MODÉLISATION DU RENDEMENT DU MIL AU NIGER PAR DES
Transcription
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