Le changement climatique constitue une menace majeure pour les populations de l’Afrique de l’Ouest, en général et du sahel, en particulier. Le Niger est, pleinement, concerné par cette situation qui se traduit par une grande variabilité pluviométrique et une forte récurrence de sècheresses depuis les années 1970s. Cette étude analyse l’impact du changement climatique sur les rendements du mil et du sorgho dans les Communes rurales de Balleyara, Dan Issa, Dogo, Harikanassou, Illéla, Magaria et Mokko, au Niger. Deux variétés de mil (HKP et SOMNO) et une de sorgho (Caudatum) ont été testées. Les données climatiques, utilisées sur la période de référence 1990-2020, proviennent de la Météorologie Nationale du Niger et de l’AGRHYMET Centre Climatique Régional pour l’Afrique de l’Ouest et le Sahel. Le modèle SARRA-H (V33) a été utilisé pour simuler les rendements des différentes variétés sur la période de référence et les périodes futures (2010-2039 et 2040-2069), sur la base des RCP4.5 et 8.5. Pour chaque Commune, les données des scénarios futurs de changement climatique ont été générées par 05 modèles globaux choisis parmi les 29 testés dans le cadre du projet AgMIP, en tenant compte de 05 conditions climatiques : Fraiche et Humide, Fraiche et Sèche, Moyenne, Chaude et Humide, Chaude et Sèche. Trois dates de semis (Dates précoce, moyenne et tardive), deux types de sols (sableux et sablo-argileux) et deux niveaux de fertilité du sol (Fertile et Non-Fertile) ont été considérés dans le modèle SARRA-H, pour chaque Commune. Les rendements simulés pour les variétés de mil et de sorgho sur la période 1990-2020 ont été plus élevés dans la Commune de Magaria et plus faibles dans celles de Balleyara et Illéla, en particulier pour un semis tardif fait sur un sol non-fertile. Les impacts des scénarios climatiques futurs se sont traduits par des baisses de rendements des variétés testées, allant de -5% à -70% selon les RCP, les horizons, les Communes, les types de sol et les dates de semis. La variété de mil photopériodique SOMNO a été la moins sensible aux scénarios climatiques testés et la variété de sorgho Caudatum la plus sensible. Ces résultats montrent que le choix des variétés et des dates de semis les plus adaptées aux conditions pédoclimatiques locales peut atténuer l’impact du changement climatique sur les rendements agricoles au Niger, notamment avec l’apport de fertilisants et le déploiement de mesures de réduction des impacts négatifs des déficits pluviométriques.

AGRHYMET Regional Climate Center for West Africa and Sahel (AGRHYMET-CCR-AOS), as part of its statutory mandate works to improve seasonal and sub-seasonal forecasting capabilities by using the NextGen approach (Houngnibo et al., 2022; Ali et al.; 2022). The NextGen forecasting system helps forecasters evaluate the performance of different global climate models, which helps determine how best to correct and combine them. It also helps forecasters select the best climate models for any region of interest through process-based evaluation, and it automates the generation and verification of forecasts suitable for multiple time scales at the regional, national, or local levels (Hansen et al., 2022). Through the Accelerating Impacts of CGIAR Climate Research for Africa (AICCRA) project, AGRHYMET Regional Climate Centre has been capacitating National Meteorological and Hydrological Services (NMHSs) in West Africa and the Sahel on NextGen seasonal forecasting systems. The capacity development efforts focus mainly on Python interface to the Climate Predictability Tool (CPT) or PyCPT, a tool developed by the International Research Institute for Climate and Society (IRI) to implement the NextGen approach to climate forecasting (Hansen et al., 2022). The continuous improvement of the PyCPT tool has recently enabled the integration of key characteristics of the rainy season such as the onset dates of the season, dry and wet sequences, and number of dry and wet days, in addition to total rainfall. While hydrological forecasts of water availability from watersheds in major river basins are essential to support operational planning and management, the latest version of PyCPT developed by IRI does not take into account the seasonal forecast of hydrological variables. A recent survey the NMHSs on the barriers to operationalization of the NextGen approach and use the PyCPT tool indicated that a key challenge limiting the operationalization and use the PyCPT tool was the lack of consideration of hydrologic parameters (Segnon et al., 2023).