WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Application du modèle EPIC dans l’estimation de la fonction de production rizicole dans la plaine de la Ruzizi. Essai d’intégration du paramètre information.


par Yoshwa NTAMUSHIGO
Université évangélique en Afrique - Licence en sciences économiques 2019
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

IV.2. La revue de la littérature empirique

Les méthodes pour évaluer les impacts climatiques sur l'agriculture et les évaluations des stratégies d'adaptation ont été affinées pendant de nombreuses années et largement utilisées par les scientifiques, les services de vulgarisation, les agriculteurs commerciaux et les gestionnaires de ressources. Un défi majeur auquel toutes les évaluations agricoles doivent faire face est l'analyse des impacts biophysiques et socioéconomiques importants, parce qu'ils doivent être dérivés d'interactions complexes parmi les systèmes biophysiques et socioéconomiques qui sont fondamentalement difficiles à modéliser (United Nations Framework Convention on Climate Change, 2013).

Les modèles de simulation de culture sont fréquemment utilisés pour estimer l'impact du changement climatique sur la production agricole.Cependant, peu d'études ont évalué la performance du modèle d'une manière que la plupart des chercheurs ont pratiquée
études d'impact sur le climat (Xianzeng N. et al., 2008). Quand bien même elles parvenaient à le faire, les résultats paraissent différents selon les régionsou les milieux.

En 2008, Xianzeng N. et al., menaient une étude sur la fiabilitéet l'incertitude du modèle EPIC induite par les données d'entrée pour estimer l'impact du changement climatique sur les rendements de sorgho dans les Grandes Plaines américaines.L'objectif que ces auteurs s'étaient assignés était d'examiner la fiabilité du modèle EPIC dans la simulation des rendements du grain de sorgho dans les grandes plaines américaines sous différents aspects climatiques au cours des années avec des précipitations et températures normales et extrêmes. Aussi, ils se sont servis d'un ensemble de données d'entrée qui n'étaient pas appropriées au site sur lequel ils menaient leur étude, en vue d'étudier les incertitudes du modèle. Il s'agit des données historiques issues d'essais du Centre expérimental de Mead. Les résultats auxquels ils avaient abouti affichaient une fiabilité globale de 56 % avec une moyenne de l'erreur relative absolue de 29 %. La fiabilité dépendant essentiellement des classes de climat et des traitements à l'azote, il y avait 69 % des probabilités que les incertitudes causées par les données d'entrée soient limitées à moins de 20 % de la moyenne de l'erreur relative absolue, notée absRE. Ces résultats leur avaient permis d'affirmer que le modèle EPIC peut être utilisé pour les études d'impact des changements climatiques mais seulement il fallait encore fournir des efforts plus amples pour améliorer la précision de la simulation des réactions des cultures à des conditions extrêmes de stress hydrique. Vicien C. en 1991 quant à lui, s'était servi du modèle EPIC pour tenter de construire une fonction de production du type « d'ingénieur » qui allait prendre en compte des ressources climatiques, pédologiques, génétiques, humaines et économiques. Son objectif était de ressortir la relation input-output en utilisant les données qui sont proches de l'expérimentation qui allaient permettre d'utiliser une méthodologie économétrique afin de mettre en place une fonction de production qui représenterait tous les éventails de choix possibles, en reproduisant toutes les situations au champ. Le produit spécifique de son étude était le blé et elle avait été menée en Argentine et en France. Les résultats des estimations, obtenus en recourant à la régression linéaire multiple, présentent un coefficient de détermination de 0,97 (soit 97 %) traduisant le fait que les variables retenues dans son modèle expliquaient à 97 % le rendement de la culture du blé. Quant à nous, nous appliquons le modèle à la culture du riz dans la plaine de la Ruzizi en République Démocratique du Congo. Le point de démarcation entre mon travail et les leurs reste l'intégration de l'aspect « information » et « environnement » au modèle en le complétant, aspect non pris en compte par plusieurs auteurs notamment Vicien C. (1991), dont l'article constitue notre référence.

Chapitre Deuxième : PRESENTATION DU MILIEU ET APPROCHE METHODOLOGIQUE

Dans cette section, il est question de présenter brièvement le milieu dans lequel l'étude s'est déroulée ainsi que la méthodologie à laquelle nous avions recouru pour atteindre les objectifs que nous nous sommes fixés dans ce travail.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Il faut répondre au mal par la rectitude, au bien par le bien."   Confucius