Gestion des Risques Climatiques dans le Conseil Agricole au Sénégal GUIDE DE RÉFÉRENCE Gestion des Risques Climatiques dans le Conseil Agricole au Sénégal GUIDE DE RÉFÉRENCE Citation recommandée : Hansen J., Trzaska S., Braun M., Grossi A., List G., 2023. Guide de référence sur la gestion des risques climatiques dans le conseil agricole au Sénégal . Palisades, NY, USA : International Research Institute for Climate and Society (IRI), Columbia Climate School. Clause de non-responsabilité : Ce guide du référence n'a pas fait l'objet d’une revue par des pairs. Les opinions qui y sont exprimées sont celles des auteurs et ne reflètent pas nécessairement les politiques ou les opinions de l'IRI, du project AICCRA, des partenaires ou des bailleurs de fonds. Toutes les images demeurent la propriété exclusive de leur auteur et ne peuvent être utilisées à quelque fin que ce soit sans l'autorisation écrite de l'auteur. La désignation géographique employée et la présentation du matériel dans cette publication n'impliquent pas l'expression d'une quelconque opinion de la part de l'IRI concernant le statut légal d'un pays, d'un territoire, d'une ville ou d'une zone ou de ses autorités, ou concernant la délimitation de ses frontières ou limites. Ce document de travail est soumis à une licence Creative Commons Attribution - NonCommercial 4.0 International License. Les lecteurs intéressés par l'adaptation de ce contenu à leur zone géographique sont encouragés à contacter l'IRI à : amanda@iri.columbia.edu. © 2023 Institut international de recherche sur le climat et la société (IRI). En collaboration avec : Remerciements Nous reconnaissons le financement de l’International Development Association (IDA) de l’World Bank pour le projet d'Accelerating Impact of CGIAR Climate Research for Africa pour l'Afrique (AICCRA). AICCRA est un projet qui aide à offrir un avenir africain intelligent face au climat, guidé par la science et l'innovation dans l'agriculture. Il est dirigé par l'Alliance Bioversity International et le CIAT, et soutenu par une subvention de l’International Development Association (IDA) de l’World Bank. Découvrez le travail de l'AICCRA sur www.aiccra.cgiar.org. Ce travail s'appuie sur le programme d'études qui a été développé pour l'Éthiopie avec le soutien de l'AICCRA, et l'Adapting Agriculture to Climate Today for Tomorrow (ACToday), soutenu par Columbia World Projects, Columbia University dans la ville de New York. 2 Table des matières INTRODUCTION ................................................................................................................................................ 1 MODULE 1. INITIATION AU CLIMAT .................................................................................................... 5 1.1 NOTIONS DE BASE SUR LE CLIMAT ........................................................................................................ 5 1.1.1 Définitions ...................................................................................................................................... 6 1.1.2 Les dimensions spatiales et temporelles du climat ......................................................................... 6 1.1.3 Principales composantes de la météo et du climat ......................................................................... 7 1.2 LES CARACTERISTIQUES DU CLIMAT DU SENEGAL.............................................................................. 13 1.2.1 Principales caractéristiques du climat Sénégalais ....................................................................... 13 1.2.2 Principaux facteurs déterminant le climat du Sénégal ................................................................. 16 1.2.3 Variabilité climatique décennale et interannuelle au Sénégal ...................................................... 20 1.2.4 Pour en savoir plus sur le changement climatique… .................................................................... 22 1.3 DONNEES ET INFORMATIONS CLIMATIQUES ........................................................................................ 24 1.3.1 Les différents types de données climatique ................................................................................... 25 1.3.2 Analyses climatiques ..................................................................................................................... 29 1.3.3 Les horizons temporels de l’information climatique ..................................................................... 34 1.3.4 Comprendre et interpréter les cartes et graphiques climatiques les plus courants ...................... 35 1.4 PREVISIONS CLIMATIQUES SAISONNIERES .......................................................................................... 38 1.4.1 Les principes de base des prévisions saisonnières ....................................................................... 38 1.4.2 Méthodes de prévision .................................................................................................................. 39 1.4.3 Formats des prévisions climatiques saisonnières ......................................................................... 43 1.4.4 Utilisation de prévisions saisonnières .......................................................................................... 46 1.4.5 Le Continuum des prévisions ........................................................................................................ 47 MODULE 2. INFORMATION CLIMATIQUE POUR LA GRCA AU SENEGAL .............................. 49 2.1 REVUE DES TYPES D’INFORMATION CLIMATIQUE AU SENEGA ............................................................ 50 2.2 LE BULLETIN DU GTP ......................................................................................................................... 53 2.3 LA DATATHEQUE ENACTS DE L’ANACIM ...................................................................................... 55 2.3.1 La genèse ...................................................................................................................................... 55 2.3.2 Les données ENACTS ................................................................................................................... 56 2.3.3 La datatheque d’ANACIM ............................................................................................................ 56 2.3.4 La navigation dans les maprooms ................................................................................................ 58 2.3.5 La Maproom « Climatologie » ...................................................................................................... 60 2.3.6 Analyses climatiques spécifiques à l’agriculture : La maproom Climat et Agriculture ................ 64 2.3.7 Maproom de suivi climatique........................................................................................................ 67 2.4 LE AG DATA HUB .............................................................................................................................. 70 2.5 INTERPRETATION DES PREVISIONS SAISONNIERES DE L’ANACIM ..................................................... 72 2.5.1 Rappels sur les éléments d’élaboration des prévisions saisonnières ............................................ 72 2.5.2 Interpréter les prévisions saisonnières en terciles ........................................................................ 72 MODULE 3. COMPRENDRE LES DECISIONS DE PRODUCTION SENSIBLES AU CLIMAT .... 75 3.1 LES DECISIONS DE PRODUCTION SENSIBLES AU CLIMAT ..................................................................... 76 3.1.1 Comment les risques climatiques affectent les producteurs .......................................................... 76 3.1.2 Les caractéristiques des producteurs influencent les décisions de gestion de l’exploitation ........ 83 3.1.3 La dimension temporelle des décisions sensibles au climat ......................................................... 84 3.1.4 Analyser les décisions relatives à la production agricole impliquant le climat ............................ 88 3.1.5 Résoudre les questions de risque avec des arbres de décision ..................................................... 89 Lectures recommandées .............................................................................................................................. 95 3.2 PRISE DE DECISION DANS L'INCERTITUDE ........................................................................................... 95 3.2.1 L'aversion au risque et les concepts associés ............................................................................... 95 3.2.2 Analyse de la décision lorsque les préférences de risques sont inconnues ................................... 99 Lectures recommandées ............................................................................................................................ 101 3.3 OPTIONS DE GESTION DES RISQUES CLIMATIQUES AU NIVEAU DE L'EXPLOITATION .......................... 101 3.3.1 Technologies de production ........................................................................................................ 102 3.3.2 Gestion adaptative intelligente face au climat ............................................................................ 104 3.3.3 La diversification ........................................................................................................................ 110 i 3.3.4 Assurance indicielle agricole ...................................................................................................... 114 Lectures recommandées ............................................................................................................................ 120 3.4 ANALYSE DES OPTIONS DE GESTION DE L’EXPLOITATION A L'AIDE DE MODELES AGRICOLES ET DE BUDGETS D'ENTREPRISE .................................................................................................................................. 120 3.4.1 Introduction aux modèles agricoles ............................................................................................ 121 3.4.2 Modèles de simulation des cultures ............................................................................................ 122 3.4.3 Considérations pratiques : Données, étalonnage, validation ..................................................... 125 3.4.4 Modélisation de la rentabilité : Analyse du budget de l'entreprise ............................................ 128 Lectures recommandées ............................................................................................................................ 131 3.5 OUTILS D'AIDE A LA DECISION AGRICOLE ......................................................................................... 132 3.5.1 SIMAGRI .................................................................................................................................... 132 3.5.2 ISAT ............................................................................................................................................ 135 3.5.3 Utilisation appropriée et limites des outils d'aide à la décision basés sur des modèles ............. 137 Lectures recommandées ............................................................................................................................ 139 MODULE 4. COMMUNIQUER LES INFORMATIONS CLIMATIQUES ET ENCOURAGER LEUR UTILISATION 140 4.1 STRATEGIES DE COMMUNICATION DES SERVICES CLIMATIQUES ....................................................... 141 4.1.1 Les informations météorologiques et climatiques nécessitent des stratégies de communication distinctes ................................................................................................................................................... 141 4.1.2 Processus de communication participative sur le climat ............................................................ 143 4.1.3 Canaux de communication numériques et médiatiques sur le climat ......................................... 144 4.1.4 Réseaux institutionnels ............................................................................................................... 146 4.1.5 Genre et équité sociale ............................................................................................................... 149 4.1.6 Combiner les canaux de communication pour renforcer les services climatiques ..................... 152 Lectures recommandées ............................................................................................................................ 154 4.2 PROCESSUS D'ATELIER DE FORMATION ET DE PLANIFICATION DES PREVISIONS SAISONNIERES ......... 154 4.2.1 Aperçu de l'atelier ....................................................................................................................... 154 Étape 1 : Présenter l'objectif de l'atelier et les concepts clés ................................................................... 155 Étape 2 : Comprendre la variabilité passée .............................................................................................. 157 Étape 3 : Introduire le graphique de probabilité de dépassement ............................................................ 160 Étape 4 : Présenter les prévisions saisonnières ........................................................................................ 163 Étape 5 : Planifier l'adaptation de la gestion de l'exploitation en fonction des prévisions ...................... 163 4.2.2 Considérations pratiques ............................................................................................................ 165 REFERENCES CITEES .................................................................................................................................. 168 ANNEX A – REPONSES AUX AUTO-EVALUATIONS ............................................................................. 171 ii Introduction L'approfondissement des connaissances et le renforcement des compétences des agents de conseil en matière de gestion des risques climatiques sont des conditions importantes pour surmonter les principaux obstacles à la pleine valorisation des services climatiques au Sénégal. La formation ‘La gestion des risques climatiques dans le conseil agricole au Sénégal’ est une formation intensive de courte durée. La formation et le guide de référence qui l'accompagne visent à équiper les prestataires de services de vulgarisation et de conseil agricoles du Sénégal pour qu'ils intègrent les services climatiques et la gestion des risques climatiques dans leur travail avec les producteurs (c.-à-d. les agriculteurs et les agropasteurs). En renforçant la capacité individuelle et institutionnelle à comprendre, communiquer et appliquer les informations climatiques au secteur agricole, cette formation vise à catalyser la transformation du système agricole afin d’améliorer le bien-être et la résilience de la population rurale du Sénégal. La formation est le résultat d'une collaboration d'un an entre une équipe dévouée d'institutions nationales dédiées aux services agricoles et climatiques du Sénégal : l’Agence Nationale de l'Aviation Civile et de la Météorologie (ANACIM), l’Agence Nationale du Conseil Agricole et Rural (ANCAR), l’Institut Sénégalais de Recherches Agricoles (ISRA), le Centre d'étude régional pour l'amélioration de l'adaptation à la sécheresse (CERAAS), l’Université Alioune DIOP Bambey (UADB), l’Université du Sine Saloum El-Hâdj Ibrahima Niass (USSEIN), MLouma, et Jokalante ; avec la facilitation et le soutien technique de l'Institut international de recherche sur le climat et la société (IRI), de l'Institut international de recherche sur les cultures des zones tropicales semi-arides (ICRISAT) et de l'Institut international de recherche sur l'élevage (ILRI). Cette initiative s'inscrit dans le cadre du projet AICCRA (Accelerating Impacts of CGIAR Climate Research for Africa). Il s'appuie sur un effort antérieur d'élaboration de programmes d'études en Éthiopie, dans le cadre des projets AICCRA et Adapting Agriculture to Climate Today, for Tomorrow (ACToday). Risque climatique et définitions clés La productivité agricole et les moyens de subsistance des agriculteurs et des agropasteurs au Sénégal sont étroitement liés au climat. Le climat fluctue à différentes échelles temporelles. La variabilité du climat d'une année sur l'autre est une source majeure de risque, en particulier pour les petits producteurs qui dépendent de l'agriculture pluviale. Le risque climatique fait référence à l'impact de la variabilité climatique sur la productivité, la rentabilité ou d'autres aspects du bien-être des producteurs. Les risques liés au climat contribuent largement à l'insécurité alimentaire et constituent un obstacle aux efforts visant à améliorer les moyens de subsistance des petits exploitants agricoles en Afrique subsaharienne. Quelques concepts clés sont essentiels pour comprendre la notion de risque et d’impact sur l'agriculture. Les formules et définitions pour chacun de ces concepts peuvent varier dans la littérature mais il est important de comprendre ce à quoi ils font référence. • Dans le contexte du climat, l'aléa et le choc font tous deux références à un phénomène physique lié au climat qui a le potentiel de déclencher des effets négatifs sur le bien-être humain - directement ou par l'intermédiaire des ressources naturelles dont nous dépendons. Par exemple, une sécheresse, une vague de chaleur, etc. • L'exposition fait référence à la fréquence et à la magnitude des chocs ou des stress environnementaux subis par une communauté. L’exposition peut varier en fonction de 1 certains paramètres tels que la topographie. Par exemple, les personnes qui vivent en haut de la colline sont moins exposées au risque d’inondation, mais peut-être plus exposées au vent violent. • La vulnérabilité fait référence aux caractéristiques des communautés humaines ou des systèmes sociaux qui les rendent susceptibles de subir des effets néfastes, tels qu'une augmentation de l'insécurité alimentaire, de la pauvreté ou de la mortalité, lorsqu'ils sont exposés à un choc ou à un stress externe. Dans la littérature, certains définitions incluent l’exposition comme un facteur de la vulnérabilité, d’autres traitent les deux concepts séparément. • La sensibilité au risque est un facteur de la vulnérabilité, qui fait référence aux caractéristiques qui rendent certains groupes ou membres d’une communauté plus vulnérables à un choc que d’autres. En d’autres termes, à niveau d’exposition égal, certaines personnes sont plus susceptibles d’être impactées que d’autres. Par exemple, les personnes à mobilité réduites sont plus sensibles en cas d’inondation ; les personnes à plus faibles revenus peuvent avoir des habitations ou des moyens de subsistance moins résistants aux aléas climatiques ; la recherche montre également que les femmes, qui tendent à privilégier leurs maris et enfants en cas d’insuffisance de nourriture, sont plus susceptibles de souffrir de malnutrition face à un choc qui impacte la sécurité alimentaire. La sensibilité est parfois considérée dans la littérature comme un synonyme de la vulnérabilité. • La capacité d’adaptation fait référence à l’absence ou existence de stratégies permettant d’anticiper ou de répondre aux risques auxquels la population est exposée • La résilience fait référence à la capacité d'un individu, d'une communauté ou d'une société à éviter, atténuer ou faire face à des conséquences négatives (par exemple, la pauvreté), ou à se rétablir si elle se trouve déjà dans une situation indésirable (par rapport à un objectif de développement), face à des impacts climatiques à court ou long terme. Elle est fonction de la vulnérabilité/sensibilité d’un individu et de sa capacité d’adaptation. • Le terme « risque » est utilisé de deux manières différentes : o La notion de ‘perspective du danger’, largement utilisée dans la gestion des risques de catastrophe, considère le risque comme la probabilité qu'une catastrophe ou un autre événement dommageable se produise. Le risque est considéré comme une fonction de l'exposition et de la vulnérabilité (définies ci-dessus). Cette perspective se concentre sur la probabilité de subir des événements défavorables, et n’utilise pas l’ensemble de la courbe de distribution des probabilité pour quantifier le risque. o La recherche sur l'économie agricole et l'analyse des décisions considère le risque comme l'ensemble des impacts dus à la variabilité climatique, en incluant l'impact de l'incertitude relative aux conditions futures, en plus de l’impact climatique en tant que tel. Cette définition plus générale du risque prend en compte l'ensemble de la courbe de distribution des probabilités et utilise les caractéristiques de distribution (par exemple, écart type, coefficient de variation) pour quantifier le risque. Services climatiques Afin de pouvoir gérer les risques liés au climat, les décideurs agricoles doivent d'abord être en mesure de bien les comprendre et de les anticiper. Les services climatiques, tels que définis par le Partenariat pour les services climatiques (Climate Services Partnership), impliquent « la production, la traduction, le transfert et l'utilisation de connaissances et d'informations sur le 2 climat, afin d’éclairer la prise de décision et de favoriser une politique et une planification intelligentes face au climat ».1 Les services climatiques jouent un rôle de plus en plus important dans les efforts visant à renforcer la résilience de l'agriculture africaine face à un climat changeant. L’expérience démontre que des services climatiques efficaces contribuent à l'amélioration des moyens de subsistance et de la sécurité alimentaire des populations rurales. Un service climatique qui fonctionne bien fournit les informations et le soutien dont les agriculteurs et les éleveurs ont besoin à toutes les échelles de temps pertinentes. Les services climatiques peuvent inclure des informations sur les conditions météorologiques (par exemple, observations quotidiennes, prévisions à 10 jours environ), la variabilité du climat (par exemple, analyses historiques de la saisonnalité, de la variabilité et des tendances ; prévisions saisonnières) et le changement climatique (projections sur le long terme). Cependant, cette formation ne met pas l'accent sur les projections à long terme du changement climatique, car elles sont peu pertinentes pour les décisions et les défis auxquels les producteurs sont régulièrement confrontés. Le public cible Cette formation s’adresse principalement aux techniciens et agents de conseil à l’exploitation des diverses institutions fournissant du conseil agricole au Sénégal (CAR - Conseil Agricole et Rural, et CAEF - Conseil agricole à l'exploitation familiale), telles que ANCAR, RESOPP, MLouma, et JOKALANTE, identifiés lors d’un atelier consultatif préalable avec les acteurs concernés (List et al., 2022). Les participants à la consultation ont identifié un niveau d’éducation variable du public cible, incluant : (i) examen de fin d'études secondaires (Baccalauréat - BAC) ; (ii) examen formel de fin d'études moyennes (Brevet de Fin d'Études Moyennes - BFEM) suivi de trois ans d'enseignement technique ou professionnel formel ; et (iii) BAC +3, soit la fin du premier cycle universitaire. Par conséquent, le niveau d’éducation cible pour le curriculum a été fixé au niveau du BAC ou BFEM+3 afin qu'il soit accessible à un large public. Les participants ont recensé plus de 500 personnes susceptibles d'être formées au sein des réseaux de conseil agricole des organisations présentes. L'organisation de la formation La formation se compose de quatre modules. Le module 1 : Notions de base sur le climat fournit des connaissances fondamentales sur les concepts climatiques, les données, les analyses de données courantes et les prévisions. Il aborde également les questions et préoccupations courantes des producteurs concernant le temps et le climat, et comprend des concepts de probabilité qui sont essentiels pour analyser et gérer les risques, ainsi que pour interpréter et utiliser les informations climatiques utiles dans la gestion des risques. Le module 2 : Produits et outils d'information climatique disponibles pour l'agriculture donne un aperçu des produits et services d'information météorologique et climatique pertinents qui sont (ou seront bientôt) disponibles par l'intermédiaire de l'ANACIM. Il explique comment naviguer et utiliser les produits d'information historiques, de suivi et de prévision disponibles sur la page web de l'ANACIM et dans les maprooms en ligne. Il présente les bulletins 1 https://climate-services.org/about-us/what-are-climate-services/ 3 d'information climatique produits par le Groupe de Travail Pluridisciplinaire (GTP), et les nouveaux outils Ag Data Hub en cours de développement dans le cadre du projet AICCRA. Le module 3 : Décisions agricoles sensibles au climat vise à renforcer la compréhension de l'interaction entre le climat et la prise de décision agricole. Il permet d'effectuer des analyses de base des décisions de gestion agricole sensibles au climat en situation d'incertitude. Il est essentiel de comprendre quelles sont les décisions des producteurs qui sont sensibles au climat et les facteurs qui influencent leurs décisions pour comprendre comment les services climatiques peuvent éclairer la prise de décision des agriculteurs. Dans ce module, vous apprendrez comment l'interaction entre la variabilité du climat et les objectifs et contraintes spécifiques des agriculteurs se traduit par des décisions de gestion différentes selon le type d'agriculteur, leur contexte et les conditions locales. Vous apprendrez plusieurs méthodes pour caractériser et analyser les décisions de gestion agricole sensibles au climat. Vous apprendrez également comment les technologies de production agricole, la diversification, les prévisions saisonnières et l'assurance agricole indicielle peuvent contribuer à la gestion des risques climatiques par les producteurs. Le module 4 : Intégrer les services climatiques dans le conseil agricole permet aux agents de conseil d’intégrer les services climatiques dans les services et recommandations qu'ils fournissent à leurs clients producteurs. S'appuyant sur l'apprentissage des trois autres modules, le module 4 vous permet de guider les producteurs à travers un atelier participatif de planification saisonnière, sur la base d'informations historiques et de prévisions saisonnières. Le module se termine par l’élaboration et la présentation de plans stratégiques visant à intégrer les services climatiques dans les activités de conseil agricole auprès de vos clients. Ces plans porteront sur : les informations et le soutien nécessaires pour prendre des décisions de gestion sensibles au climat ; les différents besoins des différents types de producteurs ; les stratégies de communication, de formation et de soutien ; le calendrier annuel des activités dépendant de services climatiques ; et le suivi et la réponse aux commentaires et retours des producteurs. Le matériel de formation est conçu pour fournir des connaissances fondamentales sur le climat et la prise de décision agricole, et des outils pratiques pour analyser les risques liés au climat ; identifier et utiliser des informations météorologiques et climatiques appropriées pour éclairer les décisions agricoles ; communiquer efficacement des informations climatiques complexes avec les producteurs ; et intégrer les services climatiques dans les activités de conseil agricole. Les modules présentés dans ce guide doivent être abordés dans l'ordre, car chaque nouveau sujet s'appuie sur les concepts et les compétences présentés dans les sections précédentes, ajoutant progressivement des compétences à la boîte à outils des apprenants pour la gestion des risques climatiques. 4 Module 1. Initiation au Climat Module 1 : Le module Initiation au Climat fournit les notions fondamentales sur les concepts climatiques, les données et les analyses de données courantes, ainsi que les éléments relatifs à la prévision du climat. Il répond également aux questions et aux préoccupations des clients agriculteurs sur la météo et le climat, et couvre les notions de base d’analyse de probabilités qui sont essentielles pour comprendre et gérer les risques, ainsi que pour interpréter et utiliser les informations climatiques comme support dans la gestion des risques. Ce module vous permettra de : ▪ Maitriser les principaux concepts en climatologie ▪ Effectuer et interpréter des analyses climatiques simples ▪ Interpréter les prévisions saisonnières À la fin de ce module, vous aurez les compétences pour : • Comprendre et expliquer : o Comprendre les notions de météo, de climat et de changement climatique o Caractériser le climat du pays • Analyser et diagnostiquer : o Comprendre les données et informations climatiques ainsi que leurs limites o Appliquer les concepts statistiques au climat • Agir : o Interpréter des prévisions climatiques saisonnières 1.1 Notions de base sur le climat Cette section permet d'identifier si le problème ou les informations en jeu concernent le temps, le climat ou le changement climatique, trois concepts de base liés les uns aux autres. 5 1.1.1 Définitions Dans la science du climat, il est d'usage de distinguer trois concepts : la météo, le climat et le changement climatique. La météo, c’est l'état de l'atmosphère à un moment donné en ce qui concerne la température, les précipitations, l'humidité, la pression atmosphérique, le vent, la nébulosité et l'ensoleillement. Le terme « météo » … • Est généralement limité aux conditions sur de courtes périodes (deux semaines ou moins) • Décrit le temps qu’il fait dehors, à un endroit et à un moment donné • Peut changer considérablement de façon soudaine • Réfère à ce qui nous est présenté au journal télévisé Le climat, intègre les mêmes caractéristiques atmosphériques que pour la météo, mais de façon statistique. Le terme « climat » ... • Implique des périodes longues (années/mois) • Intègre les cycles saisonniers (saisons sèches/pluvieuses)) • Inclut la caractérisation des événements météorologiques extrêmes (inondations, cyclones) • Informe sur les conditions typiques d'un lieu et d'une période de l'année donnés de l'année • Se reflète souvent dans la végétation ou les activités agricoles et économiques Le changement climatique fait référence aux variations des caractéristiques du climat global ou régional dans le temps. Il réfère aux changements moyens ainsi qu’à la variabilité du climat sur des échelles de temps allant de décennies à des millions d'années. De plus amples informations sur le changement climatique seront fournies au cours de cette section. 1.1.2 Les dimensions spatiales et temporelles du climat Le climat et ses caractéristiques varient d'un endroit à l'autre ainsi que d'une période à l'autre. Il est courant de conceptualiser le climat comme ayant des dimensions spatiales et temporelles et de présenter les caractéristiques climatiques dans ces deux dimensions. Des exemples de représentation du climat dans l’espace et le temps sont présentés dans la Figure 1.1-1 ci- dessous : • La figure 1.1-1a montre une carte - dimension spatiale - des quantités de précipitations reçues en moyenne en un an dans différents endroits ; • La figure 1.1-1b illustre la quantité de pluie tombée chaque année à Thiès entre 1982 et 2012, soit la dimension temporelle du climat ; • La figure 1.1.-1c révèle combien de fois les précipitations annuelles enregistrées à Thiès entre 1982 et 2012 sont tombées dans chaque catégorie : moins de 300 mm/an, entre 300 et 350 mm/an, 350-400 mm/an, etc. Il s'agit d'une autre façon de représenter la dimension temporelle du climat. Cette figure indique aussi quelle était la pluie moyenne enregistrée sur cette période. 6 Figure 1.1-1. Illustrations de dimensions spatiales et temporelles du climat, calculées sur la période 1982-2012. a) Carte des précipitations annuelles moyennes sur le Senegal (mm/an) ; b) série chronologique des précipitations annuelles (mm/an) à Thies; c) Nombre d’années présentant des précipitations annuelles d’une catégorie donnée (mm/an). Pour approfondir 1.1.2 1. Identifiez les zones où les précipitations sont les plus fortes et les plus faibles sur la carte (figure.1.1-1 a). Quel type de cultures correspond a chaque des zones ? 2. A partir de la figure 1.1.-1b, quelles etaient les precipitations eannuelle nregistrees lors de l’annee la plus seches entre 1982 et 2012 ? Quelles eteaient les precipitatiomns annuelles en annee la plus humide ? 3. A partir de la figure 1.1.-1c, quellle est la categorie des precipitations les plus frequente ? Combien de fois est elle observee ? 1.1.3 Principales composantes de la météo et du climat Le temps et le climat sont tous deux mesurés par un certain nombre de variables. Certaines des variables les plus importantes sont décrites dans la suite de cette section, ainsi que les standards d’unités et méthodes de mesure. La température mesure le degré de chaleur ou de froid d'une substance. Les mesures de routine pour la météo et le climat se concentrent sur la température de l'air, bien que la température de l'eau, en particulier celle de l'océan ou des grands lacs, puisse également 7 présenter un intérêt. Pour les applications agronomiques, la température du sol est parfois nécessaire. La température reflète la quantité d'énergie reçue par la surface de la Terre et constitue un facteur limitant important pour la croissance des plantes. La température est mesurée à l'aide d'un thermomètre, en utilisant dans la plupart des pays l'échelle Celsius (°C) où 0°C et 100°C correspondent respectivement au gel et à l'ébullition de l’eau.2 Les services météorologiques enregistrent la température la plus chaude et la plus froide de la journée - Tmax et Tmin respectivement. La température moyenne de cette journée (Tmoy) est la moyenne de ces deux chiffres. La température peut varier entre deux endroits en fonction de l'altitude (plus froide à haute altitude) ou de la latitude (plus froide dans les hautes latitudes), entre les saisons (hiver vs été, saison sèche vs saison des pluies) ainsi qu'entre le jour et la nuit. Les précipitations : l'eau qui tombe sur le sol sous forme de pluie, de neige ou de grêle. L'eau est essentielle pour de nombreuses activités économiques, de l'usage domestique à la production d'énergie hydroélectrique ; elle constitue un facteur limitant essentiel pour la croissance des plantes au niveaux des tropiques et est étroitement surveillée par les services météorologiques et hydrologiques. Les précipitations sont mesurées à l'aide d'un pluviomètre, qui est généralement un réceptacle en plastique ou en métal muni de marques graduées indiquant la profondeur des précipitations accumulées. La quantité d'eau contenue dans la neige sera, quant à elle, estimée à partir de l'épaisseur de la couche de neige. Les unités utilisées le plus souvent sont les millimètres (mm). Contrairement à la température, l'eau peut s'accumuler dans le sol ou dans un lac, c'est pourquoi les précipitations peuvent être mesurées en tant que quantité cumulée sur différentes durées telles que quotidienne, hebdomadaire, décadaire (10 jours), mensuelle ou annuelle3. Les mesures de précipitations peuvent varier fortement dans le temps et l'espace. Il peut commencer et s'arrêter de pleuvoir en quelques minutes ; et il peut également pleuvoir d'un côté d'une ville ou d'une vallée, mais pas de l'autre. La température, en revanche, a tendance à moins varier à ces échelles. À moins qu'il n'y ait un changement d'altitude (par exemple, du fond de la vallée au sommet de la montagne), de 2 L'échelle Fahrenheit est parfois utilisée, principalement aux États-Unis et dans les territoires associés. Dans cette échelle, l'eau gèle à 32°F et bout à 212°F. Pour convertir en degrés Celsius, T°C=5/9(T°F-32). Dans certaines applications scientifiques, le degré Kelvin peut être utilisé. L'eau gèle à 273,15K et bout à 373,13K. T°C=TK-273,15. Une règle simple pour reconnaître l'utilisation d'une échelle non Celsius : si les valeurs de la température de l'air sont systématiquement comprises entre 20 et 90 degrés, ce sont des degrés Fahrenheit qui sont utilisés. Si elles sont supérieures à 200 degrés, on utilise l'échelle Kelvin. 3 Le plus souvent exprimée en mm/jour, mm/semaine, mm/décade, mm/mois ou mm/année. Cependant, les précipitations peuvent parfois être exprimée différemment : par exemple, la pluviométrie annuelle moyenne en mm/mois signifie que la pluviométrie annuelle totale a été divisée par 12. Les "précipitations quotidiennes moyennes" indiquent la quantité "moyenne" de pluie que l'on peut attendre d'un jour de pluie et sont obtenues en divisant les précipitations annuelles totales par le nombre de jours où des précipitations ont été observées. Il est très important de prêter attention aux unités dans lesquelles les précipitations sont exprimées. Notez que 10 mm de pluie mesurés par un pluviomètre équivalent à 1 litre d'eau sur une surface de 1m2. Dans certaines applications scientifiques, les précipitations sont exprimées en unités de volume, par exemple, l'intensité des précipitations peut être exprimée en m3/s. 8 végétation (par exemple, de la prairie à la forêt) ou de proximité d'un plan d'eau, il est peu probable que la température change en l'espace d'un kilomètre environ (dimension spatiale) ou en quelques minutes (dimension temporelle). À l'échelle du climat, les cycles saisonniers ou les variations d'une année à l'autre (dimensions temporelles) pour les variables telles que la température et les précipitations se comportent très différemment entre les régions tropicales et les régions tempérées (dimensions spatiales). Figure 1.1-2. Cycle saisonnier moyen des précipitations (bleu) et de la température (orange) dans quatre endroits, a) Addis-Abeba [8,98° N, 38,76° E], b) Dakar, c) Le Cap [33,92° S, 18,42° E] et d) Moscou [55,75° N, 37,62° E]. Les climats tropicaux, à l'exception des régions équatoriales, sont souvent caractérisés par de grands contrastes de précipitations, alors que les températures y présentent des variations relativement faibles au cours de l'année. Les climats tropicaux sont caractérisés par des températures moyennes mensuelles égales ou supérieures à 18°C tout au long de l'année, avec de faibles variations entre les mois. À l'inverse, à l'exception des régions équatoriales, les précipitations peuvent présenter de forts contrastes entre la saison sèche et la saison des pluies. Aux latitudes moyennes, les précipitations varient relativement peu, tandis que la température présente de grands écarts. La classe de climats de latitudes moyennes appelée « tempérée » ou « océanique » englobe les régions où la température moyenne mensuelle est supérieure à 0°C mais inférieure à 18°C. Dans les climats « continentaux » de latitude moyenne, la température peut descendre en dessous de 0°C pendant les mois les plus frais. 9 Pour approfondir 1.1.3a Utilisez la figure 1.1-2 pour répondre aux questions suivantes : 1. Quelles sont les précipitations mensuelles moyennes maximales à Dakar, et sur quel mois se produisent-elles ? Quelles sont les précipitations mensuelles moyennes minimales à Dakar ? Au cours de quel mois les observe-t-on ? Quelle est l'amplitude annuelle (la différence entre le maximum et le minimum) des précipitations mensuelles moyennes à Dakar ? 2. Quelle est la température moyenne mensuelle maximale à Dakar, en quel mois se produit-elle ? Quelle est la température moyenne mensuelle minimale à Dakar ? Au cours de quel mois ? Quelle est l'amplitude annuelle de la température moyenne mensuelle à Dakar ? 3. Localisez les quatre villes sur une carte du monde. a) Quels sont la valeur et le mois des précipitations mensuelles moyennes maximales dans chaque ville ? Quelles sont la valeur et le mois des précipitations mensuelles minimales ? Quelle est l'amplitude annuelle des précipitations ? Quelle ville reçoit le plus de précipitations en un mois ? Quelle ville a la saison sèche la plus longue ? Quelle ville a la saison sèche la plus courte ou nulle ? b) Quels sont la valeur et le mois où les températures mensuelles moyennes maximale et minimale sont enregistrées dans chaque ville ? Quelle est l'amplitude du cycle saisonnier de la température ? Quelle ville enregistre les mois les plus froids ? Quelle ville est la plus chaude toute l'année ? c) Quel est le rapport entre les maxima et les minima de précipitations et de température dans une ville donnée ? Ainsi, dans les régions tropicales, la disponibilité de l'eau est le principal facteur limitant des activités agricoles, tandis qu'aux latitudes moyennes, les basses températures constituent le principal obstacle aux cultures. La végétation pérenne des latitudes moyennes entre en dormance pendant la saison froide. Le Cap, avec son cycle saisonnier marqué dans les précipitations et, dans une certaine mesure, dans la température, représente une classe de climats de transition appelés « méditerranéens », avec des étés chauds et secs. 10 Pour approfondir 1.1.3b Les précipitations annuelles totales à Niamey sont d'environ 500mm/an alors qu'à Moscou elles sont d'environ 600mm/an. La différence est de l'ordre de 20%. La figure 1.1-3 montre la végétation naturelle autour de Niamey et de Moscou au début de l'été. 1. Vous attendriez-vous à ces différences ? 2. Comment les facteurs climatiques et autres peuvent-ils expliquer de telles différences ? Figure 1.1-3. Végétation naturelle autour de Moscou (à gauche) et de Niamey (à droite) au début de l'année. summer. L'humidité mesure la quantité de vapeur d'eau présente dans l'air à un moment donné. Il existe deux mesures standard de l'humidité : • L'humidité absolue, qui est la mesure de la quantité de vapeur d'eau dans une parcelle d'air donnée et est généralement mesurée en unités masse/volume ou volume/volume. • L'humidité relative, qui est la mesure de la quantité de vapeur d'eau dans l'air à un moment donné par rapport à la quantité maximale de vapeur d'eau qu'une parcelle d'air peut retenir, appelée niveau de saturation. Elle est généralement exprimée en pourcentages (de saturation). Le niveau de saturation dépend fortement de la température - plus l'air est chaud, plus il peut contenir de vapeur d'eau. Si l'air saturé se refroidit (par exemple, la nuit), l'eau se condense et crée du brouillard ou des précipitations. Notez que le même niveau d'humidité absolue en deux endroits du Sénégal peut donner des résultats très différents. A de faibles altitudes ou les températures sont élevées, la quantité d'eau contenue sous forme de vapeur peut ne pas être suffisante pour produire une humidité relative élevée et des précipitations. En revanche, a des altitudes plus élevées et plus fraîches, ce même niveau d'humidité absolue peut être proche du point de saturation ou le dépasser et s'accompagner de brouillard ou de pluie. L'humidité absolue et l'humidité relative ont tendance à être corrélées aux précipitations, les régions et les saisons les plus sèches connaissant une humidité plus faible que les régions et les saisons les plus humides. Rayonnement solaire/couverture nuageuse : L'existence de presque toute la vie sur Terre est alimentée par la lumière du Soleil. La plupart des plantes utilisent l'énergie de la lumière 11 solaire, combinée au dioxyde de carbone et à l'eau par le processus de la photosynthèse, pour se développer. Les animaux, y compris les humains, consomment des plantes et d'autres animaux pour survivre et se développer. Les humains utilisent également des combustibles fossiles, vestiges d'anciennes matières végétales et animales formées à l'aide de l'énergie solaire, pour soutenir diverses activités. Le rayonnement solaire est également la source d'énergie des mouvements au sein du système climatique, tels que les vents et les courants océaniques. La quantité de rayonnement solaire reçue à un endroit donné dépend principalement de la durée du jour et de la couverture nuageuse. Ces derniers ont des effets différents sur la quantité d'énergie reçue localement, des détails qui dépassent le cadre de cette formation. Le rayonnement solaire reçu à un endroit donné peut être mesuré de différentes manières : (i) l'irradiance solaire - une mesure directe de l'énergie instantanée reçue par unité de surface, en kW/m2, qui peut ensuite être transformée en insolation, c'est-à-dire en énergie reçue sur une période de temps ; (ii) le nombre d'heures d'ensoleillement, qui est ensuite transformé en énergie solaire reçue en une journée ; (iii) l'estimation de la couverture nuageuse, qui permet d'estimer l'insolation totale en une journée. Les vents sont un élément important du système climatique car ils déplacent les masses d'air, pouvant avoir des propriétés différentes (température, humidité). Ils peuvent apporter de l'air humide ou sec dans une région, ou, à l'inverse, chasser l'air humide généré localement par évaporation et évapotranspiration. Il n'est pas rare que l'arrivée de la saison des pluies soit précédée d'un changement des vents dominants et que les nouveaux vents apportent l'humidité qui alimente les précipitations depuis les zones océaniques ou les forêts tropicales voisines. Le retrait de la saison des pluies correspond souvent au fait que les nouveaux vents n'apportent plus d'humidité dans la région. Les vents sont également importants dans l'estimation de l'évapotranspiration des plantes La pression atmosphérique est une mesure de la force ou du poids de l'air sus-jacent par unité de surface à la surface. Les vents peuvent être générés par les différences de pression atmosphérique, soufflant généralement, sous les tropiques, des zones de haute pression vers les zones de basse pression. Les pressions atmosphériques basses ont tendance à se former, à quelques exceptions près, au- dessus de zones où les températures sont plus chaudes que celles de leur environnement et les hautes pressions sont souvent situées au-dessus de zones plus fraîches. L'air plus chaud dans les zones de basse pression s'élève et, s'il contient suffisamment d'humidité, le mouvement ascendant peut entraîner des précipitations car l'air humide se refroidit en altitude et ne peut plus contenir la même quantité de vapeur d'eau. Dans les zones de hautes pressions, l'air descend et sera relativement sec, car il provient des couches atmosphériques supérieures, plus froides, contenant moins d'humidité. Les déserts, cependant, font exception à cette règle car, généralement, les pressions plus élevées y surplombent des surfaces chaudes. Ce phénomène est lié aux processus d'humidification de l'air ainsi qu'aux schémas de circulation générale et au cycle diurne de la température. 12 Pour approfondir 1.1.3c 1. Les éléments ci-dessus présentent les variables les plus importantes, nécessaires pour décrire les conditions atmosphériques actuelles ainsi que pour prévoir leur évolution dans un avenir proche, de 24 heures à quelques semaines. Ils ont un impact sur les plantes et les cultures de différentes manières. 2. Quel est le dernier ou le plus important événement météorologique ou climatique dont vous vous rappelez avoir eu un effet négatif sur les cultures ? 3. Était-il lié à la météo ou au climat ? Auto-évaluation 1.1.2: Concepts de base du climat 1. Rappeler les différences entre le temps, le climat et le changement climatique. 2. Quelles sont les deux dimensions du climat ? Comment le temps et le climat diffèrent-ils dans ces deux dimensions ? 3. Rappeler les trois principales variables utilisées pour décrire le climat dans un lieu donné. * Pour les réponses, se référer à l'annexe A. 1.2 Les caractéristiques du climat du Sénégal Dans cette section, nous nous concentrons sur la description du climat à travers les caractéristiques à long terme des précipitations et des températures. 1.2.1 Principales caractéristiques du climat Sénégalais Deux facteurs jouent un rôle important dans la détermination du climat du Sénégal: (i) l'absence de relief important : le pays est alors largement ouvert aux différentes masses d'air ; et (ii) sa position géographique en région tropicale. Distribution des zones climatiques dans l’espace Le climat du Sénégal présente une diversification entre le Nord et le Sud du pays, ainsi qu’entre la côte et l’intérieur des terres, qui influence fortement le type d’agriculture et la distribution des différentes zones de subsidence sur le territoire (Figure 1.2-1). 13 Les catégories climatiques des Figures 1.2-1 (a) et (b) correspondent à différentes conditions moyennes annuelles de précipitations et de températures, paramètres les plus importants pour la végétation. Le climat du nord du Pays est plus aride que le Sud, étant plus tropical. Des climats côtiers sont aussi identifiés, moins chaud que dans les Terres. Ces différents climats se reflètent dans les Figures 1.2-1 (c) et (d) représentant la végétation potentielle, et la répartition des zones de subsistance du Sénégal (zones dans lesquelles les ménages obtiennent de manière relativement similaire leurs besoins alimentaire - FEWSNET4). a) Classification du climat au Sénégal (Köppen-Geiger) b) Situation des domaines climatiques au Senegal (2008) Beck et al., 2018 Sagna et al., 2008 c) Principaux types de végétation du Sénégal (Source: MEPN, 2014) d) Zones de subsistance (Source : FEWSNET, 2021) Figure 1.2-1. Distribution dans l’espace (a) des zones climatiques selon la classification Koppen- Geiger, (b) des domaines climatiques selon l’appellation locale, (c) des principaux types de végétation, et (d) des zones de subsistance au Sénégal. La figure 1.2-2 permet d'expliquer les principales tendances spatiales du climat au Sénégal. Les précipitations jouent un rôle important dans la définition de la tendance nord-sud. Les plus faibles taux de précipitation au Nord expliquent les climats et végétations arides, alors que les plus fortes précipitations enregistrées dans le Sud du pays sont associées aux climats et végétations tropicales. Au Sénégal, la distribution des précipitations est liée au comportement du front pluvieux, phénomène à plus grande échelle, et sera expliqué plus loin dans cette section. Cependant, la température varie suivant une tendance est-ouest expliquée par l'influence océanique près des côtes. 4 Famine Early Warning System Network - https://fews.net/west-africa/senegal 14 Précipitations annuelles moyennes (mm) Température annuelle moyenne (°C) Figure 1.2-2. Distribution spatiale (a) des précipitations annuelles moyennes, et (b) de la température moyenne annuelle au Sénégal. Sources : base de données Worldclim sur la période 1950-2000. Pour approfondir 1.2.1 1. Quelle est la différence de température annuelle moyenne entre la côte et les régions proches du Mali ? 2. Quelles sont les précipitations annuelles moyennes (approximatives) dans les zones les plus humides ? Les plus sèches ? A quels types de végétation correspondent ces zones ? 3. Pouvez-vous identifier les zones de subsistance basées sur les cultures de maïs pluvial ? Quelle fourchette de précipitations annuelles moyennes reçoivent- elles ? Caractéristiques temporelles du climat du Sénégal Outre la répartition spatiale, les précipitations sont également réparties de manière inégale au cours de l'année, ce qui entraîne des saisons des pluies et des saisons sèches. La durée de ces saisons définira le type de végétation et de cultures qui peuvent être cultivées dans un endroit donné. L’ensemble des précipitations se produisent entre juin et septembre au Sénégal, et principalement en aout et septembre. La figure 1.2-3 montre les différences (durée, intensité et début des précipitations) de cycles saisonniers de précipitations entre le Nord et le Sud du Sénégal pour la saison humide. 15 Figure 1.2-3. Caractéristiques temporelles des précipitations saisonnières au Sénégal. (a) Distribution mensuelles des précipitations entre le Nord et le Sud du Sénégal sur la période MJJASO (Fall et al., 2006). (b) Date moyenne de début de la saison des pluies, calculé en nombre de jour à partir du 1er juin (IRI/ANACIM Maproom). La Figure 1.2-3a révèle que le Sud du Sénégal est la région qui reçoit les premières et les dernières pluies, résultant en une saison des pluies plus longue. Le mois de juin est caractérisé par les variations spatiales les plus forte d’une année sur l’autre (Fall et al., 2006). C’est aussi le mois clé marquant le début de la période de culture. La Figure 1.2-3b montre le décalage dans le démarrage de la saison des pluies entre les régions du Sénégal. Si la région de Kédougou peut en général commencer ses activités de culture avec un début de saison des pluies (ou saison d’hivernage) dès début juin, la région de Linguère n’y entre qu’environ mi-juillet. 1.2.2 Principaux facteurs déterminant le climat du Sénégal Facteurs globaux • La latitude, qui définit la quantité d'énergie solaire par m2 que reçoit un endroit donné ; pour faire simple, cette quantité diminue de l'équateur aux pôles, en raison de la courbure de la Terre. Ces différences alimentent les circulations océaniques et atmosphériques dans le système climatique. • La rotation de la Terre autour du Soleil. L'axe de la Terre étant incliné, les régions polaires reçoivent des quantités d'énergie très différentes, selon la saison. Pendant l'hiver de l'hémisphère Nord, les régions polaires du nord ne reçoivent pas de lumière solaire et les latitudes moyennes reçoivent moins de rayonnement solaire avec des jours plus courts que leurs homologues du sud. Pendant l'hiver austral, le pôle Nord et les latitudes moyennes du nord reçoivent plus de rayonnement solaire que leurs homologues du sud. La variation de l'énergie reçue dans les tropiques en raison du cycle saisonnier est beaucoup plus faible. • La répartition des masses océaniques et terrestres. L'eau, la surface terrestre et l'atmosphère ont des capacités différentes de stockage et de distribution de l'énergie. Ces différences définissent les circulations atmosphériques entre les masses terrestres et les océans. La figure 1.2-4 présent schématiquement ces facteurs globaux et les circulations qui en résultent, en l’absence de facteurs locaux. 16 Pour approfondir 1.2.2a 1. Notez le modèle de circulation dans la dimension verticale sur la figure 1.2-4 b. Où l'air monte-t-il, où descend-il ? 2. Les cellules situées immédiatement au nord et au sud de l'équateur sont appelées cellules de Hadley et définissent l'étendue des tropiques. Notez les vents à la surface de la Terre dans les tropiques (Alizés). Dans quelle direction soufflent-ils? 3. Sous l'effet du cycle saisonnier représenté sur la figure 1.2-4 c, le système de la figure 1.2-4 b n'est pas symétrique et se déplace respectivement vers le sud et vers le nord. Il en va de même pour la zone d'ascension de l'air près de l'équateur. Pensez-vous que la zone d'ascension de l'air se trouve au nord de l'équateur ou au sud de l'équateur pendant la période juin-septembre (l'été de l'hémisphère Nord) ? a) b) c) d) Figure 1.2-4. Représentation schématique des principaux facteurs globaux influençant le climat local. a) les différences d'énergie reçues par latitude ; b) les circulations atmosphériques méridiennes qui en résultent, en l'absence de masses terrestres ; c) le cycle saisonnier. d) Circulation atmosphériques de Walker, liés au positionnement des masses terrestres et océaniques. Facteurs locaux Les circulations théoriques liées aux facteurs globaux interagissent avec les facteurs locaux tels que les chaînes de montagnes, les plans d'eau intérieurs, les types de végétation et de sol, etc. Les effets des facteurs locaux sont représentés schématiquement sur la figure 1.2-5. 17 Figure 1.2-5. Représentation schématique des facteurs locaux influençant le climat local. Pour approfondir 1.2.2b Pensez-vous qu’il existe des facteurs locaux contrôlant le climat au Sénégal ? Circulations saisonnières au Sénégal : le phénomène de mousson ouest-africaine La principale caractéristique saisonnière de l'Afrique de l'Ouest est celle de la mousson, illustrée par la Figure 1.2-6. En hiver, le sud de l’Afrique de l’Ouest est dominé par une couche d'air humide et froide peu épaisse, d’origine maritime. Elle rencontre des vents du nord-est, soufflant du Sahara une couche épaisse d’air chaud et sec, souvent poussiéreux, connu sous le nom d'Harmattan. En été, les vents changent d ’intensité et l’ensemble de l’Afrique de l’Ouest est sous l’influence des vents provenant de l’Océan Atlantique, apportant de l’air humide et la pluie vers l’intérieur du continent. Ce changement des vents, appelé la mousson ouest-africaine est lie aux facteurs globaux, tels la saisonnalité de l’insolation, les contraste continents-océans etc. En raison des origines, température et taux d’humidité différentes de ces masses d’air, un front intertropical (FIT) se forme à la convergence de ces deux vents. Ce front migre entre sa position hivernale vers la côte du Golfe de Guinée et sa position estivale (l’hivernage) vers 17N. L’océan Atlantique est responsable de 40% de l’humidité apportée vers l’Afrique de l’Ouest le reste provenant de la mer Méditerranée et les forêts d’Afrique centrale et des sources locales. 18 3/22/22, 10:17 AM West African monsoon | Britannica Figure 1.2-6. Schémas des vents et des précipitations liées à la mousson ouest-africaine, pour les périodes (gauche) de juin à septembre, et (droite) de janvier à mars. Source : Encyclopædia Britannica, Inc La figure 1.2-7 montre plus de détails et les relations entre les précipitations et les vents ainsi que la topographie en Afrique de l’ouest. Notez que les maxima des précipitations se trouvent toujours un peu au sud de la zone de convergence des vents (zone ou les vents sont les plus faibles). https://www.britannica.com/science/West-African-monsoon 1/1 19 Figure 1.2-1. Figures de gauche - Climatologie des vents a la surface de la Terre (flèches, proportionnelles a la vitesse des vents) et des précipitations mensuelle (aplats verts) pour les mois de janvier, mai et aout. Source des donnée : NCEP-NCAR Reanalysis 2 ; Figures de droite : haut – topographie de l’Afrique de l’Ouest ; bas – structures détaillées des précipitations annuelles moyennes en Afrique de l’ouest, 1951-1989, Source : IRD, http://www.cartographie.ird.fr/pluvio.html 1.2.3 Variabilité climatique décennale et interannuelle au Sénégal La succession des saisons se produit régulièrement, mais avec des déviations d'une année sur l'autre : la saison des pluies peut être plus ou moins pluvieuse, plus ou moins longue, la température peut être un peu plus chaude ou plus froide que l'année précédente, etc. Ces variations sont importantes au Sahel, particulièrement au Sénégal, impliquant la nécessité d’adaptation des systèmes socio-économiques. En effet, elles ne sont pas sans conséquences sur la productivité des cultures et le bien-être des animaux et des hommes. Pour cette raison, une partie de la science du climat se concentre sur la compréhension et la prévision de ces variations interannuelles. Sur la base des éléments vus jusqu'à présent, il est facile de comprendre qu'un petit changement dans la configuration saisonnière des vents (par exemple la présence de vents plus forts en provenance du Sahara ou la mise en place plus tardive des vents en provenance de l'océan Atlantique) peut retarder la saison des pluies, ou la rendre plus courte. De même, une humidité moindre apportée par les vents peut rendre la saison moins pluvieuse. La Figure 1.2-8 montre l’importance de ces variations interannuelles de pluviométrie au Sahel depuis 1950. 20 Figure 1.2-2. Anomalies interannuelles standardisés des précipitations au Sahel (1950-2020). Source : AGRHYMET. Le Sénégal est sujet à des variations climatiques interannuelles et décennales importantes, qui souvent conduisent à des sècheresses, influençant la production agricole, les ressources en eau et autres secteurs climato-sensibles. Une caractéristique notable de la variabilité climatique au Sahel est la succession d’une série d’années pluvieuses (avant 1970), suivie d’une période ou les sècheresses étaient fréquentes, jusqu’en 1994 et une ‘reprise’ des conditions moyennes depuis. Cependant, si le reprise se traduit au niveau des cumuls pluviométriques, la répartition des pluies a l’intérieur de la saison est souvent mauvaise. Pour approfondir 1.2.3 Identifiez une année qui a particulièrement été touché par les sécheresses au Sénégal. Correspond-t-elle sur la Figure 1.2-8 à une anomalie négative des précipitations totales au Sahel ? Quels autres paramètres pluviométriques sont clés dans le développement des sécheresses ? 21 Auto-évaluation 1.2.3: Les caractéristiques du Climat Sénégal 1. Quelles facteurs définissent les caractéristiques principales du climat au Sénégal ? Les facteurs globaux ou locaux ? Citez trois éléments dans la classe choisie. 2. Comment varient dans l’espace les précipitations en fonction du cycle saisonnier ? Quel facteur est le plus important pour expliquer le cycle saisonnier des précipitations ? *Pour les réponses, se référer à l’annexe A 1.2.4 Pour en savoir plus sur le changement climatique… Le météo et le climat varient constamment a des échelles de temps et espace variées : la succession des jours avec ou sans pluie pendant la saison pluvieuse, avec ou sans vent ; la saisonnalité des pluies et des vents, la variabilité des pluies annuelles d’une année a l’autre, d’une décennie a l’autre. A cela s’ajoutent des variations du climat sur des milliers ou des millions d’années comme la succession des périodes glaciaires et interglaciaires. Toutes ces variabilités sont naturelles et proviennent, pour la plupart, des interactions entre les différents composants du système, par exemple entre les océans et l’atmosphère, ou des variations dans l’orbite et axe terrestres. La source principale de la variabilité interannuelle, par exemple, est liée au fait que l’eau (les océans, grands lacs) se réchauffe et se refroidit plus lentement que l’atmosphère ou le continent, en réponse au lever journalier du soleil ou au cycle saisonnier. Cette lenteur, et la capacité de l’eau a emmagasiner de l ’énergie peut modifier, dans une certaine mesure les vents et les courants océaniques d’une année a l’autre. La figure 1.2-9 illustre les différents types de variations, leurs échelles et les principaux facteurs qui les influencent. Notez que les échelles spatiales augmentent avec les échelles temporelles de la variabilité. 22 Figure 1.2-3. Représentation schématiques des différents types de variabilité dans le système climatique, leurs échelles spatiales et temporelles et les principaux facteurs qui les affectent. Le changement climatique contemporain, qui attire l’attention depuis quelques décennies, a une origine différente et est lie aux changements des propriétés de l’atmosphère qui entoure la Terre a cause du relâchement des gaz à effet de serre par les activités humaines, comme la combustion des énergies fossiles (charbon, pétrole) pour produire de l’énergie. Le changement de la composition de l’atmosphère a pour effet de changer la quantité d’énergie, qui provient essentiellement du soleil, qui est piégée dans le système. Cette énergie n’est pas seulement utilisée pour réchauffer la planète (atmosphère et océans) mais aussi a faire fondre les glaces, évaporer des plus grandes quantités d’eau, modifier le système des vente et courants océaniques, et peut, en partie être stockée dans les océans, affectant la chimie et la biologie marine. La partition de l’énergie additionnelle entre ces différents phénomènes va dépendre de l’endroit sur le globe (par exemple si de l’eau est disponible pour l’évaporation ou de la glace pour la fonte), ce qui, rend la prévision des effets locaux du changement climatique difficiles. Le développent économique, l’utilisation des énergies fossiles et la rapidité de transition vers les énergies renouvelables constituent d’autres inconnues qui ajoutent à l’incertitude. La figure 1.2-4 illustre ces notions. 23 Figure 1.2-4. Haut - Représentation schématique des effets du changement de la composition de l’atmosphère Terrestre par les gaz à effet de serre. Bas – Les différents types d’énergies dans le système climatique en qui que cette énergie supplémentaire peut être transformée. 1.3 Données et informations climatiques À la fin de cette section, vous serez en mesure : • D’identifier les différents types de données météorologiques et climatiques, leurs forces et leurs faiblesses. • D’identifier certains aspects statistiques du climat. • De décrire et d’interpréter les informations climatiques fournies. • D’expliquer les différentes dimensions et échelles du climat. La distinction entre les données météorologiques et climatiques, d’une part, et les informations météorologiques et climatiques, d’autre part, est essentielle. Les données font référence à aux matrices de mesures de variables météorologiques et climatiques à partir desquels des informations plus utiles dans la vie quotidienne sont extraites, ou sont ingérées dans des applications telles que les modèles de culture ou les modèles hydrologiques. Chaque information météorologique ou climatique résulte de l’analyse de divers jeux de données effectuées dans un but précis. Par exemple, les données pluviométriques collectent les taux de précipitations enregistrées chaque jour à un endroit donné sur une certaine période (par exemple 30 ans) ; les précipitations annuelles moyennes à cet endroit ou les quantités record de précipitations qui n'ont été observées qu'une fois tous les 10 ans (ou trois fois sur l'ensemble de l'enregistrement) sont des informations extraites de ces données. La plupart du temps, ce sont les besoins en informations météorologiques et climatiques, et non en données, qui sont important pour les activités quotidiennes et professionnelles liés au climat. Il existe différents types de données qui peuvent influencer le type et la qualité de l’information climatique qu'il est possible d'en tirer. Il est donc important de toujours vérifier à partir de quel type de données une information a été extraite, et de garder à l'esprit les limites qui y sont associées. 24 1.3.1 Les différents types de données climatique Notre compréhension de la météo et du climat, de leur variabilité et de leur évolution à long terme sous l'effet du changement climatique repose sur l'analyse des données relatives aux variables énumérées à la section 1.1. Ces données sont recueillies régulièrement par divers dispositifs et organisations, depuis des stations météorologiques terrestres gérées par les services météorologiques, jusqu'aux données recueillies en altitude par les radars ou les avions, ou au milieu de l'océan par les navires et les bouées. Depuis 40 ans, les conditions météorologiques sont également observées par des satellites en orbite autour de la Terre. La figure 1.3-1 présente les différentes sources de données qui contribuent à nos connaissances climatiques. Figure 1.3.1. Illustration des différentes sources de données météorologiques et climatiques. a) représentation schématique de divers appareils mesurant les variables météorologiques ; b) image d'une station météorologique typique ; c) navire et bouée - principales sources de mesures dans les mers et océans ; d) constellation de plusieurs satellites en orbite autour de la Terre. Pour approfondir 1.3.1a Prenez un moment pour identifier les différentes façons de mesurer les variables météorologiques et climatiques dans la figure 1.3-1 a. Quelles plateformes sont utilisées pour la collecte de données à la surface de la terre ? Dans l'atmosphère ? Et au-dessus de l'atmosphère terrestre ? Ces mesures conduisent à trois types de données : 1. Les données de station correspondent à des mesures exactes à un endroit et temps donné, le plus souvent à la surface de la Terre, bien que les radars et ballons stationnaires collectent des données sur l'atmosphère. Certaines régions du globe ont très peu de stations de 25 mesures. La figure 1.3-2 montre la répartition des stations météorologiques qui ont déclaré recueillir des données le 1er juin 1997. 2. Les données en point de grille divisent la surface de la Terre en petits carrés et attribuent à chaque carré une valeur d'une variable météorologique/ climatique à un temps donné. De cette façon, la surface de la Terre est uniformément couverte de valeurs, même dans les endroits où il n'y a pas d'observation. La façon dont les valeurs dans les endroits sans observation sont dérivées dépend de l'ensemble de données et de leurs spécificités. Les techniques vont d'une simple moyenne des valeurs observées les plus proches, à des méthodes plus complexes qui incluent, par exemple, l'altitude. L’absence de zones sans valeurs facilite alors de nombreuses analyses. La plupart de ces ensembles de données sont également mondiaux. Il y a cependant des limites quant à la façon dont les données dans des endroits sans observations représentent la réalité. Actuellement, la résolution des ensembles de données en points de grille - la taille des carrés - varie de quelques km2 à quelques centaines de km2. Figure 1.3.2. Position des stations météorologiques qui ont déclaré avoir recueilli des données le 1er juin 1997. Chaque cercle rouge représente une station. 26 Figure 1.3.3. Carte des vents proches de la surface océanique (flèches) et d'une mesure de leur convergence (couleurs) basée sur des données en point de grille. 3. Les données satellitaires constituent une catégorie particulière de données en point de grille. Les satellites peuvent observer de vastes étendues de la Terre et de l'atmosphère, même dans les zones océaniques éloignées et difficiles d'accès. Cependant, ils présentent également certains inconvénients : Il existe différents types de satellites. Certains orbitent autour de la Terre et passent au-dessus du même endroit tous les 15 jours environ. Cela signifie qu'ils mesurent les variables météorologiques/climatiques tous les 15 jours. D'autres sont stationnaires au-dessus d'un endroit donné, ce qui signifie qu'ils observent chaque minute les conditions à cet endroit et dans un périmètre de plusieurs kilomètres, mais ils ne sont pas assez nombreux pour que les mesures couvrent l'ensemble du globe. Les satellites effectuent des observations à très grande distance et les mesures peuvent être affectées par ce qui se passe entre le satellite et la surface de la Terre. Par exemple, par temps nuageux, certains satellites ne « voient » pas la surface de la Terre et ne peuvent donc pas mesurer sa température. De même, ils auront des difficultés à obtenir des valeurs exactes de la température s'il y a beaucoup de pollution ou de fumée. Enfin, certaines variables ne sont pas mesurées directement mais sont issues de valeurs calculées à partir de mesures qui reflètent la variable. La précipitation, par exemple, est une variable mesurée indirectement, car les satellites ne peuvent pas « voir » la pluie qui est cachée par les nuages, Ils font alors une estimation de la quantité de pluie sous les nuages en se basant sur la hauteur des nuages - plus les nuages sont hauts, plus les précipitations sont intenses. La hauteur des nuages est elle-même estimée à partir de la température de leur sommet - plus le nuage est haut, plus la température est froide. La température des nuages est ensuite calibrée aux mesures de précipitations observées au sol, aux stations météorologiques. Cette méthode n'est pas sans défaut car certaines caractéristiques locales, telles que les montagnes, les lacs ou même la végétation, peuvent influencer les taux de précipitations. C'est pourquoi on parle « d’estimations des précipitations par satellite ». En résumé, les satellites apportent une grande quantité d'informations, en particulier pour les régions reculées, mais ces informations ne sont pas la « vérité du terrain » et les données satellitaires doivent souvent être corrigées à l'aide d'observations, lorsqu'elles sont disponibles, 27 dans un processus appelé « fusion ». Les données fusionnées ont l'avantage d'une couverture spatiale uniforme et sont plus proches de la vérité du terrain que les données satellitaires seules. Un jeu important de données fusionnées au Sénégal est le jeu de données de haute résolution sur les précipitations et la température, développé dans le cadre de l'initiative ENACTS (Enhancing National Climate Services). Sa résolution actuelle est de 4 km x 4 km et couvre la période de 1981 à aujourd'hui. Ces données sont à la base de nombreuses maproom qui seront discutées dans le module 2. 4. Les données modélisées font référence aux données générées par les modèles numériques. Ces modèles - modèles de circulation générale ou régionale (MCG ou MCR) - sont un ensemble d'équations représentant les lois physiques et chimiques qui régissent le système météorologique et climatique. En ingérant les données disponibles décrivant les conditions actuelles et en résolvant ces équations à l'aide d'ordinateurs puissants, ils sont capables de prédire les conditions météorologiques et climatiques dans le futur ainsi que dans des endroits sans observations. Les MCG seront expliqués plus en détail dans la section consacrée aux prévisions. À ce stade, il est important de comprendre qu'ils peuvent générer des données en point de grille, en comblant les données manquantes, à la surface de la Terre ainsi que dans l'atmosphère, grâce à des procédures très complexes basées sur des équations physiques. Ils créent des ensembles de données en point de grille plus cohérents sur le plan physique et sont particulièrement appréciés des climatologues, particulièrement des données de « réanalyse » dans le temps. Les données modélisées peuvent souffrir de biais systématiques, similaires à ceux des ensembles de données en point de grille. 28 Pour approfondir 1.3.1b Examinez la Figure 1.3.2 1. Identifiez les régions où il y a beaucoup de stations et celles où il y en a peu. a. A votre avis, quelles sont les raisons pour lesquelles il y a moins de stations ? b. Quelles conséquences peut-il y avoir sur la qualité des informations météorologiques et climatiques dans les régions disposant de peu de stations ? 2. Comparez les figures 1.3-2 et 1.3-3 en termes de données au niveau des océans. Supposons qu'un ensemble de données en points de grille remplisse les observations manquantes avec la moyenne des valeurs observées voisines. Il existe des stations mesurant les précipitations et la température dans deux vallées séparées par une chaîne de montagnes sans observations. Les valeurs correspondant à la chaîne de montagnes ont alors été dérivée comme une moyenne entre les observations dans les vallées. a. Dans quelle mesure pensez-vous que les valeurs en point de grille représentent bien les conditions dans les montagnes ? Quels aspects seront bien représentés ? Quels aspects seront moins bien représentés ? b. Quelle erreur attendez-vous pour la température ? Quelle erreur attendez- vous pour les précipitations ? 3. Citez les avantages et les inconvénients des différents types de données. 4. Quelles sont les précautions à prendre lors de l'utilisation des données de la station ? 5. Quelles sont les précautions à prendre lors de l'utilisation de données en point de grille ou modélisées ? 1.3.2 Analyses climatiques Comme mentionné précédemment, ce sont les informations climatiques (c’est-à-dire les données une fois analysées) qui sont les plus utiles. Dans cette section, nous allons aborder les types d’analyse de données statistiques les plus utilisés. Certaines analyses s'appliquent à la fois aux dimensions spatiales et temporelles du climat, d'autres à une seule. 29 Le calcul de moyennes Le calcul de moyennes est probablement l'analyse la plus simple et la plus courante. Elle consiste à diviser la somme des valeurs par le nombre de valeurs. Elle nous donne une idée globale des valeurs de l'ensemble des données, sachant qu'elles ne sont pas toutes égales à la moyenne. Par exemple, les précipitations annuelles moyennes à un endroit peuvent être de 600 mm/an alors qu'elles sont de 800 mm/an à un autre endroit. Cette analyse est pratique pour calculer les caractéristiques climatiques dans l’espace et le temps, par exemple les précipitations moyennes sur une région ou un bassin versant, ou sur une période donnée (par exemple 1991-2020). Lorsque les valeurs moyennes sont calculées dans le temps, il est recommandé d'utiliser au moins 30 ans de données pour que la moyenne soit représentative du climat. La moyenne des 3 ou 5 dernières années, bien que donnant certaines informations, peut ne pas être réellement représentative du climat, car ces années peuvent avoir été exceptionnellement humides ou sèches, froides ou chaudes. Les météorologues font souvent référence aux « normales climatiques », moyennes qui couvrent généralement des périodes de 30 ans jusqu’à la décennie la plus récente entièrement terminée, et sont mises à jour tous les 10 ans. La normale climatologique actuelle est 1991-2020. Le calcul d’anomalies Le calcul de moyennes est utile pour décrire le climat mais il ne rend pas compte de la variabilité des données dans l'espace et dans le temps. Il peut parfois être utile de savoir qu'une partie du bassin versant ou du département reçoit plus de précipitations, ou est plus chaude qu'une autre partie. Il peut aussi être intéressant de savoir qu'une année a été plus fraîche ou plus chaude que la moyenne. Les anomalies sont calculées en soustrayant, à chaque valeur, la moyenne des données dans le domaine spatial ou dans la série chronologique. Les valeurs des anomalies peuvent être positives ou négatives. Alors que la variabilité s’observe à partir des valeurs brutes sur une carte ou une série temporelle, l'exprimer sous forme d'anomalies en termes de valeurs « inférieures à la moyenne » ou « supérieures à la moyenne » permet de repérer plus facilement où et quand un déficit de précipitations, ou une vague de chaleur ont été observées. Parfois, la variabilité totale possible autour d’une valeur moyenne est une information importante. Par exemple on peut estimer que le total des précipitations annuelles dans un endroit donné se situe entre 950 et 1250 mm/an, ou entre 1100 +/- 150 mm/an. Cette dernière exprime la quantité de précipitations moyenne en y ajoutant une plage de variabilité. Si ces valeurs représentent l’étendue entre le maximum et le minimum des valeurs observées, on parle d’amplitude des données. Le calcul de l’écart-type L'écart-type est une autre mesure de la variabilité des valeurs autour de la moyenne. Au lieu de prendre les valeurs maximales et minimales des données, qui, la plupart du temps, ne se produisent qu'une seule fois dans l'enregistrement et sont donc exceptionnelles, il permet de déterminer quel est l’écart « moyen » par rapport à la moyenne. Pour ce faire, on calcule d'abord la somme des anomalies au carré pour prendre en compte les écarts à la moyenne sans leur signe (afin qu'ils ne s'annulent pas), puis la racine carrée de cette somme (pour revenir aux mêmes unités que la variable initiale), que l’on divise par le nombre d'observations, pour obtenir l'anomalie « moyenne ». La température ou la pluviométrie en un lieu sera alors présentée sous forme de moyenne +/- écart-type. Notez que l'écart-type sera plus petit que l'amplitude discutée précédemment. Fournir une mesure de la variabilité autour de la moyenne est important pour comprendre le climat et les risques locaux. 30 Coefficient de variation et anomalies normalisées Utiliser les mesures de moyenne et l'écart-type permettent de traduire simplement l’ensemble des caractéristiques du climat - ce qu'il est en moyenne et à quel point il peut varier. Si la comparaison des valeurs moyennes est simple, elle devient plus compliquée lorsque la variabilité est également incluse. Deux mesures supplémentaires facilitent les comparaisons et la compréhension du climat : le coefficient de variation et les anomalies normalisées. Le coefficient de variation correspond à l'écart type divisé par la moyenne. En exprimant l'anomalie « moyenne » comme une fraction de la moyenne de la variable, on obtient une idée de l'importance de la variabilité dans ses valeurs. Les anomalies normalisées sont les anomalies des valeurs de la variable divisées par l'écart type. Parfois, on se réfère à l'anomalie relative plutôt que sa valeur. C'est le cas lorsque nous voulons savoir si deux endroits co-varient (ont des anomalies de même signe au même moment et que leurs plus fortes et moins fortes anomalies coïncident). En effet, il est moins intéressant de savoir si les plus fortes anomalies sont de 100 ou 200 mm mais si elles sont fortes par rapport à la gamme entière des anomalies. La normalisation des anomalies peut également être utile pour comparer les anomalies entre différentes variables pour un même lieu ou pour différents lieux. Par exemple, pour estimer l'impact des températures de surface de l’Océan Atlantique sur les précipitations à Dakar, on peut examiner les séries chronologiques des anomalies normalisées des températures de surface de la mer dans une zone clé du Golfe de Guinée et les anomalies normalisées des précipitations à Dakar. Pour approfondir 1.3.2a 1. Comparez les informations relatives aux précipitations de deux sites A et B en termes de risques pour les cultures : a. Le site A reçoit en moyenne 1250 mm/an avec un écart-type de 100 mm b. Le site B reçoit en moyenne 1250 mm/an avec un écart-type 400 mm 2. Comparez les informations relatives aux précipitations de deux sites A et B en termes de risques pour les cultures : a. Le site B reçoit en moyenne 1250 mm/an avec un écart-type 400 mm b. Le site C reçoit en moyenne 600 mm/an avec un écart-type 400 mm 3. Calculez les coefficients de variation pour les sites A, B et C. Dans quel endroit préféreriez-vous pratiquer l'agriculture ? Pourquoi ? L’analyse de corrélation est une procédure statistique qui utilise les anomalies normalisées pour estimer le degré de covariation des variables, mais elle dépasse le cadre de ce cours. Fréquences et probabilités, extrêmes Les mesures de variabilité ci-dessus, bien qu'utiles, ne sont pas toujours suffisantes pour décrire le climat en détails. D’autres informations peuvent être nécessaire pour certaines applications. Par exemple : quelle est la fréquence des valeurs proches du maximum ou du minimum ? Quelle 31 est la fréquence des valeurs proches de la moyenne par rapport aux valeurs extrêmes ? Quelles valeurs se reproduisent avec une certaine périodicité, par exemple, une fois tous les 10 ans, une fois tous les 50 ans ? Combien de fois un certain seuil est-il franchi, par exemple, la quantité de pluie saisonnière nécessaire à la culture d'un certain produit, le seuil de température ou de pluie lié aux épidémies de malaria ? L'analyse de fréquence et la construction de fonctions de densité de probabilité et de courbes de probabilité de dépassement permettent de répondre à ce genre de questions (figure 1.3-4). Grâce à ces outils, les changements moyens à long terme des propriétés climatiques, ainsi que leur variabilité, peuvent être identifiés par des modifications dans la forme des distributions. Un exercice vous permettra de découvrir et de mettre en pratique la façon dont ces figures sont réalisées et comment les interpréter. Figure 1.3-4. Exemples de fonction de densité de probabilité (à gauche) et de probabilité cumulative (à droite) pour des valeurs de précipitations annuelles et saisonnières. Indice de précipitations normalisé (SPI) Les déficits pluviométriques sont les anomalies climatiques ayant le plus d'impact sur la société au Sénégal. Ils provoquent des sécheresses, pouvant affecter la production agricole, la disponibilité et la qualité de l'eau, et donc la sécurité alimentaire et l'assainissement. Le phénomène de sécheresse peut être défini comme résultant de niveaux de précipitations inférieurs à ce qui est considéré comme normal, et est relatif aux conditions locales, dans l'espace et dans le temps. La même anomalie pluviométrique aura des impacts différents au Sahel et en Amazonie, durant ou en dehors de la saison des pluies. De même, une anomalie de précipitations sur un mois aura un impact différent si elle est intégrée dans un déficit pluri- mensuel ou si elle est ponctuelle. En effet, la durée des déficits pluviométriques est importante pour comprendre les impacts potentiels de la sécheresse. Les déficits pluviométriques persistant sur 1 à 6 mois affectent l'humidité du sol et l'agriculture tandis que les déficits persistant sur 6 à 24 mois auront un impact sur le débit des cours d'eau, les réservoirs et les eaux souterraines. Ainsi, les définitions de ce qu’est une sécheresse varient selon les secteurs affectés, et les échelles de temps. L'indice de précipitations normalisé (SPI) a été conçu pour quantifier les déficits de précipitation à plusieurs échelles et les mettre en relation avec les conditions normales prévalant localement. La possibilité de calculer cet indice à plusieurs échelles permet de détecter différents types de sécheresses ayant des impacts différents selon les secteurs. La normalisation le rend aussi comparable entre régions. Le SPI peut estimer l'intensité de la sécheresse sur n'importe quel intervalle souhaité, par exemple un mois, cinq mois ou 200 jours. Techniquement, il correspond au nombre d'écarts- types par lequel la valeur observée s'écarterait de la moyenne sur le long terme, pour une variable aléatoire normalement distribuée. Comme les précipitations ne sont pas normalement 32 distribuées, une transformation est d'abord appliquée pour que les valeurs de précipitations transformées suivent une distribution normale. Des valeurs de SPI positives indiquent des précipitations supérieures à la médiane et des valeurs négatives indiquent des précipitations inférieures à la médiane. Comme le SPI est normalisé, les climats plus humides et plus secs peuvent être représentés de la même manière ; aussi, les périodes humides peuvent être surveillées avec cet indice. Les points forts : • Conçu pour quantifier le déficit de précipitations pour des échelles de temps variables, le calcul du SPI est approprié aux diffèrent cycles hydrologiques et à la gestion des ressources en eau (par exemple, l'humidité du sol, le manteau neigeux, les eaux souterraines, le débit des rivières et le stockage des réservoirs). • Le SPI implique uniquement les mesures de précipitations ; • Les valeurs de SPI sont comparables entre régions ayant des climats différents ; • Le SPI est relativement simple à calculer. Les limitations : • Mesurant l'apport en eau uniquement, le SPI ne tient pas compte de l'évapotranspiration et donc de l'effet de l'augmentation des températures (associée au changement climatique) sur les ressources en eau. • Le SPI est très sensible à la quantité et à la fiabilité des données utilisées pour ajuster la distribution : l’utilisation de 30-50 ans de données est recommandée. • Le SPI ne tient pas compte de l'intensité des précipitations, et de leurs potentiels impacts sur le ruissellement, le débit des cours d'eau, et les volumes d’eau disponible dans le système considéré. 33 Figure 1.3-5. Exemple de carte de SPI calculé pour la période juin-aout 2014 au Sénégal. Source: IRI and ANACIM Maproom/Climate Monitoring/ Seasonal SPI http://213.154.77.59/maproom/Climatology/Climate_Monitoring/seasonalspi.html?T=Jun- Aug%202014&plotrangeT1=2014&plotrangeT2=2014 Pour approfondir 1.3.2b 1. Quelle est l'amplitude de l'indice SPI des trois mois de la figure 1.3-6 ? 2. Quelles zones ont été les plus touchées ? 3. Savez-vous quelle est la cause de ce SPI extrême ? 1.3.3 Les horizons temporels de l’information climatique De la même manière qu’il y a deux dimensions de l’information climatique et plusieurs échelles, on distingue trois horizons temporels : 1. L’information historique, basée sur l’analyse des données collectées dans l passé nous informe sur les aléas, leurs fréquences, et peut permettre de calculer les risques, identifier les zones risques, évaluer l’évolution des risques etc. En l’absence d’informations sur le futur, l’information historique est une bonne source d’information et peut être utilisée dans de nombreuses décisions et activités de planification. 34 2. Le suivi climatique nous informe sur les conditions ‘actuelles’ c’est-à-dire sur les niveaux de risque actuels en fonction des évènements récents et prévus dans les jours à venir. Il s’agit souvent d’actualisation sur les aléas et risques connus a partir des analyse historiques et des prévisions a court terme (météo) et en vue d’actions immédiates. 3. Les prévisions et projections climatiques nous informent sur les risques dans le futur. Elles semblent les plus intéressantes pour les décisions et la planification mais elles sont souvent entachées d’incertitudes. Cela ne veut pas dire qu’elles ne sont pas utiles mais qu’il faut incorporer l’incertitude dans le processus de décisions et planification. Les modules 3 et 4 abordent ces questions. Pour approfondir 1.3.3 1. Cirez un exemple d’information historique, de suivi et de prévision. 2. Pour quelles décisions ou activités utilisez-vous ou pourriez-vous utiliser chacune de ces informations ? 1.3.4 Comprendre et interpréter les cartes et graphiques climatiques les plus courants Comme vous avez pu constater l’information climatique est souvent présentée sous forme visuelle : cartes, graphes, courbes. La représentation graphique est une façon simple et concise de représenter l’information contenue dans les données après les avoir analysées. Les graphiques permettent souvent une interprétation plus aisée et intuitive, des comparaisons, soulignent des changements etc. Il ya deux principaux types de graphiques en climat, correspondant aux deux dimensions du climat : 1. Les cartes, pour la dimension spatiale 2. Les courbes, histogrammes etc., le plus souvent utilisée pour la dimension temporelle. Les cartes Dans la science du climat, beaucoup d'informations passent par des cartes qui représentent la valeur de différentes variables dans l'espace. Elles permettent de voir la dimension spatiale du climat. Les éléments clés d'une carte sont les suivants : L’orientation : La boussole ou la rose des vents indique généralement la direction du nord sur la carte. Les directions est, sud et ouest sont implicites par rapport à la direction du nord, car l'est est toujours à 90 degrés à droite du nord, le sud est toujours opposé au nord et l'ouest est toujours à 90 degrés à l'ouest du nord (ou opposé à l'est). La plupart des cartes ont pour convention que le Nord est directement en haut de la page, l'Est à droite, l'Ouest à gauche et le Sud en bas. S'il n'y a pas de boussole ou de flèche de direction, il faut partir de cette hypothèse. 35 L’échelle : L'échelle d'une carte indique comment les distances sur la carte correspondent aux distances réelles. La plupart des cartes sont « linéaires », c'est-à-dire qu'une distance fixe sur la page correspond à une distance horizontale fixe dans la vie réelle. À titre de référence, près de l'équateur, un degré de latitude ou de longitude est approximativement égal à 110 km. Si une carte ne comporte pas d'échelle, mais que l'entité géographique représentée (hémisphère, continent, pays, état, ville, etc.) est connue, l'échelle de la carte peut être estimée en recherchant les dimensions en longueur ou en coordonnées de l'entité géographique et en mesurant la distance entre ces limites sur la carte. La légende : La légende est généralement présentée sous forme d'un encart dans un coin de la carte ou d'un élément situé en dessous ou au-dessus de la carte qui donne un aperçu de la signification des symboles de la carte. Les lignes côtières, les frontières nationales et parfois les frontières des États ou des régions sont souvent délimitées par des lignes (généralement des lignes noires pleines) et souvent, le nom de l'entité géographique est écrit sous forme de texte à l'intérieur de ces frontières. Les informations clés sont présentées soit par une échelle de couleurs, de courbes de niveau ou d'un motif d'ombrage ou de hachures. La légende indique la signification de l'échelle utilisée, ainsi que les unités de la variable représentée sur la carte (par exemple, mm/an ou mm/mois pour les précipitations annuelles ou mensuelles, degrés C pour la température, et mètres au-dessus du niveau de la mer pour l'altitude, etc.) L’échelle de couleurs : En théorie, une échelle de couleurs peut être composé de n’importe quel arrangement de couleurs et peut être mise à l'échelle dans n'importe quel contexte mathématique. Cependant, il existe certaines conventions en cartographie géophysiques. Les zones océaniques sont souvent représentées en bleu. Les cartes d’élévation montrent souvent les régions de faible altitude en vert, les régions d'altitude moyenne en jaune, les régions d'altitude élevée en marron et les régions d'altitude très élevée en blanc. Les cartes de température montrent souvent les régions froides en couleurs froides (bleu, vert, violet) et les régions chaudes en couleurs chaudes (jaune, orange, rouge, rose ou brun). Les cartes concernant les précipitations peuvent être un peu plus variables. Certaines peuvent utiliser des couleurs froides (bleu, vert, violet) pour indiquer les zones à fortes précipitations et des couleurs chaudes (jaune, orange, rouge) pour indiquer les zones sèches. Dans d'autres cas, l'échelle de couleurs peut être inversée, les couleurs froides représentant les faibles précipitations et les couleurs chaudes les fortes précipitations. Certaines cartes de précipitations montrent également différents niveaux de précipitations comme différents degrés de saturation de la même couleur. Il est donc toujours important de regarder attentivement la légende et l'échelle de couleurs afin d'interpréter avec précision les informations présentées. Figure 1.3-1: Exemple d’échelle de couleurs. Les couleurs plus froides (bleu, vert) représentent les faibles précipitations, et les couleurs plus chaudes (rouge, orange) les fortes précipitations. Les isolignes : Les lignes tracées sur une carte reliant des sites ayant les mêmes valeurs d'une variable particulière sont appelés isolignes (le préfixe « iso » signifie égal). Les isolignes peuvent être dessinées et libellées. Leur espacement peut être spécifié dans la légende ou être implicites comme par exemple avec zones de couleur différente. Les lignes de contour sur une carte en relief indiquant les sites de même altitude, les isothermes (lignes reliant des sites de température égale), les isohyètes (lignes reliant des sites de précipitations égales) ou les 36 isobares (lignes reliant des sites de pression atmosphérique égale) sont des exemples d’isolignes. Dans la plupart des cas, les échelles de couleurs et les isolignes sont espacées à intervalles égaux (par exemple, tous les 100 mètres d'altitude ou 50 mm de précipitations annuelles ou 2 degrés C de température moyenne). Cependant, certaines échelles de couleurs ne sont pas espacées de manière égale : par exemple, si une carte des précipitations a des couleurs différentes à 50 mm, 100 mm, 150 mm, 200 mm, 300 mm, 400 mm, 600 mm et 1000 mm. Les graphiques Il s’agit le plus souvent de représentations de la dimension temporelle de l’information. Les courbes, histogrammes sont les formes les plus fréquentes. La dimension temporelle est souvent représentée sur l’un des axes ou les unités de temps sont indiquées. L’autre axe en général capte les valeurs correspondant aux unités de temps. Comme la plupart des graphiques n’ont que deux dimensions, la dimension spatiale est omise ; il s’agit le plus souvent soit des informations temporelles pour un point donné ou pour une unité spatiale ou la dimension spatiale a été agrégée, en calculant la moyenne sur l’espace (un pays, un département etc.). Un histogramme est une forme particulière de l’information temporelle car il s’agit des fréquences avec lesquelles une classe d’évènements se produit. Comme pour les cartes, il faut recherches des informations contenues sur les axes, légendes, titres de la figure etc. Pour approfondir 1.3.4 Identifier les principaux types de cartes et graphiques présents dans ce document. Auto-évaluation 1.3.4 : Données et information climatiques 1. Quelle est la différence entre une donnée et une information climatique. Donnez un exemple de chacune. 2. Énumérez les avantages et les inconvénients des différents types de données climatiques. Quelles précautions prendre lors de l'utilisation d'informations basées sur chaque type de données ? 3. Que représente la Figure 1.3-7 ci-dessous ? Fait-elle référence à une dimension spatiale ou temporelle ? Quelle période de temps est analysée ? Quelles données ont été utilisées ? Quelles analyses de données ont-elles été réalisées ? Existe-t-il une variabilité dans les données ? Quelle est la principale mise en garde concernant le résultat présenté ? * Pour les réponses, se référer à l'annexe A. 37 Figure 1.3.7. Anomalies of global mean surface temperature based on station data. Thin red line is the anomaly of annual mean, thick red line is the 5-year running average (NASA figure adapted from Goddard Institute for Space Studies https://earthobservatory.nasa.gov/features/GlobalWarming/ 1.4 Prévisions climatiques saisonnières Cette section présente quelques concepts de base de la prévision saisonnière, mais n'a pas pour but de fournir des notions approfondies sur le détail des méthodes utilisées actuellement de manière opérationnelle. À la fin de cette section, vous serez en mesure : • D’identifier les différents types de prévisions • D’expliquer l'incertitude des prévisions • D’interpréter les prévisions saisonnières probabilistes 1.4.1 Les principes de base des prévisions saisonnières Les prévisions saisonnières sont basées sur l'évolution plus lente des variations de températures des océans qui influencent alors et de l’atmosphère. Pour la mousson ouest-africaine Les régions océaniques qui influencent la mousson ouest-africaine sont : • Les régions de l’Atlantique subtropical, a travers l’apport direct de l’humidité et l’influence sur les vents • La région Pacifique équatorial (El Nino), a travers un pont atmosphérique dans les hautes couches de l’atmosphère (telecopnnexions) • L’océan Indien à travers des teleconnxions • La région méditerranéenne à travers des apports d’humidité et l’influence sur les vents venant du Sahara 38 La figure 1.4-1 illustre les principales influences océaniques sur la mousson ouest-africaine. Les résultats de ces influences vont dépendre des amplitudes des anomalies de SST et de leurs timings relatifs. Figure 1.4-1. Principales Zones d’influence océaniques sur la saison des pluies en Afrique de l’Ouest (téléconnexions) 1.4.2 Méthodes de prévision Il existe deux grandes classes de méthodes pour prévoir l'évolution du climat au cours de la saison suivante. Méthodes statistiques Les méthodes statistiques utilisent les données climatiques historiques et établissent des relations statistiques entre la variable d'intérêt (prédictant) et la ou les variables qui sont responsable de leurs variations (prédicteur). Par exemple, les précipitations, le nombre de jours de pluie ou les anomalies de température au cours d'une saison à venir peuvent être des exemples de prédictant, alors que l’on utilise souvent les anomalies de température de la surface des océans (SST) comme prédicteur. Pour expliquer les variations du prédictant, les relations identifiées - parfois appelées « modèle statistique » - peuvent faire intervenir de simples conditionnements aux anomalies de SST, une régression linéaire entre deux indices, ou peuvent impliquer des analyses spatio-temporelles plus complexes, comme l'analyse de corrélation canonique. Les méthodes statistiques sont simples à comprendre et à appliquer. Cependant, elles s'appuient fortement sur les relations entre les variables et la sélection de prédicteurs qui peuvent ne pas être toujours prendre en compte toutes les influences. Par exemple, dans les modèles statistiques les SST de la Meditireannee ne sont pas souvent prises en compte. La sélection des variables d’entrée, ou « prédicteurs », est une étape clé dans la modélisation statistique, pouvant influencer largement les résultats. L’utilisation d’un trop grand nombre de prédicteurs, souvent redondants, ou présentant des corrélations qui ne peuvent être soutenues par des mécanismes plausibles, peut fausser les modèles. Par conséquent, il est recommandé 39 de toujours vérifier la co-variabilité des prédicteurs et de proposer des mécanismes (au moins hypothétiques) pour expliquer l'impact des prédicteurs sélectionnés sur les précipitations et les températures saisonnières dans la région d’intérêt, afin d'éviter l’overfitting des modèles. Les mesures d’incertitudes dans les résultats modélisés de prédiction doivent également être fournies (voir la section sur les incertitudes, ci-dessous). Méthodes dynamiques Les méthodes dynamiques font référence à l'utilisation de modèles basés sur des équations physiques qui régissent les interactions entre les différents composants du système climatique, appelés modèles de circulation générale (GCM), et sont similaires aux modèles utilisés dans la prévision numérique météorologique. Ces modèles décrivent l'évolution de chaque variable à l'aide d'équations physiques. La figure 1.4-2 montre schématiquement (en haut) les principaux processus inclus dans les modèles numériques météorologique et climatologique et (en bas) les principaux processus et interactions décrits par les équations. Pour décrire l'état de l'atmosphère en différents endroits du globe et dans sa hauteur, l'atmosphère, depuis la surface de la Terre, est partitionnée dans l’espace en petites « cellules » dans lesquelles les changements de chaque variable météorologique et climatique sont calculés en fonction du temps. La figure 1.4-3 représente schématiquement la partition de l'atmosphère et les principales variables calculées à chaque étape. Ces modèles, possible grâce aux progrès technologiques et numériques, reflètent nos connaissances actuelles du système climatique et de ses interactions complexes. 40 Figure 1.4.2. Représentation schématique des principaux processus physiques du système climatique (en haut). Principaux processus et interactions décrits par les équations d'un modèle de circulation général- GCM (en bas). 41 Figure 1.4.3. Représentation schématique d'un GCM, du partitionnement en cellules de grille et des principales variables calculées à la surface de la Terre et dans l'atmosphère. Le principal défi de la prévision dynamique concerne la résolution du modèle (taille horizontale des cellules de la grille). La taille typique d'une cellule varie d'environ 50 km x 50 km à 100 km x 100 km, avec des conditions supposées uniformes au sein de la grille. Cependant, à ces résolutions, les modèles ne capturent pas les hétérogénéités à l'intérieur d'une cellule, par exemple liés aux chaînes de montagnes ou aux plans d'eau. Augmenter la résolution et ainsi le nombre de cellules du modèle (en diminuant la taille des cellules de la grille) pose des problèmes de temps de calcul des équations, limité par les ressources informatiques actuelles. Un autre problème majeur réside dans notre connaissance imparfaite des conditions atmosphériques au moment de l’initialisation du modèle prévisionnel. 42 Pour approfondir 1.4.2 1. Supposons que dans un GCM, la surface de la Terre soit divisée en 10 000 cellules et que la hauteur de l'atmosphère soit divisée en 20 niveaux. Pour prédire l'état futur de l'atmosphère, le modèle doit résoudre 100 équations dans chaque cellule. Et il ne peut avancer que par pas de 15 minutes, c'est-à-dire que pour prévoir l'état de l'atmosphère dans une heure, il doit résoudre les équations 4 fois, en avançant de 15 minutes à chaque fois. Supposons que l'ordinateur puisse résoudre 1 million d'équations par seconde. Combien de temps faudra-t-il au modèle pour calculer l'état de l'atmosphère dans 24 heures ? Dans un mois ? Dans 3 mois ? Dans un an ? 2. Supposons que vous souhaitiez que vos cellules soient plus petites de moitié dans chaque direction spatiale. Combien de temps faudra-t-il au modèle pour calculer l'état de l'atmosphère en 24 heures ? Méthodes mixtes Pour tirer parti des prévisions permises par les modèles de circulations et corriger certains de leurs biais systématiques, des traitements statistiques sont parfois appliqués aux résultats des modèles de circulations général, régional ou à plus petite échelle. Ces traitements sont souvent appelés Model Output Statistics (MOS), et sont intégrés dans les outils de Prédiction du Climat développés par l'ANACIM. 1.4.3 Formats des prévisions climatiques saisonnières L’incertitude L’incertitude est une caractéristique inhérente associée aux prévisions du climat futur, que ce soit aux échelles météorologiques ou à celles du changement climatique. Les principales sources d'incertitude dans les modèles prévisionnels sont les suivantes : 1. L'incertitude sur les conditions initiales du processus de prévision, due au manque de données d'observation météorologique dans certaines zones (par exemple, dans les zones océaniques et peu peuplées, comme les déserts). 2. L’incertitude sur notre représentation du système, par exemple, une ligne de régression n'est qu'une représentation approximative d'un nuage de points ; les GCM ne rendent qu'imparfaitement compte des conditions locales en raison de leur résolution grossière. 3. L’incertitude sur l'évolution du système et des facteurs qui l’influence ; par exemple l’incertitude sur les changements de température de l’océan, ou les changements des taux d'émission pour les projections climatiques au cours de la période de prévision climatique. L'importance relative de ces facteurs dépend de l'horizon de la prévision : l'incertitude sur les conditions initiales est plus importante pour les prévisions météorologiques à court terme, et l'incertitude sur l'évolution du système et les facteurs externes plus importante pour les horizons plus longs tels que le changement climatique. 43 Il est important de noter que l'incertitude peut et doit être évaluée et communiquée pour transcrire la confiance à accorder aux prévisions. L'évaluation de l'incertitude devrait faire partie intégrante de l'évaluation des prévisions. Les formats probabilistes sont alors un moyen pratique de communiquer l'incertitude des prévisions. Représentation de la prévision saisonnière en terciles Comme nous l'avons vu dans les sections précédentes, le climat et sa variabilité peuvent être exprimés sous la forme d'une distribution probabiliste des valeurs historiques d’une variable (par exemple les précipitations annuelles ou saisonnières, le nombre de jours de pluie, la température moyenne mensuelle, etc). Les distributions historiques donnent une première estimation de la probabilité qu'une valeur donnée se produise ou soit dépassée ou non dans le futur. Les prévisions probabilistes reportent les variations potentielles de ces probabilités, La façon traditionnelle de présenter ces changements de probabilités a été de partager la distribution des observations historiques en trois catégories – normale, en dessous et au-dessus de la normale - elles ont chacune une probabilité d’occurrence de 33%. La figure 1.4-4. Illustre le concept de changements de probabilités des terciles historiques. La prévision en terciles est souvent communiquée sous forme du tercile dominant. Figure 1.4-4. Représentation schématique des probabilités terciles, et des potentiels décalages entre les probabilités terciles climatologiques et prévisionnelles. Représentation flexible de la prévision saisonnière Le format en terciles communique l’incertitude attachée aux prévisions mais ne satisfait pas les utilisateurs, car les catégories de terciles ne correspondent pas toujours aux décisions à prendre. La table 1.4-1 résume les principaux problèmes avec le format en terciles et la solution que l’on peut y apporter. 44 Table 1.4-1. Principaiux problemes avec la previsions en terciles et les solutions potentielles. Problème Solution Désagrégation des prévisions Aucune information sur le climat local Présenter avec la climatologie locale Les catégories sont difficiles à communiquer et à comprendre Fournir la distribution des probabilités de prévision Les catégories ne correspondent pas aux complète seuils pertinents pour les décisions Prévoir des variables supplémentaires Les moyennes saisonnières seules ne sont pas pertinentes Traduire en termes d’impacts agricoles, d’options de gestion Le format de prévisions probabilistes qui prend en compte la distribution des probabilités des précipitations dans son ensemble apporte des solutions a certains de ces problèmes, comme le montre la figure 1.4-5. Ce format de prévision saisonnière permet à l'utilisateur d'accéder directement à la probabilité associées à une valeur qui présente un intérêt pour sa prise de décision. Ce format est en développement a l’ANACIM et sera disponible dans le futur. Figure 1.4-5. Différence entre les distributions probabilistes historiques (bleue) et prévisionnelles (rouge) de précipitations totales pour la période octobre-décembre 2020, à la position 31.5E, 12.25S. a) Distributions de probabilités, b) Probabilités de dépassement des précipitations. 45 Pour approfondir 1.4.3 1. Sur la figure 1.4-5a, qu'est-ce que les prévisions suggèrent pour les précipitations de la saison prochaine ? a. Quelle est la prévision la plus probable des taux de précipitation ? Quelle est la probabilité associée ? b. Quel est le taux de précipitation le plus probable basé sur la climatologie (observations historiques) à cette période ? Quelle est la probabilité climatologique associée ? c. Quelle est la différence entre ces valeurs de précipitations prédites et historiques ? Est-elle importante ? 2. Sur la figure 1.4-5b, quelle est la signification de la médiane ? a. Quelle est le taux de précipitation historique associé à la médiane ? b. Quelle est la prévision associée à une probabilité de dépassement de 50 % ? La différence entre la médiane prévue et historique est-elle importante ? 1.4.4 Utilisation de prévisions saisonnières L’interprétation par les utilisateurs Si les utilisateurs recherchent des informations sur les prévisions climatiques de plus en plus précises (soit dans la résolution spatiale) ou des détails sur la qualité de la prévision elle-même (une confiance élevée dans un résultat particulier), il est important de comprendre que l’incertitude est inhérente aux prévisions climatiques, et de savoir comment interpréter ces informations probabilistes pour pouvoir prendre les bonnes décisions. La plupart des forums régionaux sur les perspectives climatiques (RCOF) produisent des cartes consensuelles de prévisions saisonnières utilisant une suite de logiciels et l'engagement de météorologues de nombreux pays de la région. Avant le RCOF, les experts techniques se réunissaient autour des résultats de leurs différents efforts de prévision et une carte de consensus qualitative était dessinée, délimitant différentes sous-régions relatives aux probabilités terciles pour les précipitations et la température pour la saison à venir (correspondant à la probabilité que la saison soit « supérieure à la normale », « proche de la normale » ou « inférieure à la normale »). Ce format, s’il convient à la communauté météorologique, ne convient pas forcement à la communauté des utilisateurs. L'interprétation d'une prévision probabiliste consensuelle basée sur des terciles en une décision réalisable exige une connaissance spécifique de ce que signifient « au-dessus de la normale », « près de la normale » et « au-dessous de la normale » pour un lieu et une saison donnés - une connaissance que les utilisateurs peuvent ne pas avoir directement. En effet, les décisions cruciales pour l'agriculture, la santé ou la gestion de l'eau peuvent dépendre de seuils autres que les 33ème ou 67ème percentiles de température et de précipitations 46 Pour répondre à ces défis, les Services et Agences météorologiques nationaux des pays de l’Afrique de l’Ouest et les institutions régionales et pan-africaines, tels l’AGRHYMET et l’ACMAD continuent des efforts a améliorer la prévision saisonnière, tant sur les aspects de réduction d’incertitudes et amélioration des performances que sur la façon de présenter la prévision aux utilisateurs. En particulier un effort a été fait au PRESASS pour explorer le format flexible afin de répondre plus directement aux besoins des utilisateurs. Autres considérations sur l'utilisation des prévisions En réalité, le rendement des cultures ne dépend que du total des précipitations saisonnières. D’autre facteurs sont importants, comme les dates de début et de fin des pluies, le moment de plantation et de récolte, la distribution intra-saisonnière des précipitations, le nombre et la durée des périodes de sécheresse, la fréquence et la gravité des vagues de chaleur, et aussi certains facteurs non climatiques (fertilité des sols, pratiques de gestion, pressions de l'utilisation des terres, etc.) Pour prendre de bonnes décisions, la communauté météorologique doit être attentive aux questions de performance et d'incertitude des prévisions et vérifier adéquatement les prévisions par rapport aux observations historiques. De plus, les services nationaux météorologiques et hydrologiques (SNMH) doivent également être sensibles aux besoins des utilisateurs et essayer de présenter les résultats de manière à les rendre accessible aux différents secteurs. Les utilisateurs doivent être avertis que les informations climatiques sont intrinsèquement probabilistes et incertaines, et doivent articuler leur décision autour de ces probabilités produites par les experts techniques. Il est impossible d'établir des prévisions exactes plusieurs mois à l’avance. Mais de nombreux résultats de prévisions peuvent néanmoins être utiles pour guider les décisions. Les professionnels des différents secteurs de la communauté d'utilisateurs doivent exprimer clairement le niveau de performance et le délai nécessaires pour éclairer leur décision. Cette discussion devrait guider l'engagement des utilisateurs envers le SNMH. En raison de la nature incertaine et probabiliste des prévisions climatiques, certaines prévisions peuvent sembler « fausses » pour les utilisateurs (par exemple, alors que la prévision penchait fortement vers des conditions humides, des conditions sèches se sont produites). De tels événements peuvent impliquer la nécessité d'affiner et de réévaluer les méthodes de prévision, mais ne signifient pas nécessairement que le processus de prévision (dirigée par les organisations régionales et le SNMH) n’est pas digne de confiance ou sans valeur. C’est en adoptant une perspective historique dans cet exercice, et en s'efforçant de garder à l'esprit les réussites et les échecs dans le temps qu’il est possible d’améliorer continuellement le processus de prévision, de communication et d'engagement. 1.4.5 Le Continuum des prévisions Bien que ce module soit principalement axé sur les prévisions saisonnières, les prévisions peuvent être effectuées à différentes échelles et horizons, depuis les prévisions météorologiques aux projections relatives au changement climatique. Ces différentes prévisions sont basées sur différentes facteurs influençant la variabilité et le changement climatiques, comme souligne sur la figure 1.2.-9. Dans ce cadre : Les prévisions météorologiques prévoient l'évolution à court terme des conditions atmosphériques sur une période de quelques jours et sont principalement basées sur les observations des conditions atmosphériques actuelles. 47 Les prévisions saisonnières prévoient les conditions climatiques plusieurs mois à l'avance et sont basées sur le fait que les variations de températures de surface de la mer, comme dans le cas de l’Atlantique entourant l’Afroiqie de l’ouest, ont un impact sur les circulations à grande échelle (qui apportent l'humidité sur les continents) et ainsi sur les précipitations. Les projections du changement climatique tentent de prévoir l'évolution du climat plusieurs décennies à l'avance. Elles sont basées sur le changement de la composition de l'atmosphère, et donc les changements d’énergie que notre système climatique reçoit, redistribue (via les circulations océaniques et atmosphériques mondiales), et utilise pour faire fondre la glace et augmenter la température des océans et des continents. Les échelles de prévision intermédiaires entre la météo, la saison et le changement climatique, telles que les prévisions intra-saisonnières (plusieurs semaines à l’avance) ou décennales (évolution au-delà de l'année suivante) n'en sont encore qu'à leurs débuts. Plus l'horizon de la prévision est long, plus l'incertitude est grande et moins la prévision est précise en termes de résolution spatiale et temporelle ainsi que dans ses valeurs. Auto-évaluation 1.4.4 : L’utilisation des prévisions saisonnières 1. Quels sont les deux principaux types de prévisions ? Citez les avantages et les inconvénients de chacun. 2. Quelles sont les principales sources d'incertitude ? L'incertitude peut-elle être évitée ? Comment les prévisions intègrent-elles les incertitudes ? 3. Baseriez-vous vos décisions agricoles sur une prévision saisonnière déterministe (c'est-à-dire donnant des valeurs précises) et à haute résolution (par exemple au niveau de la ferme) ? Expliquez pourquoi ou pourquoi pas. * Pour les réponses, se référer à l'annexe A. 48 Module 2. Information climatique pour la GRCA au Sénégal Le Module 2, Information climatique pour la GRCA au Sénégal donne un aperçu des produits et services d'information météorologique et climatique clés disponibles aujourd’hui (ou très prochainement) au Sénégal et produits ou co- produits essentiellement par l'Agence Nationale de l’Aviation Civile et de la Météorologie (ANACIM). Il explique les différents types de produits, comment y accéder et comment les utiliser. • Ce module vous permettra de : o Connaitre les différentes sources des informations climatiques o Identifier l’horizon climatique de la décision et le type d’information climatique o Accéder a, et interpréter, l’information dans les bulletins du GTP o Accéder, naviguer et interpréter l’information dans la datathèque de l’ANACIM o Accéder, naviguer et interpréter l’information dans AgDataHub o Interpréter la prévision saisonnière de l’ANACIM À la fin de ce module, vous aurez les compétences pour : • Comprendre et expliquer : o Connaitre les différents types et canaux d’information climatique disponibles au Sénégal o Expliquer en grandes lignes les sources des informations climatiques • Analyser et diagnostiquer : o Identifier les possibles sources d’information climatiques nécessaires • Agir : o Accéder aux et naviguer informations disponibles en ligne o Interpréter les informations disponibles 49 2.1 Revue des types d’information climatique au Senega La production de l’information climatique comprend la collecte, l’analyse et l’interprétation de données climatiques. Produire l’information climatique n’est toutefois pas synonyme que cette information peut être directement utilisée pour la prise de décision, en agriculture ou tout autre secteur climato-sensible. Pour soutenir la prise de décision l’information climatique doit s’accompagner d’une traduction en termes d’impacts sur l’activité, des options d’itinéraires techniques et de critères de choix, souvent sur la base d’une analyse économie et de canxu de communication pour atteindre les utilisateurs finaux. Cette chaine complète, illustree par la figure, constitue les services climatiques Ce module se focalise sur l’information climatique et les autres chainons seront abordés dans les modules 3 et 4. Figure 2.1-1: Représentation sch ématique des quatre pili ers des services climatiques. Noter le sens du Générer Traduire Transférer Utiliser flux de l’information mais aus si un flux de feedback, remontant l’information des util isateurs aux producteurs. 50 Au Sénégal la collecte, l’archivage, l’analyse et No Potentiel IC l’interprétation des données en vue de formuler de l’information climatique est le 1 Date de début de saison X D X D domaine régalien de l’Agence 2 Date de fin de saison X D X D Nationale de l’Aviation Civile et de la Météorologie 3 Prévisions journalières de pluie X D X D (ANACIM, 4 Prévisions saisonnières X D X D X D http://www.anacim.sn). En 2020 le Projet CiNSERE a 5 Cumul pluviométrique X D conduit une consultation avec 6 Pauses sèches X D X principales parties prenantes 7 Séquences humides X D dans les domaines de la pèche, agriculture et élevage pour 8 Humidité X D aboutir a une liste 9 Pluie hors saison X D X D d’informations climatiques jugées pertinentes dans ces 10 Période optimale de semis X D secteurs, et évalue les 11 Prévision de température X D informations existantes (Table 12 Prévision du vent X D X D X D 2.1). Sur 26 informations souhaitées par ces trois secteurs 13 ETP X D (8, 15 et 13 respectivement pour 14 Insolation X chacun des secteurs, les besoins 15 Risque de faux départ X D se chevauchant) un total de 18 (7,13 et 9) sont déjà produites 16 Prévision à l’échelle locale X par l’ANACIM. Sur la base des 17 Houle X D connaissance acquises au module 1 nous pouvons 18 Prévision de la visibilité X D constater que la table présente 19 Zones de foudre et zone à risque X X un mélange d’informations a 20 Temp. Surface de la mer X D des échelles spatiales et temporelles variées, par 21 Marées X D exemple la hauteur de houle, qui 22 Disponibilité de fourrage X peut varier d’heure en heure, et la prévision saisonnière. Ces 23 Disponibilité ressources en eau X D différentes échelles se 24 Prévision type de pluie selon X D combinent et se complètent au l’intensité cours des activités de production, chacune servant un Table 2: Besoins et disponibilité en informations propos différent (figure 2.1-2). météorologiques et climatiques dans les différents secteurs, Adapte de Diouf et al. (2020). Le symbole X indique que Malgré une amélioration de la l’information est demandée/pertinente et le symbole D qu’elle diffusion de l’information est disponible. climatique (Ouédraogo et al. 2020), MAER (2021) note que sa diffusion et utilisation restent encore très faibles. Dans la suite de ce module nous examinerons les trois principales sources d’information climatique pour la GRCA disponibles et a accès public au Sénégal : les bulletins des GTP, les maprooms de l’ANACIM et le AgDataHub.Dans les trois cas les données et les informations climatiques proviennent de l’ANACIM. 51 Pêche Agriculture Elevage Pour approfondir 2.1.1 La table 1 contient-elle toutes les informations climatiques dont vous auriez besoin dans vos activités ? Si, oui, citez les trois les plus importantes pour vos activités. Si non, quelles informations manquent ? S’agit-il d’informations climatiques ou d’information ‘traduites’ c’est-à-dire sur les impacts ou les decisons ? Avant Pendant Après Prévision saisonnière Alerte  Inondation, foudre => variétés, paturages Journalière  épandage d’engrais, Prévision  période Date de début pesticide de récolte optimale => Préparation des Décadaire  sarclobinage, points Champs, transhumance d’eau, Séminaire de formation Indicateur bioclimatique Visite des champs Evaluation Réunion de partage Suivi dans le GTP tous les 10 jours Leçons apprises Figure 2.1-2: Illustration des différents types d’infirmation, leurs usages et moyens de communication a différents stages de la production végétale. Source : ANACIM. Le bulletin du GTP est une publication résultant de l’évaluation de l’hivernage par un groupe d’experts, l’information y est donc interprétée et quelques conseils peuvent être données. Ils suivent cependant un format très standardisé en ce qui concerne les informations élaborées et les échelles spatiales et temporelles. Les maprooms et le AgDataHub, en revanche, sont des sources en ligne, plus flexibles et parfois plus complètes en ce qui concerne les échelles spatiales et temporelles de l’information mais nécessitent quelques connaissances pour naviguer et interpréter l’information. La section 4 s’attachera a comprendre et interpréter une information très particulière, celle de la prévision saisonnière. La section 5, enfin, illustrera quelques exemples de canaux de diffusion de l’information climatique. 52 2.2 Le bulletin du GTP Mis en place dès 1986 par le CILSS, les Groupe de travail pluridisciplinaire (GTP) est un dispositif d'alerte précoce et de prévention des crises et catastrophes. Ce cadre multisectoriel consultatif se consacre à la compilation de données et à la production d'informations diverses en rapport avec les paramètres agro-météorologiques et hydrologiques. Concernant plus particulièrement la sécurité alimentaire, le GTP entend permettre aux décideurs et aux producteurs, en temps réel et tout au long de la campagne agricole, d'adapter efficacement les systèmes de production agro- sylvopastorale et halieutiques à la variabilité des conditions environnementales. Sa coordination technique est assurée par l’Agence Nationale de l’Aviation Civile et de la Météorologie (ANACIM). Le groupe composé des services intervenant dans le domaine de la production agricole( Direction de l’Agriculture, Direction de la Gestion de la Planification des Ressources en Eau, Direction de la Protection des Végétaux, Direction de l’Élevage, Centre de Suivi Écologique, Commissariat à la Sécurité Alimentaire, Secrétariat Exécutif du Conseil National de la Sécurité Alimentaire, Comité National du CILSS, Direction de l’Analyse, de la Prévision et des Statistiques...) publie à la fin de chaque décade un Bulletin Agrométéorologique Décadaire destiné aux autorités nationales, aux bailleurs de fond et aux techniciens, à la presse etc. Dans le cadre de la mise en place du Cadre Mondial des services climatologiques, ce groupe a été élargi aux assurances agricoles, INP, CNCR, CONGAD, ANCAR, URAC, Environnement, Direction Générale Santé et à la presse). Le GTP organise des réunions régulières pendant la saison des pluies pour analyser l’état des précipitations, ses impacts sur les cultures et les pâturages ainsi que sur les niveaux des cours d’eau et des lacs de barrage et produit un bulletin communiqué à travers différents canaux de diffusion. Figure 2.2-1: Illustration du processus de GTP. Source : ANACIM 53 En plus du GTP national qui évalue l’hivernage à l’échelle du pays en direction des services centraux varies, plusieurs GTPs locaux ont été créés par arrêtés préfectoraux à l’échelle départementale, présidés par les Préfets des départements. Les membres des GTPs locaux sont des techniciens issus des structures décentralisées des institutions ci-dessus. La vocation de ces GTP décentralisés est de produire des évaluations de l’hivernage et des prévisions et conseils plus localises. Cependant de tels GTP n’existent pas dans tous les départements et parmi ceux formes, seule une partie fonctionne effectivement (figure. 2.2-2) Le GTP ont un site web ou l’on peut accéder aux bulletins nationaux ainsi qu’a un certain nombre Figure 2.2-2: Distribution et activite des GTP decentralise, en 2019. Source: Ouedraogo 2020 d’informations sectorielles. https://gtp.cnsc.anacim.sn/index.html#/fr/home Les bulletins du GTP central sont aussi accessibles sur le site de l’ANACIM http://www.anacim.sn/spip.php?article59. La figure 2.2-3 présente un extrait du bulletin national. Figure 2.2-3: Extrait de la premiere page du bulletin du GTP de la premiere decade d'aout 2022. Pour approfondir 2.2.1 1. Pourquoi le bulletin donne les valeurs climatologiques et celles de l’année précédente 2. Comment pouvez-vous trouver une information plus précise pour votre localite 54 2.3 La Datathèque ENACTS de l’ANACIM 2.3.1 La genèse Même si les données seules ne suffisent pas a supporter des décisions directement, elles sont fondamentales pour produire une information climatique fiable et pertinente localement, aussi bien sur le passé, l’actuel et le futur. Le module 1 a déjà discuté différents types de donnés, leurs avantages et inconvénients. Les données des stations au sol sont les plus fiables et représentent le mieux les conditions locales mais elles présentent des lacunes spatiales et temporelles et, parfois des erreurs, notamment de saisie. Ces problèmes sont particulièrement aigus en Afrique du au manque d’investissement dans les structures d’observation, faible automatisation de la collecte des données et des conflits affectant le fonctionnement des structures étatiques. Bien que le Sénégal possède un réseau d’observation en bon état, on observe de vastes étendues dépourvues d’observations (fig.2.3-1 gauche). La figure 2.3-1 (droite) présente un exemple de problème que l’on peut rencontrer avec les données, lorsqu‘elles existent. En outre, lorsqu’elles existent, les données et, surtout, les informations qui en dérivent et sont plus utiles, ne sont souvent pas assez valorises et accessibles au grand public. Figure 2.3-1: Gauche : réseau d'observations de l'ANACIM, différents symboles correspondent à différents types de stations d'observation. Source : ANACIM. Droite : exemples de problèmes avec les données observes. Haut – le déclin du nombre de stations ; Bas- des donnes de température maximale ont été saisies dans un fichier de températures minimales. Pour approfondir 2.3.1 Sur la figure 2.2-1 de droite (carte des stations) identifier des zones de forte et faible densité de stations, tous types confondus. Quelles peuvent être les raisons de cette disparité ? 55 2.3.2 Les données ENACTS Le projet ENACTS = Enhancing National Climate Services s’efforce d’améliorer à la fois la disponibilité, l’accès et l’utilisation d’information climatique. Ce projet travaille avec les Services Météo Nationaux pour réaliser le contrôle de qualité de toutes les données de stations disponibles et pour les combiner avec des produits satellitaires ou de réanalyse. La figure 2.3- 2 illustre ce processus de combinaison de données de différentes origines pour les précipitations. L’attention principale d’ENACTS se porte sur la création d’information climatique fiable pour la prise de décision locale. Figure 2.3-2: Illustration du porcessus de combinaison des données de pluies de stations au Rwanda (gauche) et des donnees satellitales (droite) pour produire les donnees combinees (figure du bas). Le même code couleurs est utilisé pour les trois cas (présenté au milieu de la figure) Pour approfondir 2.3.2 Sur la figure 2.3-2 : quelles sont les principales différences entre les valeurs observées (stations) et les valeurs estimées par satellite ? Comment la figure finale « ameliore-t- elle » les deonnees ? 2.3.3 La datatheque d’ANACIM L’accès aux données et, surtout à l’information analysée, nécessaire pour soutenir des décisions est un autre objectif de ENACTS. A cet effet, ANACIM an installe un outil de gestion et visualisation des données climatiques – la Datatheque (ou Data Library en anglais). Cet outil présenté l’avantage de gérer différents types de données aux formats divers et varies, les analyses les plus courantes et leurs visualisations mais aussi de prédéfinir certaines analyses plus complexes et leurs visualisations, qui peuvent se mettre à jour automatiquement, dès que les Nouvelles données sont disponibles. Ainsi ANACIM utilise maintenant les données combinées ENACTS et les figures générées automatiquement dans le suivi de l’hivernage et le bulletin GTP. Les analyses et visualisations prédéfinies – les maprooms – sont souvent 56 développes en réponse à un besoins de secteurs climato-sensible, parfois avec un financement spécifique. Cet outil a été implémenté dans de nombreux pays d’Afrique ce qui permet à une communauté de pratique de se former et un partage d’outils et expériences. En particulier, une maproom développée dans un pays/région pour un besoin donné a toutes les chances d’être pertinente dans un autre pays tropical et avec la datathèque il est facile de l’adapter à une nouvelle géographie. La figure 2.3-3 présente les pays ou la datathèque a été installée en Afrique et l’ensemble des différentes maprooms développées dans différents pays. Noter que toutes ces capacités ne sont pas forcément disponibles dans la datathèque de l’ANACIM. Figure 2.3-3: Haut: Illustration des differents types de maprooms construits dans differents pays pour differents secteurs et contextes (Source A. Grossi, IRI). Bas : Carte des pays en Afrique ayant installé la Datatheque (Source : IRI). 57 Les maprooms ENACTS sont le moyen par lequel les produits d'information climatique sont mis à la disposition des utilisateurs. Un Maproom est une collection de cartes interactives et d'autres figures qui permettent aux utilisateurs de générer des informations sur le climat passé, présent et futur. La maproom est dynamique en ce que les cartes et les figures sont générées par l'utilisateur en temps réel car les maprooms sont liés aux données climatiques d'origine. Les utilisateurs peuvent se concentrer sur des domaines d'intérêt spécifiques grâce aux capacités d'extraction et de synthèse des informations. Les maprooms disponibles accessibles depuis la page web de l’ANACIM (http://213.154.77.59/maproom/). Figure 2.3-4: Page de garde de l'ANACIM d'ou on peut acceder aux maprooms. 2.3.4 La navigation dans les maprooms Structure générale La version actuelle de maprooms ENACTS comprend un maproom général pour le climat, appelé « climatologie » ainsi que deux maprooms spécifiques aux applications, à savoir les maprooms « climat et Agriculture » et « Climat et Santé ». La capture d'écran de la figure 2.2- 1a, montre la page d’accueil du Maproom. Chacun de ces maprooms est divisé en sous- maprooms présentant différents types de produits climatiques. La structure globale du maproom est présentée dans la figure 2.. Seulement la maproom général « Climatologie » et la maproom « Climat et Agriculture » sont présentées dans ce module. 58 Figure 2.3-5:Page d’accueil du Maproom d’ANACIM Onglets La navigation et certaines sélections se font via des onglets. On distingue : 1. Des onglets, communs à tous les maprooms, qui fournissent une description du produit que vous explorez, des informations sur les ensembles de données utilisés pour générer les produits, des explications sur les onglets communs utilisés pour naviguer dans les produits, ainsi que des informations de contact (Figure 2.3-8). L'onglet "Description" fournit des informations sur les produits maproom que l'on consulte ; l'onglet "Documentation des données" est destiné à décrire les données utilisées pour créer les maprooms ; l'onglet "Instructions" fournit des explications sur certains boutons utiles ; et l'onglet "Contact" fournit les coordonnées de l'institution ou de la personne qui gère la maproom (dans ce cas l’ANACIM). Enfin, pour exporter les tableaux de données ou télécharger des images et des graphiques obtenus, l'onglet Instructions montre comment utiliser les boutons qui apparaissent lorsque vous survolez les cartes. Ces boutons vous permettent également de zoomer, partager, télécharger, etc. (figure 2.3-7). Figure 2.3-6: Onglets utiles disponibles pour tous les maprooms. 2. Les onglets et menus, qui permettent de définir les paramètres de l’analyse que vous souhaitez effectuer. Pour obtenir l’analyse souhaitée il faut donc de naviguer vers la maproom adéquate puis définir les paramètres de l’analyse. Dans certains cas simples, les paramètres sont définis par défaut. Dans des cas plus complexes, comme le calcul de la date Moyenne de début de la saison des pluies, il faut définir les critères que l’on veut utiliser. Par exemple pour le démarrage des la saison des pluies agronomique on peut prendre 20 mm sur 3 jours non suivi d’une période de 7 jours secs pendant les 21 jours suivants (choix des critères est aléatoire dans cet exemple). 59 Figure 2.3-7: Onglets, ou menus, pour définir les paramètres d’une analyse, ici, le début de la saison pluvieuse 2.3.5 La Maproom « Climatologie » La maproom général pour le climat5 comprend trois sous-maprooms avec des informations sur le passé (historique), présent (surveillance) et futur (prévision). Les informations historiques se trouvent sous la maproom « Analyse climatique », les informations de suivi sous la maproom « Suivi climatique », tandis que les informations de prévision se trouvent sous la maproom « Prévisions climatiques ». Ici, nous nous concentrons sur l'onglet "Analyse climatique" (Figure 2.3-8). A quoi sert la « Maproom d’analyse climatique » ? La maproom d’analyse climatique fournit des analyses et des visualisations instantanées et ajustables sous la forme de cartes et de graphiques interactifs qui peuvent décrire des caractéristiques climatiques historiques telles que la saisonnalité, les tendances, les extrêmes et autres. Par exemple, il peut aider à déterminer si les changements observés dans la productivité agricole sont liés aux variations du climat ou à un autre facteur, comme la dégradation des sols. Il peut également aider à améliorer l'adaptation des cultures, des systèmes agricoles et apporter un soutien agricole face aux risques climatiques locaux en analysant la saisonnalité, les tendances et la variabilité. De plus, les informations climatiques historiques peuvent aider à décider des moments appropriés pour la préparation des terres, la sélection des semences ou des races animales, la plantation, le désherbage, l'application d'engrais et la lutte contre les ravageurs et les maladies. Contenu de la maproom d’analyse climatique La maproom d’analyse climatique comporte plusieurs sous-composantes (onglets) qui permettent une analyse à différentes échelles de temps (quotidienne, décadaire [10 jours], mensuelle et séculière). Les produits de cette Maproom sont les suivants : • Analyse quotidienne des précipitations (par exemple, intensité moyenne des précipitations, nombre de jours humides/secs, probabilité de périodes sèches/humides, etc.); • Analyse des précipitations décadaires; • Analyses mensuelles; 60 • Les échelles de temps des précipitations Figure 2.3-8: La maproom « Analyse climatique ». Maproom 1 : Analyse climatique quotidienne. Cet onglet explore les précipitations quotidiennes historiques grâce à un nombre de statistiques différentes. De nombreuses options sont disponibles pour produire des séries chronologiques annuelles des précipitations quotidiennes telles que le nombre de jours secs/humides et de périodes sèches/humides. L'utilisateur peut alors choisir de cartographier (Figure 2.2-4) la moyenne, l'écart type ou la probabilité de dépassement du seuil choisi, sur plusieurs années. Cliquer sur la carte génère un graphique spécifique à l'emplacement (Figure 2.2-4) pour le diagnostic choisi. Dans ce maproom comme dans d'autres, les utilisateurs peuvent extraire et visualiser les informations générées pour différents niveaux administratifs en cliquant sur la carte ou en choisissant dans la liste déroulante. Cet outil peut être utilisé pour déterminer : • L’augmentation/la diminution des précipitations dans une certaine zone au fil du temps ; • Comment les périodes sèches/humides (x nombre de jours consécutifs secs/humides) se comparent aux tendances des maladies à transmission vectorielle ; • Quelles zones connaissent de fortes précipitations et risquent d'être inondées ; • Quelles zones sont vulnérables aux sécheresses 61 Figure 2.3-9: Exemple d’analyses climatiques disponibles. Gauche: Nombre moyen de jours de pluie pendant la saison de juillet à septembre sur le Sénégal. Droite: Probabilité de jours de pluie au-dessus d'un seuil donné pendant la saison juillet-septembre pour un endroit spécifique sur le Sénégal. Maproom 2: Analyse climatique décadaire Cet onglet permet aux utilisateurs de visualiser les précipitations et les températures agrégées sur des périodes de 10 jours présentées sous forme de saisonnalité, de tendances et d'anomalies. Cliquer sur la carte générera une climatologie décadaire comme le montre la figure 2.3-9. Figure 2.3-10: Climatologie pluviométrique décadaire sur un site sélectionné au Sénégal. Maproom 3 : Analyse climatique mensuelle L'analyse mensuelle, basée sur 30 ans d’observation, est similaire à l'analyse décadaire décrite ci-dessus, sauf que les climatologies sont présentées à une échelle de temps mensuelle. Il permet aux utilisateurs de visualiser les précipitations, la climatologie mensuelle des températures maximales, minimales et moyennes, les anomalies et les tendances. L'analyse mensuelle peut être utilisée pour déterminer : la distribution spatiale des précipitations ou de la température au cours d'un mois spécifique (Figure 2.3-10), les changements dans la saisonnalité (Figure 2.3-10) et les années qui ont connu une augmentation ou une diminution inhabituelle des précipitations ou de la température (Figure 2.3-11). 62 Figure 2.3-11: Gauche - Climatologie des températures minimales du Sénégal en juillet. Droite - Saisonnalité de la température minimale pour un endroit spécifique au Sénégal. Les barres indiquent la température moyenne (climatologie) pour chaque mois, tandis que les lignes vertes, bleues et rouges indiquent respectivement les 5e, 50e et 95e centile Figure 2.3-12: Anomalies et tendances des températures minimales pour un endroit spécifique du Sénégal. Maproom 4 : Les échelles de temps des précipitations Ce maproom présente une décomposition approximative par échelle de temps des variations des précipitations pour le XXe siècle. Trois échelles sont définies, notées « tendance », « décennale » et « interannuelle ». L’importance de la tendance est indiquée à droite du graphique de la série chronologique ci- dessous (Figure 2.3-12). Figure 2.3-13: Tendance de la variabilité pour la saison juin-août à un point de grille sélectionné au Sénégal 63 Il existe une gamme d’options d’analyse et d’affichage disponibles: l’utilisateur peut définir une saison d’intérêt; auquel cas la décomposition sera effectuée sur la base des données saisonnières correspondantes. Les résultats peuvent être affichés sous forme de carte (figure 2.3-13) ou sous forme de série chronologique (exemple dans la figure 2.3-14). Dans ce dernier cas, à un point de grille individuel ou en moyenne sur une zone sélectionnable par l’utilisateur. Les cartes peuvent afficher soit l’écart-type, soit le pourcentage de variance dans les données brutes expliqué par la variabilité sur l’échelle de temps sélectionnée. Figure 2.3-14: Gauche Pourcentage de variance pour la pluie totale de juin à août – Échelle de temps interannuelle ; Droite : Variabilité interannuelle à un point de grille sélectionné au Sénégal, présentée sous la forme d’un graphique de série chronologique 2.3.6 Analyses climatiques spécifiques à l’agriculture : La maproom Climat et Agriculture La maproom Climat et Agriculture a été développé grâce à un processus de coproduction avec des experts agricoles de l'IRI ainsi que des parties prenantes dans le pays. La maproom Climat et Agriculture offre aux utilisateurs une gamme de produits d'information climatique. Les informations climatiques présentent un certain nombre d'avantages pour l'agriculture et la sécurité alimentaire, notamment le développement de systèmes agricoles durables et économiquement viables, l'amélioration de la production et de sa qualité, la réduction des risques et des pertes, la réduction des coûts, l'augmentation de l'efficacité dans l'utilisation de l'eau, de la main-d'œuvre et de l'énergie, et la conservation des ressources naturelles. A quoi sert la maproom Climat et Agriculture ? La maproom Climat et Agriculture permet aux utilisateurs d’accéder à certaines informations climatiques, et en analyser les différents paramètres climatiques historiques pour les aider à prendre des décisions critiques dans leur planification agricole. Les décisions critiques peuvent inclure : quand planter, quand appliquer les engrais ou les pesticides, et sélectionner d'autres pratiques appropriées pour faire pousser une culture dans différentes conditions climatiques. Contenu du maproom Climat et Agriculture La maproom Climat et Agriculture comporte deux sous-composants (onglets), l’un explorant l'analyse des précipitations quotidiennes, l’autre reportant les dates historiques de début de saisons de pluie. La date de début de la saison des pluies, telle qu'identifiée par des critères agronomiques, est l’une des informations les plus importante pour l’agriculture au Sénégal. Le démarrage de la saison des pluies est officiellement défini lorsqu’un certain seuil de pluie est accumulée sur quelques jours, sans être suivi d'une longue interruption des pluies (périodes sèches) pouvant endommager les cultures en germination. La visualisation de ce paramètre est 64 possible pour n'importe quel niveau administratif, en fonction de la résolution d'intérêt. La figure 2.3-14 montre le contenu de la « maproom Climat et Agriculture » du Sénégal. Figure 2.3-16:Aperçu du maproom Climat et Agriculture pour le Sénégal Maproom 1 : Analyses des précipitations quotidiennes Ce maproom, qui a également été décrit précédemment dans la maproom d'analyse climatique, explore les précipitations quotidiennes historiques en utilisant des statistiques saisonnières simples. De nombreuses options peuvent être spécifiées pour produire des séries chronologiques annuelles à partir des données de précipitations quotidiennes pour un diagnostic saisonnier donné. L'utilisateur peut choisir de visualiser la moyenne, l'écart type ou la probabilité de dépasser un seuil choisi (figure 2.3-17gauche). Cliquer sur une carte produira alors une série temporelle locale (figure 2.3-17 droite) du diagnostic choisi. Entre autres analyses, ce maproom peut être utilisé pour déterminer : l'augmentation/la diminution des précipitations dans une certaine zone au fil du temps ; comment les périodes sèches/humides (x nombre de jours consécutives secs/humides) se comparent ; quelles zones ont pu être inondées ou saturées en eau en raison de l'intensité des précipitations ; quelles zones ont connu des sécheresses ; ou quelles sont les tendances globales des précipitations. 65 Figure 2.3-17: Gauche : Probabilité d'avoir au moins 3 périodes de sécheresse entre 1er juillet au 30 septembre au Sénégal. Droite : Série chronologique du nombre de pauses sèches (en haut) et probabilité de dépassement de nombre de pauses sèches (en bas) pendant les saisons du 1er juillet au 30 septembre pour un emplacement sélectionné au Sénégal. Maproom 2 : Dates historiques de début de saison des pluies Ce maproom permet aux utilisateurs d'explorer les dates historiques de début de la saison des pluies en fonction de critères définis par l'utilisateur. La date de début de la saison des pluies est déterminante pour décider de la date optimale de plantation. En permettant l'exploration de l'historique des dates de début de saison des pluies, la maproom permet également aux utilisateurs de comprendre la variabilité spatiale et temporelle de ces dates et donc de caractériser le risque de réussite d'une campagne agricole qui lui est associée. La définition du démarrage de la saison des pluies utilisée ici est basée sur l’occurrence d’un événement pluvieux significatif (par exemple 20 mm en 3 jours) non suivi d'une période sèche (par exemple une période sèche de 7 jours dans les 21 jours suivants). La date réelle étant le premier jour de l'événement pluvieux. La date de début de saison des pluies est calculée pour chaque année selon la définition, et est exprimée en jours depuis une date de début précoce (par exemple le 1er juin). La recherche de la date de début se fait à partir de cette date de début précoce et pour un certain nombre de jours suivants (par exemple 60 jours). De plus, la maproom reporte les statistiques annuelles de la date de début de saison des pluies : la moyenne (par défaut), l'écart type ou la probabilité de dépasser un nombre de jours choisi. En cliquant sur la carte (figure 2.3-18) à un endroit donné, une série temporelle annuelle locale des dates de début de saisons de pluies s’affiche (figure 2.3-18), ainsi qu'un tableau avec les dates réelles (par opposition aux jours depuis le début précoce); et un graphique de probabilité de dépassement. Notez que si les critères pour définir la date de début ne sont pas remplis dans la période de recherche, l'analyse renverra une valeur manquante. Et si l'analyse renvoie 0 (jours depuis le début précoce), il est probable que la date de début précoce soit choisie pendant la saison des pluies. 66 Figure 2.3-18:Gauche: Carte des dates de début de saison moyennes depuis la date de début au plus tôt (1er juin) au Sénégal. Ainsi, 10 représente la date du 10 juin, tandis que 60 représente la date du 30 juillet. Droite : Exemple de série chronologique de dates d'apparition pour un lieu sélectionné au Sénégal. 2.3.7 Maproom de suivi climatique La maproom de suivi climatique, disponible grâce à l’onglet « Suivi Climatique » du Maproom général « Climatologie » permet de surveiller la saison en cours à des échelles de temps décadaires, mensuelles et saisonnières. Différentes cartes et graphiques sont utilisés pour comparer la saison en cours avec la climatologie ou avec les années récentes. A quoi sert la maproom de suivi climatique ? La maproom de suivi climatique fournit régulièrement des données sur les précipitations décadaire (10 jours), mensuelles et saisonnières pour l'ensemble du pays ainsi que des outils d'analyse. Il permet la surveillance climatique de la saison en cours, en la comparant avec la climatologie ou les années récentes. Les utilisateurs peuvent extraire des cartes, graphiques et analyses en tout point d’intérêt et pour n’importe quel niveau administratif en choisissant le type d'analyse souhaité. Contenu du maproom de suivi climatique La maproom de surveillance climatique comporte des sous-composants (onglets) qui permettent aux utilisateurs d'analyser les données à différentes échelles temporelles (décadaire, mensuelles et saisonnières) et spatiales (point donné ou limites administratives). Les analyses disponibles incluent les anomalies décadaires, mensuelles et saisonnières, intégrant l’analyse d’évènements de précipitations extrêmes. La figure 2.3-19 montre les différents onglets du maproom de surveillance climatique pour le Sénégal. 67 Figure 2.3-19: La maproom de surveillance du climat montrant les options d'analyse disponible pour le Sénégal. Maproom 1 : Suivi Climatique Cette option permet aux utilisateurs de visualiser différentes informations climatiques sur les 10 derniers jours, le mois ou la saison les plus récents. La carte par défaut montre les totaux de précipitations sur les 10 derniers jours (décade) disponible (Figure 2.3-20), mais les totaux pour les décades précédentes peuvent également être affichés. Figure 2.3-20: Total des précipitations sur le Sénégal pour la première décade (1-10) de septembre 2021. Cet outil de surveillance climatique peut également être utilisé pour générer des cartes d'anomalies de précipitations ou d'anomalies cumulées sur une période de temps définie. De plus, il est possible de visualiser la distribution spatiale de probabilité d'événements extrêmes, présentées sous forme d'indice de précipitation standardisé (standardized precipitation index - SPI) pour l'année en cours. Cela se fait en sélectionnant dans le menu déroulant de la catégorie « Analyse ». Les anomalies aident à examiner la différence entre les précipitations décadaires, mensuelles ou saisonnières les plus récentes et la climatologie attendue (moyenne à long terme) exprimée en mm ou en pourcentage. Ces cartes offrent de nombreuses options pour évaluer les performances de la saison en cours et prendre des mesures en conséquence. Quatre graphiques de séries chronologiques différents (Figure 2.3-21) sont générés en cliquant sur n’importe quel endroit de la carte. Les quatre graphiques représentent les éléments suivants: a. Le cumul des précipitations décadaires sur la région sélectionnée pour les trois dernières années. Cela peut être utilisé pour comparer visuellement les performances de la saison en cours avec les deux années précédentes. b. Les différences de précipitations décadaires (par rapport à la moyenne de 1991-2020) sur la région sélectionnée pour les 3 dernières années. Ces anomalies pluviométriques 68 peuvent être utilisées pour évaluer les performances de la saison en cours par rapport à la climatologie de cet endroit. c. Les précipitations décadaires lissées pour l'année en cours (ligne noire épaisse) comparées aux trois années antérieures (bleue - année précédente ; magenta - 2e année plus récente ; gris - 3e année plus récente). d. Les précipitations décadaires cumulées de l’année en cours (courbe bleue) et la moyenne cumulée à long terme (1991-2020) (courbe noire) depuis le jour calendaire de l'année choisie par l'utilisateur, dans la région sélectionnée. L'enveloppe grise indique les valeurs de précipitations cumulées comprises entre les 5ème et 95ème percentiles historiques de précipitations cumulées. Le 5éme percentile représente l'extrême sec tandis que le 95ème percentile représente les extrêmes humides. Cette analyse peut être utilisée pour estimer à quel point la saison en cours est extrême par rapport à ce qui est normalement attendu (climatologie) pour cet endroit. Figure 2.3-21: Graphiques de surveillance du climat (voir explication dans le texte : a à d respectivement). Maproom 2 : Indice de précipitation standardisé (standardized precipitation index - SPI) mensuel Le SPI est un indicateur d'évènements extrêmes de précipitations, qu'il s'agisse de sécheresse ou de fortes pluies. Le SPI est le nombre d'écarts-types observés par rapport à la moyenne climatologique des précipitations cumulées. Pour calculer cet indice, une série chronologique à long terme d'accumulations de précipitations sur plusieurs mois est utilisée pour estimer une fonction de densité de probabilité appropriée. La distribution de probabilité cumulée associée est ensuite estimée et transformée en une distribution normale. Le résultat est le SPI, qui peut être interprété comme une probabilité utilisant la distribution normale standard (c'est-à-dire que les utilisateurs peuvent s'attendre à ce que le SPI soit dans un écart type environ 68 % du temps, deux écarts types environ 95 % du temps, etc.) Ainsi, le SPI peut être utilisé comme indicateur 69 d'événements de précipitations extrêmes, qu'il s'agisse de sécheresse ou de précipitations excessives. Les cartes de SPI présentent l'index de précipitations standard du mois le plus récent (en utilisant 1981 à la dernière année complète comme base de référence). Elles permettent aux utilisateurs d'évaluer les éventuelles sécheresses ou inondations qui ont pu se produire dans la zone d'intérêt. Cliquer sur la carte (figure 2.3-22, gauche) fait apparaître la série temporelle locale (figure 2.3-22, droite) d’un point ou moyennée sur un niveau administratif. Figure 2.3-22:Gauche - SPI mensuel pour août 2021 sur le Sénégal. Droite - Série chronologique SPI mensuelle pour un district sélectionné au Sénégal. Maproom 3 : SPI saisonnier Le SPI saisonnier est similaire au SPI mensuel, à la différence qu’il est basé sur les quantités totales de précipitations saisonnières. Pour approfondir 2.3.3 Quel avantage présente la datathèque sur le bulletin GTP? 2.4 Le Ag Data Hub Le Ag Data Hub est une nouvelle interface pour mettre a disposition des usagers des données et informations climatiques, ainsi que les conseils. Le portail couvre toute l chaine depuis la production de l’information climatique jusqu’au conseils et leurs diffusions. Il est actuellement (mai 2023) en développement avec le support du project AICCRA et sera implémenté au sein du portail GTP. La figure 2.3-1 montre le concept du AgDataHub. Noter que le portail utilise les données ENACTS, les mêmes qui sou tendent la Datathèque. 70 Figure 2.4-1: Illustration du concept du AgDataHub. Source : R. Dhulipala, AICCRA Pour approfondir 2.4.1 Quelles sont les principales différences et similitudes entre le AgDataHub et la data thèque ? Auto-évaluation: Sources d’information climatique 1. Quelle est la différence entre les services climatiques et l’information climatique ? 2. Qu’est-ce qu’un GTP ? A quel niveau opère-t-il 3. Qu’est que la Data thèque de l’ANACIM ? 4. Quels’ sont les avantages et les inconvénients des données combinées par rapport aux données des stations et données satellitaires ? 5. Qu’est-ce que AgDataHub ? 6. Quels sont les avantages et inconvénients respectifs des bulletins GTP, Datathèque et AgDataHuB ? *Pour les réponses, se référer à l’Annexe A 71 2.5 Interprétation des prévisions saisonnières de l’ANACIM Les prévisions saisonnières ont été élaborées depuis 1998 et font partie des informations climatiques pertinentes pour la production agricole. Du fait de leur importance et du format probabiliste dans lequel elles sont délivrées elles méritent une section particulière dans ce guide afin d’assurer leur bonne compréhension et utilisation. 2.5.1 Rappels sur les éléments d’élaboration des prévisions saisonnières Plus de détails sur les principes de prévision se trouvent dans le module 1. Les prévisions saisonnières du climat dans les régions tropicales sont possibles grâce a l’évolution lente des températures de surface des grandes masses océaniques. Ainsi, des eaux anormalement chaudes ou froides vont le rester pendant quelques mois et influencer les vents et l’humidité alimentant les saisons des pluies. L’Atlantique tropical Nord et Sud ont l’influence la plus importante et la plus directe sur la mousson ouest africaine qui subit aussi des influences à distance des anomalies de température de surface océaniques dans le Pacifique équatorial et l’océan Indien, et, dans une moindre mesure dans la Méditerranée. Il existe plusieurs méthodes pour tirer parti de ces prédicteurs et leurs détails sont en dehors du programme de cette formation. Mais quelle que soit la méthode, les prévisions, à cause des incertitudes énumérée dans le module 1, les résultats des prévisions portent une part d’incertitude, qui varie d’une prévision a l’autre. Nous quantifions notre confiance dans les prévisions à travers les probabilités. 2.5.2 Interpréter les prévisions saisonnières en terciles Quelques définitions Les terciles sont des catégories résultant du partage de l’ensemble des précipitations historiques, classées par ordre d’intensité, en trois groupes de taille égale. Les précipitations se trouvant dans une des catégories ont une chance de se produire de 1/3 c’est-à-dire de 33%. Les prévisions saisonnières en terciles indiquent le glissement des probabilités pur chacun des terciles comme illustré sur la figure 2.5-1. Figure 2.5-1: Illustration du principe de prévision saisonnière en terciles. 72 La catégorie contenant les précipitations les plus fortes et appelée « Excédentaire » et celle contenant les précipitations les plus faible « Déficitaire ». La catégorie du milieu est appelée « Normale ». Il est important de garder a l’esprit que les catégories Excédentaire, Normale et déficitaire correspondent a des groupes de valeurs de précipitations et non à des valeurs uniques. Communication des prévisions en terciles Les prévisions en terciles sont communiquées de deux façons. 1. La façon visuelle, ou les probabilités prévues des catégories excédentaire, normale et déficitaire sont affichées dans des boites, comme illustre sur la figure 2.5-2, sur une carte qui montre les régions ou ces probabilité s’appliquent (fig. 2.5-3). Figure 2.5-2: Previsions probabiliste communiquees en terciles. Gauche : Probabilites historiques pour chacune des categories (terciles). Droite : exemple de prevision de probabiltes pour chacune des categories. Figure 2.5-3: Exemple de cartes de prévisions saisonnières en terciles. 2. Description verbale : elle consiste à donner un simple message de type «la saison des pluies de l’année X est prévue déficitaire a normale ». Un tel message se focalise sur les deux catégories les plus probables et, même s’il ne donne pas les probabilités chiffrées, il indique que les probabilités de ces deux catégories on augmente par rapport à 33% initial. L’ordre des catégories dans le message verbal indique quelle est la catégorie la plus probable, suivie de la deuxième catégorie la plus probable, la catégorie la moins probable n’étant pas mentionnée. Notez que les catégories utilisées dans le message sont toujours les mêmes terciles et qu’il convient de les interpréter comme intervalles de précipitations possibles. 73 Parfois, les prévisions sont visualisées sous forme de cartes présentant des aplats de couleur pour la catégorie la plus probable. Pour approfondir 2.5.1 Traduisez en message verbal la prévision de la figure 2.5-2 Interprétation des prévisions saisonnières en terciles Les terciles sont une notion qui permet de généraliser la démarche mais qui peut rendre les résultats un peu opaques car les valeurs correspondant aux différentes catégories ne sont pas précisées. Les précipitations dans ces catégories seront différentes à Ziguinchor que a Matam. Il est toutefois possible de reconstruire les catégories en utilisant les caractéristiques historiques des précipitations (ou des températures) d’un lieu donne. Ces caractéristiques peuvent être obtenues à partir de la datathèque – il suffit d’accéder à l’une des maprooms qui montre les séries temporelles ou les probabilités de dépassement pour la localité qui nous intéressé. Une telle « localisation » des prévisions pourrait être une activité importante des agents du conseil agricole et rural. Auto-évaluation 2.5: Prévisions saisonnières de l’ANACIM 1. A quoi correspondent les catégories excédentaire, normale et déficitaire utilisée dans la prévision saisonnière ? 2. Comment un agent de conseil peut aider à interpréter la prévision saisonnière de l’ANACIM ? *Pour les réponses, se référer à l’Annexe A 74 Module 3. Comprendre les décisions de production sensibles au climat Le Module 3 : Les décisions de production sensibles au climat vise à renforcer la compréhension du lien entre le climat et la prise de décision au niveau de l’exploitation. Ce module permet de réaliser de simples analyses sur les décisions de gestion de l’exploitation sensibles au climat face à des conditions d’incertitude. Renforcer la compréhension des liens entre le climat et les activités de production est nécessaire pour la prise de décisions agricoles et d’élevage résilientes face au climat, ainsi que l’analyse des choix de gestion possibles face aux incertitudes climatiques. Ce module vous permettra de : • Comprendre les facteurs qui conduisent à des décisions de gestion différentes selon le type de producteur et selon les années ; • Conduire des analyses de base sur les décisions de gestion agricole ou d’élevage sensibles au climat ; • Comprendre les bases de l’assurance indicielle. À la fin de ce module, vous aurez les compétences pour : • Comprendre et expliquer : o Identifier les objectifs, préférences, contraintes et pratiques des producteurs ; o Expliquer comment le risque climatique influence les décisions au niveau de l’exploitation ; o Comprendre l’aversion au risque et l’utilisation de probabilités pour expliquer l’incertitude et l’intégrer dans les décisions • Analyser et diagnostiquer : o Identifier et analyser les différentes options de gestion des risques, quantifier les conséquences économiques de chaque option en utilisant le compte d’exploitation. • Agir : o Conseiller les producteurs sur les meilleurs options agricoles ou d’élevage pour faire face au risque climatique. 75 3.1 Les décisions de production sensibles au climat Une décision de gestion est sensible au climat si des conditions météorologiques ou climatiques différentes conduiraient les producteurs à choisir des options différentes. Par exemple : • Durant une saison avec de bonnes précipitations, l'application d'engrais azotés peut augmenter les rendements céréaliers et les revenus agricoles. Cependant, lors d’une saison où les précipitations sont insuffisantes, la même application d'engrais peut avoir peu d'impact sur les rendements, et le coût de l'engrais peut réduire les revenus. • Un événement pluvieux inattendu au moment de la maturité de la récolte peut endommager la culture sur pied, mais une récolte précoce et une gestion post-récolte peuvent éviter ces dommages. Comprendre quelles décisions les producteurs prennent en fonction du climat et les facteurs qui influencent leurs décisions, est essentiel pour définir comment les services climatiques peuvent aider à leur prise de décision. Les producteurs, et les environnements dans lesquels ils opèrent, peuvent être très variables. Les pratiques de gestion développées grâce à la recherche agricole sont plus susceptibles d’être adoptées et de bénéficier aux producteurs si elles tiennent compte de ces différences, et si le conseil agricole aide les producteurs à adapter ces pratiques à leurs exploitations, objectifs, contraintes et aux conditions climatiques imprévues. À la fin de cette section, vous serez en mesure de : • Identifier les mécanismes par lesquels les risques climatiques affectent les producteurs. • Expliquer comment les différences entre les objectifs des ménages et les contraintes en matière de ressources peuvent amener différents producteurs à choisir différentes options de gestion. • Identifier les échelles temporelles des décisions de production importantes et les informations climatiques qui permettraient d'étayer ces décisions. • Utiliser des arbres de décision pour décrire des options de décisions simples en cas d'incertitude. 3.1.1 Comment les risques climatiques affectent les producteurs Impacts sur la productivité biologique Les conditions climatiques ont un impact sur les systèmes de production végétale et animale par le biais d'une série de mécanismes (tableau 3.1-1). Le rayonnement solaire entraîne la conversion du CO2 atmosphérique en biomasse végétale par le biais de la photosynthèse. La température contrôle le rythme du développement phénologique des plantes et la plupart de leurs processus physiologiques. Les précipitations déterminent l'eau disponible dans le sol pour les plantes et influencent la disponibilité et le mouvement des nutriments du sol. L'évapotranspiration potentielle détermine l'absorption par les plantes de l'eau et des nutriments du sol. Les effets du climat sur la production animale tendent à être plus indirects, puisque les animaux n'utilisent pas directement des ressources telles que le rayonnement solaire, le CO2 ou les précipitations atmosphériques. Les épisodes de sécheresse sévère entraînent une mortalité 76 généralisée du bétail dans le pastoralisme et d'autres systèmes d'élevage extensif dans les zones semi-arides à arides, en réduisant la productivité des pâturages, du fourrage et des plantes fourragères. Le stress thermique, dû à la combinaison de températures élevées et d'un faible potentiel d'évaporation, réduit la production de viande et de lait. Les risques hydrométéorologiques, tels que les inondations, les tempêtes de vent et la foudre, peuvent tuer les animaux non protégés. Le climat, en particulier la température, l'humidité et le vent, a un impact important mais indirect sur les cultures et le bétail en influençant la dynamique des populations et le mouvement des insectes nuisibles et des pathogènes microbiens. Le tableau 3.1-2 répertorie des exemples d'impacts climatiques importants au Sénégal. Tableau 3.1-1. Exemples d'impacts météorologiques et climatiques sur la productivité biologique Paramètre Fonction de ce paramètre Rayonnement solaire Conversion du CO2 en biomasse végétale par photosynthèse Température • Taux de développement phénologique • Impacte la plupart des processus physiologiques des plantes Précipitations • Eau disponible dans le sol • Mouvement et disponibilité des éléments nutritifs du sol Évapotranspiration potentielle Favorise l'absorption de l'eau et des nutriments du sol Température, humidité, vent Dynamique des populations et mouvement des ravageurs et des agents pathogènes Risque : cultures Pause pluviométrique • Stress hydrique des plantes • Baisse du rendement en graines • Baisse de la qualité des semences, manque de semences certifiées • Faible revenu Température et humidité élevées Potentielle augmentation des insectes nuisibles et maladies à transmission vectorielle Forte pluie Dommage des semis ou des cultures sur pied Risque : bétail Sécheresse • Diminution de la disponibilité de nourriture provenant des pâturages et du fourrage • Mortalité généralisée en cas de sécheresse grave ou prolongée Température et humidité élevées Réduction de la prise de poids et de la production de lait Risques hydrométéorologiques Mortalité du bétail non protégé (inondations, tempêtes de vent, foudre) Température, humidité, vent Dynamique des populations et mouvements des insectes nuisibles et des maladies à transmission vectorielle 77 Tableau 3.1-2. Exemples de gestion des risques sur la productivité biologique au Sénégal Risque Impact Exemples de stratégie de gestion du risque Fortes pluies Multiplication des insectes nuisibles et maladies à Déparasiter les animaux en transmission vectorielle début d’hivernage Inondation des zones de parcage des animaux Repérer les zones inondables, ne pas y parquer les animaux Pause En fin de saison sèche et début de saison des pluies, on Faire des stocks de fourrage pluviométrique note généralement une baisse de qualité ou disparition et les utiliser de manière en début de des fourrages. Pendant cette période de transition, les rationnée. saison producteurs distribuent aux animaux les restes des sous- produits de récolte. Une longue pause non préparée pourrait engendrer beaucoup de pertes au niveau des élevages si les stocks de fourrages sont épuisés. Pluie non Un fourrage vert fauché et séché à l’ombre garde une Abriter le fourrage à sécher annoncée en bonne partie de sa qualité nutritive, permettant ainsi aux avant la pluie. fin de saison éleveurs d’avoir des fourrages de bonne qualité (foin) et de réduire le coût des concentrés de commerce utilisés pour la complémentation. Mais un fourrage fauché nécessite du temps pour sécher. Une pluie non annoncée en fin de saison peut interrompre le séchage et engendrer un fourrage de mauvaise qualité. Vent fort ou Préjudiciable aux éleveurs de petits ruminants en milieu Mettre le petit bétail à l’abris forte pluie en pastoral en cas d’annonce de vent ou début En début d’hivernage, avec le mauvais état pluie forts. d’hivernage d’embonpoint noté chez les animaux, une pluie accompagnée de vent forts peut entraîner d’énormes mortalités dans les élevages de petits ruminants Les variations de la quantité, du moment et de la distribution des précipitations sont souvent la principale source de variabilité annuelle de la production, des revenus et de la consommation dans les systèmes agricoles des zones arides (c'est-à-dire la production pluviale dans des environnements subhumides à arides), et dans les zones sujettes aux inondations. La variabilité de la température peut également être un facteur important de variabilité de la production dans les climats tempérés et dans les environnements tropicaux où les températures fluctuent près des seuils de tolérance des cultures et des animaux. La réponse biologique aux conditions climatiques est généralement non linéaire et parfois non monotone (c'est-à-dire qu'elle augmente et diminue sur différentes parties de la plage de variabilité). La variabilité climatique interagit avec cette non-linéarité pour réduire la productivité moyenne. Cette interaction peut être illustrée graphiquement par une courbe de réponse non linéaire du rendement aux précipitations de la période de végétation (figure 3.1- 1). Bien que les deux panneaux aient la même pluviométrie moyenne, la plus grande variabilité de la pluviométrie dans le graphique de droite se traduit par un rendement moyen plus faible. Il convient de noter que la baisse de la productivité moyenne ne rend pas compte de l'impact préjudiciable d'une année de très faible production, qui peut avoir une incidence sur le bien- être des ménages au cours des années suivantes. 78 Figure 3.1-1. Courbe de réponse non linéaire du rendement des céréales aux précipitations pendant la période de végétation, illustrant la réduction du rendement moyen en réponse à une augmentation de la variabilité des précipitations. Impacts sur le bien-être des ménages ruraux Les catastrophes liées au climat ont un impact disproportionné sur les pays du Sud et sur les populations les plus pauvres de ces pays. Les chocs associés aux événements climatiques extrêmes déclenchent des réactions en cascade qui impactent la productivité et le marché et conduisent à une insécurité alimentaire aiguë. L'incertitude associée à la variabilité du climat a un impact négatif sur les décisions des producteurs, et par conséquent elle réduit la production agricole et les moyens de subsistance. Les effets du climat sur l'accessibilité des aliments se propagent dans l'économie. Les effets négatifs du risque climatique sur la sécurité alimentaire et ses précurseurs peuvent persister longtemps après une période de stress climatique. L'analyse de chacun de ces mécanismes ci-dessous s'appuie sur les études de Hansen et al. (2022, 2019) et est résumée dans la figure 3.1-2. 79 Figure 3.1-2. Principaux mécanismes par lesquels les risques climatiques contribuent à la pauvreté en zone rurale. Adapté de Hansen et al. (2019). Impacts à court terme des chocs climatiques Les phénomènes météorologiques et climatiques extrêmes, tels que les sécheresses, les inondations ou les températures extrêmes (hautes ou basses), peuvent entraîner une réduction de la consommation alimentaire et des effets sur la santé, tels que l'émaciation (poids insuffisant par rapport à la taille), le retard de croissance (taille insuffisante par rapport à l'âge), l'insuffisance pondérale (poids insuffisant par rapport à l'âge) et le périmètre brachial (MUAC). Un choc peut avoir des répercussions sur l'ensemble d'une communauté, mais la gravité des effets sur la sécurité alimentaire et la santé diffère d'un individu à l'autre en raison de différences dans les caractéristiques de chacun, telles que le sexe, l'âge, la possession d'actifs et le capital social. Il existe des différences importantes entre la séquence d’impacts des chocs à évolution lente (par exemple, la sécheresse) et celle des chocs à évolution rapide (par exemple, les inondations, les tempêtes) (Hill et al., 2019) (figure 3.1-3). Un choc à évolution lente déclenche généralement une cascade d'impacts discutés ci-dessous : réduction de la production agricole, augmentation des prix des denrées de base, réduction des termes d'échange pour le travail et les biens d'équipement, baisse des revenus et réduction de la consommation alimentaire. 80 Figure 3.1-3. Cascade typique d'impacts d'un choc climatique (a) à évolution lente (b) à évolution rapide. L'impact le plus direct d'un choc climatique est souvent la réduction de la production agricole. Pour les petits exploitants agricoles, une mauvaise récolte réduit directement la disponibilité de la nourriture issue des cultures de subsistance et conduit souvent les ménages à rationner leur consommation alimentaire dans la période de soudure, avant la récolte de l'année suivante. Une réduction de la disponibilité d'une culture vivrière en raison d’un choc climatique peut entraîner une augmentation de son prix jusqu'à modifier l'équilibre du marché. Un changement dans la production d'une denrée agricole tend à entraîner un changement inverse dans son prix. Cela peut constituer un défi particulier pour les cultures horticoles qui ont une courte durée de conservation et des coûts de transport élevés. Pour de nombreux produits agricoles, le commerce et le stockage réduisent la fluctuation des prix aux variations de productivité. Les ménages ruraux qui sont des acheteurs nets de denrées alimentaires sont confrontés à l'impact combiné d'une disponibilité réduite de la production de subsistance et d'une accessibilité réduite de par la hausse des prix des denrées alimentaires. En revanche, l'augmentation des prix reçus peut partiellement compenser l'impact d'un choc de productivité négatif sur les revenus des producteurs qui sont des vendeurs nets. Lorsque les ménages épuisent leurs réserves alimentaires et leurs économies, ils se tournent de plus en plus vers des emplois occasionnels en dehors de l'exploitation pour combler le manque à gagner, ce qui peut inonder le marché du travail local. La valeur des biens peut diminuer si les ménages touchés cherchent à échanger leurs biens contre de la nourriture, par le biais de ventes de détresse ou de troc, alors que la demande de ces biens diminue en raison de la baisse des revenus et de l'augmentation du coût des denrées alimentaires. Si une sécheresse réduit la production de cultures vivrières ou les ressources en pâturages, les éleveurs pourraient être amenés à vendre leurs animaux, ce qui pourrait entraîner une surabondance de l'offre et une chute des prix du marché. Les impacts des chocs à déclenchement rapide peuvent être plus complexes et plus spécifiques au contexte. Outre les dégâts causés aux cultures, les tempêtes ou les inondations peuvent avoir pour conséquences immédiates la perte de bétail et d'autres biens d'équipement, des maladies déclenchées par la contamination de l'eau potable et des dommages aux infrastructures qui entraînent une perte d'accès aux marchés et aux services vitaux. 81 L'incertitude climatique a un impact sur l'agriculture et l'élevage en impactant la prise de décision des producteurs Tandis que les effets des conditions climatiques extrêmes (par exemple les sécheresses) sur les communautés rurales sont plus visibles, l'incertitude liée à la variabilité du climat (le manque d’information sur ce qui va se produire ou la crainte d’une mauvaise saison) contribue également à la baisse de productivité agricole et affecte les moyens de subsistance. L’incertitude affecte la prise de décision en décourageant l'adoption de pratiques agricoles améliorées et l'investissement dans l'agriculture, et en réduisant l'efficacité de l'utilisation des intrants (par exemple, choix non optimal du taux d’engrais). L'incertitude est une caractéristique fondamentale du climat et un défi majeur pour les décisions de gestion sensibles au climat. Si les producteurs connaissaient à l’avance les conditions météorologiques quotidiennes et saisonnières à venir, ils seraient en mesure de choisir les meilleures options de gestion possibles pour s’adapter à ces futures conditions. L'incertitude associée à la variabilité du climat crée une « cible mobile » pour la gestion de l’exploitation, qui réduit l'efficacité des terres et des intrants de production et donc la rentabilité, car la gestion (par exemple, le choix du cultivar, les taux d'engrais, la densité de plantation) qui est optimale pour des conditions climatiques moyennes peut être loin d'être optimale pour les conditions météorologiques spécifiques chaque année (qui peuvent se trouver au-dessus et au-dessous de la moyenne). En outre, la plupart des producteurs ont une aversion pour le risque et, par conséquent, n'optimisent pas leur gestion pour des conditions climatiques moyennes, mais pour des conditions défavorables. Cette tendance est renforcée par l’incertitude liée à la variabilité du climat. Les producteurs appliquent le principe de précaution par la sélection de cultures et de variétés moins risqués mais moins rentables, le fait d’éviter d'investir leurs ressources dans des actifs et des technologies de production, la sous-utilisation d'engrais, l'utilisation du bétail comme épargne de précaution plutôt que comme revenu, et la réorientation de la main-d'œuvre familiale vers des activités non agricoles moins rentables. L'aversion pour le risque et ses effets sur les décisions sensibles au climat sont examinés plus en détail à la section 3.2. Les impacts persistent à long terme à travers l’épuisement des actifs productifs et les conséquences sur la santé Les effets d'un choc climatique sur la sécurité alimentaire persistent souvent longtemps après le retour à la normale des conditions climatiques. Cela est dû à la fois aux conséquences à long terme des effets sur la santé des enfants et au fait que certaines stratégies d'adaptation des ménages épuisent les actifs productifs sur le long terme. Une crise grave ou prolongée entraînant une malnutrition in utero ou au cours des 1000 premiers jours de la vie peut avoir un impact négatif sur la santé physique et mentale, les résultats scolaires et les revenus de l'individu à l'âge adulte. Par exemple, les retards de croissance dans la petite enfance réduisent les revenus à l'âge adulte de 5 à 7 %, en moyenne dans 34 pays en développement qui comptent 90 % des enfants souffrant d'un retard de croissance dans le monde. (Galasso et Wagstaff, 2018). Une étude portant sur 106 330 femmes dans 19 pays d'Afrique subsaharienne a montré que la sécheresse subie pendant la petite enfance réduisait le niveau d'éducation et la richesse à l'âge adulte, nuisait à l'autonomisation et augmentait la probabilité que leurs enfants aient un faible poids à la naissance - pour les populations rurales, mais pas pour les populations urbaines (Hyland et Russ, 2019). Lorsqu'un choc climatique grave, tel qu'une sécheresse, une inondation ou une vague de chaleur, réduit la disponibilité et l'accessibilité de la nourriture, les ménages vulnérables ont généralement recours à une série de stratégies d'adaptation pour faire face à la crise immédiate. Les difficultés liées aux premières stratégies d'adaptation, telles que le rationnement des repas, 82 ne durent généralement que jusqu'à la prochaine récolte. Si le stress est grave et persiste suffisamment longtemps, les producteurs peuvent mettre en œuvre des stratégies d'adaptation de plus en plus drastiques qui réduisent leur capacité future à assurer leur subsistance et leurs moyens de subsistance et ont un impact sur le long terme, par exemple : défaut de paiement des prêts, liquidation des actifs productifs, retrait des enfants de l'école et surexploitation des ressources naturelles. 3.1.2 Les caractéristiques des producteurs influencent les décisions de gestion de l’exploitation Pour approfondir 3.1.2 Tous les producteurs devraient-ils adopter les pratiques recommandées visant à augmenter la productivité des cultures (ou du bétail)? Oui, non, pourquoi? Les recommandations de gestion de l’exploitation sont parfois basées sur des critères simples tels que la maximisation du rendement d'une culture particulière. Cependant, les taux d'adoption des pratiques recommandées sont souvent faibles, en particulier pour les petits exploitants agricoles. En effet, les petits exploitants agricoles ont d’autres objectifs que la maximisation de la productivité, et sont confrontés à une série de contraintes en matière de ressources. Les objectifs qui peuvent influencer les décisions de gestion de l'exploitation comprennent : • la subsistance (production alimentaire du ménage) • le revenu, • l’accumulation de terres, bétail et autres actifs, • réduire la pénibilité des tâches • le statut social, • procurer de meilleurs moyens de subsistance à la prochaine génération. L'importance relative de ces objectifs (et bien d'autres) peut varier considérablement d’un type de culture et d'un producteur à l'autre. De plus, elle est influencée par d’autres facteurs, comme la culture locale, la religion ou l'éducation. Les décisions des producteurs sont également influencées par une série de facteurs et contraintes liées aux ressources, notamment : • la disponibilité des terres cultivables, • la disponibilité et le rythme de travail du ménage, • le capital (c'est-à-dire l’épargne, le crédit et le matériel), 83 • le capital social (c'est-à-dire la capacité d'accéder à une série d'aides par le biais de contacts sociaux et institutionnels). Ces facteurs et contraintes limitent la capacité des producteurs à atteindre leurs objectifs. Les petits exploitants et les groupes sociaux défavorisés, tels que les femmes, les producteurs plus pauvres et ceux qui manquent d'éducation ou d'alphabétisation au sein des communautés de petits exploitants, ont tendance à être plus touchés par les contraintes de ressources que les producteurs des grandes exploitations. Lorsque nous traitons des risques liés au climat et du rôle de l'information dans la gestion des risques, l'un des facteurs les plus importants à prendre en compte est l'attitude du producteur face au risque. La plupart des individus n'aiment pas le risque. Bien que les producteurs commerciaux et les petits exploitants puissent avoir des attitudes similaires à l'égard du risque, les producteurs commerciaux sont souvent mieux à même de gérer les risques liés au climat grâce à des instruments financiers tels que l'épargne, le crédit et l'assurance. Comme nous l'avons vu précédemment (section 3.1.1), l'incertitude est une caractéristique fondamentale du climat et un défi majeur pour les décisions de gestion sensibles au climat. Si les producteurs connaissaient à l’avance les conditions météorologiques quotidiennes et saisonnières à venir, ils seraient en mesure de choisir les meilleures options de gestion possibles pour s’adapter à ces futures conditions. La variabilité du climat local complique la prise de décision dans les exploitations agricoles. Tout d'abord, la variabilité du climat crée une ‘cible mobile’ pour la gestion de l’exploitation, qui réduit l'efficacité de l'utilisation des intrants et donc la rentabilité. Deuxièmement, la variabilité du climat et l'aversion pour le risque conduisent les producteurs à choisir des options de gestion moins risquées mais moins rentables. 3.1.3 La dimension temporelle des décisions sensibles au climat Comme les producteurs le savent, la temporalité est très importante pour la gestion agricole. Nous considérons trois aspects de temporalité: la saisonnalité, l’horizon temporel de décision et le délai de planification de la décision. La saisonnalité fait référence aux périodes de l'année où les activités agricoles ont lieu et où les principales décisions de gestion récurrentes sont prises (par exemple pour les cultures : la période entre le début des semis et la fin des récoltes). Les producteurs de cultures pluviales pluviales prennent des décisions importantes sur l'allocation des terres, le choix des cultures et du type de production, juste avant le début de la saison des pluies. Le cycle climatique annuel a une grande influence sur le calendrier des activités agricoles et des décisions de gestion. Les processus financiers et politiques des gouvernements peuvent également influencer le cycle annuel des activités de conseil agricole. L’horizon temporel de la décision fait référence à la période entre la date de mise en œuvre d’une décision et la date d’observation de son résultat immédiat, par exemple la période entre la date de semis et la date de levée qui matérialise le résultat du semis. Le choix de la culture annuelle ou du cultivar à planter a généralement un horizon temporel de 3-4 mois, car la productivité et la rentabilité de cette décision peuvent être affectées par les conditions des 3-4 mois entre la plantation et la récolte. Une fois qu'une culture est en croissance, les décisions concernant les opérations sur le terrain telles que la lutte antiparasitaire, l'irrigation supplémentaire ou le moment de la récolte ont des horizons temporels beaucoup plus courts. D'autre part, la décision de planter ou de supprimer des cultures pérennes telles que le café peut avoir un horizon de planification de l'ordre de 5 à 10 ans. 84 Le délai de planification de la décision fait référence au temps qui est nécessaire pour démarrer la mise en œuvre d’une décision. Certaines décisions agricoles nécessitent une période de préparation, par exemple pour obtenir un crédit, acheter des intrants agricoles, des animaux de traits ou embaucher de la main-d'œuvre avant que la décision puisse être mise en œuvre. Ces trois aspects du calendrier sont importants pour les services climatiques. Pour que les informations climatiques soient utiles à la prise de décision agricole, l'échelle temporelle des informations doit correspondre à l'horizon temporel plus le délai de planification de la décision. En outre, les services climatiques doivent tenir compte de la saisonnalité, car les informations climatique et le support appropriés doivent être disponibles aux moments de l'année où les producteurs prennent des décisions clés sensibles au climat. Le délai de planification de la décision et l'horizon temporel d'une décision déterminent l'échelle temporelle des informations météorologiques ou climatiques susceptibles d'étayer la décision. Prenons quelques exemples (tableau 3.1-3) : 1. Exemple du choix des semences à planter dans le bassin arachidier du Sud : • Saisonnalité : Le choix des semences par les producteurs est saisonnier ; ils décident généralement des semences à acheter vers le mois de mai afin d'être prêts à planter lorsque la saison des pluies commence à la mi-juin ou en juillet dans cette région. • Horizon temporel : la période qui s'écoule entre le semis et la récolte, généralement de l'ordre de 3 à 4 mois. • Délai de planification de la décision : un producteur peut avoir besoin de 2 à 4 semaines supplémentaires pour emprunter de l'argent, acheter des semences et les avoir sous la main au cas où les pluies d'ensemencement surviendraient plus tôt que d'habitude. • Échelle temporelle de l’information dont il a besoin pour le choix des semences : il aurait besoin de savoir comment sera la saison, du semis à la récolte, afin de décider s’il va choisir des semences à cycle court ou long, tolérantes à la sécheresse ou non, etc. Les prévisions saisonnières de précipitation (3-4 mois) lui seront donc utiles. 2. Exemple du choix du moment de la récolte dans le bassin arachidier du Sud • Saisonnalité : Là encore, le moment de la récolte est saisonnier ; il est contrôlé par le cycle saisonnier des précipitations et la période de maturité de la culture - généralement de la mi-septembre à octobre dans le bassin arachidier du sud. Cependant, les producteurs peuvent ajuster la date de la récolte et la gestion post-récolte en fonction des précipitations récentes ou prévues. • Horizon temporel : la durée de la récolte, disons 3-7 jours. • Délai de planification de la décision : le temps qu’il faut au producteur pour décider de récolter, éventuellement embaucher de la main d’œuvre ou s’organiser. Exemple : 2 jours. • Échelle temporelle de l’information dont il a besoin pour choisir le moment de la récolte: il a besoin de 2 jours pour s’organiser, et de 3-7 jours pour récolter. Si la récolte est sensible au climat, alors l’échelle de l’information utile est de 5 à 9 jours. Des prévisions météorologiques de 3 à 10 jours lui seront donc utiles. 3. Exemple de l’élevage de moutons pour la Tabaski. • Saisonnalité : Contrairement à la saisonnalité des cultures pluviales qui est fixe (la saison des pluies intervient tous les ans à la même période), la Tabaski a une 85 saisonnalité variable (la date change d’une année à l’autre). En 2023, la Tabaski aura lieu le 28 Juillet. La saisonnalité de vente de bétail pour la Tabaski en 2023 est donc en Juillet. • Horizon temporel : Les activités liées à la Tabaski incluent l'achat des moutons à garder en semis extensif (pour 4 mois) et en stabulation (pour 2 mois) puis la vente. L’horizon temporel est de 6 mois, et le choix du nombre de moutons à acheter se fera donc six mois plus tôt, en janvier. • Délai de planification de la décision : le temps qu’il faut à l’éleveur pour aller au marché au bétail, de choisir et négocier pour ses moutons. Exemple : 1 semaine. • Échelle temporelle de l’information dont il a besoin pour l’élevage de moutons : Quelles décisions dans l’élevage de moutons pour la Tabaski 2023 sont-elles sensible au climat ? A quel moment ? Par conséquent, quelle sera l’échelle temporelle de l’information utile ? Par exemple : le début de la saison des pluies est-il utile à la disponibilité de nourriture pour les moutons ? Si oui, combien de temps à l’avance cette information est-elle importante ? Faut-il plutôt des prévisions météorologiques ou saisonnières ? Tableau 3.1-3. La dimension temporelle des trois exemples de décisions agricoles sensibles au climat Horizon Délai de Décision Saisonnalité temporel préparation Informations pertinentes Sélection des semences Mai-Juin 3-4 mois 15-30 jours Prévision saisonnière des (bassin arachidier du sud) précipitations Récolte d'arachides Octobre- 3-7 jours 2 jours Prévisions météorologiques de novembre 3 à 10 jours Achat de moutons pour la 6 mois avant 6 mois 1 semaine Tabaski la Tabaski Auto-Évaluation 3.1.3: Décisions de production sensibles au climat 1. Utiliseriez-vous une prévision météorologique ou une prévision climatique saisonnière pour décider s’il faut pulvériser contre les ravageurs de culture ? 2. Lequel utiliseriez-vous pour décider quelle variété planter ? *Les réponses se trouvent à l’annexe A 86 Pour approfondir 3.1.3 Choisissez des exemples de décisions de producteurs : • En quoi sont-elles sensibles au climat ? • Quelle est la saisonnalité ? • Quel est l’horizon temporel ? • Quel est le délai de planification ? Un calendrier agricole est un outil de planification qui résume la succession des activités agricoles dans le temps, à une échelle locale. Dans le cas des cultures annuelles, un calendrier agricole identifie le bon moment pour les semis, la croissance des cultures et la récolte. Il peut parfois aussi être élargi pour indiquer les temps des stades phénologiques tels que : la croissance végétative, la floraison, le remplissage des grains et la maturité physiologique ; et les activités agricoles telles que la préparation des sols, l'application d'engrais et le désherbage. Étant donné que les stades de croissance des cultures et les principales activités agricoles sont sensibles aux conditions météorologiques, il est utile de superposer au calendrier des graphiques de la climatologie saisonnière des précipitations et des températures. La figure 3.1- 4 montre un exemple de calendrier pour une localité (Kaffrine), superposé à des graphiques de climatologie saisonnière pour les précipitations et la température. 87 Figure 3.1-4. Exemple de calendrier agricole pour Kaffrine, superposé à des graphiques de climatologie saisonnière pour les précipitations et les températures provenant des maprooms climatiques de l'ANACIM. 3.1.4 Analyser les décisions relatives à la production agricole impliquant le climat Une analyse rigoureuse de la production agricole comprend les étapes suivantes : 1. Comprendre les objectifs et les contraintes qui influencent les décisions des producteurs. 2. Décrire les options de décision de gestion. 3. Identifier les principales incertitudes climatiques et leur influence sur la production. 88 4. Faire une estimation des distributions de probabilité de la production végétale ou animale pour chaque option de gestion, sur la base, par exemple, de modèles de simulation de cultures, de modèles statistiques ou l’opinion d'experts. 5. Élaborer un budget d’exploitation réaliste et l’utiliser pour estimer la distribution des probabilités pour les rendements financiers de chaque option de gestion. 6. Utiliser les prévisions climatiques disponibles pour modifier la distribution de probabilité des rendements pour chaque option de gestion. 7. Utiliser l'analyse des risques pour comparer les options de gestion afin d’identifier les options optimales. Ce module vous familiarisera avec chacune de ces étapes. Si ces analyses ne vous sont pas demandées de manière routinière dans votre travail avec les producteurs, les connaitre vous aidera à comprendre les défis auxquels les producteurs sont confrontés lorsqu'ils prennent des décisions risquées sensibles au climat. Cela vous permettra de leur fournir un service climatique plus efficace, avec des informations, une formation et des conseils techniques plus appropriés. 3.1.5 Résoudre les questions de risque avec des arbres de décision Le résultat d'une décision de gestion dépend aussi de facteurs externes qui échappent au contrôle du producteur. Les décisions de gestion sensibles au climat exigent généralement qu'un producteur choisisse parmi un ensemble d'options alors que les conditions climatiques et autres états de la nature qui affectent le résultat sont encore incertains. Un arbre de décision est un moyen de décrire les décisions de gestion dans des conditions incertaines, lorsque la décision relève de peu d'options et lorsque les risques qui influencent les résultats de cette décision peuvent être décrits par un nombre limité de conditions. Un arbre de décision capture ces trois aspects d'un problème de décision (Figure 3.1-5). Premièrement, le producteur choisit l’une des décisions possibles. Un carré représente un nœud de décision. Les choix possibles sont représentés par une ligne partant de la droite du nœud de décision. Deuxièmement, il existe des conditions incertaines et indépendantes de la volonté du producteur (« états de la nature »), qui peuvent affecter le résultat de la décision. Par exemple, la gamme de précipitations saisonnières totales possibles peut être exprimée en termes de trois états naturels également probables : les terciles « inférieur à la normale », « proche de la normale » et « supérieur à la normale » de la distribution historique. Ces conditions sont traduites dans l’arbre de décision par un cercle appelé nœud aléatoire, suivi de lignes représentant des états incertains de la nature et leurs probabilités. Troisièmement, soit le producteur observe directement le résultat de sa décision, soit il fait face à une autre décision qui peut affecter le résultat final. Un nœud final, représenté par un triangle, représente alors le résultat d'une séquence donnée d'options de décision et d’états de la nature. Pour un producteur, le résultat peut faire référence par exemple au rendement de la culture récoltée, exprimé en kg/ha ; ou le revenu de la vente de la récolte, exprimé en CFA/ha. 89 Figure 3.1-5. Composants d'un arbre de décision. L'arbre de décision représente le déroulement du temps : de la décision aux conditions climatiques incertaines, jusqu'au résultat final. Les arbres de décision peuvent également représenter des séquences de décisions plus grandes, en ajoutant des nœuds de décision après chaque état de la nature suivant un nœud aléatoire. Rappelons que le temps entre une décision et son résultat est appelé l'horizon temporel de la décision. L'exemple ci-dessous (Figure 3.1-6) représente une séquence de deux décisions simples, chacune avec seulement deux options, suivies de seulement deux états de la nature. Comme le suggère cet exemple, des séquences réalistes de décisions agricoles peuvent facilement conduire à trop de nœuds et de branches à représenter dans un diagramme. Si la conséquence (par exemple, revenu en CFA ou kg/ha de rendement) de chaque nœud final est connue, et si la probabilité de chaque état de la nature est connue, la valeur attendue de chaque option de décision peut être calculée en multipliant les valeurs de chaque nœud final par la probabilité de son état de nature, puis en ajoutant le résultat sur tous les états de la nature. 90 Figure 3.1-6. Arbre de décision représentant une séquence de deux décisions. Un exemple d’arbre de décision Par exemple, supposons qu'un producteur soit confronté au choix de souscrire ou non à une assurance-récolte. Supposons que le revenu de la production agricole soit de 150 $ si les précipitations saisonnières tombaient dans le tercile inférieur à la normale, 500 $ si les précipitations saisonnières étaient proches de la normale et 650 $ si les précipitations saisonnières étaient supérieures à la normale. La prime d'assurance coûte 75 $ et indemnise 200 $ si les précipitations saisonnières tombent dans le tercile inférieur à la normale. En d’autres termes, la prime réduit le revenu de 75 $ pour n'importe quel état de la nature et augmente le revenu de 200 $ si les précipitations sont inférieures à la normale. La probabilité que des précipitations tombent dans un tercile donné est de 1/3, soit environ 33,3%, ou 0,333 (1/3 de chances de tomber dans le tercile inférieur, 1/3 dans le tercile moyen, et 1/3 dans le tercile supérieur). Cela peut être représenté par l'arbre de décision ci-dessous (Figure 3.1-7). 91 Figure 3.1-7. Représentation sous forme d'arbre de décision d'une décision d'assurance. Pour approfondir 3.1.5 Pourquoi utilise-t-on 0,333, soit 33,3% ? Quel serait le pourcentage dans le cas d’une décision qui possède deux, quatre, ou encore cinq réponses possibles, au lieu de trois ? Le revenu attendu peut être calculé à partir des informations contenues dans l'arbre de décision : • Sans assurance, le rendement attendu est : 0,333 × 150 $ + 0,333 × 500 $ + 0,333 × 650 $ = 433 $ • Avec l'assurance, le rendement attendu est : 0,333 × 275 $ + 0,333 × 425 $ + 0,333 × 575 $ = 425 $ Pour un producteur qui souhaite sélectionner l'option de gestion avec le rendement attendu le plus élevé, l'arbre de décision peut être simplifié en remplaçant les nœuds aléatoires pour chaque option par des nœuds finaux indiquant la valeur attendue (Figure 3.1-8). Dans ce cas, la décision de souscrire à une assurance est en moyenne moins rentable. 92 Figure 3.1-8. Représentation sous forme d'arbre décisionnel d'une décision d'assurance, les conséquences incertaines étant remplacées par des rendements escomptés. Les prévisions peuvent modifier les probabilités que différents états de la nature se produisent. Dans l'exemple de l'assurance, supposons qu'il y ait une prévision de 25 % de probabilité de précipitations supérieures à la normale, 30 % de probabilité de près de la normale et 45 % de probabilité de précipitations saisonnières inférieures à la normale (Figure 3.1-9). Dans cet exemple : • Sans assurance, le rendement attendu est : 0,45 × 150 $ + 0,30 × 500 $ + 0,20 × 650 $ = 380 $. • Avec l'assurance, le rendement attendu est : 0,45 × 275 $ + 0,30 × 425 $ + 0,20 × 575 $ = 395 $. Le rendement attendu des deux options de décision est réduit et est plus élevé avec assurance, en raison de la prévision. 93 Figure 3.1-9. Représentation sous forme d'arbre décisionnel d'une décision d'assurance, avec des probabilités modifiées par des prévisions saisonnières. Limites des arbres de décision Bien que les arbres de décision soient utiles pour décrire des décisions associées à des conditions incertaines, ils présentent plusieurs limites importantes lorsqu'ils sont appliqués à des problèmes de décision réels. Tout d’abord, les arbres de décision ne peuvent décrire que des décisions avec un nombre limité d’options. Les décisions telles que la spéculation ou le cultivar à planter peuvent être décrites avec des arbres de décision. Cependant, des décisions telles que la quantité d'engrais à utiliser ou le pourcentage de terres à exploiter avec une culture particulière ont un nombre infini d'options possibles, pour lesquelles les arbres de décisions ne seront pas appropriés. De même, les arbres de décision ne peuvent décrire le risque qu'avec un nombre limité d’états de la nature. Les variables climatiques telles que le niveau des précipitations ou la température moyenne au cours d'une période particulière peuvent prendre un nombre infini de valeurs possibles. Même s’il est parfois pratique d’utiliser des termes comme supérieur à la normale, proche de la normale et inférieur à la normale, cela peut simplifier à l'excès les aspects de la variabilité climatique qui sont importants pour une prise de décision de gestion agricole. Enfin, les arbres de décision sont parfois trop complexes à dessiner ou à analyser en cas de décisions et de risques complexes, même si le risque est représenté par un petit nombre d’états de la nature. 94 Auto-Évaluation 3.1.5: Les arbres de décision 1. Pour quelle décision un arbre de décision serait-il le plus approprié ? a) Quelle quantité d’engrais appliquer à votre champ, ou b) Quelle spéculation planter dans votre champ ? *Les réponses se trouvent à l’annexe A Lectures recommandées • Hansen et al. (2018). Climate risk management and rural poverty reduction. Agricultural Systems 172:28-46. https://doi.org/10.1016/j.agsy.2018.01.019 • Hardaker, J. B., Lien, G., Anderson, J. R., & Huirne, R. B. (2015). Coping with risk in agriculture: Applied decision analysis. Cabi. https://www.researchgate.net/publication/277946305_Coping_with_Risk_in_Agriculture _Applied_Decision_Analysis 3.2 Prise de décision dans l'incertitude Cette section développera l'idée que les individus, y compris les producteurs, ont tendance à avoir une aversion pour le risque. On y présentera les concepts associés à l'aversion au risque et on discutera de la manière d'identifier les options de gestion qui pourraient être préférées par une gamme de producteurs avec différents degrés d'aversion au risque. À la fin de cette section, vous serez en mesure de : • Comprendre le rôle du risque et de l'aversion au risque dans les décisions de gestion agricole ou d’élevage ; • Analyser les options de gestion de la production à l'aide de l'analyse de risques. 3.2.1 L'aversion au risque et les concepts associés Le problème du pile ou face Pour expliquer l' « aversion au risque » et les concepts qui y sont étroitement liés nous allons imaginer un jeu dans lequel vous, en tant qu’agent de conseil agricole, devez choisir entre recevoir un revenu mensuel incertain, ou recevoir un revenu inférieur mais certain (garanti). Le « jeu du pile ou face » qui suit est un scénario irréaliste, mais il est utile pour comprendre ces concepts. Imaginez que votre employeur vous offre un choix : au lieu de recevoir votre salaire mensuel, vous avez le choix de jouer à un jeu. Si vous acceptez, votre employeur lancera une pièce : si 95 elle tombe sur face, vous doublez votre salaire pour le mois prochain. Si elle tombe sur pile, vous ne recevrez aucun salaire le mois prochain. Si vous ne jouez pas, vous êtes certain de recevoir votre revenu mensuel normal (y). Si vous jouez, il y a une probabilité de 0,5 de recevoir deux fois votre revenu mensuel normal, ou 2y, et une probabilité de 0,5 de recevoir un revenu mensuel de 0. Par conséquent, la valeur attendue du jeu est de : 0.5 × 2y + 0.5 × 0 = y. La figure 3.2-1 représente ce problème de décision sous la forme d'un arbre de décision. Figure 3.2-1. Représentation sous forme d'arbre de décision du « problème du jeu de pile ou face » (1 sur 4). Joueriez-vous le jeu ? Pourquoi ? Pourquoi pas ? La plupart des gens choisiraient de ne pas le faire, car la conséquence négative d’avoir un revenu nul pour l'année est bien plus importante que l'avantage supplémentaire d'avoir le double de leur revenu mensuel. Et si votre employeur ne vous versait que 90 % de votre revenu mensuel normal si vous décidiez de ne pas jouer ? Dans ce cas (Figure 3.2-2), la valeur attendue de jouer au jeu (y) est supérieure à la valeur attendue de ne pas jouer (0,9y). Joueriez-vous le jeu ? Joueriez-vous au lieu de ne toucher que 80% de vos revenus mensuels avec certitude (Figure 3.2-3) ? ...Ou 70%, ou 60% ? Figure 3.2-2. Représentation de l'arbre de décision du « problème du jeu de pile ou face » (2 sur 4). 96 Figure 3.2-3. Représentation de l'arbre de décision du « problème du jeu de pile ou face » (3 sur 4) A un moment donné, vous devenez indifférent entre jouer le jeu, ce qui vous donnerait un rendement espéré égal à votre revenu mensuel normal (y) avec un risque considérable, et obtenir un rendement inférieur mais certain (Figure 3.2-4). Figure 3.2-4. Représentation de l'arbre de décision du « problème du jeu de pile ou face » (4 sur 4). Cette valeur est dite « équivalent certain », ou EC. L’EC est un rendement garanti que l’on accepterait, plutôt que de risquer un rendement futur plus élevé mais incertain. Si l’EC est inférieur à la valeur attendue d’une perspective risquée, cela montre que le décideur est averse au risque. Pour une personne averse au risque, l’incertitude réduit la valeur d’une option. La différence entre le rendement attendu et l’EC est la prime de risque, ou PR. C’est le montant du rendement moyen qu’un décideur serait prêt à sacrifier, ou bien, le montant maximum que le décideur serait prêt à payer pour éliminer le risque. Cas de non prise en compte de la prévision en mer des pêcheurs L’ANACIM diffuse régulièrement par la radio, télévision, réseaux sociaux, des messages d’alertes en mer en cas de vents violents (dépassant le seuil de 40km/h) ou de houle dangereuses (dépassant 2,5m). Le message est d’abord envoyé sous forme de préavis, deux à cinq jours avant l’arrivée du phénomène. Puis, à 48h de l’évènement, le message est encore relayé sous forme d’alerte en mer. Quand le message parvient aux pêcheurs, il est traduit en signaux au niveau des quais de pêche : • Drapeau rouge : danger absolu, n’allez pas en mer ; • Drapeau jaune : danger modéré : allez y mais soyez vigilants et rejoignez la terre ferme en cas de détérioration du temps ; 97 • Drapeau vert : fin de l’alerte : vous pouvez vaquer à vos activités de pêches. Un nombre croissant de pêcheurs suivent les prévisions de l’ANACIM et respectent les consignes. En cas de phénomène dangereux, la quasi-totalité suspendent leurs activités de pêche, ce qui a pour conséquence une diminution de la quantité de poisson disponible sur les marchés, et une augmentation du prix. Certains pêcheurs qualifiés de « téméraires » voient en cette situation une opportunité économique et défient la mer pour aller chercher le produit rare. Cette activité risquée ne signifie pas la non prise en compte de la prévision, mais est qualifiée d’une « activité risquée face à une enjeu économique ». La figure 3.2-5 illustre cette décision sous forme d’arbre de décision. Les pourcentages de probabilité utilisés sont estimés (5% de chances de ne pas s’en sortir, 95% de chances de s’en sortir), et pourraient varier en fonction de facteurs additionnels : le pêcheur sait-il nager ? A-t- il un gilet de sauvetage ? Son bateau est-il en bon état ? Dans cet arbre de décision, l’une des options peut mener à la mort. L’évaluation des impacts de chaque option n’est donc pas purement économique. Comment évaluer la valeur monétaire donnée à sa vie ? Quelle seraient les conséquences pour la famille du pêcheur ? Figure 3.2-5. Représentation sous forme d'arbre de décision de la décision des pêcheurs de prendre la mer lorsque l'ANACIM émet un avis de tempête. Auto-Évaluation 3.2.1 : Équivalent de certitude 1. Pour un producteur ayant une aversion pour le risque et qui choisit une stratégie de gestion agricole en fonction du risque climatique, l’EC serait-il : a) un rendement supérieur à celui escompté ? b) égal au rendement attendu ? c) un rendement inférieur à celui escompté ? *La réponse se trouve à l'annexe A. 98 3.2.2 Analyse de la décision lorsque les préférences de risques sont inconnues L’aversion au risque d’un individu peut être décrite mathématiquement par une fonction d’utilité (U). La fonction d’Utilité est une mesure sans unité de la valeur subjective attribuée à différents rendements économiques ou niveaux de richesse. Face à un ensemble d’hypothèses, un décideur sélectionnerait l’option de gestion qui aboutit à la valeur attendue la plus élevée de sa fonction d’utilité. Il existe des méthodes permettant d’estimer une fonction d’utilité et donc, le degré d’aversion au risque, pour un décideur individuel. Il serait alors possible de calculer l’EC et d’identifier l’option avec l’EC le plus élevé, pour un producteur donné. Cependant, il faudrait pour cela connaitre : • Les préférences de risque de l’individu et sa fonction d’utilité ; • La distribution de probabilité des conséquences de chaque option ; et • Les actifs, sources de revenus et dépenses du ménage agricole. Ce type d'analyse n'est généralement pas utilisé par les agents de conseil pour trois raisons. Premièrement, les recommandations de gestion sont faites pour différents producteurs avec des circonstances économiques et des préférences de risque différentes. Deuxièmement, les méthodes permettant de mesurer les préférences individuelles en matière de risque sont exigeantes et chronophages. Troisièmement, les formules mathématiques utilisées pour l'analyse sont compliquées et nécessitent des informations économiques sur l'ensemble de l'exploitation agricole. Pour ces raisons, des méthodes plus simples d'analyse de l'efficacité des risques ont été développées pour évaluer les options de gestion sur la base de quelques hypothèses générales, pour un groupe de décideurs qui peuvent avoir des préférences différentes en matière de risque. La plus simple analyse de l'efficacité du risque utilise des graphiques pour montrer la différence entre le rendement attendu et le risque. Le rendement attendu est exprimé sous forme de moyenne et le risque peut être exprimé sous forme de variance ou d'écart-type. Elle est parfois appelée analyse E-V (rendement attendu-variance) ou E-S (rendement attendu - écart type). Les analyses E-S et E-V supposent que tout décideur préfère un rendement attendu plus élevé et un risque plus faible. Pour rappel, l'écart-type sert à mesurer la dispersion, ou l'étalement, d'un ensemble de valeurs autour de leur moyenne. Plus l'écart-type est faible, plus la population est homogène. Le graphique E-S de la Figure 3.2-6 montre la moyenne et l'écart-type des rendements pour six options de gestion. Un décideur qui souhaite maximiser le rendement attendu choisira l'option E. S’il souhaite minimiser le risque, il choisira l'option A. Un décideur qui est quelque peu averse au risque pourrait choisir l'option C, et un décideur qui est plus averse au risque pourrait choisir l’option B. Aucun décideur ne choisirait l'option F, car des options sont disponibles avec un rendement attendu plus élevé et un risque plus faible (options B, C et D). Qu'en est-il de l'option D ? Cette option a un rendement plus élevé que les options A et B, et un risque plus faible que les options C et E. Cependant, le décideur pourrait obtenir une meilleure combinaison de risque et de rendement attendu en choisissant une combinaison des options B et C. 99 Figure 3.2-6. Risques et rendements attendus pour un ensemble de six options de gestion, représentés dans un diagramme moyenne - écart-type (E-S). Pour trouver l'ensemble d'options satisfaisant aux hypothèses que les décideurs pourraient choisir, tracez des lignes droites pour relier les options de décision qui se trouvent au-dessus et à droite des autres options, comme dans la figure 3.2-7. Ces options sont appelées ‘l'ensemble efficace’. Dans cet exemple, l'ensemble efficace se compose des options A, B, C et E. Les options ne faisant pas partie de l'ensemble efficace dans notre exemple (D et F) ne seraient sélectionnées par aucun décideur et ne devraient donc pas être incluses dans les recommandations des agents de conseil. 100 Figure 3.2-7. Diagramme E-S montrant l'ensemble des options de gestion efficaces. Outre le fait de supposer que les décideurs préfèrent un rendement attendu plus élevé, et un risque plus faible, l'analyse E-V et E-S nécessite deux hypothèses supplémentaires : • Les attentes des décideurs sont cohérentes avec le rendement moyen mesuré et sa variabilité (variance ou écart-type). En d’autres termes, le décideur connait la moyenne et la variabilité de chaque option. • La forme de la distribution de probabilité doit se rapprocher d’une distribution normale. Étant donné que les décisions dans ‘la vraie vie’ ne répondent généralement pas complètement à ces hypothèses, les résultats de E-V et E-S doivent être traités comme une approximation. Lectures recommandées • Hardaker, J. B., Lien, G., Anderson, J. R., & Huirne, R. B. (2015). Coping with risk in agriculture: Applied decision analysis. Cabi. https://www.researchgate.net/publication/277946305_Coping_with_Risk_in_Agriculture _Applied_Decision_Analysis 3.3 Options de gestion des risques climatiques au niveau de l'exploitation Cette section aborde quatre types de stratégies dont disposent les producteurs pour gérer les risques liés au climat : les technologies de production, la gestion adaptative basée sur les 101 prévisions climatiques saisonnières, la diversification des exploitations et l'assurance indicielle agricole. À la fin de cette section, vous serez en mesure de : • Expliquer comment différents types de technologies de production agricole peuvent réduire les risques de production liés au climat. • Décrire les possibilités et les difficultés pour les producteurs de tirer parti des prévisions climatiques saisonnières pour leurs décisions de planification. • Identifier les possibilités d'utiliser la diversification pour réduire les risques dans un système agricole donné. • Résumer les principales fonctions de l'assurance agricole. • Expliquer aux producteurs les caractéristiques, les fonctions et les limites de l'assurance agricole indexée. 3.3.1 Technologies de production Les technologies de production végétale et animale varient considérablement en termes de productivité, de rentabilité et de sensibilité aux conditions climatiques. Dans leur rôle de développement, d'essai et de recommandation des technologies de production, les organisations internationales et nationales de recherche agricole ont accordé une attention croissante aux caractéristiques du risque, et en particulier aux interactions avec les différentes conditions météorologiques et climatiques. Étant donné que les avantages en termes de risques de certaines technologies de production sont souvent très spécifiques au contexte, il est important de s'appuyer sur l'expertise locale lors de la sélection ou de la recommandation des technologies disponibles, et de procéder à des essais adéquats sur le terrain dans une gamme de conditions climatiques lors du développement de nouvelles technologies. La discussion ci-dessous, qui s'inspire de Hansen et al. (2019) et des références qui y figurent, aborde trois exemples de technologies de production qui visent à réduire les risques de production liés au climat. Les principales sources de connaissances sur les technologies de production appropriées pour la gestion des risques liés au climat comprennent l'Institut sénégalais de recherches agricoles (ISRA) et l'Agence nationale de conseil agricole et rural (ANCAR). Génétique des cultures La révolution verte, qui a considérablement augmenté la production vivrière de céréales et réduit la faim et la pauvreté au cours du dernier tiers du 20ème siècle, a été largement stimulée par de nouvelles variétés de cultures à haut rendement. Ces premières améliorations de la génétique des cultures ont ciblé des environnements à fort potentiel et ont été soutenues par des programmes de gestion de l'eau, de la fertilité des sols et des parasites, qui nécessitent des ressources importantes. Cependant, les gains de productivité et de bien-être obtenus grâce aux technologies de la révolution verte ont largement contourné les grandes régions marginales d'agriculture pluviale, où les impacts de la variabilité climatique sont plus importants, et où les taux élevés de pauvreté et de faim en milieu rural sont plus persistants. Les programmes internationaux de recherche sur la sélection des semences ont réagi en accordant une plus grande attention à la tolérance aux stress liés au climat, ce qui a permis de faire progresser les variétés de maïs tolérantes à la sécheresse en Afrique subsaharienne et les variétés de riz plus tolérantes à la sécheresse, aux inondations et à la salinité à travers le monde. En Afrique subsaharienne, les variétés de maïs tolérant à la sécheresse sont toujours plus performants que les variétés commerciales dans des conditions de sécheresse lors des essais sur le terrain, mais leurs performances par rapport aux variétés commerciales standard dans des conditions non 102 stressantes sont mitigées. Lors d'expériences sur le terrain en Asie, le riz tolérant à la sécheresse et aux inondations n'a pas subi de baisse significative en termes de rendement dans des conditions sans stress. Agriculture de conservation L'agriculture de conservation (AC) vise à améliorer et à stabiliser durablement la production en combinant la réduction des perturbations du sol dues au travail du sol, le maintien de la couverture du sol par des matières organiques et la diversification des cultures par le biais de cultures intercalaires ou de rotations. L'AC n'est pas une technologie fixe, mais un ensemble variable de pratiques qui incluent parfois des pratiques supplémentaires de gestion de la fertilité des sols, de l'eau ou des mauvaises herbes. Les avantages de l'AC en termes de rendement et de réduction des risques sont associés à une combinaison d'amélioration de l'infiltration et de la rétention de l'eau, d'accumulation de carbone dans le sol et de réduction du stress thermique grâce à la présence de résidus organiques. Lorsque ces avantages ont été observés, ils augmentent généralement avec le temps et peuvent ne pas se concrétiser au cours des premières années. L'efficacité de l'AC varie en fonction du contexte. Certaines études ont conclu que l'AC présente des avantages plus importants en termes de gestion des risques et de productivité dans des environnements plus exposés à la sécheresse. D'autres études montrent des interactions plus complexes entre les pratiques d'AC et les conditions environnementales. La complexité de l'AC, la demande concurrentielle de résidus organiques et le délai avant que les avantages en termes de rendement ne se fassent sentir ont contribué à des taux d'adoption très variables et à des cas de désadoption en Afrique subsaharienne. Gestion de l'eau agricole L'irrigation a le potentiel d'augmenter considérablement la productivité et de réduire les risques associés à l'agriculture pluviale dans les zones arides (c'est-à-dire les zones subhumides et semi-arides). La capacité de stockage d'un système d'irrigation détermine en grande partie sa capacité à atténuer les effets de la variabilité climatique sur l'agriculture. Les grands systèmes d'irrigation basés sur des réservoirs qui peuvent stocker suffisamment d'eau pour répondre à la demande pendant plusieurs saisons agricoles peuvent protéger les cultures contre les grandes sécheresses. Toutefois, la construction, l'exploitation et l'entretien de ces systèmes sont coûteux et les grands bassins de stockage en plein air ont un taux d’évaporation important. Les systèmes existants sont généralement le résultat d'importants investissements d'infrastructure de la part des gouvernements ou des donateurs, et répondent souvent à de multiples demandes en eau, telles que la production d'énergie industrielle, municipale et hydroélectrique. Les solutions de gestion de l'eau à petite échelle pour l'agriculture ont une capacité moindre à atténuer les effets des sécheresses prolongées ou graves, mais elles sont généralement plus accessibles aux petits exploitants en raison de leur coût initial moins élevé. Les options de gestion de l'eau agricole à petite échelle comprennent la collecte de l'eau à la ferme et l'irrigation à partir des eaux souterraines. L'irrigation par les eaux souterraines, à l'aide de pompes électriques, à essence ou diesel, est souvent une option lorsque la nappe phréatique est suffisamment élevée et fiable. Les efforts visant à réduire les émissions de gaz à effet de serre provenant de l'agriculture et la baisse du coût des panneaux solaires ont entraîné une augmentation de l'attention portée à l'irrigation par les eaux souterraines à l'aide de l'énergie solaire. La collecte des eaux de pluie est une alternative lorsque l'irrigation par les eaux 103 souterraines est impossible ou peu pratique , ou lorsque la zone est impactée par la salinité dans l’eau ou le sol. Pour approfondir 3.3.1 Où pouvez-vous trouver des informations sur les technologies appropriées pour la gestion des risques climatiques au Sénégal? Quelles autres options sont disponibles au Sénégal pour gérer les risques liés au climat pour l'agriculture et l’élevage ? 3.3.2 Gestion adaptative intelligente face au climat Les progrès de la prévision climatique à l'échelle saisonnière (c'est-à-dire ≥ 3 mois) offrent aux producteurs la possibilité d'adapter les décisions de gestion saisonnière aux conditions climatiques anticipées, de tirer un meilleur parti des saisons favorables et de mieux se protéger contre les conséquences des conditions défavorables. Cette section traite des décisions courantes de gestion agricole adaptative fondées sur les prévisions, ainsi que des principaux problèmes et défis liés à l'utilisation des prévisions saisonnières pour la gestion agricole. Rôle des prévisions saisonnières dans la gestion des exploitations agricoles Les prévisions saisonnières sont potentiellement pertinentes pour un large éventail de systèmes de production et de décisions au niveau de l’exploitation. Toutefois, c'est dans le cas des cultures annuelles pluviales que l'utilisation des prévisions saisonnières a été la plus étudiée et que les données suggèrent qu'elle est la plus répandue. Cela s'explique par le fait que l'échelle de temps saisonnière correspond aux cycles de production des cultures annuelles. 104 Tableau 3.3-1. Décisions que les producteurs déclarent fréquemment ajuster en réponse aux prévisions climatiques saisonnières. Décision Calendrier Répartition des terres agricoles, de la main-d'œuvre et du capital Avant la période de végétation Préparation des terres Culture, sélection des cultivars, densité de plantation Application d'engrais de base Période de plantation Fertilisation Début de saison Gestion des mauvaises herbes Stockage et déstockage du troupeau Variable Migration des troupeaux, transhumance Gestion des aliments pour animaux et des fourrages Le bénéfice de l'utilisation des prévisions saisonnières pour la production agricole est fonction des interactions entre les conditions climatiques saisonnières, les options de gestion, les prix des intrants et des produits agricoles, la productivité et la rentabilité. En général, l'intensité optimale de la gestion (par exemple, l'investissement dans les intrants de production, les taux d'application d'engrais, l'intensité du désherbage) augmente lorsque des conditions climatiques favorables sont prévues, et diminue lorsque des déficits pluviométriques ou d'autres conditions défavorables sont anticipés. La figure 3.3-1 illustre cette interaction dans le cadre d'une étude de modélisation de la gestion des engrais azotés pour le maïs dans une région semi-aride du Kenya. Les graphiques montrent les rendements céréaliers et la marge brute, simulés pour différents taux d'engrais azotés. Bien que les rendements augmentent avec l’augmentation des doses d'engrais, il existe un niveau optimum au-delà duquel l'augmentation des coûts de production associés entraîne une diminution de la marge brute. Si l'on fait la moyenne de toutes les années de données météorologiques, le taux d'engrais qui maximise le profit est de 90 kg ha-1. Cependant, la dose optimale d'engrais augmente à 146 kg N/ha pour une année humide (1994), et diminue à 28 kg N/ha pour une année sèche (1995). Figure 3.3-1. Rendements de maïs et marge brute simulés en fonction de la dose d'engrais N et de la dose d'engrais maximisant le profit, pour toutes les années (1968-2002), (b) une année sèche (1995) et (c) une année humide (1984). Sur la base de Hansen et al. 2009. 105 Faire face aux défis Les producteurs peuvent rencontrer plusieurs difficultés lorsqu'ils utilisent les prévisions climatiques saisonnières. Premièrement, dans certains cas, l'évolution des prix du marché peut réduire les avantages d'une action basée sur les prévisions climatiques. Comme discuté dans la section 3.1.1, une modification de la production tend à entraîner une modification inverse des prix. Par exemple, si de nombreux producteurs d'une région donnée augmentent leur production de légumes de grande valeur sur la base d'une prévision saisonnière, le prix qu'ils reçoivent peut annuler l'avantage lié à l'augmentation de la productivité. Cela peut être un défi particulier pour les cultures horticoles qui ont une durée de conservation très courte et des coûts de transport élevés. Toutefois, pour la plupart des produits agricoles, le commerce et le stockage réduisent ou éliminent la réaction des prix aux variations de la production. En outre, les actions d'un individu n'influencent généralement pas les prix du marché. Il est donc préférable que le producteur choisisse les meilleures options de gestion en fonction des prévisions saisonnières et des prix anticipés. Deuxièmement, les producteurs peuvent ne pas avoir accès aux ressources nécessaires pour mettre en œuvre les changements de gestion souhaités en réponse aux prévisions saisonnières. Par exemple, un hybride à haut rendement peut donner de bien meilleurs résultats que le cultivar habituel au cours d'une saison qui, selon les prévisions, sera plus longue et avec des précipitations plus élevées que la normale. Pourtant, les petits exploitants peuvent ne pas avoir accès à ce cultivar si les semences ne sont pas disponibles ou s'ils n'ont pas accès au crédit pour acheter les semences. Bien que ces contraintes puissent réduire les options disponibles, en particulier pour les petits exploitants avec moins de ressources, les données disponibles dans toute l'Afrique montrent que la plupart des producteurs qui ont accès aux prévisions saisonnières modifient certaines de leurs décisions de gestion en conséquence. Il est possible d'ajuster le calendrier des activités et l'allocation des ressources dans le cadre de systèmes agricoles diversifiés, même si les ressources sont limitées. Lorsque la disponibilité d'intrants clés, tels que les semences ou le crédit, limite la capacité des producteurs à bénéficier des prévisions saisonnières, les institutions agricoles peuvent prendre des mesures pour réduire les contraintes des producteurs à agir sur les prévisions. Troisièmement, la littérature sur les prévisions saisonnières ainsi que certains praticiens s'inquiètent du fait que les petits exploitants agricoles ne sachent pas comment faire face aux conséquences d'une prévision « erronée ». Bien que cette préoccupation reflète un défi important, elle révèle également un problème d'interprétation et de communication des prévisions saisonnières. En l'absence de prévisions saisonnières, les producteurs doivent déjà tenir compte de la variabilité du climat (sur la base de leurs connaissances des conditions locales mais sans information sur la saison à venir) lorsqu'ils prennent des décisions de planification saisonnière. Les prévisions climatiques saisonnières sont probabilistes : une bonne prévision réduit l'incertitude à laquelle les producteurs font face chaque année concernant les décisions à prendre sur la saison de croissance à venir, mais la prévision reste incertaine. Pour que les producteurs puissent intégrer la prévision dans leur prise de décision, en fonction de leurs préférences, leurs contraintes et leur aversion au risque, ils doivent comprendre l'incertitude des prévisions. En outre, il est important de comprendre que l'utilisation de prévisions saisonnières est susceptible d’améliorer le bien-être des producteurs en moyenne, mais pas nécessairement chaque année. Les agents de conseil ont donc la possibilité et la responsabilité d'aider les producteurs à mieux comprendre et utiliser les prévisions comme une source d’information sur la probabilité des conditions climatiques 106 locales pendant la saison à venir, et non comme des déclarations déterministes de ce qui va se produire. Quatrièmement, il existe un écart entre les besoins des producteurs et la manière dont les prévisions conventionnelles sont présentées. Les prévisions saisonnières sont souvent exprimées sous forme de déclarations ou de probabilités que les précipitations ou la température de la prochaine saison tomberont dans les terciles « inférieurs à la normale », « normaux » ou « supérieurs à la normale » de la distribution historique. L'expérience et la recherche montrent que les producteurs ou les agents de conseil pourraient utiliser les prévisions saisonnières plus efficacement s'ils : • recevaient directement des informations sur les conditions climatiques attendues à l'échelle locale auxquelles les décisions agricoles sont prises ; • connaissaient la probabilité de dépassement des seuils spécifiques au contexte qui sont pertinents pour les décisions de gestion des producteurs, et pas seulement les limites des 67e et 33e centiles entre les catégories de terciles ; • connaissaient le degré de précision, ou à l'inverse l'incertitude, de la prévision ; et • recevaient des informations en plus des conditions moyennes pendant la saison de croissance, telles que le moment du début et de la fin de la saison, et le risque de périodes de sécheresse dommageables ou d'autres extrêmes. Cinquièmement, des producteurs différents sont susceptibles de réagir de manière très différente à des prévisions saisonnières différentes. Les décisions de planification saisonnière tendent à être plus sensibles aux différences de caractéristiques individuelles des producteurs et à leur environnement physique et commercial que les décisions à court terme une fois que les activités d’agriculture ou d’élevage ont démarré. Dans les systèmes de cultures annuelles pluviales, les producteurs doivent décider avant le début de chaque saison de croissance comment ils répartiront leurs terres, leur main-d'œuvre domestique et les liquidités potentielles d'une épargne ou d’un emprunt (ressources généralement limitées), parmi un certain nombre d’options de gestion agricoles et non agricoles. Ces décisions d'allocation des ressources sont très sensibles aux différences de disponibilité des ressources, aux changements dans les prix prévus des produits et des intrants, ainsi qu'aux objectifs personnels et au niveau d'aversion au risque des producteurs. Les résultats d'une étude basée sur un modèle de la valeur des informations ENSO (El Niño Southern Oscillation) pour un simple problème de combinaison de cultures en Argentine (Messina et al., 1999) illustrent la sensibilité des décisions saisonnières d'allocation des terres agricoles aux préférences de risque et aux prix (Figure 3.3- 2). El Niño est associé à des précipitations supérieures à la normale et La Niña est associée à des précipitations inférieures à la normale dans le site d'étude en Argentine. 107 Figure 3.3-2. Modélisation des réponses d'allocation optimale des terres agricoles aux informations de prévisions saisonnières basées sur ENSO, influencées par l'aversion au risque et les prix, Pergamino, Argentine. D'après Messina et al., 1999. Comment les producteurs sénégalais utilisent-ils les prévisions saisonnières ? Au Sénégal et dans toute l'Afrique, une grande partie des producteurs qui ont accès aux prévisions saisonnières modifient au moins une partie de leurs décisions de gestion en réponse aux défis climatiques auxquels ils sont confrontés. Quelques études permettent de comprendre comment les producteurs sénégalais réagissent aux prévisions climatiques saisonnières. Diouf et al. (2020) ont interrogé 1481 producteurs (56% d'hommes, 44% de femmes) de cinq régions (Kaolack, Kaffrine, Kolda, Sedhiou, Ziguinchor), afin d'évaluer l'influence du genre sur l'utilisation des prévisions saisonnières, et leur impact sur la productivité et le revenu des exploitations agricoles. Parmi les producteurs qui utilisent les prévisions, la majorité ont déclaré les utiliser pour la sélection des variétés (figure 3.3-3). Une plus petite proportion a déclaré les utiliser pour déterminer la date de semis. L'étude a montré que l'utilisation des prévisions saisonnières augmentait le revenu annuel des producteurs de 41 USD/ha en moyenne, soit 16 %, et que l'avantage était plus faible pour les femmes (11 USD) que pour les hommes (56 USD). 108 Figure 3.3-3. Décisions de gestion des cultures que les producteurs sénégalais déclarent avoir modifiées en réponse aux prévisions saisonnières. Source : Diouf et al, 2020 . Ouedraogo et al. (2021) a enquêté auprès de 391 producteurs, échantillonnés parmi les abonnés des services d'information météorologique et climatique basés sur les TIC dans tout le Sénégal, afin d'évaluer les types de décisions prises et les facteurs qui influencent l'adoption. Une grande majorité de producteurs ont utilisé les prévisions saisonnières pour ajuster les dates de semis et d'application d'engrais, et beaucoup ont déclaré avoir utilisé les prévisions pour la sélection des variétés et des spéculations et le calendrier d'application du fumier et du désherbage (Figure 3.3-4). Figure 3.3-4. Décisions de gestion des cultures que les producteurs sénégalais déclarent avoir modifiées en réponse aux prévisions saisonnières. Source : Ouedraogo et al, 2021. Une étude en deux parties a interrogé 795 producteurs dans les districts de Kaffrine et de Kaolack afin d'évaluer l'influence du GTP local sur l'utilisation et l'impact des prévisions climatiques saisonnières. Dans cette étude, qui ne précise pas si les producteurs interrogés ont connaissance des prévisions ou non, une proportion relativement faible des producteurs interrogés a déclaré avoir ajusté leurs décisions en réponse aux prévisions saisonnières concernant le total des précipitations et la date d'apparition des pluies(Chiputwa et al., 2020) (tableau 3.3-2). L'étude a estimé que l'utilisation des prévisions climatiques saisonnières et des prévisions météorologiques quotidiennes augmentait la valeur des revenus tirés des arachides, 109 du maïs et du millet de 10 à 25 %, en fonction de la culture, de la méthode d'estimation et de la présence d'un GTP local (Chiputwa et al., 2022). Tableau 3.3-2. Décisions de gestion des cultures que les producteurs sénégalais déclarent avoir modifiées en réponse aux prévisions saisonnières. Source : Chiputwa et al, 2020. Proportion de producteurs Type de décision du producteur ayant ajusté leur décision Prévision du total des précipitations saisonnières Type de spéculation à cultiver 24.8% Emplacement du champ pour planter les cultures 22.0% Décision sur les cultures intercalaires 12.9% Type de culture 12.4% Mélange de cultures (proportion) 12.8% Conservation des sols et de l'eau 10.2% Prévision saisonnière de la date de début de l’hivernage Moment de la plantation 22.5% Calendrier de la préparation des terres 18.7% Calendrier des ventes de récoltes 21.9% Moment de la récolte 8.9% 3.3.3 La diversification La diversification est une stratégie bien connue de gestion des risques dans des domaines aussi divers que les investissements financiers et la production agricole. Les producteurs peuvent souvent utiliser la diversification pour réduire les risques qui impactent leur revenu et leur production, même si les contraintes de ressources limitent leur accès à d'autres options de gestion des risques. Il arrive toutefois que l'enseignement des sciences agricoles ne mette pas l'accent sur la diversification, mais plutôt sur les technologies telles que la génétique des cultures et des animaux, les pratiques agronomiques, les pratiques phytosanitaires et les soins vétérinaires afin de gérer les risques pour les entreprises de production individuelles. Relation entre diversification et risque Les avantages de la diversification en termes de risque dépendent du nombre d'activités (productives ou génératrices de revenus), et de leur degré de corrélation dans le temps. L'augmentation du nombre d'activités réduit le risque. La figure 3.3-5 illustre ce phénomène à l'aide de séries chronologiques de revenus provenant de portefeuilles combinant différentes activités. Le revenu issu de la moyenne de cinq activités (figure 3.3-5b) est moins variable que le revenu issu de la moyenne de deux activités (figure 3.3-5a). 110 Figure 3.3-5. Séries temporelles de revenus issus de portefeuilles d’activités et de leur moyenne (ligne en gras), en proportion égale, avec des rendements hypothétiques de moyenne 0 et d'écart- type 1, avec (a) 2 et (b) 5 activités. La diminution de la corrélation entre les différentes activités réduit également le risque. La figure 3.3-6 illustre ce phénomène à l'aide de séries chronologiques de revenus provenant de portefeuilles combinant deux activités. Le revenu provenant d’activités présentant une faible corrélation négative (figure 3.3-6b) est moins variable que le revenu provenant de la moyenne des activités présentant une faible corrélation positive (figure 3.3-6a). La réduction du risque est plus importante lorsque les différentes sources de revenus sont faiblement ou négativement corrélées. La combinaison de revenus provenant de deux activités parfaitement corrélées n'a aucun effet sur le risque. 111 Figure 3.3-6. Séries temporelles de revenus issus de portefeuilles d’activités et de leur moyenne (ligne en gras), en proportions égales, avec des rendements hypothétiques de moyenne 0 et d'écart- type 1, et des corrélations de (a) +0,5 et (b) -0,5. Rappelons que sur un graphique E-S (moyenne – écart type, couvert dans la section 3.2.2), un décideur rationnel sélectionnerait les options qui se situent à gauche (risque plus faible) et en haut (rendements plus élevés) du graphique. La figure 3.3-7 montre un graphique moyenne- écart-type (ou E-S) des rendements de deux activités hypothétiques, A et B, dont la moyenne, l'écart-type et la corrélation sont spécifiés. A et B sont combinées, et leurs proportions respectives varie sur le graphique par incréments de 10 %. La forme parabolique de la courbe de la figure 5.1 est caractéristique des graphiques E-S représentant des portefeuilles diversifiés. Dans cet exemple, un décideur rationnel ne choisirait jamais l'activité A à 100 % parce que la combinaison de A avec l'activité B à hauteur de 40 % réduirait le risque et augmenterait le rendement escompté. L'existence d'un mélange diversifié présentant un risque inférieur à celui de l'activité individuelle la moins risquée dépend de la moyenne, de l'écart-type et de la corrélation des options individuelles. 112 Figure 3.3-7. Graphique moyenne-écart-type (E-S) des rendements des combinaisons de deux activités hypothétiques avec des moyennes, des écarts-types et des corrélations spécifiés. Que peuvent diversifier les agriculteurs et les agropasteurs ? Les agriculteurs et les agropasteurs disposent d'un large éventail d'options pour diversifier leurs moyens de subsistance, notamment les sources de revenus agricoles et non agricoles, les espèces et les races de bétail, les spéculations et les cultivars, l'emplacement et la topographie des champs, ainsi que le calendrier des activités de production et de commercialisation. L'augmentation du nombre d'espèces cultivées ne contribue guère à atténuer le risque climatique si toutes les cultures réagissent de la même manière aux contraintes climatiques, car leurs rendements et leurs bénéfices seraient susceptibles d'être fortement corrélés. Les corrélations entre les rendements des cultures ou des variétés peuvent être réduites (et la réduction des risques accrue) si la période de sensibilité aux risques climatiques est différente d’une espèce à l’autre (par exemple, en raison de la différence de phénologie ou des dates de semis). En effet, l'impact d'une sécheresse ou d'un stress thermique de courte durée au cours de la saison de croissance est réduit si seule une partie des plantes cultivées se trouve à un stade critique (par exemple, l'anthèse ou la formation des grains) à ce moment-là. Le fait de cultiver des plantes dans des champs différents, avec des sols et des environnements hydrologiques différents, peut également réduire la corrélation et la variabilité globale. Une stratégie traditionnelle de gestion des risques dans les systèmes agricoles extensifs des zones arides, en particulier dans le Sahel ouest-africain, consiste à diviser les cultures entre les zones de dépression, qui recueillent et retiennent l'eau pendant les courtes périodes de sécheresse, et les zones à altitude plus élevée, qui sont moins sensibles à l'engorgement et aux conditions anoxiques pendant les périodes de fortes pluies (Brouwer et al., 1993). Le bétail, comme les cultures, est une source de revenus et de consommation de subsistance, mais il est également souvent considéré comme une forme d'épargne, et abattu ou vendu à des moments stratégiques. Lorsque les producteurs vendent des animaux pour combler un manque de revenus provenant de la production agricole, il existe une corrélation négative entre les 113 revenus provenant de la vente des cultures et ceux provenant de la vente du bétail. La flexibilité d'utiliser le bétail comme tampon pendant les périodes de stress peut donc faire de la diversification entre les entreprises agricoles basées sur les cultures et les animaux une stratégie efficace de gestion des risques. Les systèmes agricoles diversifiés ne sont pas toujours plus résistants aux risques climatiques, car les contraintes liées à l'environnement et au marché peuvent limiter l'éventail des moyens de subsistance viables ou les avantages de la diversification. Dans une étude à l'échelle de l'Afrique, Waha et al. (2018) ont utilisé les données de 28 000 ménages dans 18 pays pour étudier la relation entre le climat, la diversification et la sécurité alimentaire. Ils ont constaté que les ménages ayant des systèmes de production plus diversifiés étaient généralement mieux à même de répondre à leurs besoins de consommation. Toutefois, les avantages de la diversification agricole sont influencés par des facteurs tels que l'orientation des ménages vers le marché, la possession de bétail, les possibilités d'emploi non agricole et les ressources foncières disponibles. Les auteurs ont conclu que les meilleures opportunités de diversification des cultures vivrières, des cultures de rente et du bétail se trouvent dans les zones où les précipitations annuelles ont une moyenne comprise entre 500-1000 mm, et un coefficient de variabilité des précipitations annuelles compris entre 17 et 22 %. Lignes directrices pour l'utilisation de la diversification dans la gestion des risques Quelques lignes directrices peuvent être utilisées pour orienter les stratégies de diversification des exploitations agricoles afin de gérer les risques climatiques : • Viser à combiner les sources de revenus ou de nourriture qui ont une corrélation faible ou négative. Pour les cultures, la corrélation peut être réduite en sélectionnant des spéculations ou variétés ayant des phénologies différentes, en échelonnant les dates de semis et en sélectionnant des champs ayant des caractéristiques topographiques différentes. Outre les rendements, il convient de tenir compte de la corrélation des prix à la production entre les différentes spéculations. • Exploiter la complémentarité entre agriculture et bétail. • Prendre en compte toutes les sources potentielles de production et de revenu, et pas seulement la production au niveau de l'exploitation. • Ajuster le portefeuille de l'exploitation pour répondre aux objectifs et aux préférences des producteurs en matière de risque. Déterminer si le portefeuille doit être ajusté en fonction des nouvelles informations sur le climat et le marché. 3.3.4 Assurance indicielle agricole Rôle de l'assurance agricole Comme d'autres formes d'assurance, l'assurance agricole protège les assurés contre un risque spécifique, en leur versant une indemnité monétaire en cas de perte couverte par la police d’assurance (liée à ce risque spécifique). Dans le cas de l'agriculture, l'assurance peut bénéficier aux producteurs de deux manières : Premièrement, l'assurance protège les producteurs contre les pertes majeures, en évitant l’épuisement ou la perte des actifs productifs, ou en permettant d’indemniser le remplacement des actifs perdus à la suite d'un événement climatique extrême. 114 Deuxièmement, l'assurance peut améliorer les conditions de vie des producteurs en débloquant l’accès au crédit ou à des pratiques de production améliorées. L’incertitude de la saison à venir peut empêcher les producteurs de faire le choix ce certaines stratégies plus productives, mais plus coûteuses, qui peuvent être considérées comme trop risquées en cas de mauvaise saison. Savoir que l'assurance indemnisera en cas de conditions climatiques extrêmes augmente la confiance des producteurs pour investir dans des pratiques agricoles améliorées, et augmente la confiance des fournisseurs de crédit pour prêter aux petits exploitants agricoles. En débloquant l’accès au crédit et aux pratiques susceptibles d’augmenter le revenu ou le rendement dans une ‘bonne’ année, et en garantissant une indemnisation dans une ‘mauvaise’ année, l’assurance bénéficie aux producteurs même les années où ils ne reçoivent pas d’indemnité. Caractéristiques et limites de l’assurance indemnitaire Pour pouvoir bénéficier d’une assurance, le client doit payer un montant fixe dit prime d’assurance. Si le client est victime d’un sinistre causé par le risque couvert par l’assurance, il reçoit une indemnité monétaire. Le montant et le moment du versement de la prime, ainsi que le montant et les conditions dans lesquelles une indemnité est versée sont clairement spécifiés dans un contrat, bien avant de subir le sinistre. La prime et le montant de l’indemnisation sont proportionnels à la valeur assurée par le producteur au moment où il a souscrit à l’assurance. Lorsqu’un sinistre causé par le risque couvert par l’assurance se produit, le producteur contacte la compagnie d’assurance, qui envoie des experts pour évaluer les dommages et estimer l’indemnisation. Ces visites ont un coût et requiert un processus administratif, qui rend ce type de produits souvent plus accessibles aux grandes exploitations qu’aux petits producteurs. Ce type de produit peut également créer un risque d’aléa moral, et un risque appelé la sélection adverse. L’aléa moral fait référence à l'incitation pour les producteurs de ne pas investir dans les bonnes pratiques afin d’économiser de l’argent et de toucher l’argent de l’assurance. La sélection adverse fait référence à la tendance qu’une assurance soit achetée de préférence par les producteurs qui subissent des pertes plus fréquentes. L'aléa moral et la sélection adverse augmentent le coût de l'assurance. Enfin, la nécessité pour les producteurs de rédiger des réclamations exclut les producteurs non lettrés, et le besoin pour la compagnie d’assurance de visiter l’exploitation afin d’évaluer les pertes entraîne des coûts de traitement élevés et de longs délais de paiement. Comprendre l’assurance indicielle Comprendre l’assurance indicielle nécessite de reconnaître en quoi elle diffère de l’assurance traditionnelle (basée sur les pertes, dites indemnitaire) (tableau 3.3-3). La principale différence entre l’assurance indemnitaire et l’assurance indicielle réside dans le mode de déclenchement et la mesure de l’indemnisation. L'assurance agricole indicielle est une innovation récente qui déclenche des paiements basés non sur la mesure des dommages, mais sur la mesure d’une variable que l’on sait fortement corrélée aux pertes agricoles. Un indice permet de mesurer cette variable au moment de l’année où le risque est grand, et de définir le seuil qui déclenchera une indemnisation. La variable peut être la précipitation pendant une période définie, le rendement échantillonné sur une région plus vaste, ou encore la télédétection des conditions de la végétation ou de l'étendue des inondations. Baser les indemnités sur un indice mesuré objectivement, plutôt que sur les performances individuelles des producteurs, réduit l’aléa moral : le producteur a tout intérêt à optimiser ses chances d’avoir une bonne récolte, puisque l’indemnisation dépendra de cette variable (par 115 exemple, la pluie) et non sur la mesure de ses pertes. Par ailleurs, le déclenchement des indemnités est automatique dès que le seuil est franchi, éliminant le besoin pour les producteurs de rédiger une réclamation, et pour les compagnies d’assurances de se rendre sur le terrain pour évaluer les dommages, ce qui a pour conséquence de rendre le produit plus accessible et moins cher qu’un produit d’assurance indemnitaire classique. Tableau 3.3-3. Contrastes entre l'assurance basée sur l'indemnité et l'assurance basée sur l'indice. Assurance indemnitaire Assurance indicielle Indemnités Mesure des pertes Indice corrélé aux pertes basées sur Visites à la ferme Oui Non Incitation à une Non (les mauvais rendements Oui (rendement pas directement lié au bonne gestion entraînent à un remboursement) paiement) Avantages Paiements bases sur la perte réelle Paiements plus rapides Coût de gestion plus faible, permettant de réduire les primes et/ou augmenter le montant des versements Plus accessibles aux petits exploitant Limites Coûts de gestion élevés, donc primes Risque de base élevés et/ou faibles indemnités (certaines pertes ne seront pas Paiements lents indemnisées) Il n’est pas impossible que le producteur ait payé sa prime mais ne reçoive pas de paiement suite à un sinistre, soit parce que la cause du sinistre est différente (par exemple, une inondation n’est pas couverte par une assurance contre la sécheresse), soit parce que la mesure de l’indice ne correspond pas à l’expérience vécue du producteur (par exemple, dans le cas d’une sécheresse très localisée qui n’apparaît pas dans les données de pluviométrie de l’indice). Ce cas de figure constitue la principale limitation de l’assurance indicielle : il s’agit du ‘risque de base’, qui représente la relation imparfaite entre les pertes subies par les producteurs et l’indice qui déclenche les paiements. Il existe trois principaux types de programmes d'assurance agricole indicielle : 1. L’assurance indicielle météorologique (souvent dite assurance climatique) est basée sur des variables météorologiques telles que les précipitations ou la température, ou parfois sur le résultat d'un modèle de bilan hydrique du sol guidé par des données météorologiques. 2. L’assurance indicielle de rendement est basée sur les rendements estimés sur une région donnée, en utilisant un échantillonnage statistique de champs de producteurs. 3. L’assurance indicielle bétail est basée sur les données de mortalité du bétail estimées sur une région spécifique, ou bien sur des données de télédétection de la végétation. Un contrat d'assurance simple basé sur un indice de précipitations La figure 3.3-8 illustre la structure d'un contrat d'assurance indicielle typique. Il s’agit ici d’un produit d’assurance contre la sécheresse, dans lequel la variable mesurée par l’indice est la pluviométrie. La prime est le prix qu'un client paie pour bénéficier de la couverture d'assurance. Le seuil est la valeur mesurée (pré-établie par l’indice) qui déclenche le début d'une indemnisation, et la sortie est la valeur mesurée (pré-établie par l’indice) qui déclenche l’indemnisation maximale. Dans les contrats d'assurance basés sur un indice météorologique, 116 le montant de l’indemnisation augmente souvent de façon linéaire entre le seuil (indemnisation minimale) et la sortie (indemnisation maximale). Figure 3.3-8. Composants d'un contrat d'assurance indiciel simple contre la sécheresse. La fenêtre du contrat est la plage temporelle pendant laquelle l'assurance couvre le risque. Plus la plage est longue, plus la prime sera élevée. Par conséquent, un contrat d'assurance météorologique bien conçu offre une protection concentrée sur les phases critiques où la culture est particulièrement vulnérable aux aléas météorologiques (figure 3.3-9). Le choix de la fenêtre est peut-être l'un des facteurs les plus importants à prendre en compte lors de la conception d'un indice basé sur la pluviométrie pour l'assurance indicielle agricole, car si une sécheresse intervient en dehors de la fenêtre de couverture, le producteur ne recevra pas d’indemnisation. Figure 3.3-9. Exemple d'une fenêtre de contrat d'assurance indicielle météorologique couvrant deux périodes critiques du développement des cultures. 117 Comment est fixé le coût de la prime ? Le coût de la prime d’assurance peut empêcher les petits exploitants agricoles et les éleveurs avec peu de moyens de l'adopter. Plusieurs facteurs déterminent la prime qu'un producteur doit payer : les frais de gestion et de la marge bénéficiaire de la compagnie d'assurance, de la fréquence et du montant des indemnités, de la longueur de la fenêtre de couverture. Pour les compagnies d’assurance, les primes payées par les producteurs doivent permettre de couvrir le paiement des indemnités lors d’un sinistre et les frais de gestion, et de générer un profit en contre partie du risque assumé. Par conséquent, le coût cumulé des primes sur plusieurs années tend à être égal ou supérieur au cumul des indemnités. Etant donné que l'assurance ne sera efficace à long terme que si les bénéfices l'emportent sur les coûts, il est important de concevoir des programmes d'assurance transparents, adaptés aux conditions locales, abordables et qui améliorent les moyens de subsistance des producteurs en débloquant des opportunités productives qui permettent d’augmenter les revenus dans les bonnes années. L’éducation des producteurs sur le fonctionnement de l’assurance est également nécessaire, afin qu’ils comprennent pleinement les conditions du produit auquel ils souscrivent et soient capables d’optimiser son utilisation. Pour réduire le coût de l'assurance indicielle, il existe plusieurs options : ajuster la fréquence et le montant des indemnités, cibler la fenêtre en fonction de la période de risque, réduire les frais de gestion par client de la compagnie d'assurance, réduire l'incertitude liée au risque couverts par l'assurance, et subventionner les primes ou frais d'exploitation. La fréquence des versements a une incidence sur le coût de l'assurance. Plus les versements sont fréquents, plus la prime est élevée. La fréquence des paiements doit refléter étroitement la fréquence des événements climatiques extrêmes qui entraînent pour les producteurs des pertes importantes ou l’impossibilité à rembourser leurs prêts. Si ces évènements se produisent trop souvent, l'assurance risque de ne pas être un outil approprié ou rentable pour les producteurs. Cet équilibre et les compromis qui en découlent doivent donc faire l'objet d'une discussion approfondie avec les clients. Le montant de l’indemnisation a une incidence sur le coût de l'assurance. Plus le montant est important, plus la prime est élevée. L'assurance rendement couvre souvent le coût des intrants de production afin de permettre la replantation en cas de sécheresse et de protéger l'accès au crédit des producteurs. Assurer la valeur totale de la récolte d'une culture serait beaucoup plus coûteux. Pour un coût d'assurance donné, les producteurs doivent faire un compromis entre la fréquence et le montant des versements. Les producteurs peuvent un produit à indemnisation plus importante et moins fréquente, qu’un produit à indemnisation fréquente mais plus faible. Les frais de gestion de la compagnie d'assurance ont une incidence sur le coût de l'assurance. Plus les frais sont élevés, plus la prime est élevée. L'un des principaux avantages de l'assurance indicielle par rapport à l'assurance indemnitaire est la réduction de ces frais. Une fois un programme d'assurance conçu, les frais opérationnels et la marge bénéficiaire fixés par les compagnies d'assurance ne sont généralement pas négociables. Parmi les frais des compagnies d’assurances, de nombreuses compagnies d'assurance nationales vendent une partie de leurs portefeuilles de risques à des compagnies internationales de réassurance. En effet, les compagnies d'assurance des pays en développement ne disposent généralement pas de réserves de trésorerie suffisantes pour payer tous leurs clients en une seule fois en cas de grande catastrophe climatique. L'incertitude peut également augmenter le coût de l'assurance. Si une compagnie d'assurance ne dispose pas de suffisamment de données pour estimer avec précision le risque 118 assuré, ou si le changement climatique modifie la fréquence ou l'intensité des risques d'une manière qui n'est pas entièrement comprise, les compagnies augmenteront le coût de l'assurance pour se protéger de cette incertitude. Les services météorologiques peuvent contribuer à réduire le coût de l'assurance, en effectuant des analyses et en fournissant des preuves afin de réduire certaines de ces incertitudes. La question controversée des primes subventionnées Dans certains pays et projets, les gouvernements ou les organisations de développement subventionnent le coût de l'assurance agricole pour la rendre accessible aux petits exploitants agricoles. Toutefois, la subvention des primes d'assurance peut créer plusieurs risques. Du côté des producteurs, la subvention peut créer des incitations à de mauvaises décisions de gestion agricole, si les producteurs paient moins de primes qu'ils ne reçoivent d’indemnités, et si l'assurance n'est pas bien conçue ou gérée. Comme d'autres formes de subventions agricoles, le revenu supplémentaire provenant de l'assurance subventionnée pourrait inciter les producteurs à cultiver une culture cible dans des environnements pour lesquels elle n'est pas adaptée. Du côté des assureurs, un produit 100% subventionné est plus susceptible d’être adopté largement, ce qui n’encourage pas à prendre toutes les mesures pour adapter les produits d’assurance aux besoins réels des producteurs et augmente le risque de produits d’assurance inadaptés ou peu performants. Enfin, la subvention crée pour les producteurs une dépendance à une source de financement extérieure qui peut disparaître du jour au rendement, soulevant des questionnements sur la durabilité de l’accès au service. Concevoir une bonne assurance agricole indicielle Plusieurs publications proposent des lignes directrices sur les bonnes pratiques de l'assurance indicielle (Greatrex et al., 2015; Hellin et al., 2017; Hess and Hazell, 2016; Kramer et al., 2022). Il existe un consensus sur le fait que la confiance, le risque de base, le coût élevé de l'assurance et l'hétérogénéité des besoins des agriculteurs sont parmi les principaux défis à relever pour tirer parti des avantages potentiels de l'assurance agricole indicielle. Le tableau 3.3-4 résume certaines des pratiques recommandées pour relever ces défis. 119 Table 3.3-4. Pratiques recommandées pour relever les principaux défis de l'assurance indicielle. Défi Bonnes pratiques Coût élevé Conception pour les risques de faible fréquence et de grande ampleur Compléter d'autres stratégies de gestion des risques Priorité aux avantages dans les bonnes années Utilisation prudente des subventions intelligentes Risque de base Utiliser des données de haute qualité, à long terme et complètes S'appuyer sur les connaissances en agrométéorologie Valider l'indice par rapport aux souvenirs des agriculteurs, aux registres de production, à la télédétection, ... Des besoins Cibler les agriculteurs qui peuvent en bénéficier, pas nécessairement tous les différents pour agriculteurs. les agriculteurs Processus de conception participative des agriculteurs Vérifier que l'index capture les risques les plus importants pour les agriculteurs. Confiance Communication transparente sur les conditions d'assurance, le risque de base Investir dans l'éducation et les capacités des agriculteurs Environnement réglementaire solide, responsabilité Lectures recommandées • Hansen et al. (2018). Climate risk management and rural poverty reduction. Agricultural Systems 172:28-46. https://doi.org/10.1016/j.agsy.2018.01.019 • Vaughan et al. (2019). Evaluating agricultural weather and climate services in Africa: Evidence, methodology, and a “learning agenda.” WIRES Climate Change 10(4):e586. https://doi.org/10.1002/wcc.586 • Hansen J, Whitbread A, 2022. CIS impacts on farmer wellbeing in Senegal: evidence and opportunities. AICCRA Info Note. Accelerating Impacts of CGIAR Climate Research for Africa (AICCRA). https://hdl.handle.net/10568/125771 3.4 Analyse des options de gestion de l’exploitation à l'aide de modèles agricoles et de budgets d'entreprise Cette section présente des outils utiles pour traduire les informations relatives au climat, aux sols et aux caractéristiques génétiques en estimations de productivité et de rentabilité des cultures. À la fin de cette section, vous serez en mesure de : • Décrire l'utilisation appropriée des modèles de simulation des cultures pour estimer la productivité. • Utiliser les calculs du budget de l'entreprise pour comparer la rentabilité des options de gestion des cultures et du bétail. 120 3.4.1 Introduction aux modèles agricoles Un modèle est une représentation simplifiée d'un système. Les modèles de production végétale consistent en des ensembles de relations mathématiques décrivant le fonctionnement du système sol-plante en interaction avec le climat et les opérations culturales, des variables d'état qui représentent l'état du système à différents pas de temps, et des paramètres qui représentent la nature et l'intensité des relations entre les variables d'état du système. Types de modèles Plusieurs types de modèles sont utilisés pour représenter les interactions entre le climat, la gestion de l’exploitation et la productivité agricole. Un modèle statique représente la structure ou le fonctionnement d'un système à un moment fixe dans le temps, sans fournir d'explications sur le fonctionnement biologique ou physique. Par exemple, la figure 3.4-1 présente un modèle statique de la distribution de l’abondance de 159 espèces de vertébrés dans la forêt pluviale Australian Wet Tropics. Le modèle mathématique (courbe noire) est une distribution gaussienne correspondant avec justesse à l’histogramme empirique. Figure 3.4-1. Distribution de l’abondance de 159 espèces de vertébrés dans la forêt pluviale Australian Wet Tropics. Le modèle mathématique (courbe noire) est une distribution gaussienne correspondant avec justesse à l’histogramme empirique. Source : Williams et al., 2008. On dit qu’un modèle est déterministe lorsque les « sorties » du modèle sont entièrement déterminées par les « données d’entrée ». Un modèle déterministe reproduit toujours le même comportement d’un système si les paramètres et les conditions initiales du modèle demeurent identiques. Ces modèles sont basés sur une loi connue ou hypothétique de la physique, des mathématiques ou d'une quelconque autre discipline, de sorte que des valeurs d'input données produisent toujours le même résultat. Par exemple, le modèle logistique, 121 𝐾 𝑁 𝑟 0 𝑒 𝑡 𝑁(𝑡) = 𝐾 + 𝑁0 (𝑒𝑟𝑡 − 1) est déterministe. Pour des valeurs données du taux de croissance r, de la capacité de soutien K, et de la taille initiale de la population N(t = 0), la taille N(t) de la population à un temps futur, comme prédit par le modèle, sera toujours la même. Contrairement à un modèle déterministe, un modèle stochastique peut produire des résultats différents même lorsque les conditions sont inchangées. Plusieurs « sorties » peuvent être générées par les mêmes « données d’entrée ». Un modèle stochastique représente souvent un système dans lequel des processus, des interactions ou des évènements sont aléatoires. Il accepte une certaine distribution de probabilité associée à des inputs donnés, dans les processus au sein du modèle et donc dans l'output, de sorte que le même input peut amener à différentes valeur d'output. Vu que les modèles stochastiques utilisent des fonctions de probabilités de densité d'une forme ou d'une autre, ils doivent avoir une solide base de théorie statistique. Par exemple, un modèle de propagation d’une maladie infectieuse pourrait inclure la probabilité qu’un individu sain, en contact avec un individu infecté, devienne ou non infecté. 3.4.2 Modèles de simulation des cultures Les modèles de simulation des cultures sont des programmes informatiques qui reproduisent la croissance et le développement d'une culture. Les modèles sont basés sur les connaissances actuelles de la physiologie des cultures et de l'écologie de la réponse des cultures aux pratiques de gestion et à l'environnement. Les premiers développements des modèles de simulation des cultures ont mis l'accent sur leur capacité à intégrer les connaissances de différents processus et à simuler les interactions entre la génétique, l'environnement et la gestion, parfois appelées interactions « G×E×M » (M pour ‘management’, ou gestion). Au fur et à mesure que leur capacité à simuler ces interactions progressait, les modèles de culture ont été de plus en plus considérés comme des outils permettant de transférer les résultats de la recherche agronomique traditionnelle dans des lieux autres que ceux où ils ont été développés et testés, et d'adapter les technologies de production à des environnements spécifiques sans avoir à reproduire la recherche sur le terrain à chaque endroit. Leur capacité à simuler la réponse du rendement des cultures aux conditions météorologiques, au sol et à la gestion fait des modèles de simulation des cultures des outils utiles pour comprendre et soutenir les décisions de gestion des cultures sensibles au climat, lorsqu'ils sont utilisés de manière appropriée, avec une compréhension de leurs capacités et de leurs limites. Niveaux d'analyse L'adéquation d'un modèle de culture à un environnement donné dépend en partie de sa capacité à représenter les principaux déterminants de la production dans cet environnement. Rabbinge (1993) a classé les niveaux de production végétale (plus exactement, les « niveaux d'analyse ») en fonction des facteurs qui limitent la production (figure 3.4-2). L'évolution des modèles de culture s'est faite parallèlement à ces niveaux de production. Au fur et à mesure que les modèles de culture intègrent des processus supplémentaires, ils tendent à devenir plus complexes et à exiger davantage de données. Au premier niveau, celui de la production potentielle, la production végétale n'est limitée que par les caractéristiques génétiques des cultures, l'irradiation solaire, la température, la longueur du jour et le CO2. Les premiers modèles de culture intégraient les processus physiologiques de 122 base qui déterminent la production potentielle, notamment la phénologie, la photosynthèse, la respiration et la croissance des différentes parties de la plante. Un deuxième niveau de détail, la production réalisable, tient compte de la disponibilité de l'eau et de l'azote dans le sol. La dynamique et l'absorption de l'eau, de l'azote et du carbone organique du sol ont été ajoutées aux modèles de culture pour simuler la production réalisable. Ce niveau est parfois divisé entre la production limitée par l'eau et la production limitée par l'azote. De nombreux modèles de culture largement utilisés sont capables de décrire la croissance et le rendement des cultures avec ces hypothèses. Le troisième niveau, la production réelle, peut être limité par une série de contraintes supplémentaires telles que les ravageurs, les maladies et diverses limitations et toxicités des éléments nutritifs du sol. Bien qu'aucun modèle ne simule l'ensemble des déterminants de la production réelle, plusieurs modèles de culture ont tenté de prendre en compte certains déterminants à ce niveau, notamment la dynamique du phosphore et la réaction aux ravageurs, aux maladies et à divers facteurs physiques et chimiques du sol. Figure 3.4-2. Niveaux de production agricole. Modèles de processus Les modèles de culture les plus répandus simulent la manière dont une communauté végétale, dotées de plantes aux traits génétiques spécifiques, réagit à son environnement et à sa gestion au fil du temps. Ils intègrent deux principes en interaction (Brisson and Delécolle, 1992) : • Principe génétique, avec un programme préétabli qui fixe la durée des différentes phases du développement de la culture (végétative, reproductrice, maturation) en fonction des conditions du milieu et qui traduit une stratégie de l’espèce (ou de la variété) en termes de précocité, de pérennité ou d’adaptation au milieu. • Principe trophique, illustré par le dialogue source-puits qui caractérise les flux d’assimilats dans la plante entre des organes sources, actifs du point de vue photosynthétique, et des organes puits, consommateurs de photosynthétats (fonctionnement instantané de la plante). Les processus d'un modèle de culture typique calculent les éléments suivants (figure 3.4-3) : • le bilan hydrique et azoté du sol, • la phénologie ou le stade de croissance de la culture, • l'augmentation de la biomasse par la photosynthèse, 123 • la diminution de la biomasse par la respiration, • la répartition de la biomasse végétale entre les différentes parties de la plante (racines, tiges, feuilles, grains ou autres produits récoltés), et • la perte de biomasse par sénescence. Chaque jour, ou parfois à intervalles plus courts, un modèle de culture typique calcule les taux de changement de l'état du sol et de la plante en réponse à l'environnement, et calcule le nouvel état du sol et de la plante sur la base du taux de changement. Le processus est répété chaque jour jusqu'à ce que la culture atteigne la maturité physiologique ou la maturité de la récolte. Figure 3.4-3. Organigramme simplifié du contrôle du traitement pour un modèle de production végétale fonctionnant sur un pas de temps quotidien. Les flèches bleues et brunes indiquent les points clés du flux d'informations. Les flèches avec des lignes en pointillé indiquent les entrées pour les paramètres génétiques spécifiques à la variété. Les rétroactions possibles (par exemple, de la répartition sur l'utilisation de l'eau et la photosynthèse) ne sont pas représentées. Adapté de:Plant, Cell & Environment 36(9) : 1658-1672, Première publication : 18 avril 2013, DOI : 10.1111/pce.12119 La plupart de ces processus sont influencés par les données météorologiques quotidiennes (tableau 3.4-1). Les précipitations déterminent le bilan hydrique et azoté du sol. L'évapotranspiration potentielle est une composante du bilan hydrique du sol et influence la photosynthèse et le stress hydrique des cultures. L'évapotranspiration potentielle est modélisée en fonction des températures minimales et maximales quotidiennes, du rayonnement solaire, et parfois de l'humidité et du vent. La phénologie est contrôlée par la température et, pour les cultures sensibles à la photopériode, par la longueur du jour. Le rayonnement solaire alimente la photosynthèse. Les principaux processus physiologiques (phénologie, photosynthèse, respiration, répartition, sénescence) sont influencés par la température et, indirectement, par les précipitations, par l'intermédiaire du bilan hydrique et azoté du sol. Les modèles de simulation des cultures nécessitent généralement des données quotidiennes sur les précipitations, les températures minimales et maximales et le rayonnement solaire. Certains utilisent également le vent et l'humidité relative ou la température du point de rosée pour fournir des estimations plus précises de l'évapotranspiration potentielle. 124 Tableau 3.4-1. Données météorologiques quotidiennes qui influencent la croissance et le développement des cultures dans les modèles de simulation des cultures (indiquées par des ombres vertes). Longueur du Rayonnement Évapotranspiration Processus Pluies Température jour solaire potentielle Bilan de l'eau et de l'azote dans le sol Phénologie Photosynthèse Respiration Cloisonnement En simulant les interactions complexes entre les conditions météorologiques quotidiennes, la dynamique de l'eau et de l'azote dans le sol, la phénologie et la physiologie des cultures, les modèles de simulation des cultures rendent généralement mieux compte de la réaction des cultures aux conditions climatiques saisonnières que les modèles statistiques (figure 3.4-4). Figure 3.4-4. Rendements de soja observés (Géorgie, Etats-Unis, essais de variétés) en fonction des précipitations saisonnières, de la température et des rendements simulés. Source : James W. Jones, Université de Floride. 3.4.3 Considérations pratiques : Données, étalonnage, validation Données d'entrée Les modèles de simulation des cultures basés sur les processus nécessitent généralement des données sur les conditions météorologiques quotidiennes, les propriétés du sol, les caractéristiques des cultures et des variétés et la gestion. Les exigences en matière de données sont liées au niveau d'analyse que le modèle de culture prend en charge, et chaque nouveau niveau impose des exigences supplémentaires en matière de données (tableau 3.2). Les exemples ci-dessous sont basés sur la suite de modèles de culture DSSAT, mais ils sont représentatifs de nombreux modèles de culture basés sur des processus couramment utilisés. 125 Tableau 3.4-2. Ensembles de données typiques pour la simulation des cultures en fonction du niveau d'analyse (comme décrit dans la figure 3.4-2). Atteignables Catégorie Données potentielles Limité en eau Limité en N Météo Température [Données potentielles] + pluie journalière maximale et minimale ; rayonnement solaire Sol Teneurs en eau critiques [limité en eau] + C organique ; NH4+ (inférieure, supérieure & NO3- initiaux ; taux de drainée, saturée) ; densité minéralisation relatif apparente ; teneur en eau initiale ; croissance relative des racines dans différentes couches Culture Caractéristiques des variétés (développement, caractéristiques potentielles des grains) Gestion Variété ; date de [données potentielles] + dates, [limité en eau] + dates, type, semis, matériel, quantités et méthode quantité et méthodes d'épandage profondeur, d’irrigation d'engrais N ; type de résidus, géométrie ; rapport C:N, dates et quantités calendrier de récolte d'épandage ; travail du sol Les données météorologiques les plus courantes sont le rayonnement solaire globale quotidienne, les températures maximales et minimales et les précipitations. Certains modèles de culture utilisent également des données de vent et d'humidité pour améliorer la précision des estimations quotidiennes de l'évapotranspiration potentielle. Le pas de temps quotidien est particulièrement important pour les précipitations, car la production agricole est sensible aux interactions entre la demande évaporative, la dynamique du bilan hydrique du sol et le moment de la sensibilité au stress hydrique. La source conventionnelle est constituée par les relevés quotidiens des stations d'observation météorologique automatiques ou manuelles numérisées. Les exigences en matière de données pédologiques dépendent des processus pédologiques modélisés et, dans une certaine mesure, du type de modèle de bilan hydrique du sol. Elles peuvent comprendre, pour chaque horizon ou profondeur de couche arbitraire : les teneurs en eau critiques du sol (c'est-à-dire les limites supérieures saturées, inférieures et drainées de la disponibilité en eau des plantes), la texture (c'est-à-dire les fractions de sable, de limon et d'argile), la densité apparente, le carbone organique, l'azote total et les teneurs initiales en eau, en NH + 4 et en NO - 3 au début de l'expérience ou de la simulation. Les modèles expérimentaux de nutriments autres que l'azote ont des exigences supplémentaires en matière de données d'entrée. Les données relatives à la surface du sol comprennent l'albédo, les classes d'infiltration et de drainage et la pente. Les propriétés hydriques requises du sol peuvent être estimées à partir du sable, du limon, de l'argile, de la densité apparente et du carbone organique en utilisant des fonctions de pédotransfert appropriées. Des mesures directes des propriétés pertinentes du sol sur les sites cibles permettront de réaliser des simulations plus précises. L'ensemble des caractéristiques requises pour les cultures et les variétés n'a pas été normalisé dans les différents modèles. La plupart d'entre eux incluent le temps thermique ou physiologique entre les événements phénologiques clés, car ceux-ci ont tendance à varier considérablement d'un cultivar à l'autre. Ils peuvent inclure un large éventail de facteurs liés à la taille ou au nombre de produits de récolte (c'est-à-dire les grains, les gousses, les épis ou les 126 têtes), aux caractéristiques des feuilles, à la ramification et à la répartition entre les parties de la plante. En général, les paramètres des variétés doivent être mesurés au moyen d'expériences sur le terrain conçues à cet effet. Hunt et Boote (1998) fournissent des lignes directrices, axées sur la suite de modèles DSSAT, pour mesurer les paramètres des variétés par le biais d'expériences sur le terrain. En l'absence d'expériences d'étalonnage sur le terrain, certains de ces paramètres peuvent être estimés à partir de publications d'expériences agronomiques ou de registres de stations d'expérimentation ou d'essais de cultivars. L'utilité de ces sources secondaires dépendra du fait qu'elles ont collecté et rapporté suffisamment de données pertinentes sur, par exemple, les conditions météorologiques quotidiennes, les propriétés du sol, la gestion (par exemple, la date de plantation, la densité du peuplement, les pratiques de fertilité du sol), et le calendrier des événements phénologiques clés. Les modèles de culture peuvent simuler la réponse à un ensemble limité de décisions de gestion qui ont un impact direct sur les processus de culture qu'ils intègrent. Parmi les exemples typiques, citons la sélection des espèces et des cultivars, la date, la profondeur, la méthode et la géométrie de semis, la gestion de l'irrigation (dates, méthode et quantités, ou règles de décision pour l'irrigation automatique), la gestion des engrais et des résidus végétaux (date, méthode, quantité, matériau, teneur en éléments nutritifs et profondeur d'incorporation), le travail du sol et la gestion de la récolte. Calibrage Les modèles doivent être calés et validés dans des conditions écologiques contrastées (climat, gestion des sols et des cultures) afin de s’assurer de leur fiabilité. L'étalonnage des modèles comprend : • La recherche de valeurs des paramètres empiriques du modèle qui conduisent à la meilleure simulation de la réalité ; et • La comparaison entre les résultats produits par un modèle de simulation avec des données mesurées/observées (évaluation du modèle). L'étalonnage du modèle de culture peut comprendre : • Le calage du module phénologique (grand nombre de paramètres différents ayant de nombreuses interactions entre eux); et • Le calage des autres sorties du modèle de culture (Rendement, Azote etc.). L'analyse de sensibilité des paramètres essentiels peut faciliter la calibration du modèle de culture en ajustant au mieux les observations réalisées sur le terrain. Validation La validation d'un modèle est le processus de comparaison d'une ou plusieurs variables de sortie du modèle avec des données mesurées ou observées sans étalonnage préalable. L'objectif de la validation d'un modèle est d'évaluer la qualité des résultats qu'il fournit pour des valeurs de facteurs contrôlés ou sur des exemples qui n'ont pas servi dans la phase de calibration. Ceci est particulièrement important en modélisation agronomique pour appliquer les modèles à des cultures autres que celles qui ont été utilisées pour déterminer les paramètres du modèle. La validation peut prendre en compte plusieurs aspects de la performance des modèles de culture : • La précision fait référence à la capacité du modèle à obtenir par simulation des valeurs proches des valeurs obtenues par expérimentation. 127 • La sensibilité est la capacité du modèle à modifier la valeur simulée d’une variable d’état en réponse à la variation d’une ou de plusieurs opérations techniques, ou en réponse à la variation des conditions pédo-climatiques. • La robustesse fait référence à la capacité du modèle à ne pas être sensible aux paramètres et aux données qui ne peuvent être facilement appréhendables lors de l’utilisation du modèle. La relation entre les variables de sortie simulées et mesurées peut être présentée à l'aide de graphiques (par exemple, la figure 3.4-5) ou d'une série de statistiques. La Racine carrée de l’erreur quadratique moyenne ou RMSE (Root Mean Square Error) est l’un des critères statistiques les plus largement utilisés qui mesure l’amplitude moyenne de la différence entre les prédictions et les observations. Il évolue entre 0 et l’infini, avec 0 indiquant une bonne performance et l'infini, un modèle pauvre. La RMSE peut être normalisée en utilisant la moyenne de la variable observée (O). La RMSE normalisée (nRMSE) donne la mesure en pourcentage de la différence relative entre les données simulées et observées. Le coefficient de détermination varie entre 0 et 1 : lorsque le modèle est parfait, le coefficient de détermination vaut 1. Figure 3.4-5. Exemple de résultats de la validation du modèle de culture, exprimés par un diagramme de dispersion de la biomasse sèche aérienne simulée (t/ha) par rapport aux observations. 3.4.4 Modélisation de la rentabilité : Analyse du budget de l'entreprise Le budget d’entreprise, aussi appelé budget d’exploitation, est un outil utile dans l’orientation des producteurs vers la rationalisation de la productivité et de la rentabilité. Il est également un moyen essentiel pour la définition des prix de vente des produits agricoles. A cet effet il pourra faciliter le travail de l’agent de conseil. La rentabilité d'une exploitation agricole dépend non seulement du revenu que l'agriculteur tire de la vente de ses produits, mais aussi du coût de production. En modifiant la gestion de la production, on modifie généralement les coûts de production. Par exemple, il est possible d'augmenter le rendement des cultures en intensifiant la production, notamment en utilisant les meilleures semences hybrides à haut rendement, en semant à une densité élevée (jusqu'à un 128 certain point), en appliquant des taux élevés d'engrais chimiques et de fumier, et en luttant énergiquement contre les mauvaises herbes et les ravageurs. Toutefois, ces pratiques augmentent également les coûts de production. Au-delà d'un niveau optimal, elles peuvent donc diminuer le revenu net même si les rendements augmentent encore. C'est pourquoi les technologies visant à accroître la productivité des exploitations peuvent ou non augmenter leur rentabilité. Concepts de budget d'entreprise Un budget d'entreprise est un outil utile pour estimer la rentabilité d'une entreprise agricole et pour comparer la rentabilité d'autres options de gestion de l'entreprise. Ici, une entreprise est définie comme la production et la commercialisation d’une seule culture ou d’un seul produit d’élevage qui produit effectivement un produit commercialisable. L’entreprise est le niveau de gestion le plus bas dans la hiérarchie des systèmes agricoles et le plus simple à analyser. Une exploitation agricole diversifiée peut comprendre de nombreuses entreprises (ou activités) de production, et un ménage agricole peut être soutenu par une combinaison d'entreprises agricoles et non agricoles (figure 3.4-6). Figure 3.4-6. Illustration d'un système agricole comprenant plusieurs cultures, élevages et entreprises non agricoles. Un budget d'entreprise décrit les sources et les montants des revenus, des coûts et des bénéfices associés à une entreprise agricole, y compris : • les coûts variables et fixes de production, • le rendement ou la productivité escomptés, • le prix attendu du produit agricole, • le revenu, ou les recettes brutes, calculé comme le rendement × le prix, • marge brute : revenu net après les coûts de production, • prix d'équilibre : prix minimum de la récolte nécessaire pour couvrir les coûts, et • Rendement d'équilibre : rendement minimum nécessaire pour couvrir les coûts. La budgétisation des entreprises implique deux simplifications qui rendent les analyses plus simples et plus généralisables à l'ensemble des agriculteurs. Tout d'abord, il s'agit de la plus petite unité pour laquelle les agriculteurs prennent des décisions de gestion qui ont un impact sur leurs moyens de subsistance. Deuxièmement, les budgets d'entreprise sont exprimés sur la base d'une unité de terre (c'est-à-dire un hectare) ou de bétail (c'est-à-dire un animal ou une unité de bétail tropical (TLU)), ce qui permet de les adapter facilement à différentes tailles 129 d'exploitations. Un budget partiel simplifie davantage le budget de l'entreprise en ignorant les coûts qui ne changent pas entre les options de gestion envisagées. Les budgets partiels d'entreprise peuvent être utilisés pour comparer différentes options de gestion, car la gestion de la production n'affecte pas les coûts fixes. En raison de ces simplifications, les résultats peuvent être interprétés relativement facilement entre les agriculteurs qui utilisent des technologies similaires dans des conditions environnementales (c'est-à-dire le sol, les conditions météorologiques, l'économie) similaires. Calculs du budget de l'entreprise La marge brute désigne le rendement net, ou bénéfice, qu'un agriculteur réaliserait sur une entreprise au cours d'une année donnée, sans tenir compte des coûts fixes. La marge brute de rentabilité est la différence entre le revenu généré par l'entreprise de production, généralement par la vente d'une culture ou d'un produit de l'élevage, et les coûts encourus pour produire le produit. Pour une entreprise de culture, la marge brute peut être calculée comme suit : 𝑀𝑎𝑟𝑔𝑒 𝑏𝑟𝑢𝑡𝑒 = 𝑟𝑒𝑛𝑑𝑒𝑚𝑒𝑛𝑡 × 𝑝𝑟𝑖𝑥 à 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 − 𝑐𝑜û𝑡 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 où la marge brute est en CFA/ha, le rendement en kg/ha, le prix à la production en kg/ha et le coût de production en CFA/ha. Pour une entreprise agricole simple qui inclut les dépenses liées aux semences, aux engrais, à la main-d'œuvre, à la récolte et au traitement post-récolte, la marge brute est la suivante : 𝑀𝑎𝑟𝑔𝑒 𝑏𝑟𝑢𝑡𝑒 = 𝑟𝑒𝑛𝑑𝑒𝑚𝑒𝑛𝑡 × 𝑝𝑟𝑖𝑥 à 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 − 𝑑𝑒𝑛𝑠𝑖𝑡é 𝑑𝑒 𝑠𝑒𝑚𝑖𝑠 × 𝑝𝑟𝑖𝑥 𝑑𝑒𝑠 𝑠𝑒𝑚𝑖𝑠 − 𝑡𝑎𝑢𝑥 𝑑𝑒 𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑠𝑎𝑛𝑡 × 𝑝𝑟𝑖𝑥 𝑑𝑢 𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑠𝑎𝑛𝑡 − 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é 𝑑𝑒 𝑚𝑎𝑖𝑛 𝑑′𝑜𝑒𝑢𝑣𝑟𝑒 × 𝑝𝑟𝑖𝑥 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑖𝑛 𝑑′𝑜𝑒𝑢𝑣𝑟𝑒 − 𝑟𝑒𝑛𝑑𝑒𝑚𝑒𝑛𝑡 × 𝑐𝑜û𝑡𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑒𝑡 𝑝𝑜𝑠𝑡 − 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 − 𝑐𝑜û𝑡𝑠 𝑓𝑖𝑥𝑒𝑠 Pour une entreprise d'élevage, la marge brute peut être calculée comme suit : 𝑀𝑎𝑟𝑔𝑒 𝑏𝑟𝑢𝑡𝑒 = 𝑝𝑜𝑖𝑑 𝑑𝑒 𝑙′𝑎𝑛𝑖𝑚𝑎𝑙 × 𝑝𝑟𝑖𝑥 − 𝑐𝑜û𝑡 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 où le poids de l'animal est exprimé en kg/animal, le prix de l’animal est exprimé en CFA/kg et le coût de production est exprimé en CFA/animal. Les rendements et les prix sont généralement les sources d'incertitude les plus importantes - en partie à cause de la variabilité du climat - qui affectent la prise de décision des agriculteurs. Lorsqu'un agriculteur sème une culture, il ne sait pas quels seront le rendement et le prix au moment de la récolte. L'analyse du seuil de rentabilité utilise les résultats d'un budget d'entreprise pour identifier le rendement minimum nécessaire pour atteindre le seuil de rentabilité (c'est-à-dire ne pas subir de perte de revenu net) pour un prix à la production donné : 𝑝𝑟𝑖𝑥 𝑎𝑢 𝑠𝑒𝑢𝑖𝑙 𝑑𝑒 𝑟𝑒𝑛𝑡𝑎𝑏𝑖𝑙𝑖𝑡é = 𝑐𝑜û𝑡 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 ⁄ 𝑟𝑒𝑛𝑑𝑒𝑚𝑒𝑛𝑡, où le prix minimum à la production nécessaire pour atteindre le seuil de rentabilité pour un rendement donné : 𝑟𝑒𝑛𝑑𝑒𝑚𝑒𝑛𝑡 𝑎𝑢 𝑠𝑒𝑢𝑖𝑙 𝑑𝑒 𝑟𝑒𝑛𝑡𝑎𝑏𝑖𝑙𝑖𝑡é = 𝑐𝑜û𝑡 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛⁄𝑝𝑟𝑖𝑥. 130 Considérations pratiques La formule utilisée pour établir le budget d'une entreprise peut varier en fonction, par exemple, des aspects de la gestion qui entraînent des coûts, certains supposés varier en fonction de la gestion et d’autres supposés constants ; du fait que l'entreprise de production génère un seul produit ou plusieurs sources de revenus ; et du fait que l'analyse tient compte de la valeur des intrants (terre, main-d'œuvre) et de la consommation des ménages. Les coûts fixes, tels que le loyer ou l'impôt sur la terre, doivent être payés chaque année ou saison, que l'entreprise soit mise en place ou non et qu'elle soit gérée ou non. Les coûts fixes sont parfois inclus et parfois omis dans les calculs. Les tableaux sont souvent utilisés pour dresser la liste des coûts, indiquer les unités, les prix unitaires et les quantités d'intrants, et comparer les coûts, les recettes brutes et les marges brutes pour plusieurs options de gestion. Les institutions telles que les organisations nationales de recherche et de conseil agricoles disposent souvent de leurs propres modèles ou lignes directrices pour les calculs et les présentations du budget de l'entreprise. Les coûts typiques d’opération d’une exploitation incluent : • Les facteurs de production ou les intrants, tels que l'eau d’irrigation, la main-d’œuvre temporaire, les semences et le matériel végétal, les pesticides, les fumures organiques et minérales, etc. Les charges liées à ces intrants sont proportionnelles au volume de la production et disparaissent à la fin de cette production. Les semences, le matériel végétal, les fumures et les pesticides sont des intrants importants dans la réussite de la production. • La main-d’œuvre, qui constitue un poste de dépenses très important dans le maraîchage car c'est une activité exigeante en main-d’œuvre qualifiée. Même si cette main-d’œuvre est familiale, il faut que le travail soit rémunérateur. • Le labour, qui consiste à retourner la terre afin de favoriser une bonne pénétration de l’eau et de l’air. On laboure la terre à l'aide de la houe « daba », Harara, ou un tracteur. On casse les mottes afin de bien ameublir le sol, ce qui permet en même temps de sortir de racines, cailloux, mauvaises herbes à souches etc. Un ratissage de la couche superficielle terminera la préparation du sol. • Les opérations post-récolte, telles que le transport, le battage, la mise en sac, le conditionnement, la commercialisation. Les modèles de simulation des récoltes peuvent être exécutés avec des données météorologiques historiques pour générer des distributions de probabilité de la productivité. L'analyse du budget de l'entreprise est souvent combinée à la simulation des cultures pour traduire le risque de production en risque de revenu. L'analyse stochastique du budget de l'entreprise qui en résulte constitue un outil puissant pour estimer l'impact des risques climatiques et des options de gestion sur la rentabilité des entreprises agricoles, à condition que les données d'entrée et les résultats de la simulation soient correctement validés. Lectures recommandées • Evaluation financier d’une production agricole et d’elevage. Sow, Sadibou, ISFAR/UAD. Document de cours. • Boote, K.J., Jones, J.W., White, J.W., Asseng, S. and Lizaso, J.I., 2013. Putting mechanisms into crop production models. Plant, cell & environment, 36(9), pp.1658-1672. https://doi.org/10.1111/pce.12119 131 • Hoogenboom, G., 2000. Contribution of agrometeorology to the simulation of crop production and its applications. Agricultural and forest meteorology, 103(1-2), pp.137-157. https://doi.org/10.1016/S0168-1923(00)00108-8 3.5 Outils d'aide à la décision agricole Pour prendre de bonnes décisions en matière de gestion agronomique, les agriculteurs doivent anticiper la manière dont les cultures réagissent aux décisions de gestion, à la génétique, aux sols et aux conditions météorologiques futures incertaines. Ces interactions entre la génétique des cultures, l'environnement (sols, conditions météorologiques) et la gestion peuvent être complexes. Par exemple, la production végétale n'est pas une simple fonction des conditions climatiques moyennes pendant la saison de croissance, mais une réponse aux interactions dynamiques entre les conditions météorologiques, le sol et l'environnement biotique, et la physiologie et la phénologie de la culture. L'état de l'environnement avant la saison de croissance, en particulier l'eau et les nutriments stockés dans le profil du sol, peut fortement conditionner la réponse de la culture aux conditions météorologiques pendant la saison de croissance. Un certain nombre d'outils d'aide à la décision combinent les données, la modélisation et l'analyse du budget d'entreprise pour aider les producteurs et leurs conseillers à comprendre ces interactions complexes et à explorer tous les scénarios de gestion possible en fonction des différents cas de figure. Cette section présente deux outils d'aide à la décision agricole, SIMAGRI et ISAT, qui sont pertinents pour la gestion des cultures au Sénégal. Elle discute des capacités, des limites et de l'utilisation appropriée des outils de modélisation pour l'aide à la décision. 3.5.1 SIMAGRI L'exécution de modèles de simulation des cultures, la collecte et l'organisation de toutes les données d'entrée nécessaires et l'analyse des résultats des modèles nécessitent beaucoup de temps et d'expertise. Un certain nombre d'outils logiciels ont été développés pour simplifier le processus pour les agriculteurs et leurs conseillers en regroupant les modèles de culture avec des ensembles de données et une interface conviviale. SIMAGRI est un outil d'aide à la décision basé sur le web qui a été développé pour traduire les informations climatiques en termes agricoles et économiques (Han et al., 2019). SIMAGRI fournit une interface utilisateur graphique (figure 3.5-1) pour exécuter les modèles de simulation des cultures qui font partie du système d'aide à la décision pour le transfert de technologies agricoles (DSSAT). Pour un lieu, une culture et un ensemble d'options de gestion donnés, SIMAGRI exécute les modèles de culture sur la base de données météorologiques historiques ou de prévisions saisonnières probabilistes. Les résultats sont exprimés sous la forme de graphiques de séries chronologiques, de graphiques de probabilité de dépassement ou de diagrammes en boîte qui représentent la distribution de probabilité. L'interface graphique conviviale est conçue pour permettre aux utilisateurs de comparer les résultats de plusieurs pratiques de gestion (par exemple, cultures et variétés, dates de semis, calendrier et quantité d'engrais ou d'irrigation). 132 Figure 3.5-1. Capture d'écran de la version sénégalaise de SIMAGRI. Bien que l'interface utilisateur simplifiée de SIMAGRI permette aux agents de conseil d'utiliser plus facilement des modèles de culture complexes, elle limite également leur flexibilité. Les 133 utilisateurs ne peuvent accéder qu'à un nombre limité de lieux et d'options de gestion qui ont été incorporés dans les menus. SIMAGRI a été testé et adapté au Sénégal, en collaboration avec l'ISRA. Il couvre trois cultures : le sorgho, l'arachide et le mil. Il intègre des données provenant de 26 sites représentant des départements sélectionnés (Figure 3.5-2). Les données météorologiques quotidiennes (précipitations, Tmin et Tmax) pour la période 1983-2016 proviennent de l'ensemble de données ENACTS fusionnées de l'ANACIM. La figure 3.5-3 montre un exemple de graphiques SIMAGRI comparant deux options de gestion des engrais. La figure 3.5-4 montre un exemple de graphiques SIMAGRI comparant deux scénarios de prévision de tercile. Figure 3.5-2. Sites du Sénégal inclus dans SIMAGRI. 134 Figure 3.5-3. Exemple de graphiques de sortie de l'analyse historique SIMAGRI comparant deux options de gestion des engrais (FRT0 : Pas d’engrais ; FRT1 : 30 N kg/ha à la plantation + 30 N kg/ha 30 jours après le semis), sorghum, Bambey, semis le 15 juin). Figure 3.5-4. Exemple de graphiques de sortie de l'analyse prévisionnelle SIMAGRI comparant deux scénarios de prévisions ternaires (BN50 : 20% « supérieur à la normale », 50% « inférieur à la normale » ; AN50 : 50% « supérieur à la normale », 20% « inférieur à la normale »), sorgo, Bambey, semis le 15 juin, 30 N kg/ha au semis + 30 N kg/ha 30 jours après le semis. 3.5.2 ISAT L'Intelligent Systems Advisory Tool (ISAT) est un outil d'aide à la décision conçu pour automatiser la génération et la diffusion de conseils de gestion des cultures et des fourrages pour un système de production et un lieu donnés, sur la base d'informations météorologiques et climatiques (Joseph et al., 2022). Les conseils ISAT comprennent à la fois la planification en préparation à la saison basée sur les prévisions saisonnières et les conseils de gestion tactique pendant la saison de croissance, grâce à la surveillance et aux prévisions météorologiques. L'ISAT vise à traduire les informations climatiques en connaissances exploitables en tenant dûment compte des incertitudes associées aux informations et des conséquences potentielles des décisions prises. Il cherche à imiter le processus de prise de décision du producteur à l'aide d'arbres de décision basés sur les conditions météorologiques observées et prévues ou sur les prévisions saisonnières pour choisir parmi des séries de messages de conseil. Les messages de conseil et les seuils météorologiques qui déclenchent des messages particuliers sont élaborés 135 en combinant la simulation des cultures et les connaissances d'experts. Les avis sont validés avec les agriculteurs dans une zone pilote avant d'être utilisés de manière opérationnelle. L'ISAT a d'abord été développé pour l'Inde par l'ICRISAT (Rao et al., 2019). Il a été adapté et testé au Sénégal dans le cadre du projet AICCRA. Les conseils saisonniers et hebdomadaires d'ISAT ont été diffusés aux agriculteurs dans les sites pilotes de l'AICCRA à Dagua Birame, Méouane et Thiel depuis juin 2022. Les conseils sont développés et traduits en wolof et diffusés via la plateforme Jokalante sous forme de messages vocaux (IVR) (Kebe et al., 2022). La figure 3.5-5 illustre la structure de l'arbre de décision pour les conseils hebdomadaires au cours de la période de végétation. La figure 3.5-6 est un exemple de conseils d'avant-saison diffusés au début de la période de végétation 2022. Figure 3.5-5. Exemple d'arbre de décision qu'ISAT utilise pour sélectionner parmi 20 messages hebdomadaires de conseil basés sur les quantités de précipitations observées et prévues. 136 Figure 3.5-6. Exemple de conseils d'avant-saison diffusés aux agriculteurs dans les sites pilotes de l'AICCRA au Sénégal au début de la saison de croissance 2022. 3.5.3 Utilisation appropriée et limites des outils d'aide à la décision basés sur des modèles Les outils d'aide à la décision basés sur des modèles de culture tels que SIMAGRI, permettent d'explorer rapidement et facilement les conséquences d'une série d'alternatives de gestion selon une gamme de conditions météorologiques historiques ou prévues. Il est donc intéressant de les utiliser pour générer des recommandations de gestion pour les producteurs. Toutefois, ces outils d'aide à la décision doivent être utilisés avec prudence, sous la direction d'experts qui comprennent les hypothèses, l'utilisation appropriée et les limites des modèles de simulation des cultures. Limites de la modélisation agricole Les modèles de simulation des cultures présentent d'importantes limites. Ils ne simulent pas la plupart des processus qui peuvent limiter la production agricole, par exemple les oligo- éléments du sol, la toxicité du sol, les ravageurs et les maladies. Par conséquent, ils sont susceptibles de surestimer les rendements que les petits exploitants agricoles obtiennent dans leurs champs. La précision des résultats des simulations de cultures dépend de la qualité des données d'entrée. L'obtention de données d'entrée précises est particulièrement difficile pour les propriétés du sol, qui peuvent varier considérablement sur de courtes distances, ainsi que pour l'humidité initiale du sol et la teneur en nitrates, qui varient dans l'espace et dans le temps. Si les modèles de simulation des cultures ont été testés dans l'environnement dans lequel ils seront utilisés, et si des données d'entrée et une expertise de qualité sont disponibles, les modèles de simulation des cultures peuvent contribuer aux recommandations de vulgarisation d'au moins trois manières. Tout d'abord, les modèles de culture peuvent être utilisés pour sélectionner des stratégies potentielles de gestion des cultures pour un environnement particulier, et identifier un petit ensemble de candidats prometteurs à tester par le biais d'expériences sur le terrain ou d'essais à la ferme. 137 Deuxièmement, les modèles de culture peuvent tester la sensibilité des pratiques de gestion des cultures recommandées dans une gamme plus large de conditions pédologiques et météorologiques que celles qui peuvent être échantillonnées dans le cadre d'expériences sur le terrain. Cela peut indiquer si une variété particulière ou une pratique de gestion peut être recommandée avec confiance dans une large gamme de sols et de conditions climatiques, ou si elle doit être ajustée pour des conditions spécifiques. Enfin, et c'est peut-être le plus important, les outils d'aide à la décision qui utilisent des modèles de culture constituent un moyen utile pour les agriculteurs et leurs conseillers d'apprendre les principes de la gestion des risques climatiques. Ces outils favorisent l'apprentissage par l'expérience accélérée et l'expérimentation de scénarios de décision. Lorsque ces outils sont utilisés en groupe pour expérimenter des options de gestion dans différents scénarios climatiques ou d'autres conditions environnementales, ils remettent parfois en question les convictions des agriculteurs, des conseillers et même des chercheurs, ce qui les amène à réfléchir différemment à leurs problèmes de gestion des risques. C'est pourquoi ces outils basés sur des modèles de culture sont parfois appelés « outils d'aide à la discussion ». Limites des outils d'aide à la décision au niveau de l'entreprise Les outils de modélisation et d'aide à la décision présentés aux sections 3.4 et 3.5 se concentrent sur les décisions qui peuvent affecter une seule entreprise de production et qui peuvent être analysées au niveau de l'entreprise, sur la base d'une unité de surface ou d'un animal. Voici quelques exemples de décisions prises au niveau de l'entreprise : • les décisions relatives aux systèmes de culture, telles que les séquences de rotation des cultures, les cultures intercalaires ; • les décisions de gestion des terres telles que le travail du sol et les mesures de conservation des sols ; • la sélection des cultures et des variétés ; • le type d'engrais, la quantité, le moment et la méthode d'application ; • la densité de semis ; • l'irrigation ; • la lutte contre les ravageurs ; • le calendrier des différentes opérations sur le terrain ; • la gestion des aliments pour animaux ; • les soins vétérinaires ; • le calendrier et la stratégie de commercialisation des produits agricoles ; et • l'agriculture contractuelle. Les agriculteurs prennent également de nombreuses décisions qui ont un impact sur plus d'une entreprise. En voici quelques exemples : • la répartition des terres agricoles entre les cultures, les pâturages, les jachères ou d'autres utilisations ; • la répartition de la main-d'œuvre des ménages entre les entreprises agricoles et non agricoles, et les responsabilités des ménages en matière de soins ; 138 • la location ou l'achat de terres ; • la répartition de l'argent entre la consommation, l'épargne de précaution et l'investissement dans l'exploitation agricole ; • les emprunts et le remboursement des prêts ; et • les investissements majeurs tels que la terre, les structures agricoles, l'équipement et l'éducation. L'analyse des conséquences économiques de ces décisions nécessite une analyse plus complexe de l'ensemble de l'exploitation. En outre, l'analyse d'une seule entreprise agricole ne donne pas une image complète du risque auquel un agriculteur est confronté. En effet, la diversification réduit le risque (section 3.5). Pour une exploitation diversifiée, la variabilité (exprimée en coefficient de variation) du revenu du ménage peut être beaucoup plus faible que la variabilité moyenne des marges brutes des différentes entreprises de production si les différentes sources de revenu agricole ne sont pas fortement corrélées. Tout revenu non agricole tend également à réduire la variabilité du revenu global d'un ménage agricole. Pour ces raisons, une compréhension complète des conséquences des options de gestion auxquelles un agriculteur est confronté nécessiterait l'analyse des revenus, des dépenses et des actifs provenant de toutes les sources. Les analyses complexes nécessaires à la prise en compte de ces décisions au niveau de l'exploitation dépassent le cadre de cette formation. Pour approfondir 3.5.3 En utilisant les connaissances acquises dans la section 3.3.2, comment aideriez-vous les agriculteurs à adapter l'avis saisonnier de l'ISAT à leurs exploitations et à leur situation ? Lectures recommandées • Han, E., Baethgen, W.E., Ines, A.V., Mer, F., Souza, J.S., Berterretche, M., Atunez, G. and Barreira, C., 2019. SIMAGRI: An agro-climate decision support tool. Computers and Electronics in Agriculture,161:241-251. https://doi.org/10.1016/j.compag.2018.06.034 • Joseph, J.E., Worou, N., Diedhiou, L., Dhulipala, R., Houessionon, P., Whitbread, A.M., 2022. iSAT, the new generation digital agro advisory tool that empowers farmers to manage climate risks. Accelerating Impacts of CGIAR Climate Research for Africa (AICCRA). https://hdl.handle.net/10568/126269 139 Module 4. Communiquer les informations climatiques et encourager leur utilisation Le Module 4 : Communiquer les informations climatiques et encourager leur utilisation vise à incorporer les services climatiques dans les services que les agents de conseil fournissent à leurs producteurs. S'appuyant sur l'apprentissage des trois autres modules, le module 4 vous prépare à guider les producteurs à travers un atelier de participatif de planification saisonnière participatif, en s’appuyant sur des informations climatiques historiques et sur des prévisions saisonnières. La formation se termine par le développement et la présentation de plans stratégiques visant à intégrer les services climatiques dans les activités de conseil agricole auprès de vos clients. Ces plans portent sur : les informations et le soutien nécessaires pour les principales décisions de gestion sensibles au climat ; les différents besoins en fonction des types de producteurs ; les stratégies de communication, de formation et de soutien ; le calendrier annuel des activités dépendant des services climatiques ; le suivi et la réponse aux commentaires et réactions des producteurs. • Ce module vous permettra de : o Faciliter un atelier de communication et de planification des prévisions saisonnières auprès des producteurs. o Créer et mettre en œuvre un plan d'intégration des services climatiques dans les activités de conseil. À la fin de ce module, vous aurez les compétences pour : • Comprendre et expliquer : o Maîtriser les caractéristiques, avantages et inconvénients des différents canaux de partage de l'information climatique. o Discuter et identifier les termes clés en langue locale • Analyser et diagnostiquer : o Identifier le type, la source et les modes de communication de l’information existante ; • Agir : o Identifier, développer, renforcer et/ou prioriser les canaux appropriés pour la diffusion de l’information climatique ; 140 o Former les producteurs à l’utilisation de données historiques et des prévisions saisonnières de l’ANACIM. 4.1 Stratégies de communication des services climatiques Avec une bonne planification, les services climatiques peuvent être intégrés aux responsabilités et activités de conseil agricole existantes. Aider les producteurs à accéder, comprendre et utiliser les informations météorologiques et climatiques ajoute de la valeur à la formation et aux conseils de gestion existants. En comprenant le risque climatique, les décisions sensibles au climat que peuvent prendre les producteurs ainsi que les informations météorologiques et climatiques disponibles, vous serez mieux en mesure d'adapter les conseils de gestion aux conditions climatiques attendues, et de savoir où trouver des réponses aux questions et préoccupations des producteurs sur le climat. À la fin de cette section, vous serez en mesure de : • Comprendre pourquoi les informations météorologiques et climatiques nécessitent des stratégies de communication distinctes. • Identifier et utiliser les processus et canaux de communication appropriés pour fournir des services climatiques. • Comprendre comment les processus participatifs de groupe aident les producteurs à comprendre et à utiliser les informations climatiques probabilistes. 4.1.1 Les informations météorologiques et climatiques nécessitent des stratégies de communication distinctes Rappel : la météo réfère à l'état de l'atmosphère à un moment et un lieu donné. Les prévisions météo peuvent être données heure par heure ou quotidiennement, et jusqu’à 10 jours à l’avance. Le climat désigne des informations statistiques sur la météo. Il s'agit par exemple des prévisions saisonnières de précipitations ou de températures pour les 3 à 5 mois à venir, et des résumés de données historiques illustrant les cycles saisonniers, la variabilité et les tendances. La météo est relativement simple à comprendre et à prendre en compte dans la prise de décision, car les individus en font l'expérience tous les jours. En revanche, le climat est un concept statistique plus abstrait et les informations climatiques sont intrinsèquement probabilistes. Étant donné que les informations climatiques sont plus difficiles à comprendre et à utiliser, il est nécessaire de mettre en place des processus spécifiques de communication et d’accompagnement pour les utiliser de manière appropriée. Considérations pratiques Certaines différences entre les informations météorologiques et climatiques impliquent une communication spécifique de ces informations à une communauté donnée de producteurs ou d’éleveurs. Les informations météorologiques sont utilisées fréquemment tout au long du calendrier agricole, surtout en saison de croissance, et doivent être communiquées rapidement. Au contraire, les informations climatiques ont tendance à être utilisées moins fréquemment, et à des moments particuliers de l'année. Par exemple, les prévisions saisonnières sont consultées juste avant la saison des pluies, pour planifier les stratégies de production agricole. Les 141 informations climatiques historiques peuvent être utilisées au moment de la prise de décision pour évaluer si un système agricole est adapté aux risques, aux tendances et aux cycles saisonniers de leur climat local. Étant donné que les informations climatiques sont consultées au maximum quelques fois par an, les producteurs doivent s'appuyer sur des descriptions statistiques plutôt que sur leur expérience personnelle pour évaluer leur exactitude. Ils doivent donc être formés pour interpréter ces informations et agir de manière appropriée. Table 4.1-1. Différences entre les informations météorologiques et climatiques ayant des implications sur les besoins de communication. Information météorologique Information climatique Utilisée fréquemment, besoin immédiat Utilisée à des moments stratégiques Informations relativement simples Informations complexes et probabilistes Apprentissage, interprétation et prise de décision par Besoin de formation et soutien pour interpréter la répétition et agir sur ces informations Messages simples, fréquence d’information adapté Calendrier, formation et accompagnement aux téléphones portables et à la tv/radio nécessaire, adapté aux processus participatifs Considérations psychologiques La recherche en psychologie définit deux systèmes différents utilisés par le cerveau humain pour traiter les décisions fondées sur des informations incertaines : • Le traitement analytique fait référence au système que notre cerveau utilise pour traiter les informations sous la forme d'une description statistique, telle qu'une distribution de probabilité, ou la probabilité qu’un événement spécifique se produise, tel que des précipitations saisonnières au-dessus de la moyenne. • Le traitement expérientiel fait référence au système que notre cerveau utilise pour traiter les informations obtenues d’une expérience répétée. Il met en relation les situations actuelles avec les souvenirs personnels ou les récits d’autres personnes. Le système de traitement expérientiel est susceptible de jouer un rôle majeur lors de l’interprétation des informations météorologiques, car on en fait l’expérience quotidiennement. Les producteurs, en particulier, on des souvenirs, parfois négatifs, de leur expérience de la météo et de son impact sur leur exploitation. Étant donné que le climat fait référence à des statistiques (moyennes, variabilité, cycles et tendances saisonnières) généralement décrites avec des graphiques ou des résumés statistiques, et non à des expériences vécues à des moments donnés, le traitement analytique est donc bien adapté à l’interprétation des informations climatiques. Sur la base de ces considérations pratiques et psychologiques, les informations météorologiques et climatiques nécessitent des stratégies de communication distinctes. Les canaux de téléphonie mobile et de télévision et radio, par exemple, sont bien adaptés au contenu simple, à la fréquence et aux brefs délais propres aux informations météorologiques. Le développement de formations structurées et l’utilisation d’outils participatifs apportent les degrés d'apprentissage et de soutien supplémentaires nécessaires aux producteurs pour comprendre et agir de manière appropriée sur les informations climatiques. 142 4.1.2 Processus de communication participative sur le climat Les outils de communication participatifs utilisés avec des groupes de producteurs peuvent être efficaces pour accroître leur compréhension et leur volonté d'agir sur des informations climatiques complexes et probabilistes. En effet, ils donnent accès à une formation officielle, basée sur un apprentissage social, et aident à surmonter les difficultés cognitives liées à la nature incertaine de ces informations. Les individus ont généralement du mal à interpréter les informations probabilistes et ont tendance à commettre des erreurs courantes lorsqu'ils utilisent ces informations pour prendre des décisions, en particulier lorsque ces informations sont présentées et traitées sous forme de résumés statistiques. Cependant, ces difficultés sont réduites lorsque l’on combine le traitement analytique et expérientiel. Par ailleurs, le traitement expérientiel a souvent une plus grande influence sur la prise de décision, car il est lié aux souvenirs et aux émotions d'une personne. Les processus de communication participative qui intègrent des activités de groupe peuvent aider les producteurs à relier les informations climatiques statistiques à leur expérience personnelle ou collective. En voici quelques exemples : • Les jeux de simulation de décisions ; • Les activités mettant en relation les graphiques d'information climatique avec la mémoire des producteurs sur les saisons agricoles récentes ; • Les discussions de groupe sur l'expérience acquise avec les indicateurs climatiques traditionnels ; et • Les discussions de groupe sur les dangers, les possibilités et les options de décision associée aux conditions climatiques saisonnières vécues (par exemple, des précipitations supérieures ou inférieures à la normale). Exemples Vous allez découvrir dans cette section le processus d'atelier participatif que l'IRI a développé pour aider les producteurs à établir un lien entre les prévisions saisonnières de probabilités de dépassement et leur propre mémoire de la variabilité climatique historique. Ce processus se base sur l'utilisation du Maproom de prévision climatique au format flexible, bien qu'il ait été développé avant que les services météo nationaux ne commencent à adopter ce format. Bien que l'objectif de cette approche soit de donner aux producteurs les moyens de comprendre et d'utiliser les prévisions saisonnières pour leur planification, cette activité est consacrée principalement à l'utilisation des données climatiques historiques locales pour comprendre le concept de probabilité et comment les prévisions saisonnières modifient ces probabilités. L’approche PICSA (Services Climatiques Participatifs et Intégrés pour l’Agriculture), est un processus participatif structuré de communication, de formation et de planification en matière de climat, développé par l'Université de Reading. PICSA combine les informations climatiques locales avec des activités participatives, notamment la cartographie des ressources, les calendriers d'activités et les activités de budgétisation, afin de permettre aux producteurs de prendre des décisions mieux informées en matière de culture, d'élevage et de moyens de subsistance. PICSA met l'accent sur l'utilisation d'informations climatiques historiques pour comprendre les risques pour l'agriculture. PICSA inclut l'utilisation de prévisions saisonnières, mais cette composante utilise le format des terciles, et n’est pas aussi développée que les Maprooms d’ANACIM. Comme le montre 143 l’atelier de planification saisonnière abordé dans la section suivante, PICSA utilise extensivement les graphiques de climat local. Le processus de planification participatif des scenarii (PSP) développé par CARE, rassemble les gouvernements locaux et une série de parties prenantes afin d'intégrer les prévisions saisonnières dans leur planification. La PSP tient compte de l'incertitude des prévisions en discutant des options qui seraient appropriées pour chacune des catégories de prévisions. L’approche des « écoles pratiques d’agriculture » (farmer field school) développée initialement par la FAO autour du thème de la lutte contre les ravageurs, rassemble les producteurs plusieurs fois par saison agricole pour des formations et un apprentissage partagé. Les services climatiques et la gestion des risques agricoles liés au climat ont été intégrés aux programmes des écoles pratiques d'agriculture en Indonésie, aux Philippines et récemment en Afrique de l'Est (école pratique d’agriculture résiliente au climat). Ces écoles abordent en détail de nombreux sujets de gestion agricole, et impliquent une approche de communication participative pour les services climatiques plus longue à mettre en place. Des informations supplémentaires sur ces processus participatifs sont disponibles dans ces publications : • p’Rajom MO, Oroma GW, Osumba J, Recha J. 2020. Climate resilient farmer field schools handbook. CGIAR Research Program on Climate Change, Agri- culture and Food Security. https://ccafs.cgiar.org/resources/publications/cli-mate-resilient-farmer-field- schools-handbook • Osumba, J.J.L., Recha, J.W., Oroma, G.W. (2021). Transforming Agricultural Extension Service Delivery through Innovative Bottom–Up Climate-Resilient Agribusiness Farmer Field Schools. Sustainability 13, 3938. https://doi.org/10.3390/su13073938 • Ambani, M., Shikuku, P., Maina, J. W., & Percy, F. (2018). Practical guide to PSP: Participatory Scenario Planning using seasonal forecasts. https://carecli- matechange.org/publications/practical-guide-to-participatory-scenario-planning-seasonal- climate-information-for-resilient-decision-making/ • Dorward, P., Clarkson, G., and Stern, R. (2015). Participatory Integrated Cli- mate Services for Agriculture (PICSA): Field manual. University of Reading. https://hdl.handle.net/10568/68687 4.1.3 Canaux de communication numériques et médiatiques sur le climat Les services de conseil agricole et les services climatiques utilisent souvent une combinaison de canaux de communication pour atteindre leurs clients. Médias audiovisuels Dans une grande partie de l'Afrique rurale, la radio rurale reste le canal de communication qui offre la plus grande portée au moindre coût. Elle est largement et efficacement utilisée pour les informations météorologiques et pour les campagnes de sensibilisation et d'éducation sur les innovations agricoles qui sont largement applicables aux producteurs d'une région donnée. Au Sénégal, l'Union des Radios Associatives et Communautaires du Sénégal (URAC), une association de radios rurales communautaires, fournit des programmes interactifs sur le climat dans les langues locales des 14 régions administratives (Yessoufou et al., 2022). Cette initiative a considérablement élargi l'accès et l'utilisation des informations météorologiques et 144 climatiques parmi les petits exploitants agricoles (Ouédraogo et al., 2020). Les programmes télévisés peuvent être plus attrayants et informatifs, mais ils sont généralement moins accessibles aux petits exploitants agricoles. Les médias audiovisuels permettent de diffuser des informations sans la présence locale d'agents de conseil ou de météorologues, mais offrent peu de possibilités de répondre à la demande ou d'intégrer le retour d'information des utilisateurs. Pour les raisons déjà évoquées, il s'agit d'un avantage pour les prévisions météorologiques à court terme et les alertes aux phénomènes météorologiques extrêmes, mais cela peut être un inconvénient pour les informations à l'échelle du temps climatique. Bien que les médias de diffusion (radio et, dans certaines régions, télévision) soient généralement un canal de diffusion à sens unique, plusieurs innovations peuvent rendre la communication plus interactive, et sont donc mieux à même d'impliquer les producteurs et de répondre à leurs besoins spécifiques. Par exemple, les programmes qui impliquent les producteurs et les experts dans des dialogues communautaires, les pièces radiophoniques et les programmes de télé-réalité tels que « Shamba Shapeup » au Kenya, aident les producteurs à faire le lien entre les nouvelles informations ou nouveaux concepts et leur expérience. Les groupes d'écoute communautaires combinent la portée de la radio avec les avantages de l'interaction de groupe et de l'apprentissage social. Les groupes d'écoute radio peuvent être efficaces pour favoriser le changement dans les pratiques agricoles et ont fait partie de plusieurs efforts pour soutenir les services climatiques ruraux en Afrique. Canaux de téléphonie mobile Les nouveaux services numériques qui utilisent les téléphones mobiles ont le potentiel de remédier à la fois aux limites des médias de diffusion et aux problèmes de ressources et d'échelle des canaux de communication traditionnels en face-à-face. Si l'on dispose d'informations sur la localisation et les caractéristiques des producteurs, il est possible d'adapter les messages sur le climat et le conseil en fonction de leurs besoins. Il existe des canaux interactifs de téléphonie mobile qui permettent un accès « à la demande » au contenu et un flux d'informations bidirectionnel. Les téléphones mobiles sont utilisés de plusieurs manières. La diffusion de messages à tous les producteurs abonnés, sous la forme de textes courts (SMS) ou de messages audio, est un canal de communication efficace, mais axé sur l'offre. Il peut s'agir d'un moyen efficace pour diffuser des informations urgentes et pertinentes à de nombreuses personnes à la fois, telles que les prévisions météorologiques quotidiennes ou les alertes d'urgence en cas de conditions météorologiques extrêmes. Des stratégies de téléphonie mobile plus réactives à la demande permettent aux utilisateurs de demander à recevoir des SMS ou des messages audio à partir d'un menu d'options, par le biais d'applications de réponse vocale interactive (IVR) ou de menu de données de services supplémentaires non structurées (USSD). Les centres d'appel qui permettent à l'utilisateur de parler à un expert constituent la stratégie de communication par téléphone mobile la plus axée sur la demande, mais aussi la plus coûteuse. Outils Internet et applications numériques Pour les producteurs qui ont accès à un service de données et à des smartphones ou des ordinateurs, les applications numériques et les outils basés sur le web offrent des options puissantes et flexibles pour accéder aux informations liées au climat. Les applications numériques et les outils basés sur le web peuvent fournir des informations adaptées à des décideurs et à des lieux particuliers, et dans des formats multiples (texte, visuel, audio). Au Sénégal, un ensemble croissant d'outils Internet et d'applications liés au climat ciblent directement les producteurs, ainsi que les institutions et les professionnels qui fournissent des services de conseil aux producteurs. Parmi les exemples pertinents, on peut citer : 145 • Les maprooms de l'ANACIM (abordées dans le module 2) ; • Ag Data Hub et autres outils hébergés par l'ANACIM sur le portail GTP, • iSAT : système d'aide à la décision qui intègre les prévisions météorologiques et saisonnières, les informations sur les cultures et l'état des sols, ainsi que des arbres de décision pré- et intra-saisonniers pour générer une planification saisonnière des cultures spécifique au site et des avis tactiques de gestion des cultures. (Joseph et al., 2022); et • Services Agricoles et Inclusion Digitale en Afrique (SAIDA) Weather and Crop Calendar : une application développée par ANCAR avec le soutien de la FAO, qui fournit aux producteurs des prévisions météorologiques, des calendriers de culture et des systèmes d'alerte. Les applications de médias sociaux, telles que WhatsApp et Facebook, sont largement utilisées dans de nombreuses régions pour partager de nombreux types d'informations, y compris des informations liées au climat, entre les institutions et la population en général, et entre les individus au sein d'une communauté ou d'un réseau de parenté. Vidéos de vulgarisation De courtes vidéos de vulgarisation réalisées par des producteurs modèles ou des agents de conseil peuvent être un moyen efficace de partager des concepts et des informations avec les producteurs. Elles peuvent être communiquées par exemple à l'aide d'un projecteur portable, être disponibles à la demande sur des écrans d'ordinateur ou des projecteurs dans les bureaux des autorités locales, les centres de formation ou d'autres installations communautaires, ou être lues sur des smartphones, des tablettes ou des ordinateurs portables. 4.1.4 Réseaux institutionnels Les institutions représentent un troisième type de canal de communication, en plus des processus participatifs de groupe et des canaux de communication numérique. Au Sénégal, les producteurs et les autres parties prenantes locales accèdent aux informations liées au climat et à d'autres types d'informations par le biais de nombreuses institutions différentes (Blundo- Canto et al., 2021 ; USAID, 2018) (Figure 4.1-1). Ces institutions peuvent jouer des rôles différents dans la production, la traduction, le transfert et l'utilisation des informations climatiques. Il n'est pas toujours évident pour un utilisateur final de savoir si une institution donnée est la source des informations auxquelles il accède ou si elle transfère des informations qu'il a obtenues auprès d'une autre institution. 146 Figure 4.1-1. Carte participative des canaux institutionnels d'information climatique dans la région de Kaffrine. Source : USAID, 2018. Le Sénégal dispose d'un mécanisme bien développé, les Groupes de Travail Pluridisciplinaires (GTP), qui rassemble une série d'institutions pertinentes pour surveiller les conditions climatiques, traduire les informations météorologiques et climatiques en recommandations sectorielles pertinentes, et communiquer les informations aux décideurs dans tous les secteurs. (Blundo-Canto et al., 2021) (Figure 4.1-2). Afin de renforcer la portée locale, le programme national, établi en 1984, est reproduit depuis 2013 à l'échelle locale dans la majorité des 46 départements du pays. Les GTP nationaux et locaux ajoutent de la valeur aux informations climatiques de l'ANACIM en les traduisant en impacts attendus et en actions recommandées. Ils aident également à combler le fossé qui sépare souvent les fournisseurs et les utilisateurs d'informations. 147 Figure 4.1-2. Schéma du Groupe de Travail Pluridisciplinaire Cadre National du Service Climatique (GTP) du Sénégal. Source : Diabel Ndiaye (ANACIM). Au-delà du GTP, les producteurs reçoivent des informations et des conseils par l'intermédiaire du service public de conseil, ANCAR, et d'un ensemble varié d'organisations de producteurs, d'organisations non gouvernementales de développement et d'entreprises privées qui constituent le système pluraliste de conseil agricole du Sénégal. Les institutions avec lesquelles les producteurs interagissent varient dans l'espace et dans le temps. Les projets peuvent améliorer l'accès des producteurs aux institutions clés, pendant le cycle de vie du projet. Par conséquent, les producteurs ont tendance à avoir une meilleure sensibilisation, un meilleur accès et une plus grande capacité à agir sur les informations climatiques dans les endroits où les projets de services climatiques ont été actifs (USAID, 2018). La diversité des institutions impliquées dans les services climatiques au Sénégal présente à la fois des opportunités et des défis. En ce qui concerne les opportunités, les institutions que les producteurs connaissent déjà et auxquelles ils font confiance peuvent être très efficaces pour introduire de nouveaux types d'informations et pour renforcer la confiance des producteurs et leur capacité à agir sur la base de ces informations. La confiance dans un messager est une condition importante pour l'acceptation et l'utilisation de l'information. Deuxièmement, les prestataires de services de conseil agricole et les organisations agro-industrielles ont la possibilité de regrouper les informations climatiques avec d'autres types d'informations ou de services de manière à exploiter leurs synergies et à accroître l'utilisation de ces informations. Enfin, les institutions qui travaillent avec les producteurs ont la possibilité d'amplifier l'influence des producteurs sur les fournisseurs d'informations et de services. Cette diversité présente également des défis. Tout d'abord, lorsque l'information passe par un réseau d'institutions, elle risque d'être déformée. La perte d'informations sur la nature probabiliste et l'incertitude inhérente de l'information est particulièrement préoccupante dans le cas des informations sur le climat. Deuxièmement, la diversité des institutions augmente le risque que les producteurs reçoivent des informations contradictoires de la part de différentes 148 institutions. Ceci est particulièrement difficile lorsque la source et la qualité de l'information ne sont pas communiquées, ou lorsque les producteurs reçoivent des recommandations de gestion contradictoires. 4.1.5 Genre et équité sociale Les services climatiques peuvent renforcer le bien-être des femmes et d'autres groupes défavorisés en zone rurale. Cependant, ils risquent de renforcer les inégalités existantes si les prestataires de services ne parviennent pas à comprendre et à répondre efficacement à leurs besoins et contraintes spécifiques, et à les inclure dans le développement des services. Les défis de l'équité sociale en matière de services climatiques Les normes socioculturelles, les préjugés institutionnels et les différences de ressources et de capacités entre individus renforcent les inégalités au sein des populations rurales. Ces facteurs constituent des défis cruciaux pour les efforts de développement agricole en général, ainsi que pour l'évaluation, l'utilisation et le bénéfice équitables des services climatiques (tableau 4.1-2). La discussion ci-dessous s'inspire d'une étude réalisée par (Gumucio et al., 2020). Tableau 4.1-2. Exemples de la manière dont les sources d'inégalité sociale et de genre dans les communautés rurales conduisent à des défis en matière d'équité des services climatiques. Sources d'inégalité Défi de l'équité en matière de services climatiques Normes sociales relatives au travail • Différentes décisions sensibles au climat pourraient conduire à et à la prise de décision, à la des besoins différents en matière d'information sur le climat. participation aux processus de • Les normes réduisent l'accès des femmes aux services, groupe, fondées sur le sexe, l'âge, processus de groupe et institutions basés sur les TIC. l'appartenance ethnique, etc. Préjugés des institutions agricoles à • Les femmes se heurtent à des obstacles pour accéder à l'égard des hommes ou des cultures l'information ou à de l’aide pour agir sur l'information, par le considérées comme relevant de la biais du conseil agricole ou des associations de producteurs. responsabilité des hommes Différences individuelles en matière • Les producteurs relativement pauvres sont exclus des services de richesse payants et de certains canaux TIC. Différences individuelles dans les • Les producteurs ayant des problèmes d'éducation ou possibilités d'éducation d'alphabétisation sont exclus des ressources textuelles (SMS, bulletins, etc.). Les normes socioculturelles qui différencient les rôles agricoles et décisionnels en fonction du sexe, de l'âge, de l'appartenance ethnique ou de la caste peuvent entraîner des différences dans la participation à la prise de décision au sein de l'exploitation et du ménage, et donc des différences dans les types d'informations et les délais sur lesquels les individus peuvent agir. Dans certaines cultures, les rôles et les interactions entre les sexes au sein des ménages, qui sont influencés par les normes socioculturelles, limitent l'accès des femmes aux téléphones portables ou les moments où elles sont disponibles pour accéder à l'information par le biais de programmes diffusés dans les médias ou de réunions de groupe. Historiquement, le conseil agricole et les prestataires de services associés en Afrique ont souvent favorisé la participation des hommes ou ciblé des produits agricoles considérés comme relevant de la responsabilité des hommes. Les associations et coopératives de producteurs 149 excluent parfois les femmes ou ne leur offrent pas suffisamment de services en raison des critères d'adhésion fondés sur la propriété foncière et d'autres exigences en matière de capital. Dans de nombreux cas, les efforts en matière d'éducation et de politique visent à aider les institutions agricoles à surmonter les préjugés sexistes et à mieux servir les femmes rurales. En outre, les normes socioculturelles ou les dynamiques de pouvoir locales qui limitent la participation des femmes aux réunions de groupe peuvent entraîner des différences dans les canaux institutionnels disponibles pour accéder à l'information, à la formation et au soutien liés au climat. Les différences dans les ressources individuelles et l’accès à l'éducation contribuent également aux différences de capacité à bénéficier des services climatiques. Les différences de langues locales peuvent constituer un obstacle à l'accès aux informations ou aux avis qui ne sont disponibles que dans les langues nationales officielles, et représentent un défi pour les fournisseurs d'informations dont les ressources sont limitées. Les informations diffusées sous forme de texte (SMS, par exemple) peuvent renforcer les inégalités dues aux différences d'accès à l'éducation et aux niveaux d'alphabétisation. Étant donné que tous ces facteurs sont spécifiques au contexte et à la culture, les efforts visant à développer des services climatiques agricoles équitables doivent s'appuyer sur une bonne compréhension des normes socioculturelles et des préjugés institutionnels dans un pays ou un contexte local donné. Les études disponibles sur la volonté de payer en Afrique de l'Ouest montrent qu'une proportion substantielle de producteurs ne veut pas ou ne peut pas payer pour avoir accès à des informations climatiques ou météorologiques (tableau 4.1-3). Le fait de dépendre uniquement de services payants risque de renforcer les inégalités existantes, car ceux qui n'ont pas la volonté ou la capacité de payer sont, de manière disproportionnée, des producteurs de subsistance relativement pauvres et, dans les cultures fortement patriarcales, des femmes qui n'ont pas de contrôle sur les finances du ménage. Tableau 4.1-3. Études publiées sur la volonté des producteurs de payer pour des informations météorologiques et climatiques. Prêt à Moyenne du Etude Pays Produit payer > 0 CAP* N Amegnaglo et al, 2017 Bénin Prévisions saisonnières 81% $23.42 354 Antwi-Agyei et al, 2021 Ghana divers 43% s/o 193 Prévisions saisonnières 21% Prévisions journalières 24% Donkoh (2019) Ghana Prévisions météorologiques 54% $28.37 Hoyos (2010) Burkina Faso Prévisions saisonnières 53% $7.51 169 Information 10 fois par jour 33% $2.29 Prévisions journalières 53% $4.27 Agro-conseils 33% $3.50 Zongo et al, 2015 Burkina Faso Prévisions saisonnières 64% $1.19 629 *Montant annuel par agriculteur, moyenné sur l'ensemble de l'échantillon, ajusté à 2022 USD. Les normes socioculturelles qui désavantagent souvent les femmes et influencent les décisions qui sont sous leur contrôle peut également les amener à avoir besoin de types et délais d'information potentiellement différents de ceux des hommes, ou à différentes périodes de 150 l'année. Lorsque c'est le cas, des efforts ciblés sont nécessaires pour identifier et répondre à ces différents besoins d'information. Améliorer la répartition des bénéfices des services climatiques Une fois que les groupes défavorisés sont identifiés et que les principales contraintes qu'ils rencontrent pour accéder aux services, les utiliser et en bénéficier sont comprises, plusieurs options sont disponibles pour favoriser des services climatiques plus équitables (tableau 4.1- 4). Les données disponibles suggèrent que les défis les plus répandus et, par conséquent, les opportunités les plus prometteuses pour améliorer la distribution des bénéfices des services climatiques ruraux concernent les processus et canaux de communication. L'un des domaines clés concerne les canaux TIC basés sur les téléphones mobiles. Les femmes rurales d'Afrique subsaharienne ont tendance à être moins capables que les hommes d'accéder et d'utiliser les informations météorologiques et climatiques par le biais des canaux numériques, et moins disposées à payer pour un service commercial. Les facteurs qui tendent à empêcher les femmes rurales d'accéder aux informations climatiques et autres par le biais des téléphones mobiles - notamment le contrôle limité des ressources financières du ménage, la désapprobation du conjoint, les taux inférieurs d'éducation formelle et d'alphabétisation, et les normes de genre qui limitent le contrôle des décisions sensibles au climat et donc la demande d'informations sur le climat. D'autre part, quelques expériences démontrent que les processus de communication participative de groupe réduisent ou éliminent l'écart entre les hommes et les femmes en matière d'accès et d'utilisation des services climatiques. Un deuxième domaine clé concerne les processus de communication de groupe. Bien qu’ils soient efficaces pour renforcer la capacité des femmes en zone rurale à comprendre les informations climatiques, à y accéder et à agir en conséquence, les femmes peuvent rencontrer des obstacles pour y participer en raison de préjugés institutionnels ou de normes culturelles. Dans ce cas, un partenariat avec des groupes de femmes ou des rassemblements communautaires ou religieux inclusifs peut améliorer la participation des femmes. Dans tout processus de communication de groupe, il est important que les animateurs sachent reconnaître quand le genre, l'âge ou le statut social affecte négativement la participation de certains individus au groupe. Dans le cadre du développement agricole, y compris les services climatiques qui soutiennent l'agriculture, l'autonomisation des femmes rurales suscite un intérêt croissant. L'autonomisation implique « l'expansion de la capacité de faire des choix stratégiques et significatifs par ceux qui ont été précédemment privés de cette capacité, mais d'une manière qui ne reproduit pas les structures d'inégalité dans leur société, et peut même activement les remettre en question » (Kabeer, 2017: 651). Bien sûr les services climatiques ne sont pas les seuls à l'origine des changements dans les racines culturelles et institutionnelles de l'inégalité de genre nécessaires à l'autonomisation des femmes. Toutefois, des exemples démontrent que les services climatiques ont contribué à améliorer la confiance des femmes, leur statut au sein du foyer et de la communauté et leur participation à la prise de décision, suggérant ainsi qu’ils pourraient jouer un rôle supplémentaire dans les efforts plus larges visant à autonomiser les femmes en zones rurales. Les services climatiques sont susceptibles de contribuer davantage aux moyens de subsistance et à l'autonomisation des femmes si les prestataires de services collaborent avec les organisations de la société civile qui s'efforcent de lutter contre les facteurs institutionnels socioculturels sous-jacents de l'inégalité. 151 Tableau 4.1-4. Stratégies pour adresser les problèmes courants de genre et d'équité sociale dans les services climatiques ruraux. Défi de l'équité Solutions potentielles Besoin d’information Évaluer séparément les besoins d'information des femmes et des climatique différencié selon hommes, ainsi que des ménages dirigés par des femmes. les hommes ou les femmes Obstacles à l'accès aux TIC, Combiner des canaux de communication adaptés aux différents besoins. aux médias audiovisuels et Programmer l’heure des réunions et émissions en tenant compte des aux canaux de communication contraintes de temps et de mobilité des femmes. de groupe Établir des partenariats avec des groupes de femmes pour diffuser des informations et renforcer les capacités. Former les agents de conseil et les autres intermédiaires à reconnaître les cas où le genre, l'âge ou le statut ont une incidence négative sur la participation. Incapacité à payer les services Trouver un équilibre entre les services privés payants et les services publics favorables aux plus pauvres. Contraintes liées à l'éducation R enforcer les capacités par le biais de processus participatifs de groupe. et à l'alphabétisation Fournir des informations et des formations dans les langues locales et dans des formats audio et vidéo. Pour approfondir 4.1.5 • Certains producteurs sont-ils confrontés à des défis plus importants que d’autres dans la gestion des risques climatiques ? • Tous les producteurs peuvent-ils bénéficier des services climatiques de la même façon? • Tous les producteurs ont-ils besoin du même type de services ? 4.1.6 Combiner les canaux de communication pour renforcer les services climatiques Les différents canaux de communication disponibles dans une région donnée jouent des rôles différents dans la mise en place des services climatiques en milieu rural. Ils permettent : • La sensibilisation aux services disponibles ; • L’éducation des producteurs aux risques climatiques et à leur gestion ; • L’adaptation des systèmes agricoles au climat local d’après des données historiques ; 152 • La planification saisonnière basée sur les prévisions ; • L’accès au suivi et prévisions météo quotidiennes ; • La diffusion des alertes météo ; • La communication d’informations, conseils et outils d’aide à la décision personnalisés ; • L’intégration de commentaires des utilisateurs dans la coproduction de services climatiques ; et • Le soutien à l’accès des agents de conseil agricole aux informations climatiques, conseils et outils d’aide à la décision. Certains canaux de communication sont mieux adaptés que d'autres selon l’objectif visé. Par exemple, les vidéos et les programmes de radio et de télévision sont bien adaptés pour sensibiliser, renforcer les concepts abordés dans les processus participatifs et fournir des prévisions et des avis météorologiques fréquents. Les téléphones portables peuvent transmettre des prévisions météorologiques spécifiques à un lieu et des alertes de conditions météo extrêmes sous forme de SMS ou de messages vocaux, et fournir des informations ciblées sur demande. Les processus participatifs sont efficaces pour l'apprentissage initial et la planification saisonnière à partir d’informations climatiques complexes, et offrent une opportunité d'apprentissage et de rétroaction nécessaires pour concevoir des services efficaces. Le tableau 4.2-1 indique comment certains canaux de communication peuvent être adaptés à un ensemble particulier de fonctions de service climatique. Cependant, les activités du service climatique et les canaux de communication disponibles pour y contribuer peuvent varier d'un endroit à l'autre. Tableau 4.1-1. Adéquation des différents canaux de communication aux fonctions de communication des services climatiques (1 = pas utile, 2 = assez utile, 3 = très utile). Adapté de Hansen et al. (2019). Les services climatiques peuvent soutenir les besoins d'adaptation spécifiques au contexte des producteurs africains. Canaux de communication Réunions de Médias (tv, Téléphone Internet, Fonction groups radio) portable Smartphone Sensibilisation aux services disponibles 2 3 1 2 Connaissance du climat 3 2 1 2 Adaptation à la climatologie locale 3 1 1 2 Planification saisonnière basée sur les 3 2 1 2 prévisions Suivi et prévisions météo 1 3 3 2 Alertes phénomènes météo extrêmes 1 2 3 2 Info personnalisées, conseils 2 2 3 3 Commentaires des producteurs 3 1 2 3 Accès à l’information pour les conseils 1 1 1 3 agricoles 153 Auto-Evaluation 4.1.6: Canaux de Communication Les producteurs ont-ils besoin de plus de formation et de conseils pour utiliser les prévisions météorologiques ou les prévisions climatiques saisonnières ? *La réponse se trouve à l’annexe A Lectures recommandées • Hansen et al. (2019). Climate services can support African farmers' context-specific adaptation needs at scale. Frontiers in Sustainable Food Systems 3:21. https://doi.org/10.3389/fsufs.2019.00021 • Gumucio & Schwager (2019). Checklist: Gender Considerations for Climate Services and Safety Nets. CCAFS. https://hdl.handle.net/10568/99172 4.2 Processus d'atelier de formation et de planification des prévisions saisonnières Les producteurs peuvent bénéficier davantage des prévisions climatiques saisonnières s'ils comprennent ce qu'elles signifient pour leur climat local, quel que soit le format dans lequel les prévisions sont présentées. Dans cette section, vous apprendrez à guider un groupe de producteurs dans un atelier de formation et de planification des prévisions saisonnières. Vous apprendrez d'abord chacune des étapes fondamentales du processus et comprendrez leur objectif. Vous acquerrez ensuite de l'expérience dans l'animation de ce processus. À la fin de cette section, vous serez en mesure de : • Comprendre les étapes d'un atelier participatif de communication et de planification des prévisions saisonnières. • Diriger les producteurs dans un atelier participatif de base sur la communication et la planification des prévisions saisonnières. 4.2.1 Aperçu de l'atelier L'atelier est conçu pour permettre aux producteurs d'interpréter les prévisions saisonnières dans le contexte de la variabilité de leur climat local et d'intégrer ces informations dans leurs décisions de planification saisonnière. Il suit une progression logique qui part du souvenir qu'ont les producteurs de la variabilité du climat dans leur zone et les conduit, étape par étape, à interpréter les prévisions du climat local et à les appliquer à leurs décisions courantes en matière de planification saisonnière. Les cinq étapes de l'atelier sur les prévisions saisonnières sont résumées dans le tableau 4.2-1 et détaillées dans le reste de cette section. 154 Tableau 4.2-1. Résumé des cinq étapes de l'atelier sur les prévisions saisonnières. Étape Objectif Processus Options 1. Objectif, Harmoniser les • Présenter l'objectif de l'atelier. Discuter des concepts attentes des • Définir les termes et concepts clés. connaissances et participants avec indicateurs climatiques les objectifs de locaux pour instaurer l’atelier. une relation de confiance. 2. De la Relier les • Évoquer les conditions de l’hivernage • Activité participative mémoire à la données et les des dernières années. sur les graphiques de variabilité graphiques de • Introduire le graphique des séries séries temporelles. séries chronologiques, valider par rapport à • Calculer la probabilité chronologiques la mémoire collective. de dépassement des avec l'expérience seuils à partir du des participants. graphique de la série chronologique. 3. De la Comprendre la • Classer les séries chronologiques dans Activité participative sur variabilité à la relation entre la un graphique de fréquence de les graphes de probabilité variabilité et la dépassement. probabilité. probabilité, et • Redéfinir l'axe des ordonnées en utiliser un passant de la fréquence relative (ex : graphique de 1/10) à la probabilité (ex : 10%), et probabilité pour discuter de la relation entre la interpréter les fréquence passée et la probabilité catégories de future. prévisions. • S’entraîner à lire les probabilités d'expérience au-dessus ou au-dessous de certains seuils. 4. Prévisions Prévisions • Présenter les prévisions actuelles et Faire appel au personnel actuelles actuelles pour la d'autres informations pertinentes pour de l'ANACIM pour prochaine saison la planification. discuter des prévisions de croissance. • Réviser l'interprétation des prévisions. et du climat local. 5. Planification Faciliter la • Présenter des questions de cadrage. agricole discussion sur les • Discuter des options de gestion de plans de gestion l’exploitation en fonction des de l'exploitation différents scénarios climatiques en pour la saison à petits groupes. venir. • Présenter et discuter les plans des groupes en séance plénière. • Répondre aux questions des producteurs et à leurs besoins de soutien supplémentaire. Étape 1 : Présenter l'objectif de l'atelier et les concepts clés Cette étape consiste à expliquer l'objectif de l'atelier et à s'assurer que les participants comprennent et s'accordent sur la signification de concepts clés tels que le climat et la différence avec le temps (la météo), la variabilité, la fréquence, l'incertitude, la probabilité et la prévision. 155 Objectif de l'atelier Expliquez que l'objectif de cet atelier est d'aider les producteurs à comprendre ce que les prévisions saisonnières signifient pour leur climat local, et comment ce type d'information peut être utile pour les décisions de gestion de l'exploitation. Concepts clés Plusieurs concepts sont essentiels pour comprendre et utiliser correctement les informations climatiques probabilistes. Discutez de ces concepts avec les producteurs au début de l'atelier, et laissez éventuellement une brève définition ou description disponible comme aide-mémoire (pour les participants qui savent lire) au cours de l'atelier. Ceci est important lorsque les communautés rurales ont des significations différentes à l'esprit, ou lorsque leur langue locale n'a pas de mot équivalent pour certains de ces concepts. Discutez de la traduction de chaque mot clé ou des expressions les plus proches dans la langue locale : les producteurs sont-ils susceptibles d'avoir un sens différent à l'esprit pour certains de ces mots ? Le mot ou l'expression choisi(e) traduit-il(elle) parfaitement le concept ou faut-il définir la manière dont nous (fournisseurs de services climatiques, agents de conseil ou facilitateurs) utilisons les mots ? Pour éviter les malentendus, il est important d'expliquer et de convenir avec les producteurs participants de ce que nous voulons dire lorsque nous utilisons des termes et des concepts clés. Tout d'abord, expliquez l'échelle de temps des prévisions saisonnières. Les producteurs pensent-ils au changement climatique à long terme lorsqu'ils rencontrent le concept de « climat » ? Ont-ils à l'esprit les prévisions météorologiques lorsqu'on leur présente les prévisions saisonnières ? Si les producteurs n'ont pas déjà une bonne compréhension de la variabilité du climat et des prévisions climatiques saisonnières, discutez de ces concepts. Deuxièmement, définir et expliquer ces concepts : ● La variabilité fait référence au fait que les conditions climatiques ont été différentes d'une année à l'autre dans le passé. Par exemple, les précipitations pendant l’hivernage de 2022 étaient différentes de celles de 2021, qui étaient différentes de celles de 2020. ● La fréquence exprime la variabilité par des nombres. Par exemple, au cours de deux des dix dernières années, je n'ai pas pu produire suffisamment de récoltes pour nourrir ma famille jusqu'à la prochaine récolte. ● L'incertitude porte sur ce qui se passera dans le futur. Comme le climat a été variable dans le passé, je suis incertain du temps qu'il fera au cours de la prochaine saison de croissance. ● La probabilité exprime l'incertitude par des nombres. Par exemple, il y a deux chances sur cinq, soit 40% de chance que je ne produise pas assez de récoltes pour nourrir ma famille jusqu'à la prochaine récolte. ● La prévision est une nouvelle information qui modifie les probabilités concernant l'avenir. Une prévision réduit l'incertitude quant à l'avenir, mais ne l'élimine pas complètement. Expliquez que l'atelier montrera aux producteurs comment utiliser les probabilités et les graphiques pour décrire la variabilité climatique passée et comprendre ce qu'une prévision climatique saisonnière signifie pour leur climat local. En option : Analogies entre les prévisions et les décisions. Vous pouvez donner des exemples de la manière dont les participants utilisent les informations incertaines en dehors de l'agriculture, et expliquer comment de nouvelles informations qui modifient les probabilités constituent une forme de prévision. Utilisez des exemples pertinents pour les producteurs avec 156 lesquels vous travaillez. Une illustration qui pourrait fonctionner dans certains endroits est de deviner (ou de parier) quelle équipe gagnera un événement sportif, comme le football. L'historique des victoires et des défaites contre une équipe particulière (ou des équipes similaires) donne une idée de la probabilité que votre équipe préférée remporte le prochain match. Supposons que vous appreniez que le joueur vedette de votre équipe (ou de l'équipe adverse) est blessé et ne peut pas jouer. Cette nouvelle information constitue une prévision ; elle modifie la probabilité que l'équipe gagne le prochain match. Facultatif : indicateurs climatiques locaux. Si une communauté vit au même endroit depuis longtemps, elle a probablement développé des connaissances sur la manière d'anticiper les conditions météorologiques en observant le ciel ou les phénomènes biologiques. Il est important de respecter les connaissances climatiques locales des producteurs et de les intégrer autant que possible dans la discussion afin d’enrichir la discussion et de l’ancrer dans les systèmes de connaissances locaux, d'instaurer la confiance et de favoriser la communication. Cette discussion doit mettre l'accent sur plusieurs points : ● Les producteurs comme les météorologues font des prévisions en observant l'environnement qui les entoure. Vous n'essayez pas de remplacer les connaissances traditionnelles sur le climat. Au contraire, vous introduisez de nouvelles informations que les producteurs peuvent prendre en compte parallèlement à leurs connaissances traditionnelles. ● Les prévisions des producteurs et des météorologues fournissent des informations utiles sur l'avenir, même si elles comportent une part d'incertitude. Les prévisions concernant les conditions climatiques futures n'ont pas besoin d'être certaines pour être utiles. ● Les météorologues utilisent des informations sur l'environnement dans des endroits éloignés, par exemple l'évolution des températures dans des océans lointains. Ces informations aident les météorologues à faire des prévisions à plus long terme. Étape 2 : Comprendre la variabilité passée Les producteurs ont généralement une bonne compréhension de leur climat local grâce à leur expérience collective. Cette étape commence par une discussion sur les conditions climatiques des dernières années et amène les producteurs à se fier aux graphiques de séries chronologiques de leur climat local et à les interpréter correctement. 157 Mémoire des dernières années • Affichez un tableau comportant trois colonnes Année Cultures Pluies (Année, Cultures et Pluie) et cinq lignes, 2022 énumérant les cinq dernières années pour 2021 lesquelles des données pluviométriques sont 2020 disponibles, en commençant par la plus récente. 2019 • Pour la prochaine campagne agricole, demandez 2018 aux participants de classer chacune des cinq dernières années comme bonne, moyenne ou mauvaise sur la base des résultats agricoles. Répétez l'exercice en ce qui concerne les précipitations : humides, moyennes ou sèches. Notez les réponses consensuelles sur le tableau. Notez les différences évidentes entre les cultures et les précipitations et discutez-en. • Sur le tableau contenant la mémoire des producteurs sur les conditions pluviométriques, inscrivez la quantité de pluie mesurée pour chacune des cinq dernières années. Activité participative sur les graphiques de séries temporelles Cette activité participative peut ne pas être nécessaire si les participants ont déjà l'habitude de lire des graphiques simples. • Impliquez les participants dans le tracé des quantités de pluie sur un graphique chronologique. Montrez un graphique vierge sur un tableau Padex, avec l'année en abscisse et les précipitations en ordonnée. Demandez à des volontaires de marquer à tour de rôle la quantité de pluie mesurée chaque année. Ils mesureront à partir du bas, placeront une marque horizontale au-dessus de l'année correspondante et relieront les marques par des lignes verticales pour former un rectangle. Inscrivez la quantité de précipitations au-dessus de chaque marque. • Discutez de la manière dont les quantités de pluie figurant dans le graphique sont liées à la manière dont ils ont classé ces années, en termes de précipitations et de rendement des cultures. Interpréter un graphique de série chronologique • Affichez une grande impression du graphique de la série chronologique des précipitations totales saisonnières et distribuez des petites impressions (A4) aux participants. À ce stade, les participants devraient être à l'aise avec ce format de graphique. Rappelez-leur ce que représentent l'axe vertical (précipitations totales pour une saison particulière ou un ensemble de mois) et l'axe horizontal (année). 158 • La discussion des questions suivantes aidera les participants à interpréter le graphique de la série chronologique : o Combien d'années sont Figure 4.2-4.2-1. Série chronologique des précipitations représentées sur le saisonnières graphique ? o Si les participants ont fait l'a ctivité de graphique participatif : Les cinq dernières années du graphique ressemblent-elles au graphique qu'ils viennent de créer ? Ils doivent reconnaître que le graphique généré par l'ordinateur contient les mêmes informations que le graphique qu'ils ont créé, mais avec plus d'années de données. o Quelle est l'année où les précipitations ont été les plus importantes (pour la saison juin-septembre) ? Quelle quantité de pluie a été mesurée cette année-là ? o Quelle est l'année où les précipitations ont été les plus faibles ? Quelle quantité de pluie a été mesurée cette année-là ? o Quelles sont les années dont vous vous souvenez parce qu'elles ont été exceptionnellement humides ou exceptionnellement sèches ? Discutez de votre expérience au cours de ces années. • Demandez aux producteurs si les graphiques révèlent une variabilité plus ou moins grande que celle à laquelle les participants s'attendaient. Vous pouvez demander si les graphiques des séries chronologiques montrent une tendance à long terme à l'augmentation ou à la diminution des précipitations, en particulier si les producteurs ont déjà exprimé leur conviction que les précipitations ont évolué dans une direction particulière. • Facultatif : si la plupart des participants sont familiarisés avec la division et le pourcentage, dirigez-les vers une activité consistant à utiliser le graphique de la série chronologique pour trouver la probabilité que les précipitations saisonnières dépassent un seuil donné. Suggérez un seuil ou demandez aux participants d'identifier un seuil de précipitations au-delà duquel ils considéreraient qu'une saison est plus humide que la normale. Demandez-leur de compter le nombre d'années où les précipitations ont été supérieures à ce seuil. Si certains participants savent diviser, demandez-leur de calculer la probabilité que les précipitations soient supérieures au seuil. Sinon, faites le calcul pour eux. Par exemple, supposons que vous utilisiez le graphique ci-dessus (Fig 1) pour cette activité et que vous choisissiez un seuil de 650 mm. Sur les 30 années de données du graphique, 4 années, soit 13 %, ont eu des précipitations supérieures à 650 mm. Suggestion : En tenant une règle horizontale sur le graphique, le bord supérieur de la règle étant aligné au niveau du seuil sur l'axe vertical, il est plus facile de compter le nombre de points au-dessus ou au-dessous d'un seuil donné. Vous pouvez faire la démonstration de ce processus sur la grande feuille d'impression. Suggestion : Si les participants ne sont pas familiarisés avec les pourcentages ou les fractions, vous pouvez arrondir la probabilité aux 10 % les plus proches et expliquer le résultat en termes de nombre d'années sur dix au cours desquelles les précipitations dépassent le seuil donné. Facultatif : si le temps le permet et si les participants sont intéressés, faites-leur suivre le même processus pour trouver la probabilité que les précipitations soient inférieures à 450 mm ou à un autre seuil en dessous duquel ils considéreraient qu'une saison est plus sèche que la normale. 159 Identifier les années « inférieures à la normale », « proches de la normale » et « supérieures à la normale » ● Expliquer que l'ANACIM exprime ses prévisions saisonnières en termes de catégories de précipitations « inférieures à la normale », « proches de la normale » et « supérieures à la normale ». Chacune de ces catégories représente les quantités de précipitations de juillet à septembre pour 1/3, soit environ 33 %, des années passées. Par exemple, « inférieur à la normale » représente le tiers des années passées où les précipitations de juillet-septembre ont été les plus faibles. ● Amenez les participants à identifier les années où les précipitations de juillet à septembre sont « inférieures à la normale » dans le graphique de la série chronologique. Cette activité peut être réalisée soit en plénière à l'aide de la grande impression du graphique chronologique, soit en groupes à l'aide d'impressions au format A4. Le graphique présente les précipitations sur 30 ans. Puisque 10 est 1/3 de 30, les dix années où les précipitations sont les plus faibles représentent la catégorie « inférieure à la normale ». Marquez les dix années qui se situent dans la catégorie « inférieure à la normale ». ● Répétez le processus pour la catégorie de précipitations « supérieures à la normale ». ● Estimez la fourchette des précipitations de juillet à septembre dans la catégorie « inférieure à la normale », la catégorie « proche de la normale » et la catégorie « supérieure à la normale ». Notez que les dix années qui n'ont pas été marquées comme « supérieures à la normale » ou « inférieures à la normale » tombent dans la catégorie « proche de la normale ». Étape 3 : Introduire le graphique de probabilité de dépassement Cette étape présente aux participants un graphique de probabilité de dépassement et leur apprend à l'interpréter correctement. Les participants apprendront que la probabilité est un moyen de quantifier l'incertitude de l'avenir et qu'elle est calculée à partir de la fréquence relative (c'est-à-dire le nombre de fois qu'un événement s'est produit dans le passé, divisé par le nombre d'observations disponibles). Ils apprendront que le graphique de probabilité de dépassement contient les mêmes informations qu'un graphique de séries chronologiques, mais qu'il est présenté dans un format qui facilite la visualisation de la probabilité que les conditions climatiques saisonnières soient supérieures ou inférieures à tout seuil susceptible d'influer sur leurs décisions. Activité participative sur les graphes de probabilité ● Commencez par un graphique vierge avec la variable météorologique (par exemple, les précipitations saisonnières) sur l'axe des x, et la fréquence (ex : « Années avec au moins cette quantité de pluie », 0 à 5) sur l'axe des y. Lorsque vous l'affichez pour la première fois, cachez le deuxième axe des y (« Probabilité d'avoir au moins cette quantité de pluie »). 160 ● Demandez à des volontaires de trier les quantités de pluie tombées au cours des 5 dernières années (saison septembre-décembre), de la plus faible à la plus forte, et marquez le point sur le nouveau graphique. ● Pour le premier point (pluviométrie la plus faible), posez les questions suivantes : o Quelle est l'année la plus sèche sur le graphique ? o Combien de mm de précipitations ont été mesurés ? o Sur les cinq années, combien ont eu au moins cette quantité de pluie ? (La bonne réponse est les cinq années.) ● Alignez la règle horizontalement à 5 ans, puis mesurez autant de cm vers la droite et faites un point. Inscrivez au-dessus du point l'année en question. Le deuxième point est similaire : quelle a été la deuxième année la plus sèche ? Quelle a été la quantité de pluie ? Sur 5 années, combien ont eu au moins cette quantité de pluie ? (La bonne réponse est 4 années.) Faites un point au bon endroit. Répétez l'opération pour la troisième année la plus sèche, la quatrième année la plus sèche et enfin l'année la plus humide. La dernière personne à faire un point peut également relier tous les points. Pour transformer ce graphique en une distribution de probabilités, nous devons faire deux choses. • Tout d'abord, nous transformons le nombre d'années (fréquence) en pourcentage d'années (fréquence relative). La probabilité peut également être exprimée en pourcentage. Un événement dont la probabilité est de 100 % se produira à coup sûr. Un événement ayant une probabilité de 50 % se produira dans 50 % des cas - si vous le répétez suffisamment de fois. Remarque : nous avons choisi 5 parce qu'il est facile de calculer la fréquence relative (en pourcentage) : 5 années sur 5 (5/5) = 100 %, 4/5 = 80 %, 3/5 = 60 %, 2/5 = 40 %, 1/5 = 20 %. Inscrivez ces pourcentages à côté des nombres sur l'axe vertical. • Ensuite, nous passons de la fréquence à la probabilité. Changez l’axe des y (ou révélez le nouveau titre si vous l’aviez caché) : « Probabilité qu'il pleuve au moins autant ». (Vous pouvez également expliquer cela après avoir affiché le graphique de probabilité basé sur les 30 années de données). 161 • Expliquez que la fréquence (dans le passé) est liée à la probabilité (dans le futur). Remarque : la recherche montre que la présentation des informations sous forme de fréquences relatives plutôt que de probabilités équivalentes a un effet positif sur de nombreuses tâches de raisonnement quantitatif ou d'estimation. C'est pourquoi nous exprimons d'abord le graphique en nombre d'années, puis en pourcentage d'années, et enfin en pourcentage de probabilité. Interpréter un graphique de probabilité ● Expliquez que le fait de prendre en compte un plus grand nombre d'années dans le passé rend le graphique de probabilité plus précis. Montrez ensuite un graphique complet de la probabilité de dépassement, basé sur toutes les années de données disponibles. Ce graphique montre la probabilité associée à une quantité de pluie donnée, ou la quantité de pluie associée à une probabilité donnée. ● Guidez les participants dans une activité d'interprétation du graphique de probabilité de dépassement, similaire à l'exercice que vous avez fait dans le module 2. ● Quel que soit le seuil utilisé dans le graphique de la série temporelle à l'étape 2, demandez aux participants de trouver la probabilité de subir un dépassement à l'aide du graphique de la probabilité de dépassement. Discutez de ce qui est le plus facile à utiliser. ● Rappelez aux participants que les graphiques de séries temporelles et de probabilités contiennent les mêmes informations, mais qu'elles sont disposées différemment. Laissez du temps pour la discussion jusqu'à ce que la plupart des participants semblent comprendre le graphique de probabilité de dépassement. Bien qu'il s'agisse probablement de l'étape la plus compliquée, l'expérience montre que les producteurs peuvent comprendre les graphiques de probabilité avec de la formation et de la répétition. 162 Identifier la plage de précipitations dans les zones « inférieures à la normale », « proches de la normale » et « supérieures à la normale » du graphique de probabilité • Identifier les catégories supérieures à la normale, proches de la normale et inférieures à la normale à partir d'un graphique de probabilité. (Dans l'exemple du graphique ci-dessus, « inférieur à la normale » correspond à moins de 481 mm, « proche de la normale » correspond à 481-598 mm et « supérieur à la normale » correspond à plus de 598 mm). • Comparez ces valeurs avec celles qu'ils ont identifiées à l'aide du graphique de la série chronologique. • Discuter de l'expérience des participants en matière d'identification des catégories supérieures à la normale, proches de la normale et inférieures à la normale à partir d'un graphique de séries chronologiques ou d'un graphique de probabilités. Étape 4 : Présenter les prévisions saisonnières L'ANACIM publie ses prévisions saisonnières officielles dans un bulletin qui fournit également des informations générales et contextuelles. Les prévisions actuelles sont exprimées en termes de catégories de précipitations « inférieures à la normale », « proches de la normale » et « supérieures à la normale ». A titre d'exemple : « Pour le début de la saison : un démarrage précoce surtout sur la partie nord et ouest du pays. Pour les cumuls Juin-Juillet-Août : un cumul normal sur le sud-est du pays et excédentaire à normale sur le reste du territoire. Pour les cumuls Juillet-Août-Septembre : un cumul excédentaire à normale sur l'ensemble du territoire. » Si possible, demandez à un membre du personnel de l'ANACIM d'expliquer les prévisions et de répondre à vos questions. Les étapes 1 à 3 permettront aux producteurs de se fier aux prévisions saisonnières et de les interpréter correctement. Aux étapes 4 et 5, l'accent est mis sur la planification de la saison à venir plutôt que sur la formation. Lorsque les prévisions sont présentées, les concepts abordés aux étapes 2 et 3 sont appliqués pour interpréter les prévisions réelles. Cette étape peut inclure une discussion sur les conditions climatiques actuelles et d'autres circonstances que les producteurs doivent prendre en compte lorsqu'ils planifient la saison à venir. Si les prévisions actuelles comprennent des variables saisonnières supplémentaires, telles que les dates de début et de fin de saison ou la fréquence des périodes de sécheresse, l'animateur doit montrer la pertinence de ces variables supplémentaires pour la prise de décisions agricoles. Comme nous le verrons plus loin, la présentation des prévisions saisonnières actuelles, et le fait d'amener les agriculteurs à les utiliser pour ajuster leurs décisions de gestion, peuvent être intégrés dans le même atelier que les étapes 1 à 4, ou menés séparément lors d'un court atelier juste avant le début de la saison agricole. Étape 5 : Planifier l'adaptation de la gestion de l'exploitation en fonction des prévisions Au cours de cette étape, vous aiderez les participants à décider des décisions de gestion saisonnière qu'ils modifieront, le cas échéant, en fonction des prévisions. La discussion de groupe permet aux participants d'apprendre des autres agriculteurs et d'obtenir un retour d'information sur leurs idées. Bien que les agents de conseil agricole et les chercheurs puissent 163 fournir des informations sur les options de gestion et répondre aux questions, le processus vise à soutenir la prise de décision des producteurs. Remarque : lorsque cette étape est réalisée dans le cadre de la formation, en utilisant les prévisions d'une année passée, veillez à ce que les participants comprennent qu'ils discutent des options de gestion afin d'apprendre à interpréter le nouveau format de prévision et d'identifier les types de décisions qu'ils pensent devoir envisager de modifier si et lorsque les prévisions réelles pour la saison à venir sont présentées. Guidez les participants afin qu'ils discutent de la question suivante : Qu'est-ce que je peux faire différemment cette saison sur la base des prévisions saisonnières annoncées ? » Expliquez- leur que la question de savoir s'ils souhaitent adapter leurs plans pour la saison à venir, et le type d'adaptation qu'ils apporteront, peut dépendre : (1) de la mesure dans laquelle les prévisions modifient les probabilités qui sont importantes pour les décisions, (2) de l'existence d'options de gestion qui seraient mieux adaptées que les plans existants aux conditions prévues. La discussion entre les producteurs peut les aider à identifier des idées et à clarifier leurs propres plans. Cela peut se faire soit au sein du grand groupe, soit en sous-groupes qui partagent ensuite leurs plans avec l'ensemble du groupe. Les participants peuvent vouloir ou non ajuster certains de ces plans en fonction des prévisions saisonnières qui leur ont été communiquées. Ils peuvent se mettre d'accord en tant que groupe pour modifier certains de leurs plans, et certaines décisions peuvent être différentes selon les producteurs. Quelques questions peuvent aider à orienter la réflexion et la discussion des participants : • Quelles sont les prévisions concernant les précipitations pour la saison à venir ? Il s'agit probablement : (a) d’une probabilité accrue de conditions humides, (b) d’une probabilité accrue de conditions sèches, ou (c) de très peu de changement par rapport à la distribution historique des probabilités. • Pour la (les) variable(s) prévue(s), existe-t-il des seuils susceptibles d'affecter les performances de votre exploitation, de vos cultures ou de votre bétail, ou d'influer sur les options de gestion que vous choisiriez ? Si oui, comment les prévisions influencent-elles la probabilité d'obtenir des précipitations supérieures ou inférieures au seuil ? • Comment pensez-vous que les prévisions affecteront les décisions de gestion de votre exploitation (ou de vos cultures ou de votre bétail) ? • Pensez à une année récente au cours de laquelle la saison de croissance a été plus humide que d'habitude, ou à une année au cours de laquelle la saison a été plus sèche que d'habitude. Y a-t-il quelque chose que vous auriez fait différemment dans votre exploitation si vous aviez su à l’avance ce que seraient les précipitations ? • Qu’allez-vous faire différemment cette saison en raison des prévisions ? • Avez-vous besoin d’autres informations pour décider de la meilleure façon de gérer votre exploitation en fonction des prévisions saisonnières ? • Avez-vous besoin d’une aide supplémentaire pour mettre en œuvre vos projets pour la saison à venir ? Notez les types de décisions que les participants disent vouloir modifier en fonction des prévisions saisonnières. 164 4.2.2 Considérations pratiques Calendrier Les producteurs n'ont besoin de l'atelier complet de formation, de communication et de planification sur les prévisions qu'une seule fois. L'ensemble du processus prend généralement entre 6 et 10 heures, soit 1 ou 2 jours. Les agriculteurs et les agents de conseil ont tendance à être très occupés peu avant le début de la saison de croissance. En outre, il peut s'écouler peu de temps entre le moment où l'ANACIM publie des prévisions saisonnières et celui où les agriculteurs doivent acheter des semences et d'autres intrants et préparer leurs champs pour la plantation. En raison de ces contraintes temporelles, il peut être souhaitable d'organiser la formation (étapes 1 à 3) pendant une période creuse du calendrier agricole, et d'organiser un atelier plus court pour présenter les prévisions actuelles et ajuster les plans pour la saison à venir (étapes 4 et 5). Une fois que les producteurs ont été formés, qu'ils se sont familiarisés avec le format des prévisions et qu'ils ont compris comment elles sont liées à la variabilité historique, ils n'auront besoin que d'un bref atelier pour se familiariser avec les prévisions : • revoir brièvement ce qu'ils ont appris aux étapes 1 à 3 ; • présenter les prévisions saisonnières actuelles (étape 4) ; et • planifier l'adaptation de la gestion de l'exploitation en fonction des prévisions (étape 5). Sans la formation (étapes 1 à 3), un atelier de présentation et de planification des prévisions saisonnières dure généralement 2 à 3 heures. La figure ci-dessous résume ces options. Figure 4.2-2. Options pour la programmation des ateliers de formation, de présentation et de planification des prévisions saisonnières. 165 Taille et composition du groupe La taille d'un atelier doit généralement être limitée à 25-30 producteurs. Si le groupe est trop grand, il sera difficile d'impliquer tous les participants dans la discussion et les activités participatives, et d'évaluer si tous les participants comprennent les concepts. Si les producteurs sont déjà organisés en groupes, il convient de les utiliser autant que possible. Dans certaines cultures et certains contextes, les femmes peuvent avoir tendance à participer moins pleinement à un groupe mixte. Tenez compte de la culture locale, de votre expérience en matière de groupes mixtes et de groupes unisexes, et de toutes les lignes directrices pertinentes lorsque vous décidez d'organiser ou non des ateliers séparés pour les hommes et les femmes, et identifiez en amont si des animatrices sont nécessaires pour garantir la participation libre et équitable des femmes. Matériel nécessaire • Tableau et papier Padex • Marqueurs (au moins 2 couleurs) • Grande règle (1m si possible) • Impressions (une grande copie pour le groupe et une copie au format A4 par participant) : o graphique de série chronologique historique des précipitations saisonnières ; o graphique de la probabilité de dépassement des précipitations saisonnières. • Sur du papier Padex ou une feuille de papier de la taille d'une affiche, dessinez un tableau vierge comportant trois colonnes (Année, Cultures et Précipitations) et cinq lignes. Laissez un espace supplémentaire dans la colonne Pluies car vous ajouterez plus tard les quantités de pluie mesurées de juillet à septembre. Année Cultures Pluies 2022 2021 2020 2019 2018 • Sur un papier Padex ou une feuille de papier de la taille d'une affiche, dessinez un graphique vierge avec l'année en abscisse et les précipitations de juillet à septembre en ordonnée : 166 • Sur un papier Padex ou une feuille de papier de la taille d'une affiche, tracez un graphique vierge avec les précipitations de juillet à septembre comme axe des x. L'axe des y comporte deux étiquettes, comme indiqué ci-dessous : o « Années avec au moins cette quantité de pluie » o « Probabilité d'avoir au moins cette quantité de pluie » 167 Références citées Amegnaglo, C.J., Anaman, K.A., Mensah-Bonsu, A., Onumah, E.E., Amoussouga Gero, F., 2017. Contingent valuation study of the benefits of seasonal climate forecasts for maize farmers in the Republic of Benin, West Africa. Climate Services 6, 1–11. https://doi.org/10.1016/j.cliser.2017.06.007 Antwi-Agyei, P., Amanor, K., Hogarh, J.N., Dougill, A.J., 2021. Predictors of access to and willingness to pay for climate information services in north-eastern Ghana: A gendered perspective. Environmental Development 37, 100580. https://doi.org/10.1016/j.envdev.2020.100580 Blundo-Canto, G., Andrieu, N., Soule Adam, N., Ndiaye, O., Chiputwa, B., 2021. Scaling weather and climate services for agriculture in Senegal: Evaluating systemic but overlooked effects. Climate Services 22, 100216. https://doi.org/10.1016/j.cliser.2021.100216 Brisson, N., Delécolle, R., 1992. Développement et modèles de simulation de cultures. Agronomie 12, 253–263. https://doi.org/10.1051/agro:19920305 Brouwer, J., Fussell, L.K., Herrmann, L., 1993. Soil and crop growth micro-variability in the West African semi-arid tropics: a possible risk-reducing factor for subsistence farmers. Agriculture, Ecosystems & Environment 45, 229–238. https://doi.org/10.1016/0167- 8809(93)90073-X Chiputwa, B., Blundo-Canto, G., Steward, P., Andrieu, N., Ndiaye, O., 2022. Co-production, uptake of weather and climate services, and welfare impacts on farmers in Senegal: A panel data approach. Agricultural Systems 195, 103309. https://doi.org/10.1016/j.agsy.2021.103309 Chiputwa, B., Wainaina, P., Nakelse, T., Makui, P., Zougmoré, R.B., Ndiaye, O., Minang, P.A., 2020. Transforming climate science into usable services: The effectiveness of co- production in promoting uptake of climate information by smallholder farmers in Senegal. Climate Services 20, 100203. https://doi.org/10.1016/j.cliser.2020.100203 Diouf, N.S., Ouedraogo, M., Ouedraogo, I., Ablouka, G., Zougmoré, R., 2020. Using Seasonal Forecast as an Adaptation Strategy: Gender Differential Impact on Yield and Income in Senegal. Atmosphere 11, 1127. https://doi.org/10.3390/atmos11101127 Donkoh, S.A., 2019. Farmers’ willingness-to-pay for weather information through mobile phones in northern Ghana. Ghana Journal of Science, Technology and Development 6, 19–36. https://doi.org/10.47881/166.967x Galasso, E., Wagstaff, A., 2018. The Aggregate Income Losses from Childhood Stunting and the Returns to a Nutrition Intervention Aimed at Reducing Stunting. The World Bank 38. Greatrex, H., Hansen, J., S, G., Diro, R., M, L.G., S, B., Rao, K., Osgood, D., 2015. Scaling up index insurance for smallholder farmers: Recent evidence and insights (Report No. 14), CCAFS Re[prt. CGIAR Research Program on Climate Change, Agriculture and Food Security, Copenhagen. Gumucio, T., Hansen, J.W., Huyer, S., van Huysen, T., 2020. Gender-responsive rural climate services: a review of the literature. Climate and Development 12, 241–254. https://doi.org/10.1080/17565529.2019.1613216 168 Han, E., Baethgen, W.E., Ines, A.V.M., Mer, F., Souza, J.S., Berterretche, M., Atunez, G., Barreira, C., 2019. SIMAGRI: An agro-climate decision support tool. Computers and Electronics in Agriculture, BigData and DSS in Agriculture 161, 241–251. https://doi.org/10.1016/j.compag.2018.06.034 Hansen, J., Hellin, J., Rosenstock, T., Fisher, E., Cairns, J., Stirling, C., Lamanna, C., van Etten, J., Rose, A., Campbell, B., 2019. Climate risk management and rural poverty reduction. Agricultural Systems 172, 28–46. https://doi.org/10.1016/j.agsy.2018.01.019 Hansen, J., List, G., Downs, S., Carr, E.R., Diro, R., Baethgen, W., Kruczkiewicz, A., Braun, M., Furlow, J., Walsh, K., Magima, N., 2022. Impact pathways from climate services to SDG2 (“zero hunger”): A synthesis of evidence. Climate Risk Management 35, 100399. https://doi.org/10.1016/j.crm.2022.100399 Hansen, J.W., Mishra, A., Rao, K., Indeje, M., Ngugi, K., 2009. Potential value of GCM- based seasonal rainfall forecasts for maize management in semi-arid Kenya. Agricultural Systems 101, 80–90. https://doi.org/10.1016/j.agsy.2009.03.005 Hellin, J., Hansen, J.W., Rose, A., Braun, M., 2017. Scaling up agricultural adaptation through insurance: Bringing together insurance, big data and agricultural innovation. Hess, U., Hazell, P., 2016. Innovations and Emerging Trends in Agricultural Insurance: How can we transfer natural risks out of rural livelihooods to empower and protect people? Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ), Eschborn, Germany. Hill, R., Skoufias, E., Maher, B., 2019. The Chronology of a Disaster. World Bank, Washington, DC. https://doi.org/10.1596/31721 Hunt, L.A., Boote, K.J., 1998. Data for model operation, calibration, and evaluation, in: Tsuji, G.Y., Hoogenboom, G., Thornton, P.K. (Eds.), Understanding Options for Agricultural Production, Systems Approaches for Sustainable Agricultural Development. Springer Netherlands, Dordrecht, pp. 9–39. https://doi.org/10.1007/978-94-017-3624-4_2 Hyland, M., Russ, J., 2019. Water as destiny – The long-term impacts of drought in sub- Saharan Africa. World Development 115, 30–45. https://doi.org/10.1016/j.worlddev.2018.11.002 Joseph, J.E., Worou, N., Diedhiou, L., Dhulipala, R., Houessionon, P., Whitbread, A.M., 2022. iSAT, the new generation digital agro advisory tool that empowers farmers to manage climate risks (Brief). Accelerating Impacts of CGIAR Climate Research for Africa (AICCRA). Kabeer, N., 2017. Economic Pathways to Women’s Empowerment and Active Citizenship: What Does The Evidence From Bangladesh Tell Us? The Journal of Development Studies 53, 649–663. https://doi.org/10.1080/00220388.2016.1205730 Kebe, A., Seck, B., Jacob, E., Dhulipala, R., Faye, A., Worou, N., Whitbread, A.M., 2022. Diffusion des conseils agricoles au cours de la campagne 2022 au Sénégal (AICCRA Report). Accelerating Impacts of CGIAR Climate Research for Africa. Kramer, B., Hazell, P., Alderman, H., Ceballos, F., Kumar, N., Timu, A.G., 2022. Is Agricultural Insurance Fulfilling Its Promise for the Developing World? A Review of Recent Evidence. Annual Review of Resource Economics 14, 291–311. https://doi.org/10.1146/annurev-resource-111220-014147 169 List, G., Trzaska, S., Braun, M., Hansen, J., Grossi, A., 2022. Senegal Climate Risk Management for Agriculture Curriculum Design Workshop (Report). Accelerating Impacts of CGIAR Climate Research for Africa. Messina, C.D., Hansen, J.W., Hall, A.J., 1999. Land allocation conditioned on El Niño- Southern Oscillation phases in the Pampas of Argentina☆☆Florida Agricultural Experiment Station, Journal Series No. R-06795. Agricultural Systems 60, 197–212. https://doi.org/10.1016/S0308-521X(99)00032-3 Ouedraogo, I., Diouf, N.S., Ablouka, G., Zougmoré, R.B., Whitbread, A., 2021. Utility and Triggers in Uptake of Agricultural Weather and Climate Information Services in Senegal, West Africa. Atmosphere 12, 1515. https://doi.org/10.3390/atmos12111515 Ouédraogo, I., Diouf, N.S., Gnalenba, A., Zougmoré, R.B., Ndiaye, O., 2020. Canaux de dissémination des informations météorologiques et climatiques au Sénégal. Ouédraogo, M., Barry, S., Zougmoré, R.B., Partey, S.T., Somé, L., Baki, G., 2018. Farmers’ Willingness to Pay for Climate Information Services: Evidence from Cowpea and Sesame Producers in Northern Burkina Faso. Sustainability 10, 611. https://doi.org/10.3390/su10030611 Rabbinge, R., 1993. The ecological background of food production, in: Crop Protection and Sustainable Agriculture. John Wiley & Sons, Chichester, UK, pp. 2–29. Rao, K.P.C., Dakshina Murthy, K., Dhulipala, R., S.d, B., Das Gupta, M., Sreepada, S., Whitbread, A.M., 2019. Delivering climate risk information to farmers at scale: the Intelligent agricultural Systems Advisory Tool (ISAT) (Working Paper), CCAFS Working Paper. CGIAR Research Program on Climate Change, Agriculture and Food Security, Wageningen. USAID, 2018. Participatory Climate Information Services Systems Mapping in Senegal (Climate Information Service Research Initiative (CISRI) report). U.S. Agency for International Development (USAID), Washington, D.C. Waha, K., van Wijk, M.T., Fritz, S., See, L., Thornton, P.K., Wichern, J., Herrero, M., 2018. Agricultural diversification as an important strategy for achieving food security in Africa. Global Change Biology 24, 3390–3400. https://doi.org/10.1111/gcb.14158 Williams, S.E., Isaac, J.L., Graham, C., Moritz, C., 2008. Towards an Understanding of Vertebrate Biodiversity in the Australian Wet Tropics, in: Living in a Dynamic Tropical Forest Landscape. John Wiley & Sons, Ltd, pp. 133–149. https://doi.org/10.1002/9781444300321.ch10 Yessoufou, A.N.-D., Kumar, S., Worou, N., Faye, A., Houessionon, P., Huyer, S., Diedhiou, L., Whitbread, A.M., 2022. Assessing the reach of climate and agricultural related content via community radio stations in Senegal (Report). Accelerating Impacts of CGIAR Climate Research for Africa. Zongo, B., Diarra, A., Barbier, B., Zorom, M., Yacouba, H., Dogot, T., 2015. Farmers’ Perception and Willingness to Pay for Climate Information in Burkina Faso. JAS 8, 175. https://doi.org/10.5539/jas.v8n1p175 170 Annex A – Réponses aux auto-évaluations Auto-évaluation 1.1.2: Concepts de base du climat 1. Rappeler les différences entre le temps, le climat et le changement climatique. ✓ Les conditions météorologiques sont les conditions atmosphériques sur quelques heures ou quelques jours dans un lieu donné. Elles varient généralement d'un endroit et d'un moment à l'autre. Le climat est constitué des propriétés statistiques du temps, qui reflètent la façon dont il se présente habituellement dans une région donnée. Elles comprennent les moyennes mais aussi la variabilité (son amplitude et ses extrêmes, la fréquence des événements nuisibles, etc.) Les changements climatiques sont des modifications de ces propriétés statistiques. 2. Quelles sont les deux dimensions du climat ? Comment le temps et le climat diffèrent-ils dans ces deux dimensions ? ✓ Le climat varie dans l'espace et dans le temps. La météo montre des changements rapides dans le temps (par exemple, du soleil à la pluie en 30 minutes) et dans l'espace (il peut pleuvoir d'un côté de la vallée ou de la ville et pas de l'autre). Les deux côtés de la vallée ou de la ville peuvent présenter le même climat - de plus grandes zones : districts, régions, peuvent présenter un climat très similaire. Les propriétés statistiques du temps, c'est-à-dire du climat, sont calculées et resteront stables sur plusieurs années ou décennies. 3. Rappeler les trois principales variables utilisées pour décrire le climat dans un lieu donné. ✓ Les variables les plus courantes sont : La température, les précipitations (pluie) et le vent ou la couverture nuageuse/le rayonnement solaire. Auto-évaluation 1.2.3: Le climat du Sénégal 1. Quelles facteurs définissent les caractéristiques principales du climat au Sénégal ? Les facteurs globaux ou locaux ? Citez trois éléments dans la classe choisie. ✓ Le climat du Sénégal résulte principalement de caractéristiques et facteur globaux, et deleur interaction avec les variations de température de la surface de l’Océan atlantique. ✓ Voici quelques exemples de facteurs globaux : la latitude, la saisonnalité, le contraste entre les océans et les terres. 2. Comment varient dans l’espace les précipitations et des températures en fonction du cycle saisonnier? Quel facteur est le plus important pour expliquer le cycle saisonnier des précipitations? ✓ Le climat du Sénégal présente une diversification entre le Nord et le Sud du pays, ainsi qu’entre la côte et l’intérieur des terres, qui influence fortement le type d’agriculture et la distribution des différentes zones de subsidence sur le territoire Ces tendances sont liées aux différences de précipitations et de température sur le territoire. L’ensemble des précipitations se produisent entre juin et septembre au Sénégal, et principalement en aout et septembre. Il,existe un décalage dans le démarrage de la saison des pluies entre les régions du Sénégal. En effet, le Sud du Sénégal est la région qui reçoit les premières et les dernières pluies, résultant en une saison des pluies plus longue. Si la région de Kédougou peut en général commencer ses activités de culture avec un début de saison des pluies (ou saison d’hivernage) dès début juin, la région de Linguère n’y entre qu’environ mi-juillet. C’est le phenomène de mousson de l’Afique de l’Ouest qui est le facteur le plus important pour expliquer le cycle saisonnier des précipitations. 171 Auto-évaluation 1.3.2: Données et information climatiques 1. Quelle est la différence entre une donnée et une information climatique. Donnez un exemple de chacune. ✓ Les données climatiques sont de grandes séries de valeurs, enregistrées par les services météorologiques, sans analyse ou avec une analyse minimale. Les informations climatiques sont obtenues à partir de ces données après les avoir analysées dans un but précis. ✓ Exemple de données climatiques : précipitations quotidiennes observées à Dakar au cours des 30 dernières années. ✓ Exemple d'information climatique : cycle saisonnier moyen des précipitations à Dakar (c'est-à-dire la quantité de pluie tombée en moyenne chaque mois) ; la quantité de pluie pendant les événements pluvieux très forts et très rares ; la quantité de pluie pendant les périodes de sécheresse. ✓ Un événement pluvieux très fort et très rare qui ne se produit en moyenne qu’une fois tous les 10 ans est un autre exemple d'information climatique. 2. Énumérez les avantages et les inconvénients des différents types de données climatiques. Quelles précautions prendre lors de l'utilisation d'informations basées sur chaque type de données ? ✓ Les données de station reflètent les conditions réelles observées à un endroit donné. Cependant, les stations peuvent être très éloignées les unes des autres (plusieurs centaines de kilomètres) et il se peut qu'il n'y ait pas de données pour les zones situées entre les stations. ✓ Les données en points de grille sont des données qui fournissent des informations sur l'ensemble du globe et ont été obtenues en comblant les lacunes là où les informations des stations ne sont pas disponibles. Il existe trois méthodes principales pour combler ces lacunes : - Une simple interpolation entre les stations. Ce type d'approche peut manquer la prise en compte de certains des facteurs locaux qui affectent le climat localement (par exemple une chaîne de montagnes) et donner des valeurs erronées pour la température ou la pluie en dehors des stations. Peu de stations existent au milieu des océans, laissant de vastes zones sans aucune observation. - Les données satellitaires utilisent les données enregistrées par les satellites en orbite au- dessus de la Terre. Bien qu'ils enregistrent des observations en continu dans l'espace sur de très grandes surfaces à la fois, ces données ne sont pas sans défaut : certaines données ne sont pas observées directement mais seulement déduites par des calculs complexes (pensez aux précipitations, les satellites sont au-dessus des nuages qui ne sont pas transparents, les satellites ne peuvent donc pas directement "voir" et mesurer les précipitations) ; certaines données ne sont pas toujours disponibles pour l'enregistrement (pensez à la température à la surface de la Terre sous les nuages, là encore les satellites ne "voient" pas la surface) ; enfin, toutes les zones de la Terre ne sont pas observées par un satellite à chaque instant : les satellites géostationnaires sont "stationnés" au-dessus d'une certaine zone et, en raison de la sphéricité de la Terre, ne voient pas l'ensemble du globe (pensez-y : le satellite ne peut pas "voir" les zones situées de l'autre côté du globe); les satellites en orbite passent au-dessus de chaque zone de la Terre tous les 15 jours. ✓ En résumé : les données satellitaires combinent les observations de différents types de satellies et utilisent des calculs complexes pour fournir des données sur chaque kilomètre carré de la Terre et à chaque instant ; ce ne sont donc souvent pas des observations directes. 172 ✓ Les données modélisées utilisent des équations complexes pour combler les lacunes entre les observations et dans la haute atmosphère pour prendre en compte les caractéristiques locales telles que les chaînes de montagnes, les lacs, les contrastes terre-mer, etc. Bien que les données soient produites partout sur la Terre, y compris au-dessus de l'océan et en altitude, les modèles ne sont qu'une approximation de la réalité et peuvent produire des données dont les valeurs, le cycle saisonnier, etc. diffèrent légèrement de ce qui est observé dans une station au sol. ✓ Il n'existe pas d'ensemble de données idéal et le choix est souvent dicté par l'utilisation : si nous nous intéressons au climat d'un endroit particulier où il existe un réseau dense de stations, le choix pourrait se porter sur les données des stations, en gardant à l'esprit que notre étude et nos conclusions peuvent ne pas être valables en dehors de cette zone. Si nous nous intéressons à de vastes zones, mal couvertes par les stations, nous pourrions choisir les données satellitaires, en tenant compte du fait que les valeurs peuvent différer légèrement des observations au sol. Les données modélisées sont souvent utilisées lorsque les zones océaniques et la haute atmosphère doivent être analysées. Il est important de se rappeler que différents types de données peuvent entraîner des divergences dans les résultats. 3. Que représente la Figure 1.3-6 ci-dessous? Fait-elle référence à une dimension spatiale ou temporelle ? Quelle période de temps est analysée? Quelles données ont été utilisées ? Quelles analyses de données ont-t’ elles été réalisées ? Existe-t-il une variabilité dans les données ? Quelle est la principale mise en garde concernant le résultat présenté ? ✓ La figure montre les anomalies de température en Celsius. Le graphique est dans la dimension temporelle : ce n'est pas une carte et nous avons des années sur l'axe des x. La période est comprise entre 1880 et 2010. Il y a une valeur par année (ligne fine).Des données de station ont été utilisées (enregistrements quotidiens de la température maximale et minimale).Les données ont été soumises à plusieurs analyses : les températures maximales et minimales quotidiennes ont été transformées en température moyenne quotidienne ; ensuite, la moyenne annuelle a été calculée pour chaque station ; ensuite, la moyenne spatiale a été calculée en tenant compte de toutes les stations disponibles pour une année donnée ; enfin, la moyenne à long terme de cette température moyenne globale a été calculée sur toute la période et soustraite pour obtenir les anomalies. La principale caractéristique du graphique est l'augmentation de la température moyenne mondiale depuis 1880. Cette augmentation ne se produit pas à un rythme régulier, il y a des périodes où elle est plus rapide (par exemple entre 1920 et 1940 puis après 1980) et plus lente (avant 1920, ou pendant 1940-60). Au sein de cette tendance générale et des différentes périodes, on peut noter des variations d'une année sur l'autre, mettant en évidence la variabilité interannuelle. Le principal avertissement de ce graphique est qu'il est basé sur les données des stations et que de grandes parties du globe, notamment les océans, ne sont pas saisies. Le nombre de stations d'observation a également évolué dans le temps, augmentant au fil du temps sur les terres, bien qu'une diminution du nombre de stations ait été notée en Afrique dans la seconde moitié du 20e siècle. Auto-évaluation 1.4.4 : L’utilisation des prévisions saisonnières 1. Quels sont les deux principaux types de prévisions ? Citez les avantages et les inconvénients de chacun. ✓ Les principaux types de prévisions sont : les prévisions statistiques, les prévisions dynamiques, les prévisions mixtes. Les prévisions statistiques sont simples à comprendre et à mettre en œuvre mais peuvent ‘omettre’ des facteurs. Ils s’appuient aussi sur la stabilité des relations, ce qui n’est pas toujours vrai. Les prévisions dynamiques s’appuient sur des modèles numériques qui nécessitent de grands moyens et des connaissance approfondies. 173 Les modèles intègrent toutes le influences et ne risque pas d’en oublier ou de suppose une stabilité des relations. Leur résolution reste cependant trop lâche pour donner des prévisions localisées et ter tout à fait réalistes. Les méthodes mixtes essaient de corriger les erreurs des modèles dynamiques et de générer des informations plus localisées. 2. Quelles sont les principales sources d'incertitude ? L'incertitude peut-elle être évitée ? Comment les prévisions intègrent-elles les incertitudes ? ✓ Les principales sources d’erreurs viennent de notre réseau d’observations très imparfait, de notre représentation imparfaite du système climatique et de notre méconnaissance de certains facteurs telles les éruptions volcaniques qui affectent le système climatique. L’incertitude ne peut pas être totalement évitée et on essaie de la quantifier. Notamment on accompagne les prévisions des estimations de confiance que nous avons dans les prévisions, sous forme de probabilités. 3. Baseriez-vous vos décisions agricoles sur une prévision saisonnière déterministe (c'est-à- dire donnant des valeurs précises) et à haute résolution (par exemple au niveau de la ferme) ? Expliquez pourquoi ou pourquoi pas. ✓ Non, car il y a trop d’incertitude pour émettre des prévisions déterministes fiables et j’ai besoin d’une estimation de la confiance que je peux avoir dans la valeur donnée. La haute résolution est aussi un artefact car la prévision saisonnière s’appuie sur les concepts de circulations régionales, telles la mousson ouest-africaine, et n’a pas les informations nécessaires pour prévoir l’évolution des pluies de manière localisée. Auto-évaluation 2.1. : Differentes sources d’information climatique 1. Quelle est la différence entre les services climatiques et l’information climatique ? ✓ L’information climatique se concentre surtout dur l’analyse des données climatiques pertinentes pour le problème qui se pose. Elle ne donne pas immédiatement de solutions en termes de décisions ou options. Les services climatiques, de l’autre coté, contextualisent l’information climatique en termes d’impacts ou de solutions plus proches des préoccupations des utilisateurs et incluent des canaux de communication. 2. Qu’est-ce qu’un GTP ? A quel niveau opère-t-il ✓ Le GTP et un groupe pluridisciplinaire d’experts et techniciens des secteurs sensibles au climat qui évaluent le développement de l’hivernage et donnent des conseils. Les GTP opèrent a deux niveaux : le GTP central évalue l’hivernage sur l’ensembles du pays et nombreux de ses conseils sont vers les instances centrales. Les GTP décentralisés, dans les départements, ont pour vocation de se focaliser sur les impacts et risques spécifiques au département. 3. Qu’est que la Data thèque de l’ANACIM ? ✓ La datathèque de l’ANACIM est un outil de gestion, analyse et visualisation des données climatiques, et sectorielles dans une certaine mesure. C’est un outil conçu pour ouvroir l’accès a l’information climatique a un plus grand nombre de personnes non-spécialistes 4. Quels’ sont les avantages et les inconvénients des données combinées par rapport aux données des stations et données satellitaires ? ✓ Les données combinées permettent de re-ajuster les biais des estimations satellitaires en utilisant les données observées dans les stations météorologiques au sol. Elles allient la couverture spatiale des satellites avec la vérité terrain mesurée ponctuellement. Mais elle n’améliorent les estimations satellitaires que dans la mesure ou les données stationelles qui le composent sont nombreuses e de bonne qualité. 174 5. Qu’est-ce que AgDataHub ? ✓ AgDataHub est un portail de données Agricoles et climatiques conçu pour supporter l’aide a la décision dans le domaine de la production agricole. Il est en construction pour l’instant et sera implémenté au sein du portail GTP. 6. Quels sont les avantages et inconvénients respectifs des bulletins GTP, Datathèque et AgDataHuB ? ✓ On peut citer de nombreux avantages et inconvénients. Pour donner quelques pistes : le bulletin des GTP a une forme standardisée qui laisse peu de place pour l’exploration et création de nouvelles informations. L’information y est aussi d’échelle nationale ne permettant pas une bonne utilisation dans des activités de tous les jours. Cependant, il résulte d’une analyse précise at distille des conseils généraux fiables. La datathèque se caractérise par une plus grande flexibilité des informations climatiques que l’on peut en extraire, en fonction de ses besoins, y compris a l’échelle fine, mais nécessite des compétences pour s’y retrouver et sélectionner les analyses et les paramètres nécessaires. AgDatHub se place entre les deux, étant donnes qu’il donne accès a plus d’analyses et, dans le futur, traduira les résultats d’analyses en en conseils. Contrairement a la datathèque qui ne se spécialise pas dans un secteur, le AgDatHub est spécialement conçu pour le secteur de production agricole. Auto-evaluation 2.4.1 : Interpretation des previsions saisonnieres de l’ANACIM 1. A quoi correspondent les catégories excédentaire, normale et déficitaire utilisée dans la prévision saisonnière ? ✓ Les catégories sont obtenues par le partage des précipitations historiques classées par ordre de grandeur en trois classes de même nombre d’année. La catégorie « excédentaire » regroupe les années les plus pluvieuses, la catégorie « déficitaire » les moins pluvieuses et la catégorie » normale » les années du milieu. 2. Comment un agent de conseil peut aider à interpréter la prévision saisonnière de l’ANACIM ? ✓ Un agent de conseil agricole peut préciser les limites des catégories ou les intervalles auxquels elles correspondent car, même si les appellations excédentaire, normale et déficitaire, sont les mêmes à Matam et Ziguinchor elles ne correspondent pas aux mêmes précipitations. Pour cela elle/il peut accéder dans les maproom aux séries temporelles des précipitations historiques pour la localité donnée et lire les précipitations correspondant aux terciles a partir des courbes des probabilités de dépassement. Auto-Évaluation 3.1.3: Décisions de production sensibles au climat 1. Utiliseriez-vous une prévision météorologique ou une prévision climatique saisonnière pour décider s’il faut pulvériser contre les ravageurs de culture ? ✓ Prévision météorologique 2. Lequel utiliseriez-vous pour décider quelle variété planter ? ✓ Prévision climatique saisonnière Auto-Évaluation 3.1.5: Les arbres de décision Pour quelle décision un arbre de décision serait-il le plus approprié ? 175 a) Quelle quantité d’engrais appliquer à votre champ, ou b) Quelle spéculation planter dans votre champ ? ✓ Quelle spéculation planter dans votre champ Auto-Évaluation 3.2.1 : Équivalent de certitude Pour un producteur ayant une aversion pour le risque et qui choisit une stratégie de gestion agricole en fonction du risque climatique, l’EC serait-il : a) un rendement supérieur à celui escompté ? b) égal au rendement attendu ? c) un rendement inférieur à celui escompté ? ✓ Un rendement inférieur à celui escompté Auto-Evaluation 4.1.6: Canaux de Communication Les producteurs ont-ils besoin de plus de formation et de conseils pour utiliser les prévisions météorologiques ou les prévisions climatiques saisonnières ? ✓ Les prévisions climatiques saisonnières. 176