Production et évaluation de données météorologiques spatiales à très haute résolution au Sénégal et application aux études d'impacts des changements climatiques sur les rendements du mil

Production and evaluation of very high resolution space meteorological data in Senegal and application to studies of the impacts of climate change on millet yields

• Auteur / Autrice : Asse Mbengue
• Direction : Benjamin Sultan
• Type : Projet de thèse
• Discipline(s) : STE-Sciences de la Terre
• Date : Inscription en doctorat le 01/02/2023
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École Doctorale GAIA Biodiversité, agriculture, alimentation, environnement, terre, eau (Montpellier ; 2015-...)
• Partenaire(s) de recherche : Laboratoire : Observation Spatiale, Modèles et Science Impliquée

Mots clés

Mots clés libres

Production

Impacts

Evaluation

Changements climatiques

Données

Rendement

Production

Impacts

Evaluation

Climate change

Data

Yields

Résumé

Le Sénégal à l'instar de la majeure partie des pays sahéliens est un pays dont les activités socio-économiques sont essentiellement liées à l'agriculture pluviale qui emploie pratiquement la majorité de la population active. C'est un secteur qui est fortement assujetti à la forte variabilité des conditions climatiques. Depuis les années 1970, les plus grandes famines ayant nécessités un recours à l'aide alimentaire internationale (1974, 1984/1985, 1992 et 2002) sont dues en partie ou en totalité à ces variations du climat (Dilley et al., 2005). Mais à ces variations climatiques récentes s'ajoutent, aussi, les conséquences du changement climatique qui se manifestent par une augmentation de la température partout dans le monde ainsi que, d'une probable augmentation de la fréquence et de l'intensité des évènements pluviométriques extrêmes dans un contexte Sahélien déjà très vulnérable aux variations climatiques. Les impacts de ces changements sur l'agriculture représentent une contrainte supplémentaire sur un système de production en équilibre déjà précaire. Le futur de l'économie de cette zone dépendra de la capacité du secteur agricole de produire assez pour relever le défi dû à une demande d'une population qui croît rapidement. Cet enjeu est tel que malgré l'incertitude sur les projections climatiques (Sultan B. 2001; GIEC, 1990; Holden et al., 2010), il faut d'ores et déjà mettre en place des options d'adaptation pour réduire la vulnérabilité de la population à la variabilité et aux changements climatiques pour une meilleure sécurité de l'alimentaire. De ce fait, l'anticipation de ces changements et variations du climat, et leurs impacts dans le domaine agricole devient un enjeu majeur. Plusieurs études ont été menées tendant à coupler les sorties des modèles de circulation Atmosphériques (GCM) aux modèles agronomiques dans le but de quantifier les rendements agricoles à différents horizons temporels et selon différents scénarii de changement du climat (Oettli et al., 201; Salck et al, 2012; Berg et al, 2010; Osborne et al; 2007) Malheureusement, le problème de la disponibilité des données constitue un défit majeur pour une information climatique fiable et par conséquent a une bonne évaluation de l'impact des changements climatiques. certaines études ont été menées en utilisant soit des modèles d'impact à grande échelle (tel que le modèle GLAM) forcés avec les sorties des GCM afin de simuler le rendement des céréales soit avec le modèle SARRA-H, modèle à l'échelle parcellaire (Berg et al., 2010 ; Berg et al., 2011). Cependant, il faudra noter que ce couplage pose un certain nombre de problèmes: • Une inadéquation d'échelle entre les GCM, qui simule le climat sur une résolution spatiale très grande (centaines de kilomètres) qui n'est pas approprié pour faire une étude d'impact à l'échelle fine tels que les modèles agronomiques développés pour simuler le comportement de la plante à l'échelle de la parcelle. Ainsi, il serait inapproprié de forcer ces modèles d'impact avec les sorties des GCM. De ce fait, pour mieux appréhender ce processus, il est nécessaire de disposer de données d'entrée journalière à l'échelle de la parcelle (Ahmed, 2011 ; Challinor et al., 2004 ; Oetelli et al., 2011). • Les biais systématiques associés aux modèles climatiques liés à une incertitude sur la représentation de certaines variables (Pluie) au niveau des GCM qui nécessitent d'être corrigés avant toute étude d'impact (Ehret et al., 2012 ; Salack et al., 2012 ; Zhang, 2005; Piani et al., 2009). • et aussi des bias associés à la modélisation du système sol-plante-atmosphère relatives à la conceptualisation même du modèle agronomique. Le but de cette thèse est de mettre en place un modèle opérationnel de prévisibilité des rendements du mil bien avant même la fin de l'hivernage au Sénégal en couplant le modèle agronomique spatiale (Sarra-0) aux données ENACTS à très haute. Les résultats de cette contribueront à la mise en place d'un outil d'aide à la décision destiné aux décideurs pour la planification des politiques et programmes agricoles. Spécifiquement il s'agira de : Etape 1 : Analyser la variabilité climatique observée au Sénégal depuis les années 1980 à nos jours ; Etape 2 : Evaluer et valider les données ENACTS (fusion des observations aux estimations des satellites) ; Etape 3 : Paramétrer et évaluer le modèle agronomique Sarra-0 à simuler les rendements du mil au Sénégal en utilisant les données ENACTS en entrée sur la période 1981-2020 ;

Senegal, like most of the Sahelian countries, is a country whose socio-economic activities are essentially linked to rain-fed agriculture, which essentially employs the majority of the active population. This is a sector that is highly subject to the high variability of climatic conditions. in the 1970s, the greatest famines requiring international food aid (1974, 1984/1985, 1992 and 2002) were partly or totally due to these climate variations (Dilley et al., 2005) . But in addition to these recent climatic variations, there are also the consequences of climate change which are manifested by an increase in temperature throughout the world as well as a probable increase in the frequency and intensity of extreme rainfall events. in a Sahelian context already very vulnerable to climatic variations. The impacts of these changes on agriculture represent an additional constraint on an already precarious balanced production system. The future of the economy of this area will depend on the ability of the agricultural sector to produce enough to meet the challenge of demand from a rapidly growing population. This challenge is such that despite the uncertainty about climate projections (Sultan B. 2001; IPCC, 1990; Holden et al., 2010), it is already necessary to put in place adaptation options to reduce vulnerability. population to climate variability and change for better food security. As a result, anticipating these climate changes and variations, and their impacts on agriculture, becomes a major challenge. Several studies have been carried out aiming to couple the outputs of Atmospheric Circulation Models (GCM) to agronomic models in order to quantify agricultural yields at different time horizons and according to different climate change scenarios (Oettli et al., 201; Salck et al, 2012; Berg et al, 2010; Osborne et al; 2007) Unfortunately, the problem of data availability constitutes a major challenge for reliable climate information and therefore a good assessment of the impact of climate change. some studies have been carried out using either large-scale impact models (such as the GLAM model) forced with GCM outputs to simulate cereal yield or with the SARRA-H model, a plot-scale model (Berg et al., 2010; Berg et al., 2011). However, it should be noted that this coupling poses a number of problems: • A mismatch of scale between the GCMs, which simulate the climate on a very high spatial resolution (hundreds of kilometres) which is not appropriate for carrying out a fine-scale impact study such as the agronomic models developed for simulate the behavior of the plant at the scale of the plot. Thus, it would be inappropriate to force these impact patterns with GCM outputs. Therefore, to better understand this process, it is necessary to have daily input data at plot level (Ahmed, 2011; Challinor et al., 2004; Oetelli et al., 2011). • Systematic biases associated with climate models related to uncertainty in the representation of certain variables (rain) at the GCM level which need to be corrected before any impact study (Ehret et al., 2012; Salack et al., 2012; Zhang, 2005; Piani et al., 2009). • and also the biases associated with the modeling of the soil-plant-atmosphere system relating to the very conceptualization of the agronomic model. The aim of this thesis is to set up an operational model for the predictability of millet yields well before the end of rainy season in Senegal by coupling the spatial agronomic model (Sarra-0) to very high ENACTS data. The results of this will contribute to the establishment of a decision support tool for decision-makers for the planning of agricultural policies and programs. Specifically it will be: Step 1: Analyze the climatic variability observed in Senegal from the 1980s to the present day; Step 2: Evaluate and validate ENACTS data (merge observations with satellite estimates); Step 3: Parameterize and evaluate the Sarra-0 agronomic model to simulate millet yields in Senegal using ENACTS data as input over the period 1981-2020;