09-05-28 Draft

MODÉLISATION DU RENDEMENT DU MIL AU NIGER PAR DES APPROCHES STATISTIQUES/EMPIRIQUES

Seidou Ousmane (U. Ottawa)Seidou Ousmane (U. Ottawa) , Seidou Sanda Ibrah (U. Niamey), Seidou Sanda Ibrah (U. Niamey) Amadou Bokoye (Env. Canada), Hubert Ouaga (Agrhymet)Amadou Bokoye (Env. Canada), Hubert Ouaga (Agrhymet)

Philippe Gachon (Env. Canada)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

•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

09-05-28 Draft

LES MODÈLES D'IMPACTSLes modèles d'impacts constituent maillon faible dans la chaine d'estimation des conséquences des changements climatiquesIls doivent être capables d'intégrer les sorties des modèles de désagrégation d'échelle et les traduire en conséquences sectoriellesLes paramètres ne sont pas que climatiques: les aspects sociaux, psychologiques, culturels jouent un role majeur

09-05-28 Draft

LES MODÈLES D'IMPACTSBeaucoup 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 contre-intuitifsUne approche quantitative est (de notre point de vue) préférable

09-05-28 Draft

TYPES DE MODÈLES D'IMPACTSLes processus environnementaux sont de nature extrêmement complexesLe niveau de complexité du modèle d'impact doit être ajusté en fonction des paramètres suivants:

Budget, temps et expertise disponiblesSorties désirées

Données disponibles

09-05-28 Draft

TYPES DE MODÈLES D'IMPACTSApproche 1: Modélisation explicite et détaillée

des mécanismes environnementaux en jeuAvantages

Description logique des processusEn principe transposables n'importe ou

DésavantagesComplexitéExigences en données et en expertise

09-05-28 Draft

TYPES DE MODÈLES D'IMPACTSApproche 2: Développement de modèles

empiriques de type black box (boite noire) Avantages

Simplicité et flexibilitéPrise en compte implicite des facteurs locaux

DésavantagesNon transposables en dehors des conditions de calibrationDonne peu d'information sur les causalités

09-05-28 Draft

MODÈLE D’IMPACT CLIMAT-RENDEMENT 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 CLIMAT-RENDEMENT 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 àdes approches plus complexes et pas forcément plus performantes.

09-05-28 Draft

Données disponiblesLa 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 disponiblesPluviométrie décadaire à partir de la date de semis simulée àtoutes 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 RÉGIONSDu 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, ZinderUn regroupement par hysohyètes a également été tenté, sans vraiment améliorer sur le regroupement par régions.

09-05-28 Draft

Le modèle empiriqueDans la foulée des modèles basés sur le stress hydrique, on considère que la culture connaît plusieurs phases avec des besoins en eau différentsLa 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.

( )1

1 exp( )n

i i ii

ARB C P

=

=+ −∏

09-05-28 Draft

CALIBRATION DU MODÈLELes 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 NigerOn a considéré 5 phases dans le développement de la planteLes résultats sont satisfaisants, surtout lorsque comparés àceux (publiés) de SARA_HL’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 TillaberyRendements simulés versus observés avec le modèle SARA_H

sur 90 fermes au Sénégal

09-05-28 Draft

Résultats: région de DossoRendements simulés versus observés avec le modèle SARA_H

sur 90 fermes au Sénégal

09-05-28 Draft

Résultats: région de maradiRendements simulés versus observés avec le modèle SARA_H

sur 90 fermes au Sénégal

09-05-28 Draft

Résultats: région de TahouaRendements simulés versus observés avec le modèle SARA_H

sur 90 fermes au Sénégal

09-05-28 Draft

Résultats: région de DifaRendements simulés versus observés avec le modèle SARA_H

sur 90 fermes au Sénégal

09-05-28 Draft

Résultats: région de ZinderRendements simulés versus observés avec le modèle SARA_H

sur 90 fermes au Sénégal

09-05-28 Draft

Résultats: région d’AgadezRendements 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 malnutritionLa 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) On s’oriente donc vers une mesure de vulnérabilité basée sur les prix. Cette partie de l’analyse n’a pas encore été réalisée.

09-05-28 Draft

CONCLUSIONQuoique non achevée, la présente étude montre que des méthodes statistiques simples peuvent donner des résultats intéressants dans la modélisation de la relation climat rendements céréaliersIl 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