Justifications du projet de recherche - GIP

Variabilité climatique et vulnérabilités socio-économiques : stratégies
d’adaptation de l’agriculture à différentes échelles
Réponse à l’APR GICC 2012
1. Récapitulatif du projet
Titres du projet :
Variabilité climatique et vulnérabilités socio-économiques : stratégies d’adaptation de
l’agriculture à différentes échelles
Mots-clefs :
Impacts du changement climatique, vulnérabilités socio-économiques, adaptation, agriculture,
variabilité, pénibilité
Thème de l’APR concerné :
Axe 1 : projet de recherche intégrant les aspects impacts, vulnérabilités, adaptation
Responsable scientifique CIRED et coordinateur du projet :
Dumas, Patrice, Dr., Chercheur, CIRED/CIRAD
Centre International de Recherche sur l’Environnement et le Développement (CIRED)
Campus du Jardin Tropical
45 bis, avenue de la Belle Gabrielle
94736 Nogent-sur-Marne Cedex
Tél : 01 43 94 73 90
Mél : [email protected]
Responsable scientifique LSCE :
Viovy, Nicolas, Dr, Ingénieur CEA
Laboratoire des Sciences du Climat et de l’Environnement (LSCE)
point courrier 129
CEA-Orme des Merisiers,
F-91191 GIF-SUR-YVETTE CEDEX
Tél : 01 69 08 77 17
Fax : 01 69 08 77 16
Mél : [email protected]
Organisme (s) / Laboratoire (s) impliqué (s) dans le projet :
Centre International de Recherche sur l’Environnement et le Développement (CIRED)
Unité Mixte de Recherche (UMR 8568)
Campus du Jardin Tropical
45 bis, avenue de la Belle Gabrielle
94736 Nogent-sur-Marne Cedex
Laboratoire des Sciences du Climat et de l’Environnement (LSCE)
Unité Mixte de Recherche (UMR 8212)
CEA-Orme des Merisiers,
F-91191 GIF-SUR-YVETTE CEDEX
Organisme (s) gestionnaire (s) des crédits :
CNRS Thiais
Tour Europa 126
94532 Thiais Cedex
CNRS - Délégation Ile-de-France Sud
Avenue de la Terrasse
91190 GIF-SUR-YVETTE
Montant de l’aide demandée (TTC) :
230 208 euros
Cofinancements assurés et/ou prévus (TTC) (y compris autres que nationaux) : Non
Durée : 36 mois
Résumé du projet de recherche :
L'objectif de ce projet est d'étudier les stratégies d’adaptation de l’agriculture à la variabilité
climatique à différentes échelles et compte tenu des vulnérabilités socio-économiques.
Afin de pouvoir disposer d'une vision des futurs possibles, la première phase du projet consistera à
rassembler dans une base de données des éléments de scénarios concernant un large éventail de
variables (climatiques, biosphérique, socio-économiques...).
A partir de là, 3 types de modèles seront mobilisés: le modèle de végétation ORCHIDEE calculera
l'impact du changement climatique sur la variabilité des rendements agricoles, compte tenu de ces
résultats, le modèle d'usages des sols et d'intensification agricole Nexus Land-Use déterminera les
stratégies d'adaptation du secteur agricole au niveau global en termes d'usages des sols,
d'intensification agricole et de commerce international, enfin un modèle agro-économique à l’échelle
de l’exploitation appliqué à 2 villages du Sénégal sera développé afin d'explorer la question du choix
des variétés, en montrant l'intérêt des différentes variétés pour l'adaptation aux changements de
variabilité.
La comparaison entre les résultats trouvés aux deux échelles permettra de mettre en perspective les
résultats et d’analyser leurs interactions potentielles. Afin de tester la robustesse des stratégies
d’adaptation aux vulnérabilités socio-économiques, différentes hypothèses sur les évolutions socioéconomiques seront prises en compte en s’inspirant des scénarios représentatifs développés dans le
cadre du Groupe International d’Experts sur le Climat. Au niveau local, la vulnérabilité de différents
ménages sera explicitement prise en compte, et les scénarios de grande échelle seront utilisés.
Ce projet sera également l’occasion de mettre en place une communauté de modélisateurs impacts /
vulnérabilité / adaptation concernant le secteur agricole sur les bases de liens préexistants entre les
principales institutions impliquées sur ces domaines.
2. Montant de l’aide demandée au programme GICC
Budgets demandés :
Le budget demandé s’élève au total à 230 208 euros réparti entre le CIRED pour un montant de
212 528 euros et le LSCE pour un montant de 17 680 euros.
en Euros
CIRED
LSCE
Total
1 - Charges de personnel
187 200
0
187 200
Niveau de qualification : Post-doc
Durée d'emploi : 2 x 2ans pour le CIRED
187 200
0
187 200
2. Autres frais de fontionnement
13 000
17 000
30 000
Matériel informatique et numérique
2 000
8 000
10 000
Missions
10 000
8 000
18 000
Petits matériels et documentation
1 000
1 000
2 000
3. Sous-traitance
4 000
0
4 000
4. Frais généraux
8 328
680
9 008
212 528
17 680
230 208
Total
Détails des postes par partenaires :
Laboratoire
Catégorie
Durée d'emploi
Coût en euros
CIRED
Post-doc
24 mois
93 600
CIRED
Post-doc
24 mois
93 600
Le recrutement de 2 post-docs de 2 ans est prévu dans le cadre de ce projet. Le CIRED sera le
laboratoire de rattachement des 2 post-docs. Néanmoins l’un des post-docs effectuera sa mission à
cheval sur le LSCE - pour produire les distributions de rendement en fonction du climat - et le CIRED
– pour les intégrer dans le modèle d’usages des sols (voir section 4.3). L’intérêt est ici de faciliter les
procédures de recrutement et de permettre une meilleure intégration entre les travaux du CIRED et du
LSCE. Le second post-doc sera exclusivement affecté au CIRED.
3. Justifications du projet de recherche
3.1. Position par rapport aux termes de l’appel à propositions
Fondé sur des méthodes innovantes de modélisation mathématique visant à construire des scénarios
d’adaptation de l’agriculture à la variabilité climatique, ce projet s’inscrit dans le cadre de l’axe 1 de
l’APR.
Afin d’éclairer au mieux les politiques publiques, un accent particulier sera porté sur l’évaluation de la
robustesse des scénarios proposés. En particulier, la sensibilité des résultats aux principales hypothèses
socio-économiques sous-jacentes sera testée dans les différents cadres narratifs proposés par la
communauté des modélisateurs de l’IPCC sous la forme des Shared Socio-economic Pathway (SSP).
On cherchera également à identifier les points de vulnérabilité des sociosystèmes sur un périmètre
aussi large que possible (régimes alimentaires, prix des intrants, disponibilité foncière…).
La robustesse des résultats sera aussi testée en menant une analyse à la fois sur les échelles globales et
locales. A cet égard, le projet s’appuiera à la fois sur des modèles globaux - ORCHIDEE pour
l’évaluation des impacts sur du changement climatique sur les rendements agricoles et le Nexus LandUse pour les stratégies d’adaptation en termes d’usages des sols et d’intensification – et sur un modèle
agro-économique à l’échelle de l’exploitation, qui sera appliqué à deux villages du Sénégal.
3.2. Etat de l’art
Les travaux publiés sur l’impact futur du changement climatique sur l'agriculture montrent que les
rendements ont plutôt tendance à augmenter en moyenne. Cette réponse est largement liée à l’effet de
l’accroissement du CO2 qui conduit à un effet double : effet de fertilisation sur la productivité et
meilleure utilisation de l’eau par fermeture des stomates (donc meilleure résistance à la sécheresse).
En revanche il existe une forte disparité régionale avec des régions d’augmentation mais aussi de
baisse de rendement (CLIMATOR, IPCC, Roudier et al., 2011). On voit ainsi une première difficulté
liée à la réorganisation des espaces agricoles. Un deuxième résultat est lié à l’accroissement de la
variabilité interannuelle des rendements (dû à l’accroissement de la variabilité climatique), entrainant
une augmentation de la fréquence d’années à très faibles rendements. En dépit des répercussions
potentielles sur la sécurité alimentaire et les pratiques agricoles, l'effet de la variabilité, et ses
implications en termes d’adaptation, ont été très peu étudiés, que ce soit à grande ou à petite échelle.
L'importance de la variabilité des prix pour l'agriculture, en particulier les choix techniques et la
sécurité alimentaire est l'objet d'un certain nombre de travaux (Boussard et al. 2006, Boussard et al.
2008, Rosenzweig et Binswanger, 1993). L'importance de la variabilité du climat présent en cas
d'aversion au risque est étudiée, par exemple, dans Roudier et al. 2012b. Les grandes prospectives
telles celle de la FAO (Bruinsma 2003) ou Agrimonde (Paillard et al. 2011), IFPRI (Rosegrant et al.
2001) s'intéressent peu aux changements de volatilité des prix ou de variabilité du climat, et ne
prennent en compte le changement climatique que de façon très superficielle. Rosenzweig et Parry
(1994) ou Darwin et al. (1995) s’intéressent à l'adaptation de l'agriculture sous changement climatique,
mais ne prennent en compte que l'évolution des rentes ou des rendements moyens. Ils trouvent une
redistribution des rendements importante avec une diminution de la production dans les basses
latitudes et une augmentation dans les hautes latitudes, et un équilibre au niveau mondial conservé. Le
rapport AUTREMENT, cependant, montre que les changements de variabilité pourraient également
être importants, toujours à l'échelle mondiale. A l'échelle de la France, le projet CLIMATOR met en
avant un effet contrasté du changement climatique suivant les productions, avec une baisse pour le
maïs dans le sud-ouest, par exemple, ou une hausse des rendements du blé avec une possibilité
d'esquive des hautes températures et des risques d'échaudage par un semis plus précoce. Les potentiels
des différentes productions changent également, avec, par exemple une augmentation du potentiel du
maïs au nord de la France.
La question de la prise de décision des firmes en incertitude est abondamment traitée dans la littérature
économique. Nous citerons ici en particulier l’article de Sandmo (1971) qui propose un modèle dans
lequel la décision sur le volume à produire doit être prise avant de connaitre le prix de marché effectif.
L’intérêt de ce modèle est de proposer une méthodologie qui permette de tenir compte de l’aversion au
risque tandis que la grande majorité des modèles construits avant la publication de cet article
fonctionnait sur un critère de maximisation du profit espéré, supposant implicitement une neutralité
vis-à-vis du risque. La spécification de ce modèle le rend particulièrement bien adapté aux questions
de gestion de l’incertitude dans l’agriculture.
La plupart des travaux consacrés à l’impact du climat sur la sécurité alimentaire en zone soudanosahélienne se sont focalisés sur la pluviométrie, sans doute à cause de l’impact dramatique des
sécheresses des années 1970 et 1980. Or, il est bien connu que les modèles de climat divergent quant à
l’évolution future des pluies dans cette région du monde suite au réchauffement climatique (Cook et
Vizy, 2006). Par ailleurs, pour une pluviométrie donnée, on sait que la hausse des températures sera
néfaste aux rendements dans cette région déjà chaude (Luo, 2011), tandis que la plus forte
concentration de CO2 dans l’atmosphère leur sera au contraire bénéfique, même si l’ampleur de ce
dernier effet est très discutée. Enfin, la hausse des températures va rendre encore plus difficiles et
pénibles les travaux des champs, un point négligé jusqu’à présent.
Si de nombreuses études ont été consacrées à l’impact du changement climatique sur les rendements
dans la région soudano-sahélienne, la méta-analyse menée par Roudier et al. (2011) montre que les
connaissances actuelles souffrent de limites importantes. D’une part, la plupart se basent sur un
nombre très limité de modèles climatiques (un ou deux en général) et de scénarios de concentration en
gaz à effet de serre, ce qui empêche de prendre en compte l’incertitude sur le climat futur. D’autre
part, les variétés étudiées sont rarement précisées, et la robustesse des résultats au choix de ces variétés
n’est pratiquement jamais étudiée. Pourtant, l’impact d’un changement climatique peut différer
davantage entre deux variétés d’une même culture qu’entre deux cultures (Roudier, 2012a). Enfin,
l’adaptation est soit complètement négligée, soit supposée gratuite et sans que soit explicitées les
mesures d’adaptation retenues (cas des études dites « ricardiennes »). De plus, ces dernières études
souffrent de certains biais et leurs résultats, basés sur des régressions en coupe instantanée, montrent
une grande instabilité vis-à-vis du choix de l’année d’étude (Deschenes et Greenstone, 2007).
L'importance des conditions socio-économiques préexistantes pour l'adaptation au changement
climatique, ainsi que le lien avec les politiques de mitigation est également un sujet qui prend de plus
en plus d'importance, que ce soit au niveau de la grande échelle ou des études localisées. En effet, les
politiques d'agrocarburants, le niveau de déforestation ou les régimes alimentaires futurs ont des
conséquences très diverses sur la demande ou l'offre de terres, et également sur les possibilités
d'intensification ou de changement de localisation des productions agricoles. Pourtant, parmi les
nombreux travaux qui portent sur l’impact du changement climatique, peu présentent l’effet du
scénario socioéconomique utilisé, une exception notable étant Parry et al. (2004). Un effort de
coordination mondial autour des RCP (Representative Concentration Pathways) et des SSP (Shared
Socioeconomic Pathways) est en cours, et les travaux proposés se placent dans ce cadre.
3.3. Articulation avec les programmes régionaux, nationaux et
européens
Ce projet s’articule avec le projet ANR Escape, en particulier son WP 4. Cependant, celui-ci porte sur
les options pour améliorer le rendement dans un contexte de variabilité interannuelle, entre autres au
moyen de prévisions et d’assurances climatiques, alors que le présent projet porte également sur le
changement climatique. Ce projet s'insère également dans le cadre des RCP et SSP de l'AR5 de
l'IPCC, dans le cadre des travaux commencés dans le projet DECLIC du GIS Climat Environnement
Société, visant à produire des scénarios intégrés sous changement climatique prenant en compte les
politiques climatiques. En particulier, la communauté de modélisation sur l’agriculture initiée dans le
cadre de DECLIC servira de base à celle proposée par ce projet sur les questions impacts, vulnérabilité
et adaptation de l’agriculture. Cette communauté permettra par ailleurs d’articuler nos travaux avec
ceux engagées par d’autres institutions sur le même sujet (l’INRA en particulier).
4. Plan de recherche détaillé
4.1. Objectif général, question(s) traitée(s), résultats attendus et
aspects innovants
Objectif général : étudier les stratégies d’adaptation de l’agriculture à la variabilité et au changement
climatique à différentes échelles et en tenant compte des vulnérabilités socio-économiques.
Questions traitées :
 Quel sera l’impact du CC sur la variabilité des rendements agricoles ?
 Quelle est l’utilisation des terres la mieux adaptée pour répondre à ces changements ?
 Quelles modifications dans l’intensification agricole permettent de s'adapter aux changements
de variabilité climatique ?
 Quelles cultures, variétés et itinéraires techniques permettent mieux de s'adapter aux
changements de variabilité du climat ?
Les résultats attendus dépendent de l'échelle considérée. A l'échelle globale, l'objectif est d'évaluer les
possibilités de changement d'utilisation des terres, de flux de commerce et d'intensification permettant
de s'adapter aux changements climatiques, et en particulier à la variabilité du climat. Comme
différentes hypothèses sur les évolutions socio-économiques seront prises en compte, les stratégies les
plus robustes pourront être déterminées.
Au niveau plus local, sur des exploitations situées au Sénégal, la question du choix des cultures, des
variétés et des itinéraires techniques sera explorée, en montrant l'intérêt de modifier ces choix pour
l'adaptation aux changements de variabilité. Dans ce cas, la vulnérabilité de différents ménages sera
explicitement prise en compte, et les scénarios de grande échelle seront utilisés.
Enfin, la comparaison entre les résultats trouvés aux deux échelles permettra de mettre en perspective
les résultats et d’analyser leurs interactions. En particulier, le niveau des prix des produits agricoles et
celui des engrais, en partie déterminés au niveau mondial, ont une importance fondamentale sur
l’intérêt de passer des systèmes agricoles actuels, peu intensifiés, à des systèmes présentant des
rendements plus élevés et dans lesquels une plus grande partie de la production est vendue.
L'aspect le plus innovant de la proposition est la prise en compte explicite des changements de
variabilité climatique.
4.2. Méthodes, outils et protocoles envisagés
Deux échelles ont été retenues, d'une part l'échelle globale et d'autre part le Sénégal, avec deux
villages, l’un (Bacfassagal, près de Diourbel) en climat plutôt sahélien (~500 mm/an), l’autre
(Paoskoto, située près de Nioro du Rip) en climat plutôt soudanien (~720 mm/an).
Pour cette application sur le Sénégal, un modèle agro-économique à l’échelle de l’exploitation sera
développé. Plusieurs types d’exploitations seront représentés afin de différencier les impacts entre
ménages pauvres, médians et riches. Le modèle prendra en compte l’incertitude sur la saison des
pluies et sur les prix agricoles ainsi que l’aversion au risque des agriculteurs. L’influence des
variables climatiques sur les rendements sera représentée grâce au modèle agronomique SARRA-H.
Au niveau global, deux modèles seront utilisés, ORCHIDEE, et le Nexus Land Use.
Le modèle de plantes Orchidée sert à simuler la variabilité des rendements en fonction du changement
climatique. Le modèle ORCHIDEE (Krinner et al. 2005) est un modèle de végétation global qui peut
être couplé au modèle de climat de l’IPSL pour étudier les rétroactions végétation climat mais
également forcé par des paramètres climatiques pour étudier l’impact du climat sur la végétation. Un
travail important a été réalisé depuis une dizaine d’année avec différents groupes d’agronomes pour
améliorer la représentation des principaux agrosystèmes (en particulier par la prise en compte des
itinéraires technique). Le modèle est ainsi capable de représenter trois grands types de systèmes
agricoles : les grandes cultures, l’élevage et la sylviculture. ORCHIDEE permet ainsi de simuler à
l’échelle du globe l’évolution des rendements en réponse au climat. Il permet non seulement de
simuler la réponse sur le long terme mais également la variabilité interannuelle de ce dernier. C’est
cette information sur la dynamique des rendements qui va être utilisée pour contraindre le Nexus Land
Use (voir description ci-dessous et section 4.3 pour l’organisation du travail).
ORCHIDEE permet de représenter des grands types fonctionnels de cultures (Crop Functional types
CFT qui sont le pendant des Plant Functional Types (PFT)). Ainsi on représente pour les cultures
tempérées les cultures d’hiver C3 (comme le blé) les cultures d’été C3 (comme le soja) et les cultures
d’été C4 (comme le maïs). En zone tropicale on représente une culture C4 de type mil et actuellement
est développé une représentation de la canne à sucre. ORCHIDEE a récemment été couplé au modèle
PASIM qui permet ainsi de représenter le système prairial en prenant en compte les prairies intensives
(fauchées) et extensives (pâturées). ORCHIDEE permettra ainsi de renseigner le Nexus Land-Use au
niveau de la variabilité des rendements des prairies en plus de celui des cultures.
Le Nexus Land Use (Souty et al. 2012) est un modèle d’usages des sols en équilibre partiel. Il
détermine la réponse du secteur agricole – telle que la variation de la consommation d’intrants ou
l’évolution de la surface de pâtures – à des scénarios d’alimentation, de production de biocarburants et
de déforestation. Dans le modèle, les changements d’usages des sols sont déterminés par des
mécanismes économiques et par l’hétérogénéité de la productivité des sols. Afin de garantir que les
comportements optimaux des agents économiques sont réalisables du point de vue physique, le secteur
agricole est décrit à la fois en termes économiques et biophysiques. La modélisation économique
repose sur l’hypothèse de minimisation du coût sous la contrainte de marchés alimentaires et
bioénergétiques équilibrés. Du point de vue biophysique le modèle utilise (i) une fonction de
production inspirée des fonctions de réponse du rendement aux intrants azotés ; (ii) une représentation
détaillée du système de production animal fournie par Bouwman et al. (2005) et une distribution de
rendements potentiels fournies par le modèle dynamique de végétation Lund-Postdam-Jena with
managed Lands (LPJmL, Bondeau et al., 2007). 60 classes de terres réparties en fonction de leur
productivité sont considérées dans le modèle. Elles sont partagés sur des critères de minimisation du
coût par hectare entre un secteur extensif composé uniquement de pâtures, et un secteur intensif
composé de cultures et de pâtures fournissant l’herbe venant compléter l’alimentation animale du
secteur intensif.
4.3. Composition et descriptif des travaux de chaque partenaire
Les travaux entrepris dans le cadre de ce projet s’organiseront selon l’organigramme suivant :
Tâche 1 :
Construction d’une base de données des scénarios disponibles
Tâche 2 :
Production des distributions de
rendements pour l’analyse de la
variabilité climatique
Tâche 3 :
Tâche 4 :
Intégration de la variabilité
dans les comportements de
production du Nexus
Adaptation au niveau local à
l’échelle de 2 villages du
Sénégal
Tâche 6 :
Animation d’une
communauté de
modélisation
Tâche 5 :
Définition des stratégies
d’adaptation
Tâche 1 : Construction d’une base de données de scénarios Climat / Biophysique /
Socioéconomie
Responsables : CIRED / LSCE
L’objectif de cette tâche est de rassembler en un même outil l’ensemble des données disponibles
permettant de déterminer les drivers exogènes des différents modèles qui seront utilisés dans ce projet.
Plusieurs sources seront mobilisées :
 Il s’agira en premier lieu des Representative Concentration Pathway (RCP) qui fournissent les
scénarios climatiques selon différents objectifs de stabilisation des concentrations, ainsi que les
cartes de végétation correspondantes. Aux RCPs calculés par les modèles AIM, Message, Image et
Minicam, nous ajouterons celles calculées par le modèle IPSL-CM4 comprenant une modélisation
beaucoup plus raffinée de la boucle de rétroaction climat-carbone que les 4 précédents modèles ;
 Les Shared Socio-economic pathways seront utilisés pour définir des scénarios de références en
termes de développement économique et social, ouverture du commerce international, progrès
technique… ;
 Les prix de l’énergie à 2100, permettant notamment le calcul du prix des intrants chimiques de
l’agriculture, seront pris des sorties du modèle Imaclim-R (Sassi et al. 2007) ;
 D’autres bases de données pourront également être utilisées pour compléter cette plate-forme
quantitative : le module quantitatif Agribiom qui fournit une rétrospective à 1961 des bilans
ressources-emplois de biomasse et qui pourra être utilisé pour construire des scénarios
alimentaires sur le XXIème siècle, et les sorties de modèle climatiques du projet ENSEMBLE et
CORDEX Africa afin d’obtenir des données climatiques régionalisées.
Tâche 2 : Production des distributions de rendements pour l’analyse de la variabilité climatique
Responsable : LSCE
L'utilisation du modèle biophysique ORCHIDEE permet de donner une distribution de la variabilité du
rendement, en particulier sous changement climatique. Le principe est alors de faire tourner le modèle
ORCHIDEE en couvrant l’ensemble du globe pour différents type de culture. Il est alors possible de
définir des histogrammes de rendements pour les différentes classes de terres du Nexus Land Use,
ainsi que la distribution de la variabilité sur une période de référence (typiquement de l’ordre de 15
ans), prise tous les 5 ans. Le modèle permet de prendre en compte à la fois différents scénarios
climatiques mais également différents modèles climatiques afin de caractériser l’incertitude
épistémique des modèles de climats. On se basera sur plusieurs scénarios économiques et deux ou trois
modèles choisis pour donner des réponses fortement contrastés. Si possible nous essayerons d’utiliser
les nouvelles simulations climatiques actuellement réalisées pour le 5ième rapport du GIEC qui
représentent l’état de l’art le plus à jour. Cependant cela dépend évidemment de la disponibilité de ces
simulations par rapport au phasage du projet. A défaut de pouvoir utiliser ces dernières, les différences
simulations réalisées dans le cadre du 4ème rapport sont d’ores et déjà disponibles au LSCE.
Une étape supplémentaire consiste à fournir une désagrégation spatiale des scénarios d’usages des
terres simulés par le Nexus Land-Use dans le cadre de la tâche 3. L’objectif est d’abord et avant tout
d’aller vers une plus grande intégration des outils de modélisation utilisés afin de pouvoir affiner et
mettre en perspective les résultats obtenus parallèlement en termes d’impacts ou d’adaptation. Le
Nexus Land-Use fournit pour chaque région les surfaces totales de chaque type d’utilisation des terres
mais pas leur répartition spatiale. Il est alors prévu de développer un module permettant de projeter
spatialement l’usage des terres. Ce module utilisera en entrée l’usage des terres actuel ainsi que la
distribution des rendements simulés spatialement (puisque ORCHIDEE permet de fournir la
distribution des rendements simulés mais également leur répartition spatiale). Il sera basé sur un
ensemble de règles heuristiques simple partant du principe utilisé dans le Nexus Land-Use que
l’agriculture est allouée en priorité sur les zones de plus fort rendement en allant vers les rendements
décroissant. Ce type de règle sera combiné à l’usage de terres actuel en ajoutant une contrainte de
distance aux zones déjà cultivées. Ces cartes d’usage des terres ainsi produites seront utilisées en
entrée du modèle ORCHIDEE pour simuler l’évolution des stocks et flux de carbone sous la double
contrainte du climat et du changement d’usages des terres.
Tâche 3 : Intégration de la variabilité dans les comportements de production du Nexus LandUse
Responsable : CIRED
Les choix d'intensification des agriculteurs dépendent des prix alimentaires qu'ils attendent et des prix
des intrants, eux-mêmes très influencés par le prix de l'énergie. L’ajustement entre utilisation de terres
et d’intrants compte tenu des prix alimentaires et des intrants est explicitement modélisé dans le Nexus
Land-Use. Cependant, ce choix du secteur agricole est représenté sans tenir compte de l’incertitude sur
ce qui sera effectivement produit. Afin d’améliorer cet aspect, l'objectif de cette tâche est la
construction d'une fonction de réponse aux prix prenant en compte les aléas sur le rendement lié au
climat et ses effets sur l'intensification sur les différentes classes de terre dans le Nexus Land-Use.
Les aléas sur le rendement climatique seront fournis par le modèle ORCHIDEE dans le cadre de la
tâche 2. Dans un premier temps, on regardera si la variabilité est homogène dans les différentes classes
de terre du Nexus Land-Use, et si ce n’est pas le cas, l’approche en classe de terres sera abandonnée au
profit d’une approche par points de grille ou par biome.
Une fois que la variabilité sur les rendements sera intégrée, le programme d’optimisation du secteur
agricole sera redéfini afin de passer d’une minimisation des coûts en certain à une maximisation du
profit tenant compte de l’incertitude et de pouvoir rendre compte des comportements du secteur
agricole face au risque climatique. Pour réaliser cette tâche, nous nous inspirerons de la littérature
existante sur la prise de décision des firmes en incertitude, à commencer par l’article de Sandmo
(1971) mentionné dans l’état de l’art (section 1.2).
Tâche 4 : Adaptation au niveau local à l’échelle de 2 villages du Sénégal
Responsable : CIRED
Un modèle agro-économique à l’échelle de l’exploitation sera développé. Il sera appliqué à 2 villages
du Sénégal, l’un en climat plutôt sahélien (~500 mm/an), l’autre en climat plutôt soudanien (~720
mm/an). Plusieurs types d’exploitations seront représentés afin de différencier les impacts entre
ménages pauvres, médians et riches. Le modèle prendra en compte l’incertitude sur la saison des
pluies et sur les prix agricoles ainsi que l’aversion au risque des agriculteurs, qui les amène à
privilégier des options peu productives en moyenne plutôt que des options plus productives en
moyenne mais très sensibles à une mauvaise saison des pluies (Rosenzweig et Binswanger, 1993).
L'évolution des prix agricoles et des intrants seront prises du Nexus Land Use. Quant à l’influence des
variables climatiques sur les rendements, elle sera représentée grâce au modèle agronomique SARRAH, déjà utilisé au CIRED (Roudier et al., 2012a, 2012b). L’augmentation de la pénibilité des travaux
des champs du fait des hautes températures sera prise en compte grâce à des indicateurs comme le Wet
Bulb Globe Temperature (Willett et Sherwood, 2012) et à la présence de contraintes sur le temps de
travail dans le modèle.
Tâche 5 : Evaluation des stratégies d'adaptation
Responsable : CIRED
Les stratégies d'adaptation en termes de changement de localisation des cultures et d'intensification
déterminées par le Nexus Land-Use seront examinées dans cette tâche. Les choix de variétés et les
changements dans les itinéraires techniques au Sénégal seront également évalués.
Les résultats en termes d'intensification, de profitabilité et d'effets de l'incertitude aux deux échelles
seront comparés afin de jauger de la cohérence des processus entre les échelles et des possibilités de
changement d'échelle.
Tâche 6 : Animation d’une communauté de modélisation Climat / Economie sur les impacts, la
vulnérabilité et l’adaptation de l’agriculture aux changements climatiques
Responsable : CIRED / LSCE
Ce projet sera l’occasion de pérenniser la communauté de modélisation Climat / Economie mise en
place de le cadre du projet GIS Declic qui s’arrêtera en juillet 2012. Cette communauté rassemble des
chercheurs de diverses institutions : LSCE, INRA, CIRAD, Agroparistech… L’objectif de cette
communauté est d’abord de permettre les échanges scientifiques entre des chercheurs de différentes
disciplines. Elle peut également permettre de susciter des collaborations scientifiques sur des projets
d’expertise ou sur des articles académiques.
Dans le cadre de ce projet, nous prévoyons de rassembler cette communauté autour de 3 à 4 séminaires
de travail par an et d’organiser de 1 à 2 colloques ouverts à un public plus large sur les 3 ans du projet.
4.4. Calendrier prévisionnel
T1
T2
T3
T4
T5
T6
T7
T8
T9
T10
T11
T12
Tâche 1 :
Construction d’une base de données des
scénarios disponibles
Tâche 2 :
Production des distributions de
rendements pour l’analyse de la variabilité
climatique
Tâche 3 :
Intégration de la variabilité dans les
comportements de production du Nexus
Tâche 4 :
Adaptation au niveau local à l’échelle de 2
villages du Sénégal
Tâche 5 :
Définition des stratégies d’adaptation
Tâche 6 :
Animation d’une communauté de
modélisation
5. Expérience et moyen des équipes dans le domaine
considéré
Nicolas VIOVY (LSCE)
48 ans
Ingénieur CEA, expert senior.
Commissariat à l’Energie Atomique (CEA), Saclay, France
Expérience professionnelle :
Depuis 1993
Ingénieur-Chercheur CEA
1990-1992
Post Doctorant CNES, LERTS, Toulouse
HDR. 2007, Université Pierre et Marie Curie, Paris, France
Thèse. 1990, « Étude spatiale de la biosphère terrestre: intégration de modèles écologiques et
de mesures de télédétection », Institut national polytechnique de Toulouse.
Ingénieur informatique ENSEEIHT, 1997
Intérêts de recherche:
Modélisation des cycles biogéochimiques de la biosphère terrestre
Expérience:
Nicolas Viovy est un des principaux acteurs du développement du modèle ORCHIDEE. Il a
coordonné plusieurs projets nationaux (ANR/AUTREMENT, GIS/PAC,ERA-NET CAMELEON) et a
été également responsable de nombreux projets européens et nationaux pour le LSCE (Europe:
ESCOBA, GREENGRASS, GHG-Europe. National: VALIDATE, VULNOZ, MOCE-MEDD). Il
assure en outre un rôle d'expertise ou de participation à plusieurs comités scientifiques nationaux ou
internationaux (e.g. CNES-TOSCA, Conseil Scientifique INRA, Comité d’Orientation de la FRB,
Global Carbon Project)
Quelques articles sélectionnés (61 articles, h-facteur:23) :
Ciais P., N. Viovy , M. Reichtein , J. Ogée, A. Granier, A. Knohl, S. Rambal, M-J.Sanz, D. Schulze, F.
Chevallier and Riccardo Valentini An Unprecedented Reduction in Primary Productivity of Europe
During the Summer Heatwave in 2003, Nature,437,pp 529-533 doi:10.1038/nature03972
Viovy N. (1997) Interannuality and CO2 sensitivity of the SECHIBA-BGC Coupled SVAT-BGC
Model,Phys.Chem Earth,21, No 5-6, 489-497
Krinner G. ,N. Viovy ,N. de Noblet, J. Ogée, P. Friedlingstein P. Ciais, S. Sitch ,J. Polcher , I. C.
Prentice (2005), A dynamic global vegetation model for studies of the coupled atmosphere-biosphere
system Global Biogeo. Cycles, 19, doi:1029/2003GB002199,pp1-33
Piao S., Ciais P., Friedlingstein P., De Noblet-Ducoudré N., Cadule P., Viovy N., Wang T., 2009.
Spatio-temporal patterns of terrestrial carbon cycle during the 20th century.
Loustau L., A. Bosc , A. Colin, J. Ogée, H. Davi , C. François , E. Dufrêne, M. Déqué , E. Cloppet D.
Arrouays, C. Le Bas Christine, N. Saby, G. Pignard , N. Hamza A. Granier, N. Breda, P. Ciais, N.
Viovy, F. Delage (2005) Modelling the climate change effects on the potential production of French
plains forests at the sub regional level. Tree Physiology,25 :813-823
Le Quéré C,, Raupach M.R. ., Canadell R. ., Marland G, Bopp L., Ciais P., Conway T.J., Doney S.,
Feely R.,Foster P., Friedlingstein P, Gurney K, Houghton R.A , House J. I., Huntingford C., Levy P.,
Lomas M.R., Majku J., Metzl N., Ometto J.P., Peters G. P. , Prentice I. C, Randerson J.T, Running
S.W., Sarmiento J. L., Schuster1 U., Sitch S., Takahashi T.,Viovy N. , van der Werf G. , Woodward
F.I (2009). Trends in the sources and sinks of carbon dioxide, Nature Biogeoscience DOI :
10.1039/NGEO689.
Bellassen V., Le Maire G, Dhôte J.F , Ciais P., Viovy N. (2010), Modelling forest management within
a global vegetation model-Part 1: Model structure and general behaviour, Ecological Modelling 221
2458–2474
Bellassen V., le Maire G , Guin O , Dhote JF , Ciais P., Viovy N. (2011), Modelling forest
management within a global vegetation model-Part 2: Model validation from a tree to a continental
scale Ecological modelling, 222,1, 57-75
Bellassen V., Delbart N., LeMaire G., Luyssaert S., Ciais P., Viovy N. (2011), Potential knowledge
gain inl arge-scale simulations of forest carbon fluxes from remotely sensed biomass and height Forest
Ecology and Management doi:FORECO-12426
Philippe QUIRION (CIRED)
42 ans
Chercheur CNRS, CIRED, Nogent-sur-Marne, France.
Expérience professionnelle :
Depuis 2004
Chargé de recherches (CR1) au CNRS, affecté au CIRED
1999-2004
Chercheur contractuel, CIRED
Thèse. 1999, « Les conséquences sur l’emploi des politiques de protection de
l’environnement », Ecole des Mines de Paris.
Habilitation à diriger les recherches, 2011
Intérêts de recherche:
Prise en compte de l’incertitude dans les politiques climatiques. Impact du changement climatique sur
l’agriculture en Afrique.
Expérience:
Philippe Quirion est responsable de l'équipe consacrée à l’impact du climat sur l’agriculture en
Afrique. Il a en particulier dirigé la thèse de Philippe Roudier et dirige celle d’Antoine Leblois. Il a
participé au projet AMMA et participe au projet ANR Escape.
Quelques articles sélectionnés :
1. Leblois,
A.
and
P.
Quirion,
2012.
Agricultural
insurances
based
on
meteorological indices: realizations, methods and research agenda, Meteorological Applications,
DOI: 10.1002/met.303
2. Roudier, P., P. Quirion, B. Sultan, C. Baron, A. Alhassane, S. Traoré and B. Muller, 2012. An exante valuation of seasonal forecasting for millet growers in SW Niger, International Journal of
Climatology. DOI: 10.1002/joc.2308
3. Roudier, P., P. Quirion, B. Sultan and A. Berg, 2011. The impact of future climate change on
West African agriculture: a review, Global Environmental Change, 21(3): 1073-1083
doi:10.1016/j.gloenvcha.2011.04.007
4. Sultan, B., M. Bella-Medjo, A. Berg, P. Quirion and S. Janicot, 2010. Multi-scales and multi-sites
analysis of the role of rainfall in cotton yields in West Africa, International Journal of
Climatology, 30(1): 58-71
5. Berg, A., P. Quirion and B. Sultan, 2009. Weather-index drought insurance in Burkina-Faso:
assessment of its potential interest to farmers, Weather, Climate and Society, 1(1): 71-84, October,
DOI: 10.1175/2009WCAS1008.1
6. Blanc, E., P. Quirion et E. Strobl, 2008.The climatic determinants of cotton yields: evidence from
a plot in West Africa, Agricultural and Forest Meteorology, 148(6-7): 1093-1100
7. Leblois, A. and P. Quirion. Weather-index drought insurance: an ex ante evaluation for millet
growers in Niger, in revision in Environmental and Resource Economics
Patrice DUMAS (CIRED)
35 ans
Chercheur CIRAD (Centre de coopération internationale en recherche agronomique
pour le développement), Nogent-sur-Marne, France.
Expérience professionnelle :
Depuis 2010
Chercheur CIRAD
2005-2008
Post Doctorant CNRS, LMD, Paris
Thèse. 2005, « L'évaluation des dommages du changement climatique en situation
d'incertitude : l'apport de la modélisation des coûts de l'adaptation », EHESS.
Intérêts de recherche:
Prospective agricole et changement climatique.
Adaptation du secteur de l'eau au changement climatique.
Expérience:
Patrice Dumas est responsable de l'équipe développant le modèle Nexus Land-Use. Il est également le
principal acteur du développement du modèle de gestion de l'eau ODDYCCEIA. Responsable du
projet européen CIRCE pour le CIRED, participation à de nombreux projets nationaux (GICC,
ANR/AUTREMENT, DECLIC), européens (CLIMNEG, SIADCERO, E2C2), et de l'OCDE
(changement climatique et villes côtières).
Quelques articles sélectionnés :
Ambrosi, P., Hourcade, J.C., Hallegatte, S., Lecocq, F., Dumas, P., Ha Duong, M. (2003) « Optimal
control models and elicitation of attitudes towards climate damages », Environmental Modeling and
Assessment. Volume 8 No.3 (Septembre 2003). Pages 135 – 147.
Hallegatte S., Hourcade J.C., Dumas P., (2007) « Why economic dynamics matter in assessing climate
change damages: illustration on extreme events », doi:10.1016/j.ecolecon.2006.06.006, Ecological
Economics. Volume 62. Pages 330 – 340.
Hallegatte, S., Ghil M., Hourcade, J.C., Dumas, P., (2008) « Business Cycles, Bifurcations and Chaos
in a Neo-Classical Model with Investment Dynamics », doi:10.1016/j.jebo.2007.05.001, Journal of
Economic Behavior and Organization. Volume 67 No. 1. Pages 57 – 77.
Lahellec, A., Hallegatte, S., Grandpeix, J-Y., Dumas, P., Blanco, S. (2008) « Feedback characteristics
of nonlinear dynamical systems », doi:10.1209/0295-5075/81/60001, Europhysics Letters. Volume
6.
Hallegatte S., Dumas P., (2008) « Can Natural Disasters have positive consequences ? Investigating
the role of embodied technical change », doi:10.1016/j.ecolecon.2008.06.01, Ecological Economics.
Hourcade, J.C., Ambrosi P., Dumas P. (2009) « Beyond the Stern Review: Lessons from a risky
venture at the limits of the cost-benefit analysis », doi:10.1016/j.ecolecon.2009.04.011 Ecological
Economics, Volume 68, Issue 10, Pages 2479-2484.
Stéphane Hallegatte, Nicola Ranger, Olivier Mestre, Patrice Dumas, Jan Corfee-Morlot, Celine
Herweijer and Robert Muir Wood, 2011 : Assessing climate change impacts, sea level rise and storm
surge risk in port cities: a case study on Copenhagen, Climatic Change, Volume 104, Pages 113-137.
Hypatia Nassopoulos, Patrice Dumas and Stéphane Hallegatte, 2011 : Adaptation to an uncertain
climate change: cost benefit analysis and robust decision making for dam dimensioning, Climatic
Change (online first), doi:10.1007/s10584-012-0423-7
Souty, F., Brunelle, T., Dumas, P., Dorin, B., Ciais, P., Crassous, R., Müller, C., and Bondeau, A.: The
Nexus Land-Use model version 1.0, an approach articulating biophysical potentials and economic
dynamics to model competition for land-use, Geosci. Model Dev. Discuss., 5, 571-638,
doi:10.5194/gmdd-5-571-2012, 2012.
6. Valorisation envisagée
La valorisation constitue un point important de ce projet. Elle passera d’abord par la rédaction
d’articles scientifiques soumis dans des revues à comité de lecture. Nos travaux seront également
présentés dans des conférences internationales (IAEE, EGU, EARE…), dans lesquelles le CIRED et le
LSCE sont habituellement très présents.
Un effort particulier sera entrepris pour que nos résultats trouvent un écho dans les communautés
nationales ou internationales traitant des questions d’adaptation. Pour ce faire, nous nous baserons sur
l’expérience acquise par le CIRED et le LSCE en tant que contributeurs au GIEC notamment.
Enfin, l’organisation des colloques et séminaires organisés en lien avec la mise en place de la
communauté de modélisation proposée dans ce projet sera un moyen supplémentaire de diffuser et de
valoriser nos résultats.
7. Bibliographie
Boussard J.M., Gérard F., Piketty M.G., Ayouz M., Voituriez T. 2006. Endogenous risk and long run
effects of liberalization in a global analysis framework. Economic modelling, 23 (3) : 457-475.
Annual Conference on Global Economic Analysis. 7, 2004-06-17/2004-06-19, Washington, USA
Boussard J.M., Gerard F. et Piketty M.G., 2008. Pourquoi les prix agricoles augmentent-ils ?, OCL, 15
(2) : 81-87
Bruinsma, J. and FAO (2003). World agriculture, towards 2015/2030 : an FAO perspective / edited by
Jelle Bruinsma. Earthscan, London :.
Cook, K.H. and E.K. Vizy, 2006.Coupled model simulations of the West African monsoon system:
20th and 21st century simulations.Journal of Climate, 19: 3681-3703.
Deschêneset Greenstone, 2007. The Economic Impacts of Climate Change: Evidence from agricultural
Output and Random Fluctuations in Weather. American Economic Review, Volume 97, Number 1, pp.
354-385(32)
Dorin, B. (2011). Agribiom caloric balance sheets. updated estimates from Paillard et al 2011, pp. 2565.
Krinner, G., N. Viovy, N. deNoblet, J. Ogée, J. Polcher, P. Friedlingstein, P. Ciais, S. Sitch, and
I.Prentice, 2005 : A dynamic global vegetation model for studies of the coupled atmosphere-biosphere
system,Glob. Biogeochem. Cycles, 19 (1), GB101510.1029/2003GB002199.
Luo, Q., 2011. Temperature thresholds and crop production: a review. Climatic Change 109:583–598
Parry, M.L., C. Rosenzweig, A. Iglesias, M. Livermore, G. Fischer, 2004. Effects of climate change on
global food production under SRESemissions and socio-economic scenarios, Global Environmental
Change 14 (2004) 53–67
Paillard, S., Treyer, S., and Dorin, B. (2011). Agrimonde, Scenarios and Challenges for Feeding the
World in 2050. Quae, Versailles.
Darwin, R., Tsigas, M., Lewandrowski, J. & Raneses, A. World Agriculture and Climate Change
Economic Adaptations. World Agriculture 703, (1995).
Rosegrant, M. W., Paisner, M. S., Meijer, S., and Witcover, J. (2001). Global food projections to
2020: emerging trends and alternative futures. International Food Policy Research Institute.
Rosenzweig, C., and M.L. Parry, 1994: Potential impact of climate change on world food
supply. Nature, 367, 133-138, doi:10.1038/367133a0
Roudier, P., 2012a. Climat et agriculture en Afrique de l'Ouest :Quantification de l'impact du
changement climatique sur les rendementset évaluation de l'utilité des prévisions saisonnières. Thèse
de doctorat, EHESS, CIRED
Roudier, P., P. Quirion, B. Sultan, C. Baron, A. Alhassane, S. Traoré and B. Muller, 2012b. An exante valuation of seasonal forecasting for millet growers in SW Niger, International Journal of
Climatology. DOI: 10.1002/joc.2308
Roudier, P., P. Quirion, B. Sultan and A. Berg, 2011. The impact of future climate change on West
African agriculture: a review, Global Environmental Change, 21(3): 1073-1083
doi:10.1016/j.gloenvcha.2011.04.007
Sandmo A. On the theory of the competitive firm under price uncertainty. Amer. Econ Rev. 61:65-73,
1971
Sassi, O., Crassous, R., Hourcade, J.-C., Gitz, V., Waisman, H., and Guivarch, C.
(2010). IMACLIM-R: a modelling framework to simulate sustainable development
pathways. International Journal of Global Environmental Issues, 10(1/2):5{24.
Souty, F., Brunelle, T., Dumas, P., Dorin, B., Ciais, P., Crassous, R., Müller, C., and Bondeau, A.: The
Nexus Land-Use model version 1.0, an approach articulating biophysical potentials and economic
dynamics to model competition for land-use, Geosci. Model Dev. Discuss., 5, 571-638,
doi:10.5194/gmdd-5-571-2012, 2012
Willett, K.etS. Sherwood, 2012.Exceedance of heat index thresholds for 15 regions undera warming
climate using the wet-bulb globe temperature.International Journal of Climatolology. 32: 161–177