Exploring the impact of seasonal water variability on agricultural planning: a water-energy-food nexus perspective.

Imaginez la Terre comme une cuisine géante et complexe où nous essayons de préparer suffisamment de nourriture, d'énergie et d'eau propre pour que tout le monde puisse survivre. Pendant longtemps, les scientifiques ont essayé de comprendre comment gérer les ingrédients de cette cuisine sans en manquer ou en gaspiller. Ce domaine d'étude est appelé le « Nexus Eau-Énergie-Alimentation ». Pensez à cela comme à un tabouret à trois pieds : si vous retirez le pied de l'eau, les pieds de l'énergie et de l'alimentation vacillent et tombent. Si vous jouez avec le pied de l'énergie, les pieds de l'eau et de l'alimentation tremblent.

Maintenant, imaginez que la météo dans cette cuisine devient un peu folle. La pluie ne tombe plus de manière uniforme ; parfois, c'est une averse torrentielle, et d'autres fois, un silence sec et poussiéreux. C'est ce que les scientifiques appellent la « variabilité saisonnière de l'eau ». Il ne s'agit pas seulement de la quantité de pluie qui tombe au cours d'une année entière, mais de quand elle tombe. Si vous plantez vos graines en attendant une bruine régulière, mais qu'à la place, vous recevez une inondation en juin et une sécheresse en août, vos cultures pourraient dépérir. C'est un problème majeur pour les agriculteurs, particulièrement dans des endroits comme l'Éthiopie, où l'économie repose lourdement sur la terre. Si nous ne comprenons pas ces variations saisonnières, nos plans pour nourrir l'avenir pourraient être construits sur des fondations fragiles.

C'est exactement l'énigme qu'une équipe de chercheurs s'est donné pour la résoudre. Ils voulaient voir si nos modèles informatiques actuels pour la planification agricole oubliaient une pièce cruciale du puzzle : les saisons.

L'idée maîtresse : L'erreur du « Tout-en-un »

Les chercheurs, dirigés par Camilla Lo Giudice et ses collègues, ont décidé de construire un modèle informatique super intelligent appelé un modèle CLEWs (qui signifie Climat, Terre, Énergie et Eau). Considérez ce modèle comme un jumeau numérique du paysage éthiopenien. Il simule la façon dont l'eau circule, la façon dont les cultures poussent et la quantité d'énergie nécessaire pour pomper cette eau.

Voici le rebondissement : la plupart de ces modèles regardent généralement l'année entière comme un grand seau d'eau flou. Ils disent : « D'accord, nous avons 100 unités de pluie cette année, et nous avons besoin de 100 unités pour les cultures, donc tout va bien ! » Mais les chercheurs soupçonnaient que cela revenait à essayer de planifier un voyage routier en ne connaissant que la distance totale, sans vérifier s'il y a des montagnes ou des rivières entre les deux. Ils soutenaient que si vous ignorez les saisons, vous pourriez penser que vous avez beaucoup d'eau alors qu'en réalité, vous avez une inondation pendant la saison humide et un désert pendant la saison sèche.

Pour tester cela, ils ont construit deux versions de leur Éthiopie numérique.

1. La version « NoSeasons » (SansSaisons) : Ce modèle traitait l'année comme un seul bloc de temps moyen et lisse.
2. La version « Seasons » (Saisons) : Ce modèle décomposait l'année en une « saison humide » (de mai à septembre) et une « saison sèche » (d'octobre à avril), suivant la croissance des cultures et leur consommation d'eau à chaque étape spécifique.

Ce qu'ils ont découvert : La pénurie cachée

Lorsqu'ils ont lancé les simulations, les résultats ont été révélateurs. Le modèle « NoSeasons » était bien trop optimiste. Il pensait qu'il y avait suffisamment d'eau disponible car il faisait la moyenne des inondations et des sécheresses. Mais la version « Seasons » racontait une histoire différente, plus réaliste.

Dans la version « Seasons », le modèle a réalisé que pendant les mois secs, l'approvisionnement en eau était en fait beaucoup plus bas que ce que le modèle « NoSeasons » avait supposé. En fait, le modèle « NoSeasons » a surestimé la quantité d'eau souterraine et d'eau de surface disponible par une marge massive : 223 % pour les eaux souterraines et 272 % pour les eaux de surface ! C'était comme penser que vous aviez le plein d'essence parce que vous avez fait la moyenne de votre conduite sur autoroute à faible consommation et de votre conduite en ville à forte consommation, pour réaliser ensuite que vous seriez tombé en panne d'essence au milieu de l'autoroute.

Cette erreur a eu un effet domino énorme sur la façon dont le modèle planifiait l'avenir. Comme le modèle ignorait les pénuries de la saison sèche, il décidait que les agriculteurs n'avaient pas besoin de construire autant de systèmes d'irrigation (tuyaux et pompes pour apporter l'eau aux cultures). Il se disait : « Hé, nous avons assez d'eau en moyenne, alors économisons de l'argent. »

Mais quand le modèle connaissait les variations saisonnières, il changeait d'avis. Sous un scénario de changement climatique à fort impact (où le monde devient nettement plus chaud et les régimes de pluie plus erratiques), le modèle « Seasons » a réalisé que les agriculteurs devraient étendre leurs zones irriguées de 63 % juste pour survivre aux périodes sèches. Le modèle « NoSeasons » a complètement manqué ce besoin car il était aveuglé par ses propres moyennes.

Le score de stress : Qui aura le plus soif ?

Les chercheurs ont également créé un « score de stress hydrique » pour voir à quel point la pression serait forte. Ils ont découvert qu'à mesure que le changement climatique s'aggrave, le stress sur les ressources en eau augmente, surtout pendant les saisons sèches.

Une zone spécifique, qu'ils ont appelée « Cluster 4 », se trouvait déjà dans un point chaud et aride et devait faire face à un stress extrême. Mais la surprise fut que d'autres zones, qui disposent habituellement de beaucoup d'eau, ont également commencé à ressentir le contrecoup. Pourquoi ? Parce que le modèle a montré qu'à mesure que les agriculteurs tentaient de s'adapter au changement climatique en déplaçant leurs cultures vers de meilleurs endroits ou en produisant plus de nourriture, ils finissaient par avoir besoin de encore plus d'eau pendant les mois secs.

L'étude suggère que si nous restons attachés à l'ancienne méthode de planification (en ignorant les saisons), nous pourrions nous retrouver avec un système qui semble bon marché et efficace sur le papier, mais qui échoue dans le monde réel lorsque la saison sèche arrive. Nous pourrions ne pas construire les systèmes d'irrigation nécessaires parce que nous pensions avoir assez d'eau, laissant ainsi les agriculteurs vulnérables lorsque la pluie s'arrête.

La conclusion

La principale leçon de ce document est que nous ne pouvons plus nous contenter de regarder une année « moyenne ». Le changement climatique rend les écarts entre les saisons humides et sèches plus extrêmes. Si nous voulons planifier un avenir où nous aurons assez de nourriture et d'eau, nous devons construire nos modèles en tenant compte des saisons.

Les chercheurs ont découvert qu'en ajoutant ce détail saisonnier, nous obtenons une image beaucoup plus claire de l'endroit où les pénuries d'eau se produiront. Il ne s'agit pas seulement d'avoir assez d'eau pour l'année entière ; il s'agit d'avoir assez d'eau au bon moment. Sans cette conscience saisonnière, nos plans pour l'agriculture pourraient être construits sur un fantasme d'eau infinie, nous laissant impréparés face aux périodes de sécheresse qui arrivent. L'étude suggère que pour éviter la maladaptation — où nos « solutions » aggravent en réalité les choses — nous devons intégrer la complexité des saisons dans notre planification.