Utilisation des Prévisions Saisonnières pour la Prévention et la Gestion des Crises Alimentaires. Le cas d étude MALI Campagne Agricole 2004/2005

Transcription

1 African Monsoon Multidisciplinary Analysis Conférence Internationale de DAKAR 28 novembre 2 décembre 2005 Utilisation des Prévisions Saisonnières pour la Prévention et la Gestion des Crises Alimentaires Le cas d étude MALI Campagne Agricole 2004/2005 A. Di Vecchia, L. Genesio, P. Vignaroli Consiglio Nazionale Ricerche Istituto di BioMeteorologia

2 Cadre Institutionnel Projet Suivi de la Vulnérabilité au Sahel (SVS). Bailleur : Coopération Italienne - DGCS Agente exécution : Organisation Météorologique Mondiale Objectif : institutions Renforcer les capacités techniques des nationaux et régionaux opérant dans le domaine de la sécurité alimentaire pour la prévention des crises et la tutelle de l environnement Bénéficiaires : Centre Régional AGRHYMET - DIR et Services techniques Nationaux des pays du CILSS responsables de l alerte précoce alimentaire et la gestion des ressources naturelles Coordination technique et scientifique : IBIMET - CNR

3 Contexte La sécurité alimentaire des pays sahéliens dépend encore fortement des caractéristiques de l environnement biophysique et de l aléa climatique. La plupart des populations exposées à l insécurité alimentaire vit dans des régions écologiquement désavantagées et pauvres en ressources, sujettes aux effets de la désertification et de la sécheresse. L éfficacité des actions de prévention et gestion des crises alimentaire decoule de la capacités des dispositifs régionaux et nationaux d intégrer les informations générées tout au cours d une campagne agropastorale dans un processus organique de prise de décision.

4 Disponibilité d information approprié et à temps permettant d appréhender de manière progressive et transparente le degré de gravité de la crise ainsi que l importance et la localisation de la population touchée d engager un ensemble coordonné d actions ayant pour but l atténuation des impacts au niveau des différentes zones et des population cibles d évaluer l efficacité des mesures entreprise. Prise de décision et planning Mise en place des interventions Ciblage résultats

5 La Prévision des Crises Alimentaires au Sahel Calendrier de Prévision des Crises Alimentaires (CPCA) développé par le Centre Régional AGRHYMET dans le cadre du projet SVS pour répondre aux besoins d information des différents acteurs de la sécurité alimentaire. détecter et gérer les différents types de crise selon une échelle géographique qui va de la région jusqu aux localités. Pour chaque typologie de crise le CPCA indique les outils à dérouler les produits d informations à diffuser pour la prise de décision (Informations Actions) Échelle temporelle pas de temps mensuels couvrant l entière durée d une campagne agro-pastorale.

6 Définition et caractérisation des crises Événement et échelle Population affectée Caractéristiqu e de la crise Fréquence Actions d atténuation Famine à l échelle régionale Crise alimentaire diffusée dans plusieurs pays Crise alimentaire dans zones de différents pays Disette au niveau village Millions d'habitants Centaines de milliers d'habitants Dizaines de milliers d'habitants Milliers d'habitants Baisse production céréalière > 30% de la moyenne Population touchée > 50% total Baisse production céréalière >10% sur plusieurs pays - Population touchée 20-50% total Incapacité des zones à saitisfaire besoins aliment. de la population (TVCBC < 110%) Incapacité des groupes/ménages à satisfaire les propres besoins alimentaires 1 année sur 15 1 année sur 5 1 année sur 2 Toutes les années Survie dépendante de l'aide alimentaire et de l'action des Organisations internationales Survie dépendante de l'aide alimentaire internationale Provision alimentaire par le stocks de sécurité et le commerce régional Déficit couvert par le stocks de sécurité et le commerce nationale

7 CALENDRIER DE PREVISION DES CRISES ALIMENTAIRES - PRESAO - FIT - HOWI Images satellitaires (Ch.Pluv. NDVI) - Suivi des marchées - Mission de terrain Analyse courante Suivi Agro-Météo (ZAR-FDV-DHC) Scénarios Impacts Climatologie Séries historiques des données Analyse structurelle Cadre référence vulnérabilité structurelle - Niveau crise - Zones cibles Zones à Risque - Anomalies pluies - Anomalies végétation - Anomalies rendements Bilan Alimentaire Zones Vulnérables Produits d information Pre-alerte Confirmation alerte Ciblage aide alimentaire Actions Distribution aide alimentaire

8 Prévisions Saisonnières années homologues Regréssion lineaire pluies/rende ments Bilan céréaliers Prévisions cumul saisonnière et répartition mensuelle des pluies impacts des anomalies de pluie sur les productions agricoles attendues échelle nationale/régionale Évaluation disponibilité d aliments (céréales) par rapport à la situation de référence (cadre structurelle) Étapes de l analyse Probable niveau de crise Analyse de vulnérabilité Scénarios de couverture des besoins alimentaires à l échelle sub nationale (Unités Administratives) par rapport au cadre de référence structurelle Identification zones à risque d insécurité alimentaire

9 Les Prévisions Saisonnières IBIMET - Sahel Resources Cumul et anomalies de pluie sur des régions étendues (couvrant plusieurs pays) par rapport à une situation de référence (moyenne climatologique issue des données GPCP). Simuler la situation d une campagne agricole dans la mesure où le cumul du mois de juin à septembre représente une part importante de la quantité d eau disponible pour les cultures. Prémière étape dans la prévention et la gestion des crises alimentaires

10 La méthode des analogues Sur la période [ ], chaque année a été définie par un vecteur dans une éspace à dimension multiple Minimisation de la distance Euclidée dans un espace défini par l ensemble des prédicteurs utilisés (P i ) min Most variability during ENSO n 1 ( i i 2 P curr P past ) Water Vapour for African Monsoon Feed Asian Monsoon 1. Niño-3 (5S-5N;150w-90w) 2. Golfe de Guinée (10S-5N;20w-10e) 3. Océan Indien (5S-15N;60e-90e) Best Analog year Anomalie standardisée de la température superficielle de la mer à l année courante (SST-SA) Différence SST-SA courante et la SST moyenne ( ), divisée par l écart type de la SST sur la période (Source données NOAA) Le taux de change standardisée (SCR) est la différence entre la SST-SA courante et celle précédente. Ce ci permet de considérer la tendance (trend) au niveau de chaque prédicteur PREDICTEURS (P i ) 1. SST/SA Nino-3 2. SST/SA Golfe de Guinée 3. SST/SA Océan Indien 4. SCR Nino-3 5. SCR Golfe de Guinée 6. SCR Océan Indien

11 Les produits 2,5 résolution Les prévisions mensuelles

12 Prévisions Saisonnières années homologues Regréssion lineaire pluies/rende ments Bilan céréaliers Prévisions cumul saisonnière et répartition mensuelle des pluies impacts des anomalies de pluie sur les productions agricoles attendues échelle nationale/régionale Évaluation disponibilité d aliments (céréales) par rapport à la situation de référence (cadre structurelle) Probable niveau de crise Analyse de vulnérabilité Scénarios de couverture des besoins alimentaires à l échelle sub nationale (Unités Administratives) par rapport au cadre de référence structurelle Identification zones à risque d insécurité alimentaire

13 Rendements attendus VARIATIONS DES RENDIMENTS PAR RAPPORT AUX ANOMALIES DE PLUIE (Pluie cumulée sur la periode June-Juillet-Aout) Pays Culture\var.pluie -50% -30% -10% 10% 30% 50% Régression (Y=rendement ; X=pluie) Corrélation (R) Burkina Faso MIL -30% -18% -6% 6% 18% 30% Y= 0.78 X SORGHO -24% -15% -5% 5% 15% 24% Y= 0.80 X MAIS -55% -33% -11% 11% 33% 55% Y= 2.27 X Mali MIL -43% -26% -9% 9% 26% 43% Y= 1.61 X SORGHO -55% -33% -11% 11% 33% 55% Y= 2.35 X MAIS -16% -10% -3% 3% 10% 16% Y= 0.96 X RIZ -68% -41% -14% 14% 41% 68% Y= 4.77 X Mauritanie MIL -7% -4% -1% 1% 4% 7% Y= 0.20 X SORGHO -3% -2% -1% 1% 2% 3% Y= 0.17 X MAIS -7% -4% -1% 1% 4% 7% Y= 0.37 X Niger MIL -43% -26% -9% 9% 26% 43% Y= 1.47 X SORGHO -47% -28% -9% 9% 28% 47% Y= 1.09 X Sénégal MIL -14% -8% -3% 3% 8% 14% Y= 0.40 X SORGHO -18% -11% -4% 4% 11% 18% Y= 0.66 X MAIS 8% 5% 2% -2% -5% -8% Y= X ARACHIDE -30% -18% -6% 6% 18% 30% Y= 1.22 X Tchad MIL -35% -21% -7% 7% 21% 35% Y= 0.81 X SORGHO -37% -22% -7% 7% 22% 37% Y= 1.11 X MAIS -38% -23% -8% 8% 23% 38% Y= 1.46 X Elaboration réalisé sur la série historique des rendements

14 Prévisions Saisonnières années homologues Regréssion lineaire pluies/rende ments Bilan céréaliers Prévisions cumul saisonnière et répartition mensuelle des pluies impacts des anomalies de pluie sur les productions agricoles attendues échelle nationale/régionale Évaluation disponibilité d aliments (céréales) par rapport à la situation de référence (cadre structurelle) Probable niveau de crise Analyse de vulnérabilité Scénarios de couverture des besoins alimentaires à l échelle sub nationale (Unités Administratives) par rapport au cadre de référence structurelle Identification zones à risque d insécurité alimentaire

15 Production céréalière 2004 (prévisionissue du PRESAO/Ibimet) comparée à la production moyenne ( ) Pays Prod cer estimée (x1000 tonnes) Prod cer. Moyenne (x1000 tonn) Différence 2004 vs Moyenne (%) Burkina Faso % Gambie % Guinée Bissau % Mali % Mauritanie % Niger % Sénégal % Tchad % CILSS % NOTES : Situation favorable au Tchad. Situation proche de la moyenne au Niger, Gambie et Guinée Bissau. Situation déficitaire au Burkina Faso, Mali, Mauritanie et Sénégal. Niveau de probabilité de crise issue du PRESAO/Ibimet Pays Niveau de crise Burkina Faso Moyen - haut Tchad Gambie Guinée Bissau Moyen - Moyen Moyen bas Mali Mauritanie Niger Sénégal Moyen - haut Moyen Moyen Moyen NOTE : Possible situation de difficulté alimentaire au Burkina Faso et au Mali Possible crise dans zones de différents pays

16 Prévisions Saisonnières années homologues Regréssion lineaire pluies/rende ments Bilan céréaliers Prévisions cumul saisonnière et répartition mensuelle des pluies impacts des anomalies de pluie sur les productions agricoles attendues échelle nationale/régionale Évaluation disponibilité d aliments (céréales) par rapport à la situation de référence (cadre structurelle) Probable niveau de crise Analyse de vulnérabilité Scénario de couverture des besoins alimentaires à l échelle sub nationale (Unités Administratives) par rapport au cadre de référence structurelle Identification zones à risque d insécurité alimentaire

17 Idéntification Zones à Risque au Mali Zones à risque zones dans lesquels il y a une fort probabilité que des conditions défavorables puissent toucher la sécurité alimentaire des population en terme de disponibilité et accès à la nourriture

18 Détérminants de la sécurité alimentaire Approvisionement sûr et fiable, en tout temps des aliments pour tous (stabilité dans le temps et l espace) Capacité à saitisfaire les besoins alimentaires à travers le recours aux marchès (pouvoir d achat, réseau de communication et toute autres facteurs sociaux et démographiques affectant le niveau des revenues ainsi que les prix des aliments) Disponibilité alimentaire Stabilité des approvisionnements Accès aux vivres Utilisation biologique Quantité de produits alimentaires salubres et nutritifs rendus diponibles par la production agricole nationale, les importations nettes et les stocks (commercients, producteurs, état) Facteurs et comportements influençant l état nutritionnel et le régime alimentaire des individues (soins et pratiques de santé, hygiène, eau potable, etc.)

19 La mesure de la vulnérabilité L indicateur principale de mesure de la vulnérabilité alimentaire d une zone est le Taux Virtuel de Couverture des Besoins Céréalières (TVCBC) TVCBC = Disponibilité céréalière / demande céréalière(*) Unités excédentaires ou déficitaires Exprime la capacité du system productif agricole à satisfaire les besoins alimentaires de la population y vivant. Le TVCBC est obtenu par la prise en compte des productions nettes des céréales, cultures de rente plus autres cultures ainsi que le bétail (Petit ruminants). La production primaire des cultures de rente et des produits de l élevage est transformée en céréales équivalentes aux prix de marché. (*)218 Kg/an/pers. Pour le Mali

20 Facteurs de risque et leur impact Ils sont fonction des caractéristiques structurelles de la zone touchée et notamment des systèmes de production dominants Système de production Élément observé Impact sur la S.A. Vivrier Réduction de la production Disponibilité Rente Pastoral Réduction de la production Dégradation termes échange Réduction du potentiel exploitable Dégradation termes échange Disponibilité Accessibilité Accessibilité

21 Création des scénarios pour la campagne 2004/2005 Les anomalie % des productions céréalières attendue au Mali par rapport à la situation de référence (-20%) sont utilisées comme entrée pour l analyse. Face à cette réduction des production on prévoit également une augmentation moyenne de + 10% des prix des céréales. Analyse de sensibilité Permet d évaluer l impact conséquent à la variation d une ou plus paramètres en terme de disponibilité et/ou d accessibilité aux aliments par rapport aux caractéristiques structurelles des unités administratives (Cercles)

22 L outil d analyse Visualcarte-PRVS

23 Résultats Zones touchées par les criquets pellerins

24 Zones à risque par le PRESAO/IBIMET et le SAP MALI Cercles IBIMET Juin 04 SAP Nov.04 Arrondissements Notes Kayes Oui Oui Aourou, Koussane Yelimané Oui Oui Kirane Kenieba (*) Oui nd Bafoulabé (*) Oui nd Kita (*) Oui nd Nioro Non Oui Korera-Koré, Gougui Sécheresse + criquets Diema Non Oui Dioumara, Diema Central Sécheresse + criquets Nara Oui Oui Tous les arrondissements Kati (*) Oui nd Kangaba (*) Oui nd Yanfolilla (*) Oui nd Niono Oui Oui Niampala Youwarou Oui Oui Tous les arrondissements Tenenkou Oui Oui Dioura Djenne Non Oui Sofara, Taga Sécheresse + criquets Douentza Oui Oui Tous les arrondissements Koro Oui Oui Diangourou Dioungani Sécheresse + criquets Bandiagara Oui Oui Kendie, Ningari Sécheresse + criquets Mopti Oui Oui Korientze Niafounké Non Oui Tous les arrondissements Sécheresse + criquets Gourma Rharous Non Oui Tous les arrondissements Sécheresse + criquets Goundam Non Oui Tous les arrondissements Sécheresse + criquets Dire Oui Oui Tous les arrondissements Tomboctou Oui Oui Ber - Bourem Inakha Hausse prix céréales Gao Oui Oui In -Tillit Hausse prix céréales Ansonsgo Oui Oui Ansongo Hausse prix céréales Kidal Oui Oui Tous les arrondissements Hausse prix céréales (*) Cercles non suivis par le SAP MALI

25 Conclusions A l échelle régionale, la définition précoce du niveau de risque permet d alerter précocement les dispositifs nationaux et régionaux de prévention et gestion de crises en fonction de l intensité et l étendu du phénomène afin de mobiliser le plus rapidement possible l aide alimentaire A l échelle nationale (cas du Mali) Les résultas de l analyse comparées avec les données de terrain collectées par le SAP indiquent qu il est possible d envisager les zones à risque dès le mois de juin avec un bon degré d approximation. Que les activités de distribution de l aide alimentaire s avantagent des informations fournies par le calendrier afin d assurer un meilleure ciblage des zones et des groupes à risque insécurité alimentaire

26 Perspectives Amélioration de la fiabilité des prévisions saisonnières ainsi que de leur résolution spatiale et temporelle. Disponibilité de modèles de prévision de rendements étendus aux cultures autres que les céréales en pluviale (cultures de rente, cultures de décrue) Estimation des impacts des facteurs climatiques sur les performances de élevage. Disponibilité de modèles saisonniers de prévision des tendances des prix Évaluation de la dynamique de la vulnérabilité des différents systèmes par rapport aux changements climatiques pour la mise en place d actions efficaces de prévention des crises à long terme

27 Remerciements On remercie la Direction Nationale de la Météorologie ainsi que le Service d Alerte Précoce du Mali pour la mise à disposition des données qui ont permis la validation des résultats de ce travail. On remercie également les experts du Centre Régional AGRHYMET pour la collaboration et le support fourni en terme de données et de conseils durant le déroulement des analyses.