MODÉLISATION DU RENDEMENT DU MIL AU NIGER PAR DES

MODÉLISATION DU RENDEMENT DU
MIL AU NIGER PAR DES APPROCHES
STATISTIQUES/EMPIRIQUES
Seidou Ousmane (U. Ottawa), Seidou Sanda Ibrah (U. Niamey)
Amadou Bokoye (Env. Canada), Hubert Ouaga (Agrhymet)
Philippe Gachon (Env. Canada)
09-05-28
Draft
ESTIMATION DE LA VULNÉRABILITÉ FACE
AUX CHANGEMENTS CLIMATIQUES
•Interactions complexes entre
plusieurs composantes.
•Idéalement, la dynamique interne de
chaque composante ainsi que ses
interactions avec les autres
composantes doivent être décrites de
façon quantitative à travers des
modèles d’impacts
09-05-28
Draft
•En pratique, on tente d’utiliser des
modèles très simplifiés issus de
l’ingénierie, de l’agriculture et des
sciences économiques, selon les
données et les connaissances
disponibles
LES MODÈLES D'IMPACTS
†
†
†
Les modèles d'impacts constituent maillon
faible dans la chaine d'estimation des
conséquences des changements climatiques
Ils doivent être capables d'intégrer les sorties
des modèles de désagrégation d'échelle et les
traduire en conséquences sectorielles
Les paramètres ne sont pas que climatiques: les
aspects sociaux, psychologiques, culturels
jouent un role majeur
09-05-28
Draft
LES MODÈLES D'IMPACTS
†
†
†
Beaucoup d'impacts dans les communications
nationales des pays africains sont qualitatives
et basées sur un jugment d'expert.
Lorsque des facteurs antagonistes agissent sur
un système les résultats peuvent être contreintuitifs
Une approche quantitative est (de notre point
de vue) préférable
09-05-28
Draft
TYPES DE MODÈLES D'IMPACTS
†
†
Les processus environnementaux sont de
nature extrêmement complexes
Le niveau de complexité du modèle d'impact
doit être ajusté en fonction des paramètres
suivants:
„
„
„
09-05-28
Budget, temps et expertise disponibles
Sorties désirées
Données disponibles
Draft
TYPES DE MODÈLES D'IMPACTS
Approche 1: Modélisation explicite et détaillée
des mécanismes environnementaux en jeu
† Avantages
„
„
†
Description logique des processus
En principe transposables n'importe ou
Désavantages
„
„
09-05-28
Complexité
Exigences en données et en expertise
Draft
TYPES DE MODÈLES D'IMPACTS
Approche 2: Développement de modèles
empiriques de type black box (boite noire)
†
Avantages
„
„
†
Simplicité et flexibilité
Prise en compte implicite des facteurs locaux
Désavantages
„
„
09-05-28
Non transposables en dehors des conditions de
calibration
Donne peu d'information sur les causalités
Draft
MODÈLE D’IMPACT CLIMATRENDEMENT DU MIL- CAS DU NIGER
†
Le mil est la principale culture vivrière au Niger, et
une variation dans les rendements est susceptible de
créer des crises graves, ou au contraire améliorer le
bien être des populations.
†
Plusieurs tentatives de modélisation de cette culture
ont été tentées ou sont en cours, avec des succès pour
le moment limités: SARA_H (Agrhymet), EPSIM
(Icrisat)
09-05-28
Draft
MODÈLE D’IMPACT CLIMATRENDEMENT DU MIL- CAS DU NIGER
†
On souhaite dans ce projet relier de façon empirique
climat et rendement, en évitant les écueils rencontrés
par les tentatives précédentes.
†
L’apport du projet est de proposer des modèles
simples et faciles à mettre en œuvre par opposition à
des approches plus complexes et pas forcément plus
performantes.
09-05-28
Draft
Données disponibles
†
La collecte de données à Niamey (27 mars au 25 Avril) a
permis d’obtenir des séries climatiques et de rendements sous
plusieurs formats différents. Pour ce projet, on a utilisé les
données du CD de TDbase, fourni par le centre Agrhymet
parce qu’elles couvrent une période relativement longue et
qu’elles couvrent tout le pays.
09-05-28
Draft
Données disponibles
„
„
„
„
Pluviométrie décadaire à partir de la date de semis simulée à
toutes les stations pluviométriques du Niger. Le début de la
première décade correspond à la date simulée de semis réussi
(règle dérivée su projet Ap3a, Agrhymet).
Rendements agrégés du mil à l’échelle de du département)
La variété de mil n’est pas spécifiée dans la base de données.
Par contre l’analyse sommaire d’une autre base de donnée
obtenue au ministère de l’agriculture montre que l’utilisation de
semences sélectionnées et d,intrants est marginale.
La période couverte est 1985-2005 avec beaucoup de
rendements manquants.
09-05-28
Draft
REGROUPEMENT PAR RÉGIONS
†
†
Du faut du nombre peu élevés de
données de rendements à l’échelle
du département, on a procédé à un
(contestable) regroupement par
régions administratives: Agadez,
Difa, Dosso, Maradi, Tillabery,
Zinder
Un regroupement par hysohyètes a
également été tenté, sans vraiment
améliorer sur le regroupement par
régions.
09-05-28
Draft
Le modèle empirique
†
†
†
Dans la foulée des modèles basés sur le stress hydrique, on considère que
la culture connaît plusieurs phases avec des besoins en eau différents
La contribution de chaque phase est modélisée par un fonction logistique,
et le rendement final est le produit des contributions de chaque phase.
La motivation d’utiliser une fonction logistique est qu’elle plafonne
lorsque le facteur responsable de la croissance (ici la pluviométrie au
cours d’une phase) tend vers l’infini.
R=
A
n
∏ (1 + exp( B − C P ) )
i =1
09-05-28
Draft
i
i i
CALIBRATION DU MODÈLE
†
†
Les paramètres sont obtenus par minimisation
de l'écart quadratique moyen entre les
rendements simulés et les rendements
observés.
Les paramètres a optimiser sont les coefficients
de l'équation logistique mais aussi les limites
des phases de croissance
09-05-28
Draft
RÉSULTATS SUR LES SEPTS
RÉGIONS DU NIGER
†
†
†
†
Les sept prochaines diapositives présentent les résultats pour
les sept régions du Niger
On a considéré 5 phases dans le développement de la plante
Les résultats sont satisfaisants, surtout lorsque comparés à
ceux (publiés) de SARA_H
L’analyse de la base de donnée sur les rendements obtenue
du ministères de l’agriculture fait soupçonner qu’une partie
de la variabilité résiduelle vient de la méthode de collecte et
de calcul des rendements: Le nombre de champs échantillons
semble insuffisant.
09-05-28
Draft
Résultats: région de Tillabery
Rendements simulés
versus observés avec
le modèle SARA_H
sur 90 fermes au
Sénégal
09-05-28
Draft
Résultats: région de Dosso
Rendements simulés
versus observés avec
le modèle SARA_H
sur 90 fermes au
Sénégal
09-05-28
Draft
Résultats: région de maradi
Rendements simulés
versus observés avec
le modèle SARA_H
sur 90 fermes au
Sénégal
09-05-28
Draft
Résultats: région de Tahoua
Rendements simulés
versus observés avec
le modèle SARA_H
sur 90 fermes au
Sénégal
09-05-28
Draft
Résultats: région de Difa
Rendements simulés
versus observés avec
le modèle SARA_H
sur 90 fermes au
Sénégal
09-05-28
Draft
Résultats: région de Zinder
Rendements simulés
versus observés avec
le modèle SARA_H
sur 90 fermes au
Sénégal
09-05-28
Draft
Résultats: région d’Agadez
Rendements simulés
versus observés avec
le modèle SARA_H
sur 90 fermes au
Sénégal
09-05-28
Draft
QUELLE MESURE DE
VULNÉRABILITÉ?
†
†
Au début du projet, deux façons de mesurer la vulnérabilité des
populations face à la production agricole semblaient
prometteuses:
„
Les statistiques de malnutrition
„
La structure des prix aux détail des céréales
Après la collecte de données, il semble que les statistiques sur la
malnutrition dans les différentes régions ne sont compilées que
depuis 2006. par contre les prix au détail sur les différents
marchés ruraux sont disponibles au SIM Niger (Système
d’Information sur les Marchés)
†
09-05-28
On s’oriente donc vers une mesure de vulnérabilité basée sur les
prix. Cette partie de l’analyse n’a pas encore été réalisée.
Draft
CONCLUSION
†
†
Quoique non achevée, la présente étude
montre que des méthodes statistiques simples
peuvent donner des résultats intéressants dans
la modélisation de la relation climat
rendements céréaliers
Il y’a un réel besoin de définir des indices de
vulnérabilité basées sur des quantités
mesurables. Les prochains travaux/collectes
de données devraient s’attaquer à ce point
09-05-28
Draft