Using Kenya historical rainfall and temperature climate data from 1991 to 2016, we conduct an analysis of the interdependence structure for climate change risk analysis. The Archimedean copula approach to dependence modelling has been used by various researchers in modelling interdependent rates. In the present study, we apply the Archimedean copulas to address interdependence effects on climate change data from a developing country. Our research encompasses several key objectives: identifying the interdependence structure of rainfall and temperature data, construction of Clayton, Frank and Gumbel copulas, fitting and selecting the optimum copulas model using maximum log-likelihood criteria and predicting future rainfall and temperature values. The method of moment procedure is used to calibrate the copula dependence parameter and maximum likelihood estimation for the marginal distribution specifications. Subsequently, the performance of the marginal distribution is compared following the AIC, BIC and Log-likelihood values. The findings show that the Frank copula with gamma marginal distribution appropriately accounts for the interdependence effects. Assuming independence of climate data leads to an underestimation of the climate change risk. This dependence structure is utilized to predict future weather patterns. The research findings have a significant effect on Kenya's economy since agriculture is a major economic activity heavily dependent on accurate weather predictions.

L'analyse présentée utilise une approche statistique avancée pour modéliser et comprendre l'interdépendance entre les précipitations et la température, deux variables cruciales dans l'évaluation des risques liés au changement climatique. En s'appuyant sur les copules Archimédiennes, spécifiquement les copules de Clayton, Frank et Gumbel, l'étude capture les structures de dépendance complexes au sein des données climatiques historiques du Kenya, couvrant la période de 1991 à 2016. Cette méthode rigoureuse permet une représentation plus réaliste des comportements conjoints entre température et précipitations que l'hypothèse d'indépendance. Les principaux points de l'étude incluent : (a) Identification de la structure d'interdépendance : La recherche identifie comment les précipitations et la température interagissent, reconnaissant les interdépendances inhérentes qui impactent la modélisation du changement climatique; (b) Construction et sélection des copules : En construisant et ajustant les copules de Clayton, Frank et Gumbel, et en évaluant leur performance à l'aide du critère de maximum de log-vraisemblance, l'étude identifie que la copule de Frank avec une distribution marginale gamma est la plus appropriée; (c) Calibration des paramètres et évaluation des distributions marginales : L'utilisation de la méthode des moments pour calibrer les paramètres de dépendance des copules, et de l'estimation du maximum de vraisemblance pour les distributions marginales, garantit une calibration solide. (d) Les métriques telles que l'AIC, le BIC et les valeurs de log-vraisemblance permettent de comparer la performance des modèles;(d) Implications pour les risques climatiques et les prévisions : Les résultats montrent que l'ignorance des interdépendances conduit à sous-estimer les risques liés au changement climatique. (e) Le modèle optimal permet de prédire les précipitations et les températures futures, un outil essentiel pour la planification agricole et économique au Kenya; (f) Impact sur l'économie : L'agriculture étant un pilier central de l'économie kényane, l'amélioration de la précision des prévisions météorologiques grâce à cette étude a des implications significatives. Des prévisions améliorées soutiennent une meilleure allocation des ressources, la planification des cultures et les stratégies de gestion des risques; Cette recherche met en lumière l'efficacité des copules Archimédiennes pour analyser les données climatiques et leur utilité pour faire face aux défis du changement climatique dans les pays en développement.

Ongoing changes in our environment have led to the reappearance or emergence of numerous infectious diseases. Several factors have been pointed out to be responsible for this situation. However, very few studies have focused on global factors related to the environment and people's living conditions. The aim of this study is to identify intra-district risk factors associated with the spread of ten potentially epidemic infectious diseases in Senegal. A descriptive and analytical cross-sectional study was carried out, based on a stratified sample of 10 health districts selected using an automatic sampling method. The study included chief medical officers who are responsible for health surveillance at districts' level. Data collection took place from September 21 to October 5, 2023. Information was gathered on physical environment of the districts, individual behavior, climate and socio-economic conditions, as well as on intrinsic features of the ten targeted diseases. An application of the logistic regression model for each disease separately, reveals that several types of risk factors: environmental, behavioral, climatic, socio-economic and seasonal, may influence the spread of these diseases within health districts. This study highlights the importance of taking these parameters into account, in the data collection process, in order to improve the epidemio-surveillance system and can help to target intervention measures to better combat these diseases.

Les modifications en cours dans notre environnement ont entraîné la réapparition ou l'émergence de nombreuses maladies infectieuses. Cette situation est due à plusieurs facteurs. Cependant, très peu d'études se sont intéressées aux facteurs globaux liés à l'environnement et aux conditions de vie des populations. L'objectif de cette étude est d'identifier les facteurs de risque intra-district associés à la propagation de dix maladies infectieuses à potentiel épidémique au Sénégal. Une étude transversale descriptive et analytique a été réalisée. Un échantillon stratifié de 10 districts sanitaires a été sélectionné à l'aide d'une méthode d'échantillonnage automatique. Etude a inclus les médecins-chefs responsables de la surveillance sanitaire au niveau des districts. La collecte des données a eu lieu du 21 septembre au 5 octobre 2023. Des informations ont été recueillies sur l'environnement physique des districts, le comportement individuel, le climat et les conditions socio-économiques, ainsi que sur les caractéristiques intrinsèques des dix maladies ciblées. Une application du modèle de régression logistique binaire pour chacune des dix maladie révèle que plusieurs types de facteurs de risque : environnementaux, comportementaux, climatiques, socio-économiques et saisonniers, peuvent influencer la propagation de ces maladies au sein des districts. Cette étude souligne l'importance de la prise en compte de ces paramètres, dans le processus de collecte des données, afin d'améliorer le système de surveillance épidémiologique, et peut aider à cibler les mesures d'intervention pour lutter plus efficacement contre ces maladies.

Agriculture is crucial for global food security and economic stability, but it is increasingly threatened by climate change. This study examines the impact of climate change on agricultural productivity in Rwanda's provinces and Kigali city using data from 2003 to 2023. The analysis involved descriptive statistics, trend visualization, and statistical models like the Cobb-Douglas production function and Random Effects model. Findings reveal significant temperature and precipitation variability across regions, with notable warming in certain years and varying trends a cross provinces. Agricultural productivity was strongly influenced by land use, labor participation, and fertilizer consumption, which explained 87.7% of the variation. The Random Effects model showed that temperature and precipitation also affected productivity, with temperature increases leading to small decreases in crop output. The study highlights the need for adaptive strategies to counter climate impacts, recommending sustainable land management, advanced agricultural training, and climate adaptation measures to ensure food security in Rwanda.

L'agriculture est cruciale pour la sécurité alimentaire mondiale et la stabilité économique, mais elle est de plus en plus menacée par le changement climatique. Cette étude examine l'impact du changement climatique sur la productivité agricole dans les provinces du Rwanda et dans la ville de Kigali en utilisant des données de 2003 à 2023. L'analyse a fait appel à des statistiques descriptives, à la visualisation des tendances et à des modèles statistiques tels que la fonction de production Cobb-Douglas et le modèle à effets aléatoires. Les résultats révèlent une variabilité importante des températures et des précipitations dans les régions, avec un réchauffement notable certaines années et des tendances variables selon les provinces. La productivité agricole a été fortement influencée par l'utilisation des terres, la participation de la main-d'œuvre et la consommation d'engrais, qui ont expliqué 87,7\% de la variation. Le modèle des effets aléatoires a montré que la température et les précipitations affectaient également la productivité, les augmentations de température entraînant de légères diminutions de la production agricole. L'étude met en évidence la nécessité de stratégies d'adaptation pour contrer les effets du climat, en recommandant une gestion durable des terres, une formation agricole avancée et des mesures d'adaptation au climat pour assurer la sécurité alimentaire au Rwanda.