John Libbey Eurotext

Science et changements planétaires / Sécheresse

The advantages of seasonal forecasting for West African agriculture Volume 24, issue 4, Octobre-Novembre-Décembre 2013



Figure 1 Carte de la pluviométrie annuelle moyenne sur la période 1970-2009 (données CRU 3.1) et localisation des deux sites en Afrique de l’Ouest.



Figure 2 Comparaison des taux d’utilisation de chaque itinéraire cultural selon la simulation de contrôle du modèle d’exploitation et selon les données observées au Niger sur la période 2004-2007. d’après Roudier et al. (2011b).



Figure 3 Carte des prévisions saisonnières en Afrique de l’Ouest issue du forum PRESAO 2012. Elle représente les différentes zones et les probabilités pour que le cumul des pluies de l’été 2012 (de juillet à septembre) soit supérieur (rectangle du haut), égal (rectangle du milieu) et inférieur (rectangle du bas) à la normale climatologique. ACMAD, 23 mai 2012.



Figure 4 Évolution du revenu équivalent certain (en %) par rapport à la situation de contrôle, selon le type d’années et le type de système de prévisions considérés. Les trois systèmes de prévisions considérés sont : (Impft) une prévision imparfaite du cumul pluviométrique saisonnier proche du système PRESAO actuel ; (Pft) une prévision parfaite du cumul saisonnier ; et (Pft++) une prévision parfaite du cumul saisonnier, du démarrage et de la fin de la saison des pluies. d’après Roudier et al. (2011b).



Figure 5 Relations entre la valeur de l’utilisation des prévisions des années sèches (en % d’augmentation du revenu pour l’exploitation) et la qualité de la prévision mesurée par la corrélation entre la prévision et l’observation sur une période de 31 ans. Les résultats sont basés sur la génération de 10 000 prévisions virtuelles de la saison humide au Sénégal (de juillet à septembre) où l’incertitude des prévisions est modélisée en ajoutant un bruit blanc normé à la série observée de pluies au Sénégal. La barre verticale rouge représente la corrélation R = 0 et la barre horizontale bleue la valeur zéro où les prévisions ont une valeur nulle pour les agriculteurs. d’après Sultan et al. (2010).