…

La pertinence des données météo ouvertes pour les services de conseils agrométéorologiques

Tomaso Ceccarelli, Allard de Wit et Rob Lokers

L’utilisation de données ouvertes dans le domaine de la météorologie pourrait répondre aux besoins d’information des systèmes de conseils agro-métérologiques. Mais les données ouvertes sont-elles parfaitement adaptées ? Sont-elles fiables, pertinentes, actuelles et disponibles ? Le projet CommonSense en faveur des petits exploitants d’Éthiopie fournit des éléments de réponse à ces questions.

Lorsqu’ils disposent d’informations météorologiques pertinentes, fiables, actuelles et accessibles, les petits exploitants peuvent prendre des décisions agricoles importantes, en particulier dans des contextes semi-arides ou arides comme on en trouve en Éthiopie. Les informations météorologiques, sous la forme de prévisions, d’observations en temps « quasi-réel » ou d’estimations, sont essentielles pour tout système de conseils agricoles aux petits agriculteurs. advisory system targeting smallholder farmers. 

Le projet CommonSense y travaille, en rapprochant les communautés et les capteurs en Éthiopie. Le projet est financé au titre de la Facilité G4AW (Géo-données pour l’agriculture et l’eau) du ministère hollandais des affaires étrangères, gérée par le Netherlands Space Office (NSO). 

Malgré sa portée plus générale, un volet important de CommonSense concerne les services météorologiques. Il est géré en coopération avec l’Agence météorologique nationale éthiopienne (NMA) et le Sesame Business Network. Les partenaires associés à ce volet incluent l’entreprise néerlandaise de services météorologiques Weather Impact, la société éthiopienne d’informatique Apposit et Wageningen Environmental Research, basée aux Pays-Bas. Un des objectifs de ce projet est de déterminer quelles sont les informations météorologiques qui devraient être intégrées dans un système national de conseils météorologiques. À cette fin, CommonSense coopère avec le ministère fédéral de l’agriculture et des ressources naturelles (MoANR) et d’autres organisations gouvernementales éthiopiennes, comme l’EIAR et les RARI. 

Les sources de données météorologiques ouvertes 

Les données météorologiques utilisées dans les systèmes de conseils agricoles incluent les observations météorologiques des stations (données en temps « quasi-réel » et archives historiques), les variables météorologiques obtenues par simulation à l’aide de modèles météorologiques numériques – pour des périodes historiques (« ré-analyse ») ou les prévisions des jours ou des mois à venir – et enfin, les données en temps quasi-réel et les archives issues de la télédétection. 

Les données météorologiques ouvertes proviennent aujourd’hui de plusieurs sources. Les observations météorologiques ouvertes incluent le Global Summary of the Day (Résumé mondial du jour) de l’Administration nationale océanique et atmosphérique américaine (NOAA) tandis que les données ouvertes obtenues par télédétection incluent les estimations pluviométriques (CHIRPS-USGS CHG par exemple) et du rayonnement solaire incident (MSG-LandSAF). Les prévisions météorologiques à court terme basées sur les données ouvertes, incluent le Global Forecast System (GFS) des Centres nationaux de prédiction environnementale (NCEP) de la NOAA. 

Beaucoup d’autres données météorologiques sont bien sûr disponibles, mais leur accès est limité. Il s’agit essentiellement des séries de données générées par la plupart des services nationaux de météorologie, mais aussi des données obtenues à partir de modèles numériques de prévisions météorologiques, par exemple les prévisions météorologiques générées par le Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT). Les séries de données de ré-analyse du CEPMMT, comme ERA-INTERIM et le futur ERA5 sont en revanche disponibles en format ouvert, dans le cadre du programme européen Copernicus. En ce qui concerne les prévisions, les prévisions à court terme du GFS, par exemple, sont disponibles gratuitement, tandis que les données du CEPMMT sont soumises à des restrictions, et l’accès à ces données impose habituellement le paiement de droits de licence. 

Il est donc important d’évaluer les avantages et les inconvénients, ainsi que les coûts et les bénéfices des séries de données par rapport aux exigences des systèmes de conseil envisagés et de tenir compte aussi des besoins des petits exploitants opérant dans des conditions environnementales spécifiques.

Indicateurs

S’il est relativement simple d’évaluer les coûts associés aux séries de données (droits de licence et coût du traitement des données), il est plus difficile d’évaluer les avantages attendus, car cela nécessite de connaître les besoins et les exigences des utilisateurs finaux et de déterminer la valeur ajoutée de l’utilisation d’une série de données spécifiques. 

Des indicateurs de pertinence, de fiabilité, de délai et d’accessibilité des données peuvent être utilisés pour évaluer cette valeur ajoutée. Les efforts se concentreraient donc ici sur l’évaluation du respect des exigences du système par les séries de données disponibles. 

Prenons à nouveau l’exemple des prévisions météorologiques à court terme. Quels seraient dans ce cas les exigences du système de conseil que l’on envisage de proposer ? Quels seraient l’intervalle de temps, la résolution spatiale, la précision (compétence) de la prédiction ? La connaissance du degré d’incertitude de la prévision est-elle également importante ? Toutes ces questions doivent orienter les décisions quant au choix des données. CommonSense y a été confronté.

Le GFS, par exemple, fournit des prévisions à 10 jours, à une résolution spatiale de 0,25° (~28 km au niveau de l’Équateur). Le CEPMMT fournit des prévisions à court terme (1-3 jours) et à moyen terme (4-7 jours) ; il génère des prévisions déterministes à haute résolution (HRES) – résolution de 0,1° (~11km), et un « ensemble one » (ENS), d’une résolution spatiale de 0,20° ce qui correspond à 22 kilomètres.

Quantifier la qualité des données météorologiques 

Selon l’Enquête socioéconomique 2015-2016 de la Banque mondiale sur l’Éthiopie, la superficie moyenne des terres cultivées est de 0,13 ha dans ce pays. Même si elles sont loin d’être adaptées à cette superficie moyenne, les prévisions du CEPMMT (HRES et ENS) ont une résolution spatiale supérieure à celle du GFS et sont donc considérées comme mieux adaptées de ce point de vue. 

Dans le cadre du projet CommonSense, nous validons aussi statistiquement la précision des différentes variables météorologiques (à savoir la fréquence des précipitations et la quantité de pluie) obtenues du GFS et du CEPMMT. Pour ce faire, nous les comparons aux observations de toutes les stations météorologiques synoptiques du Service national de météorologie. Ce travail se poursuit, mais à ce jour, les résultats indiquent une supériorité des prévisions du CEPMMT par rapport à celles du GFS, pas tant en ce qui concerne la fréquence des précipitations, mais plutôt les quantités de pluie. Il s’agit ici aussi d’une information clé pour soutenir concrètement les pratiques agricoles. 

Pour interpréter correctement des prévisions incertaines, concernant par exemple les précipitations, cette incertitude doit être quantifiée. Une prévision exprimée en termes de probabilité, par exemple l’ENS se révèle ainsi plus utile – pour l’agriculture –qu’une précision « simple » (comme l’HRES ou celles du GFS). Ainsi, les activités de plantation en Éthiopie dépendent énormément du début de la saison des pluies. Dès lors, les prévisions peuvent être adaptées pour assurer un niveau élevé de certitude quant à la date du début des précipitations. De même, une fois à maturité, les plants de sésame courent un risque élevé d’être endommagés par le vent et la pluie. Les prévisions peuvent dès lors être adaptées de façon à ce que même de faibles probabilités de survenue de pluie et de vent soient communiquées dans les prévisions aux petits agriculteurs. 

Un service-pilote d’envoi de SMS a permis de tester pour la première fois les prévisions, basées sur celles du CEPMMT, pendant les saisons de croissance des cultures dans les régions du Tigray et de l’Amhara en 2017. Ces SMS ont été envoyés à 1 520 utilisateurs (petits agriculteurs, agents de vulgarisation agricole et chercheurs). Les utilisateurs ont évalué positivement ces prévisions, ce qui confirme le point de vu de CommonSense selon lequel les prévisions météorologiques de qualité sont une exigence de base des petits agriculteurs.

Vu sous cet angle, il semblerait, que les données météorologiques ouvertes – mais les sources de données ouvertes sont encore peu nombreuses ¬– soient finalement peu adaptées à la fourniture de services de conseil. L’on peut toutefois s’attendre à ce que davantage de données ouvertes soient disponibles dans le futur. Reste à espérer qu’elles soient mieux adaptées à l’offre de services agricoles aux petits exploitants.

Liens connexes

Plus d’informations sur CommonSense sur la page web du projet
https://goo.gl/WfA9PH

Articles dans le même numéro