De meilleures prévisions saisonnières pour optimiser la gestion des cultures
La prévision saisonnière des impacts du climat sur l’agriculture n’en est qu’à ses débuts. Notre incapacité à prédire avec précision les variations climatiques saisonnières pourrait avoir des conséquences dévastatrices sur le rendement des récoltes, car nous ne sommes pas préparés aux conditions météorologiques extrêmes. Le projet CLIM4CROP, financé par l’UE, s’est intéressé à la meilleure manière d’exploiter les prévisions saisonnières à l’échelle mondiale pour améliorer les prises de décision relatives à la gestion des cultures fondée sur des données probantes en appliquant les dernières avancées réalisées dans les sciences du climat et des cultures. Grâce au soutien du programme Actions Marie Skłodowska-Curie (MSCA), des chercheurs ont recouru à des informations climatiques, qui comprenaient les ensembles de prévisions saisonnières les plus complets et les plus actualisés. Des archives à long terme couplées à des données en temps quasi réel sont indispensables pour le suivi et la prévision du rendement des cultures. CLIM4CROP a caractérisé les incertitudes présentes dans les ensembles mondiaux de données portant sur les observations du climat de ces 30 dernières années. «Nous avons également développé des modèles statistiques pour mieux comprendre la relation entre le climat et le rendement des cultures et étudier la prévisibilité saisonnière du rendement des cultures», indique Marco Turco, chargé de recherche MSCA du Barcelona Supercomputing Center.
Un nouvel outil de suivi
Les scientifiques ont d’abord évalué la qualité des données climatiques continues et à long terme en s’intéressant à l’indice de précipitations normalisé (SPI). Il s’agit d’un indicateur couramment utilisé dans le monde pour caractériser les sécheresses sur différentes échelles de temps. Sur les échelles courtes, le SPI est étroitement lié à l’humidité du sol. Sur les échelles plus longues, le SPI peut être utilisé pour estimer le stock des eaux souterraines et des réservoirs. Cet indice peut également être comparé à travers les régions ayant des climats considérablement différents. Les chercheurs ont également créé l’ensemble de données DROught Probabilistic (DROP) afin de suivre les sécheresses en adoptant une approche probabiliste. Cet outil de suivi climatique utilise un ensemble d’observations pour obtenir la meilleure estimation des précipitations avec son incertitude inhérente. DROP s’inspire de l’approche à différents modèles de la prévision météorologique et climatique, et offre des informations complémentaires pour améliorer les ensembles de données climatiques existants. «Avec DROP, nous avons d’abord évalué la qualité des données climatiques continues et à long terme pour un suivi météorologique opportun des sécheresses», explique Marco Turco. «Ensuite, en appliquant une approche d’ensemble, en reproduisant les méthodologies des prévisions météorologiques et climatiques, nous avons développé DROP comme un nouvel ensemble mondial de données maillées des terres dans lequel une série d’ensembles de données fondées sur l’observation sert à obtenir la meilleure estimation en temps quasi réel avec son incertitude inhérente.»
Une meilleure gestion des cultures
L’ensemble de données DROP a été publié dans le Bulletin of the American Meteorological Society (BAMS). Il représentait des valeurs tirées d’un ensemble de points de grille pour le suivi des sécheresses, et sa valeur est inestimable pour la communauté scientifique et le public. «Ce nouvel ensemble de données permettra de mieux comprendre l’interaction entre le climat et le rendement des cultures, et ces nouvelles informations permettront de gérer plus efficacement les cultures, aidant ainsi les décideurs politiques et les entités commerciales en favorisant des décisions politiques globales en temps opportun sur les priorités d’adaptation et en aidant à atténuer les impacts des sécheresses, en particulier dans des pays où le suivi météorologique reste complexe», observe Marco Turco. Il est à espérer que ces informations probabilistes et de haute qualité fournies par DROP seront utiles pour les applications de suivi et qu’elles pourront servir de référence dans l’étalonnage et la validation des modèles climat-culture. Elles peuvent également être utilisées pour développer un modèle de culture climatique intégré qui combine des modèles de cultures empiriques et des prévisions saisonnières du climat tout en tenant compte de l’incertitude des observations. «Il est essentiel de quantifier les incertitudes dans le suivi des sécheresses à des fins agricoles pour traduire les données en informations exploitables. Par conséquent, CLIM4CROP peut fournir les informations précises, essentielles et opportunes sur les sécheresses pour passer d’une gestion post-catastrophe à une gestion pré-impact du risque de sécheresse», conclut Marco Turco.
Mots‑clés
CLIM4CROP, ensemble de données, suivi, prévisions saisonnières, DROught Probabilistic (DROP), indice de précipitations normalisé (SPI), changement climatique, ensemble de données maillées