Suivi global de la sécurité alimentaire en Afrique (GMFS project)

Par Bakary DJABY, chercheur
Courriel : b.djaby@ulg.ac.be

Financement : Agence Spatiale Européenne (2010 – 2013)
Partenaires du projet : VITO (Coordonnateur), ULG, Geoville, EFTAS, EARS, Consortio ITA

Le projet GMFS (http://www.gmfs.info/) est un projet de l’Agence Européenne Spatiale qui fait partie du système global de sécurité et de suivi environnemental (GMES). La phase trois actuelle de ce projet vise à étendre et transférer les acquis en matière d’utilisation des informations satellitales des deux phases précédents qui ont eu lieu en 2003 et en 2005. L’objectif final du projet est de mettre en place des services opérationnels pour la surveillance des cultures, l’appui à la sécurité alimentaire pour les décideurs et les utilisateurs opérationnels avec un accent sur la durabilité des actions à assurer au cours de cette phase pour l’après 2013. Les cibles de ce projet sont constituées de la communauté d’utilisateurs des services de sécurité alimentaire comprenant les organisations gouvernementales et intergouvernementales qui ont besoin d’informations sur la production agricole dans les pays souffrant d’insécurité alimentaire en Afrique subsaharienne.
Le projet intervient dans 8 domaines qui sont : l’alerte précoce, l’estimation des rendements, l’appui aux missions d’évaluation des productions agricoles, l’appui à la dissémination des données de l’Agence Spatiale Européenne, l’appui à l’optimisation des enquêtes agricoles, la cartographie des superficies agricoles, la cartographie des cultures et des modifications de l’occupation des sols, les indicateurs d’humidité des sols.
Les données satellitales utilisées dans le projet sont les images du Senseur MERIS, SPOT Vegetation, MSG, SAR data. Dans la partie spécifique aux rendements agricoles et fourragers, les données climatologiques ECMWF (European Center for Medium Range Weather Forecast) sont utilisées.
Modèles de prévision des rendements
Dans le cadre de ce projet, la méthodologie de prévision des rendements utilisée est une approche statistique opérationnelle qui combine un grand nombre de variables explicatives potentielles multi-source (climatologiques, agrométéorologiques et télédétection) pour trouver les meilleures variables explicatives du rendement statistiques agricole. Selon les régions où l’évaluation a été réalisée, un ensemble de deux à quatre variables sont retenues par des méthodes de sélection par régression multiple (Stepwise, Lasso ou LR) avec comme variable expliquée les rendements issus des statistiques agricoles. Une double validation est opérée tant dans la sélection des modèles que de l’estimation de l’erreur de prédiction. L’approche a été utilisée par la FAO, par l’ULG au Sénégal sur l’arachide et sur le coton au Burkina Faso. Les prévisions sont réalisées à plusieurs échelles.

Utilisation des prévisions des rendements
Les prévisions réalisées dans ce projet sont utilisées par les pays africains du Sahel pour la prévision en cours de campagne des rendements agricoles du mil, du maïs et du sorgho. Cette prévision permet de pallier les difficultés liées à l’estimation des rendements par les services des statistiques agricoles et contribue à améliorer la prévention des crises alimentaires aussi bien pour les pays que les pays donateurs d’aide alimentaire.
Modèle d’estimation de la biomasse des pâturages
Dans le cadre de ce projet, l’ULG à travers son unité E2D a en charge l’estimation de la productivité des pâturages. Cette estimation est réalisée par couplage des données DMP (Dry Matter productivity) produit par le Centre VITO avec les données des sites d’observation des pays du Sahel (CSE du Sénégal, Services d’élevage du Niger et de l’Ethiopie). Ce couplage permet d’améliorer la précision des estimations annuelles réalisées en fin de saison de croissance. La calibration des données d’évolution mensuelle du DMP par les observations périodiques permet aussi une meilleure précision du suivi de la saison de croissance.
Utilisation des données sur les pâturages
Les données issues de ces modèles sont utilisées par les systèmes d’alerte précoce et les services d’élevage pour évaluer la disponibilité alimentaire des animaux domestiques. Ce type d’information a été utilisé dans certains pays comme le Niger pour équilibrer l’utilisation des pâturages et guider les transhumances.