L'alerte précoce et la prévision des rendements agricoles au Burkina Faso: cas de trois provinces Passoré, Yatenga et Soum

L'alerte précoce et la prévision des rendements

agricoles dans trois provinces du Burkina Faso :

Passoré, Yatenga et Soum.

Travail de Fin d'Etudes présenté par Ouassomdé Paul Sylvestre RAMDE
En vue de l'obtention du diplôme de
Master complémentaire en gestion des risques naturels.

Jury composé de :

Promoteur : Bernard TYCHON Lecteurs: Pierre OZER

Michel ERPICUM

Année académique 2008-2009.

REMERCIEMENTS

Je souhaite formuler mes vifs remerciements à toutes les personnes qui ont contribué à la réalisation de cette formation en gestion des risques naturels. J'adresse en particulier, ma reconnaissance à:

Monsieur Bernard TYCHON, mon promoteur, qui m'a fait bénéficier de ses compétences et de son expérience en me guidant méthodiquement par des conseils et critiques dans les étapes de ce travail.

Madame Marianne Von FRENCKELL, et Messieurs André OZER, Pierre OZER et Roger PAUL, responsables du Master complémentaire en gestion des risques naturels au sein de l'Université de Liège et de la faculté des Sciences Agronomiques de Gembloux.

Messieurs Pierre OZER et Michel ERPICUM qui ont accepté être membres du jury pour la soutenance du présent travail de fin d'études malgré leurs responsabilités respectives.

Monsieur Bakary DJABY à qui nous disons: «noaâg sâa kum bii f reeg båogo» : je demande de vous rappeler quotidiennement de mes remerciements.

Messieurs Amani Louis KOUADIO et Farid TRAORE pour le soutien moral et les multiples conseils.

La Commission Universitaire pour le Développement (CUD), mon organisme boursier qui m'a permis de suivre dans de bonnes conditions la formation de Master complémentaire en gestion des risques naturels.

Tout le personnel administratif et pédagogique de l'université de Liège et les collègues de la promotion pour la disponibilité et l'écoute.

Toutes les personnes qui m'ont aidé pendant la recherche d'informations en vue de préparer ce Master.

Les familles RAMDE, OUEDRAOGO, DAMIBA, SOME pour toutes les multiples formes de soutien.

Que toutes les personnes qui m'ont apporté leur soutien mais qui n'ont pas été citées dans ces lignes retrouvent ici l'expression de ma profonde gratitude.

TABLE DES MATIERES

RESUME vii

ABSTRACT viii

LISTE DES SIGLES ET ABREVIATIONS ix

INTRODUCTION 1

Contexte et Problématique 1

Objectifs 2

Objectif général 2

Objectif spécifique 2

Hypothèses de travail 3

I. PRESENTATION DE LA ZONE D'ETUDE 4

1.1. Localisation de la zone d'étude 4

1.2. Productions agricoles et situation alimentaire des ménages 5

1.3. Importance du sorgho et du mil en matière de sécurité alimentaire 5

1.4. Caractéristiques agronomiques du sorgho et du mil 6

1.5. Evolution des rendements du mil et du sorgho 6

1.6. Evolution des superficies du sorgho et du mil 8

1.7. Pauvreté et sécurité alimentaire 9

1.8. Appréciations des précipitations par différents acteurs 10

1.8.1. Appréciation des précipitations selon les producteurs 10

1.8.2. Appréciation des précipitations selon la Direction Nationale de la Météorologie 10

1.9. Relation entre la longueur de la saison des pluies et les spéculations agricoles 13

1.10. Mécanismes de gestion des risques d'insécurité alimentaire au Burkina Faso 14

II. METHODOLOGIE 16

2.1. Définition de concepts clés 16

2.1.1. Sécurité Alimentaire 16

2.1.2. Système d'alerte précoce 16

2.2. Matériel de travail 16

2.2.1. Sources des données 16

2.2.2. AgroMet-Shell (AMS) 17

2.2.3. Fonctionnement de AMS 17

2.2.3.1. Données d'entrées 17

2.2.3.2. Sorties du modèle AMS 17

2.2.4. Modèle VAST (Vegetation Analysis in Space and Time). 18

2.2.5. New LocClim 18

2.2.6. Statistica 19

2.3. Méthodes. 19

2.3.1. Modèle VAST 19

2.3.2. Modèle AMS 20

2.3.3. Windisp 21

2.3.4. Pluviométrie et rendements agricoles historiques 21

2.3.5. Statistica 21

2.3.6. Microsoft Excel 22

2.3.7. Modélisation à partir des données de www.tutiempo.net 22

III. RESULTATS ET ANALYSES 24

3.1. Modèle de prévision des rendements agricoles dans la Province du Passoré 24

3.1.1. Prévision des rendements du mil 24

3.1.2. Prévision des rendements du sorgho 26

3.2. Modèle de prévision dans la Province du Yatenga 27

3.2.1. Prévision des rendements du mil 27

3.2.2. Prévision des rendements du sorgho 29

3.2.3. Vérification des hypothèses de pertinence et de précocité 31

3.3. Modèle de prévision des rendements dans la Province du Soum 31

3.3.1. Prévision des rendements du mil 32

3.3.2. Prévision des rendements du sorgho 33

3.3.3. Vérification des hypothèses de pertinence et précocité 35

3.4. Prévision de rendements à l'aide de données pluviométriques obtenues sur un

www.tutiempo.net 36

3.4.1. Prévision des rendements du mil 36

3.4.2. Prévision des rendements du sorgho 38

CONCLUSION 41

REFERENCES BIBLIOGRAPHIQUES 42

ANNEXES 45

LISTE DES TABLEAUX

Tableau 1: Etendue des provinces de la zone d'étude 5

Tableau 2 : Caractéristiques agronomiques du sorgho et du mil. 6

Tableau 3 : Modèles de prévision des rendements du mil au Passoré 25

Tableau 4 : Paramètres d'appréciation du modèle de prévision des rendements du mil au Passoré 25

Tableau 5 : Modèles de prévision des rendements du sorgho dans le Passoré 26

Tableau 6 : Paramètres d'appréciation du modèle de prévision du rendement du sorgho au Passoré 26

Tableau 7 : Modèles de prévision des rendements du mil au Yatenga 28

Tableau 8 : Paramètres d'appréciation du modèle de prévision des rendements du mil au Yatenga 28

Tableau 9 : Modèles de prévision des rendements du sorgho au Yatenga 29

Tableau 10 : Paramètres d'appréciation du modèle de prévision du rendement du sorgho au Yatenga 30

Tableaux 11: Modèles de prévision des rendements du mil au Soum 32

Tableau 12 : Indicateurs d'appréciation du modèle de prévision des rendements du mil au Soum 33

Tableau 13 : Modèles de prévision des rendements du sorgho au Soum 34

Tableau 14 : Indicateurs d'appréciation du modèle de prévision du sorgho au Soum 34

Tableau 15 : Modèle de prévision des rendements du mil au Yatenga à partir des données de www.tutiempo.net 37

Tableau 16 : Tableau de comparaison des indicateurs d'appréciation des modèles élaborés à partir des données obtenues en station et celles acquises de www.tutiempo.net. 37

Tableau 17 : Modèles de prévision des rendements du sorgho au Yatenga à partir des données pluviométriques provenant de www.tutiempo.net. 38

Tableau 18 : Tableau de comparaison des indicateurs d'appréciation des modèles de prévision élaborés à partir des données obtenues en station et celles provenant de www.tutiempo.net. 38

LISTE DES FIGURES

Figure 1 et 2: Evolution des rendements (Kg/ha) du mil et du sorgho. 7

Figures 3 et 4: Evolution des superficies (ha) du mil et du sorgho 8

Figure 5 : Incidence de la pauvreté dans la Région du Nord au cours d'une décennie. 9

Figure 7 : Evolution des rendements historiques du mil et du sorgho dans la province du Passoré. 24

Figure 8: Evolution des rendements du mil et du sorgho dans la province du Yatenga de 1986 à 2003. 27

Figure 9 : Relation entre rendements historiques et rendements simulés du mil au Yatenga. 29

Figure 10 : Relation entre rendements historiques et rendements simulés du sorgho au Yatenga. 30

Figure 11: Représentation des rendements observés et simulés du mil et du sorgho dans la province du Soum. 32

Figure 12 : Relation entre rendements historiques et simulés du sorgho au Soum. 35

LISTE DES CARTES

Carte 1: Présentation de la zone d'étude 4

Cartes 2 et 3 : Variation des précipitations au Burkina Faso. 11

Cartes 4 et 5 : Variation des précipitations au Burkina Faso 12

Carte 6: Longueur de la saison des pluies. 13

RESUME

Le Burkina Faso est un pays sahélien situé dans la boucle du Niger. Dans la partie Nord du pays, l'insécurité alimentaire est une préoccupation pour les habitants de cette partie du pays, les autorités nationales et les partenaires au développement. A cet effet, la connaissance avant les récoltes du niveau de la production agricole est importante pour un système d'alerte précoce décentralisé d'une zone qui présente une production agricole en lien avec les variations climatiques. Celles-ci présentent des changements très significatifs démontrés par les producteurs agricoles et la Direction Nationale de la météorologie. La prévision des rendements est également un moyen de connaître les localités concernées par le déficit céréalier et de définir à temps la manière et les opportunités d'intervention. Dans le cadre de ce Travail de Fin d'Etudes nous nous intéressons à la prévision des rendements agricoles de deux céréales de base alimentaire à partir des variables agronomiques, pédologiques et climatiques des provinces du Passoré, Yatenga et Soum au Burkina Faso. Les différentes données citées ci-dessus ont permis de proposer des modèles de prévision des rendements agricoles. Les résultats d'appréciation des modèles proposés et les tests en vue de prédire l'erreur de généralisation de ceux -ci montrent que dans la province du Passoré aucun modèle proposé n'est fiable pour la prévision des rendements du mil et du sorgho. Il en est de même pour la prévision des rendements du Sorgho dans la province du Yatenga. Les paramètres d'appréciation du précédent modèle sont : R2=19.63 %, R2p=18.62%, RMSE=221.97 Kg/ha et RRMSE=35.35%. Par contre, les modèles de prévision des rendements du sorgho et du mil dans la province du Soum ont des résultats satisfaisants. Il en est de même pour le modèle de prévision des rendements du mil au Yatenga. Ce dernier présente les paramètres d'appréciation suivants: R2=65.89%, R2p=62.43%, RMSE=132.70 Kg/ha et RRMSE=22.53%. Ces modèles de prévision des rendements du mil ou du sorgho, qui présentent des résultats favorables utilisent deux ou trois variables explicatives. Les variables des différents modèles présentent des caractéristiques pertinentes du point de vue agronomique et ont très souvent un caractère précoce, d'où leur importance comme indicateurs dans le système d'alerte précoce. La comparaison des résultats des modèles élaborés à partir des données climatiques issues du site web www.tutiempo.net et ceux obtenus à partir des données collectées en station montre que les données des stations sont meilleures pour l'élaboration des modèles de prévision des rendements agricoles.

Mots clés: Burkina, prévision, rendements, SAP décentralisé, R2p, RRMSE, variable, précoce.