Meteorological forecasts and agrometeorological models integration: a new approach concerning early warning for food security in the Sahel

La sécurité alimentaire reste un des problèmes majeurs pour les populations sahéliennes. L'agriculture sahélienne est basée principalement sur les cultures pluviales et elle n'est pas souvent en même de faire face aux aléas climatiques. Les dernières approches pour l'Alerte Précoce soulignent deux niveaux d'action: la prévision et la prévention. Sur le plan biophysique, la prévision est basée essentiellement sur des outils qui utilisent les données satellitales pour le suivi de la saison. Les modèles agro-météorologiques jouent un rôle central dans cette approche puisqu'ils transforment les données météorologiques en niveaux de risque pour l'agriculture.De l'autre côté, la prévention, finalisée à la réduction du risque, est actuellement basée sur les prévisions météorologiques. Grâce à celles là, les systèmes d'alerte précoce peuvent produire aujourd'hui, des informations essentielles pour les agriculteurs tout en permettant de réduire les risques liés aux phénomènes météorologiques. Cet article présente l'intégration des prévisions météorologiques et du suivi agro météorologique classique atteint par le model ZAR. Les données en entrée sont les estimations de pluie fournies par Meteosat Second Generation et les prévisions provenant du modèle GFS (Global Operation Forecast), Précipitation au sol, à 7 jours, downscaled à 8 kilomètres de résolution. Cette intégration conduit à une production d'informations, comme la prévision de bonnes conditions pour les semis, de l'installation des cultures aux zones semées et des conditions des cultures pendant la saison agricole. Le ZAR est actuellement utilisé par le Centre Régional Agrhymet pour les estimations régionales et aussi par les Météorologies Nationales de Sénégal, Mali, Burkina Faso et Niger pour leurs activités d'alerte précoce.

Food security is still the main problem that Sahelian populations have to face. In the Sahel, agriculture is primarily based on rainfed crops and it is often structurally inadequate to manage the climatic variability. Latest Early Warning approaches insist on two action levels: prevision and prevention. In its biophysical aspect, prevision is mainly based on tools and models utilizing satellite data to monitor the growing season. Agrometeorological models have a central role in this chain because they transform meteorological data into levels of risk for agriculture. On the other hand, prevention, aiming to reduce the risks, is actually based on meteorological forecasts. Nowadays, quantitative meteorological forecasts allow early warning systems providing critical information to farmers, in order to reduce risks related to meteorological phenomena. This paper presents the integration of meteorological forecasts with classical agrometeorological monitoring achieved by ZAR model. Input data are Rainfall Estimate provided by Meteosat Second Generation and forecasts from GFS (Global Operation Forecast) model, Precipitation at ground, at 7 days, downscaled at 8 kilometres. Such integration allows the production of information, as prevision of good conditions for sowing, of crops onset in sowed areas and of crop conditions during the growing period. ZAR is used by Agrhymet Regional Center for regional assessments and by National Meteorological Offices of Senegal, Mali, Burkina Faso and Niger for their early warning activities.