 stations
du Chéliff, particulièrement celles situées à l'Ouest et au
sud du bassin. La baisse des PTOT varie entre environ 28 mm/décennie
à Ain El Haddid et 125 mm/décennie à Sidi Medjahed. Taibi et al. (2013)
ont montré une baisse des précipitations annuelles dans cette
région à partir de la moitié des années 70.
La fréquence des jours de pluies intenses (P90), très intenses
(P95), extrêmes (P99) et rares (P99.5) a connu aussi une tendance
négative mais pas significative. Les stations de Sidi Medjahed et
Kenenda sont seules à montrer une baisse significative de P90 de 1,7
jour par décennie. Ces résultats coïncident avec ceux
trouvés par Tramblay et al. (2013) au Maghreb et d'autres auteurs en
Méditerranée (Kioutsioukis et al., 2010; Norrant et Douguédroit,
2006; Brunetti et al., 2001).
L'indice de l'intensité journalière (SDII) montre une tendance
générale à la baisse plutôt significative aux stations de
Mehdia, Derrag, Zoubiria et Sidi Medjahed qui varie entre 0,4 et
0,7 mm jr-1 par décennie.
Corrélations entre les indices de pluies journalières et les indices
climatiques
Il s'agit de mettre en évidence l'influence des différents types de
circulation atmosphérique sur la tendance des pluies journalières
observée au cours des 40 dernières années (Tableau 3).
Il apparaît que les stations qui ont connu une baisse significative de
PTOT montrent une corrélation négative significative avec l'indice
MO. Les autres stations sont plus corrélées avec MOI que les autres
indices.
De fortes corrélations sont aussi observées entre P90 et MOI. Les
stations situées vers l'Ouest sont aussi corrélées avec NAO.
Les corrélations entre les pluies très intenses, extrêmes et
rares (P95, P99 et P99.5) et les indices climatiques ne sont pas clairement
mises en évidence. Ceci est probablement dû au fait que
l'évolution temporelle de ces trois indices n'a pas connu de changement
significatif durant la période 1971–2010.
Des corrélations négatives significatives sont observées entre
l'indice de l'intensité journalière (SDII) et MOI au niveau des
stations qui ont connu une baisse significative de cet indice pendant la
période d'étude.
Discussions et conclusion
Ce travail met en évidence l'évolution de la fréquence et
l'intensité des pluies journalières du bassin du Chéliff au
cours des 40 dernières années. Les indices de pluies
journalières analysés dans cette étude montrent dans l'ensemble
une tendance négative des pluies annuelles journalières et de leur
intensité ainsi qu'une baisse de la fréquence des pluies intenses
très intenses, extrêmes et rares. Toutefois, cette tendance est
faiblement significative pour les pluies intenses à rares. Ceci veut
dire que les fortes pluies du bassin du Chéliff n'ont pas connu un
changement significatif dans leur évolution temporelle au cours de la
période 1971–2010 contrairement à ce qui a été montré
par le GIEC (2007) et d'autres études (Groisman et al., 2005; Alpert et al., 2002)
quant à l'augmentation de la fréquence et l'intensité des
évènements extrêmes dans différentes régions du monde.
L'analyse des relations entre les indices de pluies et les indices
climatiques a fait ressortir l'influence de MO sur la variabilité des
précipitations journalières du Chéliff. Des corrélations
négatives significatives sont observées entre ce mode de circulation
atmosphériques et les stations qui ont connu une baisse significative de
leur indice de pluies particulièrement PTOT et SDII. Effectivement,
plusieurs études ont mis en évidence l'influence de MO sur la
variabilité des précipitations du bassin Méditerranéen
(Dünkeloh and Jacobeit, 2003; Douguédroit, 1998; Maheras et al., 1999;
Lopez-Bustins, 2007). Cet indice a connu une phase positive depuis la
moitié des années 70, ce qui provoque une baisse des
précipitations du bassin méditerranéen et du Nord-Ouest de
l'Algérie. Taibi et al. (2014) ont aussi trouvé une relation significative
entre les pluies mensuelles du Nord-Ouest de l'Algérie y compris le
Chéliff et l'indice MO.
RéférencesAlpert, P., Ben-gai, T., Baharad, A., Benjamini, Y., Yekutieli, D.,
Colacino, M., Diodato, L., Ramis, C., Homar, V., Romero, R., Michaelides,
S., and Manes, A.: The paradoxical increase of Mediterranean extreme daily
rainfall in spite of decrease in total values, Geophys. Res. Lett.,
29, 31-1–31-4, 10.1029/2001GL013554, 2002.
Benhattab, K., Bouvier, C., and Meddi, M.: Regional analysis for the estimation of
low frequency daily rainfalls in Chéliff catchment, Algeria, Revue des
sciences de l'eau, J. Water Sci., 27, 189–203, 2014.
Benabdesselam, T. et Amarchi, H.: Approche régionale pour l'estimation
des précipitations journalières extrêmes du Nord Est
Algérien, Courrier du Savoir, 17, 175–184, 2013.
Brandimarte, L., Di Baldassarre, G., Bruni, G., D'Odorico, P., and
Montanari, A.: Relation between the north-atlantic oscillation and
hydroclimatic conditions in mediterranean areas, Water Resour. Manage., 25,
1269–1279, 2011.
Brunetti, M., Maugeri, M., and Nanni, T.: Changes in total precipitation, rainy
days and extreme events in northeastern Italy, Int. J. Climatol., 21,
861–871, 2001.Brunetti, M., Maugeri, M., Monti, F., and Nanni, T.: Changes in daily
precipitation frequency and distribution in Italy over the last 120 years,
J. Geophys. Rres., 109, D05102, 10.1029/2003JD004296, 2004
Chaouche, K., Neppel, L., Dieulin, C., Pujol, N., Ladouche, B., Martin, E.,
Salas, D., and Caballero, Y.: Analyses of precipitation, temperature and
evapotranspiration in a French Mediterranean region in the context of
climate change, C. R. Geosci., 342, 234–243, 2010.
Conte, M., Giuffrida, A., and Tedesco, S.: The Mediterranean
Oscillation. Impact on precipitation and hydrology in Italy Climate Water,
Publications of the Academy of Finland, Helsinki, 1989.
Driouech, F., Déqué, M., and Sánchez-Gómez, M.: Weather
regimes – Moroccan precipitation link in a regional climate change
simulation, Global Planet. Change, 72, 1–10, 2010.
Douguédroit, A.: Que peut-on dire d'une oscillation
méditerranéenne?, in: climate and environmental change,
edited by: Alcoforado, M.
J., Evora, 135–136, 1998.
Dünkeloh, A. and Jacobeit, J.: Circulation dynamics of Mediterranean
precipitation variability 1948–98, Int. J. Climatol., 23, 1843–1866, 2003.
GIEC: Bilan 2007 des changements climatiques, Rapport de synthèse n. 4,
p. 114, 2007.
Groisman, P. Y., Knight, R. W., Easterling, D., R., Karl, T., R., Hegerl,
G., C., and Razuvaev, V., N.: Trends in Intense Precipitation in the Climate
Record, J. Climate, 18, 1326–1350, 2005.
Habibi, B., Meddi, M., et Boucefiane, A.: Analyse fréquentielle des
pluies journalières maximales Cas du Bassin Chott-Chergui, Revue Nature
&Technologie, C- Sciences de l'Environnement, 8, 41–48, 2012.
Kioutsioukis, I., Melas, D., and Zerefos, C.: Statistical assessment of
changes in climate extremes over Greece (1955–2002), Int. J.Climatol., 30,
1723–1737, 2010.
Kiladis, G. N. and Diaz, H. F.: Global climatic anomalies associated with
extremes in the SouthernOscillation, J. Climate, 2, 1069–1090, 1989.
Knippertz, P., Christoph, M., and Speth, P.: Long-term precipitation
variability in Morocco and the link to the large-scale circulation in recent
and future climates, Meteorol. Atmos. Phys., 83, 67–88, 2003.
Lloyd-Hughes, B. and Saunders, M. A.: Seasonal prediction of European spring
precipitation from ElNiño–Southern Oscillation and local sea surfaces
temperatures, Int. J. Climatol., 22, 1–14, 2002.
Lopez, J. and Frances, F.: Influence of the North Atlantic Oscillation and
the western mediterranean oscillation in the maximum flow events in Spain,
International workshop advances in statistical hydrology, taormina, Italy,
23–25 May, 2010.
Lupikasza, E.: Spatial and temporal variability of extreme precipitation in
Poland in the period 1951–2006, Int. J. Climatol., 30, 991–1007, 2008.
Maheras, P., Xoplaki, E., and Kutiel, H.: Wet and dry monthly anomalies
across the mediterranean basin and their relationship with correlation,
1860–1990, Theor. Appl. Climatol., 64, 189–199, 1999.
Maheras, P., Tolika, K., et Anagnostopoulou, C.: Relations entre les
précipitations moyennes et extrêmes et les types de circulation
atmosphérique en Belgique, Bulletin de la Société
géographique de Liège, 51, 115–125, 2008.
Martín-Vide, J. and Lopez-Bustins, J. A.: The Western Mediterranean
Oscillation and rainfall in the Iberian Peninsula, Int. J. Climatol., 26,
1455–1475, 2006.
Martinez, M. D., Lana, X., Burguenoc, A., and Serra., C.: Spatial and
temporal daily rainfall regime in Catalonia (NE-Spain) derived from four
precipitation indices, years 1950–2000, Int. J. Climatol., 27, 123–138,
2007.
Meddi, M., Assani, A., A., and Meddi, H. :Temporal variability of annual
rainfall in the Macta and Tafna catchments, Northwestern Algeria, Water
Resour. Manage., 24, 3817–3833, 2010.Meddi, M. and Toumi, S.: Spatial variability and cartography of maximum
annual daily rainfall under different return periods in the North of
Algeria, J. Mountain Sci., 10.1007/s11629-014-3084-3, 2015.
Norrant, C. et Douguédroit, A.: Tendances des précipitations
mensuelles et quotidiennes dans le Sud-Est méditerranéen
français, Anales de l'association internationale de
météorologie, 1, 45–64, 2004.
Norrant, C. and Douguédroit, A.: Monthly and daily precipitation trends
in the Mediterranean (1950–2000), Theor. Appl. Climatol., 83, 89–106, 2006.
Ozer, P., Hountondji, Y., C., et Laminou Manzo, O.: Evolution des
caractéristiques pluviométriques dans l'est du Niger de 1940 à
2007, Geo-Eco-Trop., 33, 11–30, 2007.Philandras, C. M., Nastos, P. T., Kapsomenakis, J., Douvis, K. C.,
Tselioudis, G., and Zerefos, C. S.: Long term precipitation trends and
variability within the Mediterranean region, Nat. Hazards Earth Syst. Sci.,
11, 3235–3250, 10.5194/nhess-11-3235-2011, 2011.Rodo, X., Baert, E., and Comin, F., A.: Variations in seasonal rainfall in
Southern Europe during thepresent century: relationships with the North
Atlantic Oscillation and the El Niño–Southern Oscillation, Clim. Dynam.,
13, 275–284, 1997.
Sahani, M., Moeyersons, J., Vandecasteele, I., Trefois, P., et Ozer, P.:
Evolution des caractéristiques pluviométriques dans la zone urbaine
de Butembo (RDC) de 1957 à 2010, Geo-Eco-Trop., 36, 121–136, 2012
Salameh, T.: Modélisation multi-échelles de la circulation
atmosphérique hivernale sur le bassin méditerranéen: rôle
des interactions d'échelles, Thèse de doctorat, école
polytechnique, France, p. 156, 2008.
Sen, P. K.: Estimates of the regression coefficient based on Kendall's tau,
J. Am. Stat. Assoc., 63, 1379–1389, 1968.
Taibi, S., Meddi, M., Souag, D., and Mahe, G.: Évolution et
régionalisation des précipitations au nord de l'Algérie
(1936–2009).In: Climate and land surface changes in hydrology, IAHS Publ.
359, 191–197, 2013.
Taibi, S., Meddi, M., Mahé G., and Assani, A.: Analysis of rainfall
extreme events in Northern Algeria, Proceedings of the Mediterranean Meeting
on “Monitoring, modelling and early warning of extreme events triggered by
heavy rainfalls”, University of Calabria, Cosenza (Italy), 26–28 June,
2014.Tramblay, Y., El Adlouni, S., and Servat, E.: Trends and variability in
extreme precipitation indices over Maghreb countries, Nat. Hazards Earth
Syst. Sci., 13, 3235–3248, 10.5194/nhess-13-3235-2013, 2013.
Vannitsem, S. et Demarée, G.: Détection et modélisation des
sécheresses au Sahel, Propositions d'une nouvelle méthodologie,
Hydrol. Cont., 6, 155–171, 1991.
Van Oldenborgh, G. J., Burgers, G., and Tank, A. K.: On the El Niño
teleconnection to spring precipitation in Europe, Int. J. Climatol., 20,
565–574, 2000.
Xoplaki, E., Gonzalez-Rouco, J. F., Luterbacher, J., and Wanner, H.: Wet
season Mediterranean precipitation variability: influence of large-scale
dynamics and trends, Clim. Dynam., 23, 63–78, 2004.