Risques climatiques liés à l’ENSO : prévoir la variabilité et la cohérence du rendement des cultures au moyen d’ACP fondée sur des grappes

Citation

Lu, W., Atkinson, D.E., Newlands, N.K. (2017). ENSO climate risk: predicting crop yield variability and coherence using cluster-based PCA. Modeling Earth Systems and Environment, [online] 3(4), 1343-1359. http://dx.doi.org/10.1007/s40808-017-0382-0

Résumé en langage clair

Le phénomène El Niño oscillation australe (ENSO) de 2015 2016 a été l’un des plus forts des 30 dernières années et a eu un impact sur la production agricole, réduisant la production vinicole mondiale, mais augmentant le rendement des principales cultures, comme le blé. Les variations climatiques à l’échelle mondiale représentent jusqu’à un tiers de la variabilité observée dans le rendement des principales cultures. Dans cette étude, les chercheurs explorent comment la variabilité du climat associée à l’ENSO peut influer sur le rendement des cultures de blé et d’orge dans les Prairies canadiennes. Un nouveau modèle mathématique est mis au point pour prévoir le rendement des cultures sous le forçage de l’ENSO et les zones où les risques climatiques seront élevés. Le modèle est capable d’identifier différentes zones à l’intérieur de grandes régions de production comme les Prairies canadiennes, renfermant un groupe ou une grappe de régions agricoles de recensement. Le modèle prévoit également différents niveaux de réponse en termes de rendement à la variabilité climatique interannuelle en fonction du rendement historique et des données climatiques. Ces travaux ont permis de perfectionner notre capacité de prévoir les changements du rendement des cultures dans de grandes régions de production en fonction de la variabilité climatique saisonnière et sous saisonnière, améliorant ainsi l’exactitude et la fiabilité des prévisions de rendement pour la période de croissance. De cette façon, les aperçus du rendement des cultures qui intègrent de telles prévisions du rendement fondées sur des modèles peuvent aider les agriculteurs à prendre des décisions de gestion des cultures meilleures et plus éclairées, particulièrement lors des années de fort El Niño et La Niña, pendant lesquelles les sécheresses et les inondations extrêmes sont plus susceptibles de se produire.

Résumé

Le phénomène El Niño oscillation australe (ENSO) a contribué, au cours des dernières années, à l’augmentation du rendement des principales cultures agricoles (annuelles), comme le blé et l’orge, au Canada. On comprend moins bien comment un tel forçage modifie le profil de variation du rendement à différentes échelles géographiques et dans de vastes paysages agricoles, comme les Prairies canadiennes. Pourtant, ces questions sont d’une importance capitale pour prévoir la production céréalière future. Nous nous sommes penchés sur l’impact potentiel de l’ENSO sur la production de blé et d’orge dans les Prairies canadiennes/l’Ouest canadien à l’aide d’un modèle d’analyse en composantes principales (ACP) multiéchelle fondé sur des grappes qui intègre l’apprentissage machine (regroupement des k moyennes) pour prévoir les zones où les risques climatiques sont élevés. Ces zones à risque constituent des grappes séparables de sous régions qui présentent une réponse de corrélation de rendement similaire à l’ENSO (cohérence à l’échelle spatiale). L’analyse comparative de ce modèle spatial en fonction de modèles non spatiaux révèle que la cohérence spatiale mène à des gains dans la capacité de prévision. L’intégration de la cohérence spatiale a permis d’accroître la capacité de prévoir le rendement des cultures et de réduire l’erreur EQM de 26 à 34 % (blé de printemps) et de 2 à 4 % (orge). Nous en déduisons que la prise en compte de la cohérence spatiale améliore l’exactitude et la fiabilité des prévisions du rendement des cultures.

Date de publication

2017-12-01

Profils d'auteurs