Annexes Techniques

ANNEXE TECHNIQUE 1 CALCUL DES PERTES ET DES DOMMAGES À PARTIR DES ÉVALUATIONS DES BESOINS APRÈS DES CATASTROPHES

Des évaluations des besoins après des catastrophes sont disponibles en ligne et ont été téléchargées à partir des sites web de PreventionWeb^av, de ReliefWeb^aw, de la Facilité mondiale pour la réduction des catastrophes et la reconstruction^ax et de la Banque mondiale^ay. Les évaluations utilisées dans le présent rapport en tant que sources de données s’échelonnent de 2007 à 2022.

Plus précisément, les données proviennent de 88 évaluations après des catastrophes, menées dans 60 pays répartis dans sept régions et sous-régions, comme indiqué ci-après: Afrique, 30; Asie, 24; Caraïbes, 10; Europe de l’Est, 8; Proche-Orient, 1; Océanie, 10; Amérique du Sud, 5. Les données couvrent huit types d’aléas: cyclones, 4; sécheresses, 7; tremblements de terre, 9; inondations, 32; aléas multiples, 6 (y compris La Niña, 1); tempêtes, 23; tsunamis, 1; et activités volcaniques, 3. Ces évaluations après des catastrophes étaient de différents types: évaluations des dommages, des pertes et des besoins, évaluations des besoins et évaluations rapides des dommages et des besoins.

Les évaluations des besoins après des catastrophes présentent les estimations des dommages et des pertes par secteur économique, ce qui permet de comparer les différents impacts sur l’économie. L’ensemble des valeurs relatives aux dommages et aux pertes ont été converties en dollars de 2017 (à partir des dollars courants ou de l’unité monétaire locale) à l’aide des données de l’indice des prix à la consommation de la Banque mondiale.

Pour calculer les pertes agricoles totales par type de catastrophe, on a agrégé et additionné les valeurs des dommages et des pertes par catégorie d’aléa. Les accidents industriels déclarés n’ayant pas eu d’incidences sur les valeurs relatives au secteur agricole, ils ne figurent pas en tant que catégorie dans les résultats.

La part des pertes agricoles dans celles de l’ensemble des secteurs productifs est obtenue en divisant les dommages et pertes agricoles communiqués dans les différentes évaluations des besoins après des catastrophes par le total des dommages et pertes indiqué dans ces évaluations pour l’ensemble des secteurs productifs (agriculture, industrie, commerce et échanges, et tourisme), par catégorie de catastrophe.

De la même façon, on calcule la part des pertes agricoles dans les pertes totales en divisant les dommages et pertes agricoles communiqués dans les différentes évaluations des besoins après des catastrophes par le total des dommages et pertes indiqué dans ces évaluations, par catégorie de catastrophe.

Une ventilation des dommages et pertes par sous-secteur était proposée dans 50 évaluations des besoins après des catastrophes (soit 56 pour cent de l’échantillon). Dans ce sous-échantillon, on a calculé les parts respectives des différents sous-secteurs agricoles en agrégeant leurs dommages et pertes en dollars de 2017.

ANNEXE TECHNIQUE 2 ESTIMATION DES PERTES MONDIALES À PARTIR DE DONNÉES SECONDAIRES

Les estimations des pertes imputables aux catastrophes dans les sous-secteurs des cultures et de l’élevage entre 1991 et 2021 ont été établies à l’aide d’un scénario de production contrefactuel élaboré pour les années des catastrophes. Ce scénario a été ensuite comparé aux volumes de production communiqués afin d’évaluer l’impact des catastrophes.

Sources de données

Quatre sources de données ont été utilisées pour estimer les différents paramètres des modèles.

Données relatives aux catastrophes: les données relatives aux catastrophes proviennent de la base de données EM-DAT, qui offre la couverture la plus complète des événements destructeurs passés. Pour être enregistrées dans cette base, les catastrophes doivent remplir l’un des critères suivants: 10 morts ou plus, 100 blessés ou plus, déclaration de l’état d’urgence ou appel à l’aide internationale. L’analyse porte sur les catastrophes de toute ampleur (petite, moyenne ou grande) qui entrent dans les catégories suivantes: tempêtes, inondations, sécheresses, températures extrêmes, infestations d’insectes, incendies de forêt, tremblements de terre, glissements de terrain, mouvements de masse et activités volcaniques. De 1991 à 2021, 10 190 catastrophes se sont produites à l’échelle mondiale.
Données relatives à la production et aux prix: des données annuelles agrégées au niveau national relatives à la production, aux rendements, aux superficies récoltées (cultures) et au nombre de têtes de bétail (élevage) ainsi qu’aux prix ont été extraites de FAOSTAT pour 197 pays ou zones. L’analyse porte au total sur 186 éléments divisés en 11 groupes de produits: céréales, légumineuses, café, thé, cacao et épices, fruits et fruits à coque, graines oléagineuses, racines et tubercules, cultures sucrières, tabac, caoutchouc et fibres végétales, légumes, et principaux produits de l’élevage (viande et produits à base de viande, lait et œufs).
Les données relatives à la productivité totale des facteurs (PTF) dans le secteur agricole sur la période 1991-2020 ont été obtenues du Département de l’agriculture des États-Unis.

Dans le scénario contrefactuel élaboré pour les années des catastrophes, les valeurs relatives à la production sont établies à partir d’une hypothèse d’absence de catastrophe. Les rendements sont imputés à partir des séries chronologiques de rendements par pays mises à disposition dans FAOSTAT pour plus de 12 700 produits. Les rendements des années des catastrophes (telles qu’enregistrées dans EM-DAT) sont remplacés par des valeurs contrefactuelles.

L’analyse utilise principalement une liste de matrices présentant des séries chronologiques de rendements qui comprennent les valeurs communiquées pour les années sans catastrophe et excluent celles des années des catastrophes: rendement (j,t,i·d), où j correspond aux pays ou zones, t aux années (1991-2021), i aux produits et où d=0 (années sans catastrophe). Trois techniques d’interpolation sont utilisées pour calculer les rendements contrefactuels pour les années des catastrophes, selon le nombre d’années sans catastrophe dans chaque série chronologique.

Pour les séries chronologiques comportant plus de cinq années sans catastrophe sur la période 1991-2021, soit 58 pour cent de l’échantillon, les valeurs de rendement manquantes sont estimées au moyen d’une interpolation des rendements des années sans catastrophe. Pour ce calcul, on utilise un modèle structurel dont les paramètres sont estimés à l’aide de la méthode du maximum de vraisemblance avec un lissage de Kalman. Le modèle structurel décompose les séries chronologiques en composantes du modèle espace-état, d’abord au moyen d’une équation de mesure de la variable de rendement définissant le vecteur d’état α:

α étant le vecteur des variables d’état de dimension m (m x 1), F_t et S_t étant les matrices de coefficients fixes des dimensions N x m et N x r, r étant les dimensions du vecteur de perturbation, et ε_t étant un vecteur r x 1 de moyenne nulle et de matrice de covariance V_ε.

Le vecteur d’état peut ensuite être décrit dans une équation d’état, comme suit:

G_t étant une matrice m x m et R_t une matrice m x g de coefficients fixes, g étant les dimensions du vecteur de perturbation, et η_t étant un vecteur g x 1 de moyenne nulle et de matrice de covariance W_η.

Le filtre de Kalman récursif permet d’estimer le modèle de manière itérative à l’aide de l’équation suivante:

Le gain de Kalman (K_t) équilibre l’incertitude entre les observations passées et les nouvelles informations. Si les observations passées sont entachées d’incertitude, K_t se rapproche de 1 pour donner plus de poids aux nouvelles informations. Si la différence entre les variables observées et estimées est instable, K_t se rapproche de zéro.

Pour les séries chronologiques comprenant moins de cinq années sans catastrophe sur la période 1991-2021:

L’estimation est fondée sur des groupes (clusters) de pays (technique appliquée pour 39 pour cent de l’échantillon).
Les pays sont répartis en 20 groupes dérivés d’un alignement temporel dynamique fondé sur la croissance de la PTF dans l’agriculture et d’une analyse factorielle reposant sur les niveaux de rendement de l’ensemble des produits. La tendance au regroupement des données est établie à l’aide de la statistique de Hopkins²⁴⁴. Un regroupement hiérarchique à partir de la composante principale est opéré pour les dix composantes principales résultant de l’analyse factorielle conduite sur 196 variables pour 197 pays. À l’aide du critère de Ward, les pays sont regroupés de manière incrémentielle, tandis que la croissance de l’inertie intra correspondant au dernier terme de l’équation suivante est minimisée pour former des groupes les plus homogènes possibles:

v est la valeur de la variable k, obtenue à partir des variables des dix principales composantes, pour le pays j du cluster c.

Pour chaque cluster c, chaque élément i, et chaque année t, un taux annuel moyen de variation du rendement est calculé:

où N_c est le nombre de pays de chaque cluster c.

À partir des rendements de 1990, on applique ce taux de variation à chaque pays et à chaque élément pour construire une série chronologique contrefactuelle pour la période 1991-2021. Le rendement contrefactuel estimé est calculé comme suit pour l’élément i, le pays j et l’année t:

Cinq pays constituaient la seule observation de leur cluster (Chine, Guyana, Mexique, Ouzbékistan et Pérou). Pour ces pays, l’estimation a été établie à l’aide d’un modèle de régression par les moindres carrés ordinaires basé sur la PTF et le rendement décalé, avec l’équation suivante:

rendement_ijt est le rendement de l’élément i, dans le pays j, au moment t agTFP_jt est la PTF dans l’agriculture dans le pays j, au moment t U_ijt est le terme d’erreur

Des prédicteurs estimés sont utilisés pour calculer les séries chronologiques de rendement contrefactuel, comme suit:

Une fois le rendement contrefactuel estimé, un écart de rendement est calculé en déterminant la différence entre ce rendement contrefactuel estimé et la valeur de rendement communiquée dans FAOSTAT.

Pour établir la variabilité due à des effets non liés aux catastrophes et supprimer le bruit de fond dans l’écart de rendement, des distributions nulles sont calculées par pays et par élément. Des simulations ont été effectuées sur 10 000 matrices de catastrophes simulées afin d’établir des distributions d’écarts de rendement estimé. Les écarts de rendement inférieurs au quantile de 5 pour cent de la distribution ont été supprimés des pertes estimées.

Pour passer des pertes de rendement aux pertes de production, les rendements d’une année donnée sont multipliés par le nombre d’hectares récoltés, le nombre d’animaux abattus pour produire des produits à base de viande ou le nombre d’animaux pondeurs ou laitiers.

Les pertes de production en valeur sont obtenues en multipliant les tonnes par les prix à la production issus de FAOSTAT, exprimés en dollars de 2017 en parité de pouvoir d’achat. Les difficultés proviennent des années 1990 dans les séries chronologiques, période où les prix communiqués étaient moins fiables qu’aujourd’hui. En l’absence de prix pour certains pays, des médianes sous-régionales, régionales ou mondiales sont utilisées (12 pour cent de prix manquants). Si les prix locaux sont trois fois plus élevés que la médiane mondiale, c’est cette dernière qui est utilisée.

Annexe technique 2A Attribution des pertes aux catastrophes

Les pertes sont estimées par année et par pays, et ventilées par élément. Cependant, dans 85 pour cent des cas, plusieurs catastrophes se sont produites pendant les années considérées. Pour attribuer les pertes aux différents aléas subis la même année, un modèle de régression à effets mixtes a été utilisé, avec les pertes de production positives pour chaque élément dans chaque pays et pendant chaque année en tant que variable dépendante, l’année et le nombre de catastrophes de chaque type en tant qu’effets fixes et l’élément et le pays en tant qu’effets aléatoires, comme suit:

où y_ijt est la perte de production pour l’élément i dans le pays j et pour l’année t; les β_i sont les paramètres des effets fixes; x_t est l’année t (t allant de 1991 à 2021); x_2jt est le nombre de sécheresses dans le pays j pendant l’année t; x_3jt est le nombre d’inondations dans le pays j pendant l’année t; x_4jt est le nombre de tempêtes dans le pays j pendant l’année t; x_5jt est le nombre de tremblements de terre dans le pays j pendant l’année t; x_6jt est le nombre d’épisodes de températures extrêmes dans le pays j pendant l’année t; x_7jt est le nombre de glissements de terrain dans le pays j pendant l’année t; x_8jt est le nombre de feux de forêt dans le pays j pendant l’année t; y_i est l’effet aléatoire de l’élément i; y_j est l’effet aléatoire du pays j; et ε_ijt sont les valeurs résiduelles, qui sont indépendantes et normalement distribuées. Les paramètres du modèle sont estimés à l’aide du maximum de vraisemblance restreinte.

Les infestations d’insectes, les mouvements de terrain et les éruptions volcaniques ont été supprimés du processus d’attribution en raison du nombre trop faible d’observations (respectivement 38, 19 et 151) dans la base EM-DAT par rapport aux autres types de phénomènes. Cependant, ces types de catastrophes ont été intégrés dans l’estimation des pertes à l’aide des modèles contrefactuels présentés à l’annexe technique 2.

Les paramètres de chaque type d’événement ont été utilisés comme facteurs de pondération pour attribuer les pertes de production pour chaque élément, dans chaque pays et durant chaque année à chaque type de catastrophe survenu dans le pays cette année-là, comme suit:

où w_djt est le facteur de pondération du type de catastrophe d dans le pays j et pour l’année t; β_d est le paramètre du modèle (1) correspondant au type de catastrophe d; et X_djt est le nombre de catastrophes de type d dans le pays j et pour l’année t. La perte pour l’élément i dans le pays j pour l’année t due au type de catastrophe d a ensuite été calculée comme suit:

où L_ijt correspond aux pertes totales pour l’élément i dans le pays j et pendant l’année t.

Ces pertes ont été additionnées pour l’ensemble des éléments, pays et années afin d’obtenir les pertes totales par type de catastrophe:

résultat qui a été divisé par le nombre total de catastrophes de ce type pour obtenir la perte moyenne par catastrophe de chaque type:

Enfin, cette perte moyenne par catastrophe de chaque type a_d a été exprimée en pourcentage p_d des pertes moyennes totales causées par tous les types de catastrophe:

ANNEXE TECHNIQUE 3 DONNÉES ET MÉTHODES RELATIVES À L’ATTRIBUTION CLIMATIQUE

Des données détaillées sur les quatre études de cas (rendements du soja en Argentine, rendements du blé au Kazakhstan et au Maroc, et rendements du maïs en Afrique du Sud) ont été publiées dans un document technique complémentaire. La présente section expose les données et les méthodes utilisées dans la section 3.1.

Les résultats qui sont présentés en matière d’attribution reposent sur la comparaison des rendements observés avec les distributions des rendements factuels et contrefactuels estimés des cultures. Les rendements factuels sont les rendements simulés pour les conditions climatiques telles qu’elles ont réellement évolué, tandis que les rendements contrefactuels sont les rendements simulés pour les conditions climatiques qui auraient pu exister en l’absence d’augmentation des émissions de gaz à effet de serre et d’autres facteurs de forçage climatique anthropique. À cette fin, nous élaborons un modèle statistique de rendement des cultures à variables multiples, qui s’appuie sur tout l’historique disponible des données d’observation du rendement des cultures²⁴⁵ et sur des données climatiques dérivées d’observations (20CRv3–W5E5)²⁴⁶,²⁴⁷.

L’approche de modélisation est construite de manière à être applicable, de manière générale, à l’ensemble des pays et des cultures examinés dans les études de cas. Pour ce faire, un ensemble d’indices climatiques potentiellement pertinents est établi (TABLEAU 8). Cette sélection s’appuie sur des avis d’experts, notamment en ce qui concerne les facteurs biophysiologiques, et sur l’expérience en matière de modélisation statistique des cultures ainsi que sur les informations fournies par les documents publiés²⁴⁸,²⁴⁹,²⁵⁰. Ces indices sont calculés pour les périodes de végétation spécifiques de la sous-région et de la culture dont la production est la plus élevée à l’échelle des points de grille des données climatiques disponibles (résolution de 1,4 x 1,4 degré). Dans l’ensemble des données (indices climatiques fondés sur les observations et rendements des cultures), les anomalies sont considérées par rapport à une tendance non linéaire pour tenir compte de l’influence confusionnelle des changements dans la gestion agricole (apport d’engrais, par exemple). Les variables à utiliser pour le modèle de régression linéaire sont ensuite sélectionnées au moyen d’un processus en deux étapes analogue à celui de Laudien et al²⁵¹. Pour commencer, l’interdépendance entre les variables de régression est supprimée en rejetant celles corrélées de +/-0,7 ou plus avec une autre variable présentant une corrélation plus étroite avec les données de rendement. L’ensemble de variables ainsi réduit est transmis à une régression LASSO qui sélectionne jusqu’à cinq variables expliquant le mieux les données de rendement. Une adéquation linéaire permet d’obtenir les paramètres du modèle, et une validation hors échantillon est effectuée.

TABLEAU 8 ENSEMBLE D’INDICES CLIMATIQUES UTILISÉS POUR LA MODÉLISATION STATISTIQUE DES CULTURES, RÉDUIT ENSUITE EN FONCTION DE L’INDÉPENDANCE ET DE LA CAPACITÉ D’EXPLICATION

Source: Auteurs du présent document.

Le modèle statistique de rendement est ensuite appliqué à un ensemble de données climatiques factuelles et contrefactuelles, extraites du projet d’intercomparaison des modèles de détection et d’attribution (DAMIP – Detection and Attribution Model Intercomparison Project)²⁵², qui constitue une composante de la phase 6 du projet d’intercomparaison des modèles couplés (CMIP6 – Coupled Model Intercomparison Project Phase 6). Un ensemble de simulations historiques comprend les évolutions historiques des facteurs de forçage à la fois anthropique (gaz à effet de serre, ozone, aérosols, utilisation des terres, etc.) et naturel (éclairement énergétique solaire, aérosols volcaniques) du climat. Un ensemble de simulations hist–nat comprend uniquement les évolutions historiques des facteurs naturels, tandis que les facteurs anthropiques sont maintenus à leurs niveaux préindustriels. Dans cette optique, les 50 simulations historiques et 50 simulations hist–nat du seul grand ensemble de DAMIP mettant à disposition des données quotidiennes, la sixième version du modèle de recherche interdisciplinaire sur le climat (MIROC6 – Model for Interdisciplinary Research on Climate)²⁵³, sont corrigées des biais avec la méthode ISIMIP3 (v3.0.2). L’évaluation du modèle²⁵⁴,²⁵⁵ ne montre aucun biais manifeste allant au-delà de ce qui est communément admis dans les études de modélisation de l’impact sur le climat. Pour les régions couvertes par les études de cas, en particulier, on a constaté que les précipitations dans le nord du Kazakhstan étaient bien représentées dans le modèle²⁵⁶; il en est de même des précipitations au Maroc, du moins sur la côte et dans le nord²⁵⁷, région qui nous intéresse ici. Des versions antérieures de ce même modèle ont été utilisées pour produire des ensembles de données pour les études d’attribution de l’impact²⁵⁸,²⁵⁹, y compris dans l’agriculture²⁶⁰,²⁶¹.

La sensibilité climatique à l’équilibre et la réponse climatique transitoire du modèle MIROC6, respectivement de 2,60 °C et 1,58 °C, figurent dans la partie basse de la fourchette CMIP6 de 3,78 °C +/- 1,12 °C (pour la sensibilité climatique à l’équilibre) et de 1,98 °C +/- 0,48 °C (pour la réponse climatique transitoire) (moyenne +/- un écart type). Plus important encore, la valeur de la sensibilité climatique à l’équilibre se situe dans la plage probable du GIEC, qui va de 2,5 °C à 5,1 °C (valeur centrale: 3,4 °C; plage très probable: 2,1 °C à 7,7 °C) et qui constitue la meilleure estimation à ce jour, établie à partir de multiples sources d’éléments factuels. La valeur de la réponse climatique transitoire est légèrement inférieure à la plage probable, qui va de 1,6 °C à 2,7 °C (valeur centrale: 2,0 °C), mais se situe dans la plage très probable (1,3 °C à 3,1 °C). Le forçage radiatif effectif total des aérosols du modèle (-0,99 W/m2) est bien dans la fourchette CMIP6 de -1,23 W/m2 +/- 0,48 W/m2 (moyenne +/- intervalle de confiance de 5 à 95 pour cent) ainsi que dans la plage estimée par le GIEC comprise entre -2,0 W/m2 et -0,6 W/m2 (valeur centrale: –1,3 W/m2) (niveau de confiance moyen)²⁶². Globalement, ces chiffres semblent indiquer que la réponse du modèle s’agissant des gaz à effet de serre et d’autres facteurs de forçage est plausible. La réponse dans la fourchette basse concernant la température mondiale suggère en outre que les résultats obtenus en matière d’attribution seraient plutôt sous-évalués (que le contraire), ce qui signifie qu’il s’agit d’estimations prudentes.

Les 50 simulations des deux expériences présentent des différences en ce qui concerne la variabilité interne du climat (conditions météorologiques différentes), mais leur conjugaison donne une image du climat avec et sans gaz à effet de serre et autres forçages anthropiques du climat. Les données climatiques factuelles du modèle sont traitées de la même manière que les données climatiques dérivées des observations. Les données climatiques contrefactuelles du modèle sont traitées de manière analogue, à ceci près que parmi les seuils basés sur les centiles, ceux utilisés pour le calcul des indices sont tirés des données climatiques factuelles correspondantes, et que, de façon similaire, les anomalies pour les indices contrefactuels sont calculées par rapport à la tendance non linéaire dans les données factuelles (et non contrefactuelles) correspondantes. Les variables sélectionnées et les paramètres du modèle statistique dérivé des observations permettent d’obtenir les distributions de rendements factuels et contrefactuels.

ANNEXE TECHNIQUE 4 NOTE MÉTHODOLOGIQUE SUR LES MÉTHODES DE CALCUL DE L’ANALYSE AVANTAGES-COÛTS

L’objet de la présente note est d’exposer les différentes méthodes de calcul utilisées pour élaborer la section de la partie 4 relative à l’analyse avantages-coûts et de montrer que les trois approches – mesures préventives/de réduction des risques, actions anticipatoires et actions tenant compte des risques pour endiguer la propagation du criquet pèlerin (lutte préventive et action anticipatoire) – se complètent pour renforcer la résilience. La FAO a élaboré des méthodes pour calculer les avantages apportés par les bonnes pratiques de réduction des risques de catastrophe appliquées au niveau des exploitations et par les actions anticipatoires dans un certain nombre de ses programmes. Bien que la FAO continue de les perfectionner afin d’intégrer un plus large éventail d’activités programmatiques, ces méthodes donnent un aperçu des étapes et des structures des méthodes d’analyse avantages-coûts utilisées par l’Organisation pour analyser les bonnes pratiques de réduction des risques de catastrophe au niveau des exploitations et les actions anticipatoires.

Section 1. Méthode d’évaluation des avantages des bonnes pratiques de réduction des risques climatiques et des risques de catastrophe fondée sur la publication Disaster risk reduction at farm level: Multiple benefits, no regrets (2019) de la FAO.

Résumé: L’analyse avantages-coûts permet de calculer et de comparer les avantages et les coûts dans le temps des technologies suggérées relevant des bonnes pratiques en matière de réduction des risques de catastrophe dans l’agriculture (production végétale, animale, halieutique et forestière) et des technologies locales existantes à partir de données primaires sur les activités agricoles collectées sur une base saisonnière au niveau des exploitations. Sur chaque exploitation, les technologies suggérées relevant des bonnes pratiques en matière de réduction des risques de catastrophe et les technologies locales existantes sont observées simultanément sur des parcelles adjacentes. Les parcelles qui n’ont pas subi d’aléa durant la période d’observation constituent le scénario sans aléa, tandis que celles qui ont subi des aléas durant cette même période entrent dans le scénario avec aléas. Les données collectées au niveau des exploitations pour l’analyse avantages-coûts comprennent les coûts tels que les intrants, la main-d’œuvre, la maintenance et les dépenses d’investissement, ainsi que les avantages, c’est-à-dire la valeur brute de la production. L’analyse avantages-coûts compare les avantages nets (rendement net de l’investissement dans les technologies relevant des bonnes pratiques de réduction des risques de catastrophe et dans les technologies locales existantes) sur la période analysée, puis extrapole ces données sur une durée plus longue (11 années ici).

Une procédure en trois étapes a été suivie pour évaluer les avantages des bonnes pratiques de réduction des risques climatiques et des risques de catastrophe, à savoir une collecte de données, une évaluation sur le terrain et une analyse en vue d’une transposition à plus grande échelle.

Étape 1: collecte de données

La première étape a consisté à réunir certaines données de référence, ce qui a nécessité des recherches documentaires historiques sur les villages cibles, les ménages et leurs activités de production agricole, ainsi que sur leur exposition à des aléas et sur les phénomènes météorologiques extrêmes et les catastrophes qu’ils ont subis au cours des cinq dernières années. Elle avait également pour but de sélectionner les pratiques cibles de réduction des risques de catastrophe, qui ont été définies par une équipe d’experts, lesquels ont également recensé les sites pour la présélection initiale et les villages à intégrer dans l’étude, compte tenu des zones agroécologiques locales. Ces éléments ont ensuite fait l’objet d’une validation, au cours de laquelle les ménages acceptant de participer aux essais sur le terrain ont été répertoriés.

Les parcelles sélectionnées dans les champs des agriculteurs participants ont été divisées en deux parties, la première pour expérimenter les bonnes pratiques innovantes en matière de réduction des risques de catastrophe, et la seconde pour servir de parcelles témoins (terres sur lesquelles les pratiques agricoles précédentes ont été maintenues). Dans certains cas, du fait de l’absence de terres disponibles, ou de la culture de plantes pérennes, la parcelle témoin (pratiques agricoles traditionnelles) a été établie dans un champ à proximité qui présentait les mêmes conditions que celles de la parcelle sur laquelle les bonnes pratiques de réduction des risques de catastrophe étaient expérimentées.

Les résultats obtenus sur les parcelles d’essai et sur les parcelles témoins ont été analysés pour chaque saison durant les années sans aléa et ont été comparés aux résultats enregistrés en cas de survenance d’un ou plusieurs aléas. Il a ainsi été possible de déterminer les pratiques qui:

offraient de meilleurs résultats dans des conditions soumises à des aléas;
offraient des résultats au moins équivalents, en l’absence d’aléas, à ceux des pratiques agronomiques conventionnelles utilisées auparavant.

Étape 2: évaluation sur le terrain au moyen de l’analyse avantages-coûts

La deuxième étape a consisté à réaliser l’analyse avantages-coûts, en évaluant de manière quantitative les avantages nets (faisabilité et efficacité) des nouvelles bonnes pratiques en matière de réduction des risques de catastrophe par rapport à celles utilisées auparavant, dans des conditions avec et sans aléas. L’analyse avantages-coûts impliquait d’attribuer une valeur monétaire aux coûts, aux bénéfices supplémentaires et aux coûts évités grâce à la mise en œuvre des bonnes pratiques et des pratiques en vigueur auparavant, dans des conditions avec et sans aléas. La valeur des biens ou services dont le prix n’est pas connu (main-d’œuvre familiale ou ressources en eau en libre accès, par exemple) a été estimée en utilisant les prix de biens commercialisés en tant que substituts. Le TABLEAU 9 présente les différents types de coûts et d’avantages.

TABLEAU 9 COÛTS ET AVANTAGES

Source: Auteurs du présent document.

Le rapport avantages-coûts a été utilisé pour comparer les pratiques et pour indiquer le ratio entre les avantages et les coûts, exprimé sous la forme d’un ratio entre la valeur actualisée des avantages et la valeur actualisée des coûts.

Les gains nets ont en outre été évalués en calculant la valeur actuelle nette (VAN) des bonnes pratiques ainsi que des pratiques courantes ou précédemment utilisées, puis en effectuant une comparaison pour évaluer les bénéfices supplémentaires (augmentation de la productivité, par exemple) et les dommages et pertes évités grâce aux bonnes pratiques. Une période d’évaluation de 11 ans a été utilisée, et un taux d’actualisation de 10 pour cent a été appliqué, avec un contrôle de sensibilité à 5 pour cent et 15 pour cent. De manière générale, une VAN positive indique que la valeur actuelle des avantages est supérieure à la valeur actuelle des coûts sur la période considérée. En revanche, une VAN négative montre que les coûts initiaux et les dépenses de fonctionnement ne sont pas totalement contrebalancés par les avantages obtenus au fil du temps. Plus leur VAN est élevée, plus les bonnes pratiques sont considérées comme avantageuses.

Parallèlement à l’analyse quantitative conduite avec l’évaluation sur le terrain, une analyse qualitative a été réalisée pour déterminer de quelle manière les retombées positives sur le plan social et environnemental étaient perçues par les agriculteurs. Ces informations ont été recueillies dans le cadre d’entretiens semi-structurés et, lorsque cela était possible, de discussions au sein de groupes de réflexion. Les sujets abordés comprenaient la faisabilité socioéconomique des pratiques, leur durabilité, et les avantages sociaux et environnementaux connexes. Ces avantages comprenaient la réduction de la vulnérabilité, l’augmentation des revenus et des moyens d’existence, les possibilités d’atténuer les pénuries alimentaires temporaires pendant et après les catastrophes, et l’amélioration de la nutrition. Les discussions ont également porté sur la question de savoir si ces avantages contribuaient à atténuer les effets néfastes sur l’environnement. Les avantages supplémentaires, les effets imprévus et les obstacles (informations qu’on risquait de ne pas obtenir avec une évaluation uniquement quantitative) ont ainsi été répertoriés et évalués de manière qualitative.

Étape 3: analyse en vue d’une transposition à plus grande échelle

La troisième étape, conduite dans le cadre de l’étude menée en 2019 par la FAO, a consisté à évaluer le potentiel de transposition à plus grande échelle des bonnes pratiques sélectionnées. À cette fin, des modèles de simulation personnalisés créés au moyen de la méthode de la dynamique des systèmes ont été utilisés pour simuler les effets potentiels d’une transposition à plus grande échelle de trois bonnes pratiques très prometteuses. L’approche de la dynamique des systèmes permet d’intégrer des variables biophysiques dans des modèles monétaires, et inversement. Cela permet de mieux comprendre le comportement non linéaire dynamique de systèmes complexes dans le temps à partir de relations causales clés et de boucles de rétroaction pour les différents indicateurs. Les modèles de simulation qui ont été élaborés reposaient sur les constatations issues des évaluations sur le terrain; les obstacles potentiels liés au contexte (contraintes agroécologiques et socioéconomiques, par exemple) ont également été pris en compte.

Des modèles de simulation ont été créés pour deux principaux scénarios: i) le scénario de transposition à plus grande échelle des bonnes pratiques, qui suppose que les bonnes pratiques évaluées en matière de réduction des risques de catastrophe sont largement mises en œuvre par les agriculteurs; et ii) un scénario de maintien du statu quo durant la période de simulation de 11 ans, qui part de l’hypothèse que seules les pratiques précédentes des agriculteurs sont utilisées (pas de mise en place de bonnes pratiques en matière de réduction des risques de catastrophe). En outre, trois scénarios ont été simulés s’agissant de la fréquence des aléas: i) faible fréquence, avec des aléas tous les trois ans; ii) fréquence moyenne, avec des aléas tous les deux ans; et iii) fréquence élevée, avec des aléas tous les ans.

Section 2. Méthode d’analyse avantages-coûts des actions anticipatoires

La présente note expose les méthodes de calcul utilisées pour l’analyse avantages-coûts de la mise en œuvre d’actions anticipatoires. La FAO a élaboré des cadres pour calculer les avantages directs des actions anticipatoires dans un certain nombre de ses programmes. Bien que la FAO continue de les perfectionner afin d’intégrer un plus large éventail d’activités programmatiques, ces méthodes donnent un aperçu des étapes et des structures des méthodes d’analyse avantages-coûts utilisées par l’Organisation pour analyser les actions anticipatoires.

Le principal produit de l’analyse avantages-coûts est le rapport avantages-coûts des actions anticipatoires. Celui-ci mesure le ratio entre les avantages directs résultant des actions anticipatoires et les coûts liés à la conception et à la mise en œuvre de ces interventions, tous exprimés en valeurs monétaires actuelles. Ce rapport donne ainsi une vue synthétique de la rentabilité des ressources qui ont été engagées avant la survenue d’un aléa prévu pour prévenir ou atténuer ses répercussions sur les moyens d’existence des communautés touchées. À cette fin, la FAO réunit des données quantitatives dans le cadre d’entretiens structurés avec les ménages bénéficiaires et les ménages témoins, et les comparaisons contrefactuelles entre les deux échantillons sont utilisées comme base des résultats des actions anticipatoires, une série de formules permettant ensuite de calculer les avantages supplémentaires et les pertes évitées grâce aux interventions. Les principales étapes du calcul du rapport avantages-coûts d’un projet d’actions anticipatoires sont résumées ci-après.

Étape 1: collecte de données

L’analyse avantages-coûts des projets d’actions anticipatoires repose sur les données primaires collectées au niveau des ménages (échantillon des ménages bénéficiaires et échantillon des ménages témoins). Les différences entre les deux échantillons constituent la base de calcul des avantages dans l’analyse.

Plusieurs mesures sont mises en œuvre pour veiller à l’exactitude des données collectées.

Les échantillons du groupe de bénéficiaires et du groupe témoin sont collectés et stratifiés en fonction de plusieurs caractéristiques sociales, démographiques et économiques afin d’obtenir deux populations aussi proches que possible, et d’éviter tout biais dans la collecte des données susceptible de fausser les résultats. Des tests statistiques sont réalisés pour vérifier la comparabilité des échantillons.
Le délai dans lequel la collecte de données est réalisée est important pour s’assurer que les données recueillies sont aussi précises que possible, et que le type d’action mise en œuvre est également pris en compte, et est représentatif des résultats du projet.
Avant le calcul, les données sont examinées pour repérer les éventuelles inexactitudes du fait des enquêteurs. La prise en compte de ces problèmes en amont peut grandement contribuer à garantir la qualité de l’analyse et à supprimer ou limiter les erreurs au stade de la collecte de données, lesquelles sont susceptibles d’entraver l’analyse.

Étape 2: calcul du coût des interventions

L’évaluation du coût du projet par ménage bénéficiaire est l’une des étapes essentielles du calcul du rapport avantages-coûts des actions anticipatoires. L’ensemble des coûts liés aux activités analysées est pris en compte, à savoir les coûts directs (achats) ainsi que les coûts logistiques et administratifs et les autres dépenses d’appui. Les coûts sont calculés à partir des dépenses détaillées du projet communiquées par l’intermédiaire des systèmes d’information financière de la FAO disponibles dans le Système d’information sur la gestion du Programme de terrain (FPMIS).

Deux catégories de coûts sont prises en compte:

les coûts du programme, qui comprennent les achats, la logistique et les protocoles d’accord avec les partenaires opérationnels;
les dépenses d’appui, qui correspondent aux dépenses courantes liées à la mise en œuvre du projet, notamment les dépenses administratives, le suivi sur le terrain, les dépenses générales de fonctionnement et les services d’appui technique.

Étape 3: calcul des avantages des actions anticipatoires

L’analyse avantages-coûts est axée uniquement sur les avantages directs des actions anticipatoires, c’est-à-dire sur les avantages découlant de l’assistance apportée par la FAO.

Deux types d’avantages directs doivent être analysés:

les avantages supplémentaires: les actions anticipatoires engendrent une augmentation de la production agricole ou de la valeur de celle-ci;
les pertes évitées: les actions anticipatoires permettent d’éviter ou de réduire les dommages et les pertes causés par les aléas (actifs agricoles et/ou production).

On calcule les avantages en analysant les différences dans les variables de résultat entre le groupe de bénéficiaires et le groupe témoin. Des tests statistiques sont réalisés pour évaluer la signification statistique des différences observées.

Point important, des données qualitatives sont également collectées – dans le cadre de discussions au sein de groupes de réflexion et d’entretiens avec des informateurs clés – et analysées pour acquérir une compréhension approfondie des perceptions des communautés touchées; trianguler les résultats quantitatifs; évaluer les forces et les faiblesses des procédures décisionnelles et opérationnelles utilisées pour relier les alertes rapides aux actions anticipatoires; et dégager les enseignements essentiels pour améliorer les futurs programmes.

Exemple: méthode de calcul des pertes évitées s’agissant de la mortalité animale

Cet exemple expose les étapes suivies pour calculer les pertes évitées s’agissant de la mortalité animale.

Calculer le nombre total de chèvres que possède chaque ménage. Ce chiffre doit comprendre les chèvres détenues avant le lancement des interventions du projet et celles achetées durant la mise en œuvre de celui-ci.

Pour chaque ménage, calculer le taux de mortalité (TM) en divisant le nombre déclaré de chèvres mortes à cause de la sécheresse par le nombre total de chèvres détenues:

Calculer le taux moyen de mortalité des chèvres pour l’ensemble de l’échantillon du groupe de bénéficiaires et l’ensemble de l’échantillon du groupe témoin. Note: les ménages qui ne possèdent pas de chèvres ne doivent pas être intégrés dans ce calcul.

Calculer la différence entre les taux moyens de mortalité (DTM) des chèvres de l’échantillon du groupe de bénéficiaires et de l’échantillon du groupe témoin.

Calculer le nombre total de chèvres supplémentaires qui ont survécu (ou qui sont mortes) sur toute la durée du projet. Multiplier le chiffre obtenu à l’étape précédente par le nombre total de chèvres que possèdent les ménages bénéficiaires.

Calculer la valeur que représente le nombre total de chèvres supplémentaires qui ont survécu (ou qui sont mortes) sur toute la durée du projet à l’aide du prix moyen (p) de ces animaux sur le marché au cours de la période d’exécution du projet.

Calculer la valeur des animaux sauvés par ménage (M).

Étape 4: le rapport avantages-coûts

Le rapport avantages-coûts est le ratio entre la somme de l’ensemble des avantages supplémentaires et des pertes évitées statistiquement significatifs et les coûts totaux par ménage bénéficiaire, calculé sur la base des réponses données par les ménages bénéficiaires et les ménages témoins. L’analyse de sensibilité est réalisée en modifiant certaines des hypothèses de base retenues dans les calculs de rapport avantages-coûts et en évaluant les écarts dans les résultats. Les scénarios les plus optimiste et pessimiste, notamment, sont simulés.

Le TABLEAU 10 fournit un exemple de calcul des coûts d’un projet et des avantages supplémentaires et pertes évitées correspondants.

TABLEAU 10 COÛTS ET AVANTAGES PAR MÉNAGE

Source: Auteurs du présent document.

ANNEXE TECHNIQUE 5 MÉTHODE DE CALCUL DES PERTES ÉVITÉES GRÂCE À L’OPÉRATION DE LUTTE CONTRE LE CRIQUET PÈLERIN FONDÉE SUR L’ANALYSE DES RISQUES

Sur la base de l’expérience acquise lors de la mise en œuvre de l’opération de lutte contre le criquet pèlerin, une nouvelle méthode évolutive a été mise au point pour calculer, à partir de différentes considérations et hypothèses, le retour sur investissement des interventions de la FAO fondées sur l’analyse des risques. Le Manuel acridien et le Desert Locust Forecasting Manual (manuel sur les prévisions acridiennes) de la FAO ont été consultés pour définir les besoins alimentaires du criquet pèlerin, ainsi que la densité moyenne des essaims et des bandes larvaires. Les informations sur l’opération de lutte qui ont pu être obtenues ont permis de déterminer la taille des essaims, les zones infestées et les zones traitées, ainsi que les pertes de matière verte/végétation évitées grâce aux superficies protégées.

Besoins alimentaires du criquet pèlerin (Manuel acridien et manuel sur les prévisions acridiennes de la FAO):

Consommation – 1 adulte (vie entière) = 60 g de matière verte/végétation
Consommation – 1 larve (vie entière) = 3,7 g de matière verte/végétation

Compte tenu de la densité moyenne des essaims et des bandes (manuel sur les prévisions acridiennes et chapitre 1 «Biologie et comportement» des Directives FAO sur le criquet pèlerin), on estime que les besoins alimentaires par hectare sont les suivants:

Consommation des essaims (vie entière) par hectare = 36 tonnes de matière verte/végétation
Consommation des bandes larvaires (vie entière) par hectare = 4 tonnes de matière verte/végétation

Informations sur l’opération de lutte:

Les rapports de terrain ont fourni des détails sur la nature de l’opération de lutte (aérienne et terrestre) et sur le ratio de larves par rapport aux essaims. Les rapports sur deux ans de l’opération de lutte indiquaient que 80 pour cent des hectares traités étaient infestés d’essaims immatures ou en cours de maturation, tandis que 20 pour cent des zones traitées étaient infestées de larves à différents stades (stades 1 à 5).

Il ressort de ces informations que chaque fois qu’un hectare est traité, ce sont environ 30 tonnes de matière verte et de végétation qui ne sont pas consommées par les criquets pèlerins (grâce aux mesures de protection).

Matière verte productive:

Pour estimer les pertes et impacts au regard des moyens d’existence productifs des agriculteurs, des producteurs agropastoraux et des éleveurs pastoraux, nous devons introduire (utiliser) le concept de matière verte et végétation productives. Nous avons considéré comme végétation productive toute espèce appétissante (pour les animaux) sur les parcours et/ou les exploitations et toute espèce directement utilisée comme aliment (pour les humains).

Hypothèse 1. On estime qu’au cours de leur vie, les criquets pèlerins ne tireront que 50 pour cent de leurs besoins alimentaires des matière verte et végétation productives, et que le reste proviendra des feuilles d’espèces qui ne sont pas appétissantes ou qui ne sont pas utilisées pour produire des aliments.
Hypothèse 2. Compte tenu de la couverture moyenne des sols dans les zones où les criquets pèlerins ont été les plus nombreux lors de cet épisode de recrudescence, on estime que sur la quantité totale de matière verte et végétation productives consommée, 70 pour cent proviennent des parcours et 30 pour cent des terres agricoles.

De la consommation des criquets pèlerins aux pertes de productivité des parcours et de récoltes:

À partir de ces hypothèses et des considérations exposées ci-après, il est possible de calculer les destructions que les criquets pèlerins (larves et essaims) sont susceptibles d’occasionner par hectare au cours de leur cycle de vie dans les parcours et les terres agricoles.

Considération 1. Productivité moyenne des parcours de 0,75 tonne/hectare en Afrique de l’Est.

Considération 2. Terres agricoles protégées dans la Corne de l’Afrique: rendement moyen de 3 tonnes/hectare pour les cultures fourragères herbacées, et ratio feuilles/tiges de 0,49.

Considération 3. Production moyenne de céréales (principales cultures dans les zones arides et semi-arides) de 1,3 tonne, et diminution des rendements à cause du criquet pèlerin estimée à 50 pour cent.

Considération 4. Capacité de charge en bétail de 1 unité de bétail tropical (UBT)/hectare de parcours, et diminution de cette capacité à cause du criquet pèlerin estimée à 60 pour cent. La réduction de 60 pour cent (en cas d’infestation acridienne) est estimée en tenant compte des observations sur le terrain.

Considération 5. Moyenne de 4,5 UBT/ménage dans la région.

Considération 6. Prix moyen de la tonne de céréales: 300 dollars.

Considération 7. Besoins moyens en céréales par personne et par an: 150 kg.

Référence bibliographique à citer:
FAO. 2024. L’Impact des catastrophes sur l’agriculture et la sécurité alimentaire 2023 – Prévenir et réduire les pertes en investissant dans la résilience. Rome. https://doi.org/10.4060/cc7900fr

Les appellations employées dans ce produit d’information et la présentation des données qui y figurent n’impliquent de la part de l’Organisation des Nations Unies pour l’alimentation et l’agriculture (FAO) aucune prise de position quant au statut juridique ou au stade de développement des pays, territoires, villes ou zones ou de leurs autorités, ni quant au tracé de leurs frontières ou limites. Les lignes pointillées sur les cartes représentent des frontières approximatives dont le tracé peut ne pas avoir fait l’objet d’un accord définitif. Le fait qu’une société ou qu’un produit manufacturé, breveté ou non, soit mentionné ne signifie pas que la FAO approuve ou recommande ladite société ou ledit produit de préférence à d’autres sociétés ou produits analogues qui ne sont pas cités.

ISBN 978-92-5-138668-2
© FAO, 2024
copyright
Certains droits réservés. Cette œuvre est mise à la disposition du public selon les termes de la licence Creative Commons Attribution 4.0 International (CC BY 4.0: https://creativecommons.org/licenses/by/4.0/legalcode.fr).

Selon les termes de cette licence, cette œuvre peut être copiée, diffusée et adaptée, sous réserve que la source soit mentionnée. Lorsque l’œuvre est utilisée, rien ne doit laisser entendre que la FAO cautionne une quelconque organisation, produit ou service. L’utilisation du logo de la FAO n’est pas autorisée. Si l’œuvre est traduite, la traduction doit obligatoirement être accompagnée de la mention de la source ainsi que de la clause de non-responsabilité suivante: «La traduction n’a pas été réalisée par l’Organisation des Nations Unies pour l’alimentation et l’agriculture (FAO). La FAO n’est pas responsable du contenu ni de l’exactitude de la traduction. L’édition originale en anglais est celle qui fait foi.»

Tout différend, tout litige ou toute demande découlant du présent Accord ou y relatif/relative est réglé(e) de gré à gré entre les Parties. Si celles-ci ne parviennent pas à s’entendre sur l’une des questions objet du différend ni sur un mode de règlement autre que l’arbitrage, l’une ou l’autre Partie est en droit de demander que la question soit tranchée par voie d’arbitrage conformément au Règlement d’arbitrage de la Commission des Nations Unies pour le droit commercial international (CNUDCI) en vigueur à ce moment. Les Parties acceptent d’être liées par toute sentence arbitrale rendue conformément au Règlement susmentionné, qui règle définitivement leur différend.

Documents et photographies de tierce partie. Il incombe aux utilisateurs souhaitant réutiliser des informations ou autres éléments contenus dans cette oeuvre qui sont attribués à un tiers, tels que des tableaux, des figures ou des images, de déterminer si une autorisation est requise pour leur réutilisation et d’obtenir le cas échéant la permission de l’ayant-droit. Toute action qui serait engagée à la suite d’une utilisation non autorisée d’un élément de l’oeuvre sur lequel une tierce partie détient des droits ne pourrait l’être qu’à l’encontre de l’utilisateur. Les photographies présentées dans cette oeuvre ne sont pas couvertes par la licence Creative Commons mentionnée ci-dessus. Toute demande relative à l’utilisation de photographies doit être adressée par courriel à: photo-library@fao.org.

Ventes, droits et licences. Les produits d’information de la FAO sont disponibles sur le site web de la FAO (www.fao.org/publications/fr) et peuvent être achetés par courriel à: publications-sales@fao.org. Les demandes visant un usage commercial doivent être soumises à: www.fao.org/contact-us/licence-request. Les questions relatives aux droits et aux licences doivent être adressées à: copyright@fao.org.

ROYAUME DES PAYS-BAS. En moyenne, 12 000 hectares de cultures, notamment de coton, de maïs et de noix, ont été endommagés par les précipitations et les crues.

¹ Assemblée générale des Nations Unies. 2016. Rapport du groupe de travail intergouvernemental d’experts à composition non limitée chargé des indicateurs et de la terminologie relatifs à la réduction des risques de catastrophe. Soixante et onzième session. Point 19 c) de l’ordre du jour. Développement durable: réduction des risques de catastrophe. New York (États-Unis). https://digitallibrary.un.org/record/852089?ln=fr
² EM-DAT (Base de données sur les situations d’urgence). 2023. Disasters in numbers 2022. Dans: CRED. Bruxelles. https://cred.be/sites/default/files/2022_EMDAT_report.pdf
³ UNDRR (Bureau des Nations Unies pour la prévention des catastrophes) et ISC (Conseil international des sciences). 2020. Hazard Definition & Classification Review. Technical Report. UNDRR, Genève et ISC, Paris. www.preventionweb.net/media/47681/download?startDownload=true
⁴ Assemblée générale des Nations Unies. 2016. Rapport du groupe de travail intergouvernemental d’experts à composition non limitée chargé des indicateurs et de la terminologie relatifs à la réduction des risques de catastrophe. Soixante et onzième session. Point 19 c) de l’ordre du jour. Développement durable: réduction des risques de catastrophe. New York (États-Unis). https://digitallibrary.un.org/record/852089?ln=fr
⁵ GIEC (Groupe d’experts intergouvernemental sur l’évolution du climat). 2022. Climate Change 2022 Impacts, Adaptation and Vulnerability. Working Group II Contribution to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. H.-O. Pörtner, D.C. Roberts, M. Tignor, E.S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Langsdorf, S. Löschke, V. Möller, A. Okem, B. Rama (sous la direction de), p. 3056. Cambridge University Press, Cambridge (Royaume-Uni) et New York (États-Unis). doi.org.10.1017/9781009325844
⁶ Conforti, P., Markova, G. et Tochkov, D. 2020. FAO’s Methodology for Damage and Loss Assessment in Agriculture. Document de travail de la Division de la statistique de la FAO n^o 19-17. FAO, Rome. www.fao.org/3/ca6990en/CA6990EN.pdf
⁷ Holleman, C., Rembold, F., Crespo, O. et Conti, V. 2020. The impact of climate variability and extremes on agriculture and food security – An analysis of the evidence and case studies. Document d’information établi pour servir de base à L’État de la sécurité alimentaire et de la nutrition dans le monde 2018. Étude technique de la FAO sur l’économie du développement agricole n^o 4. FAO, Rome. doi.org/10.4060/cb2415en
⁸ Banque mondiale. 2022. Pakistan: Flood Damages and Economic Losses Over USD 30 billion and Reconstruction Needs Over USD 16 billion – New Assessment. Dans: Banque mondiale. Washington. [Consulté en mai 2023]. www.worldbank.org/en/news/press-release/2022/10/28/pakistan-flood-damages-and-economic-losses-over-usd-30-billion-and-reconstruction-needs-over-usd-16-billion-new-assessme
⁹ NCEI (Centres nationaux d’information sur l’environnement). 2020. U.S. Billion-dollar Weather and Climate Disasters, 1980–present (NCEI Accession 0209268). Dans: NOAA. Washington. [Consulté le 13 mai 2023]. doi.org/10.25921/stkw-7w73
¹⁰ OIM (Organisation internationale pour les migrations). 2021. Corredor seco Honduras 2021: Línea base vulnerabilidad y sequía. Dans: OIM. Grand-Saconnex (Suisse). [Consulté le 5 mai 2022]. https://dtm.iom.int/reports/l%C3%ADnea-base-vulnerabilidad-y-sequ%C3%ADa-corredor-seco-honduras-noviembre-2020
¹¹ PAM (Programme alimentaire mondial). 2021. Charting a New Regional Course of Action: The Complex Motivations and Costs of Central American Migration. Rome. www.wfp.org/publications/complex-motivations-and-costs-central-american-migration
¹² HCR (Haut-Commissariat des Nations Unies pour les réfugiés). 2021. Le changement climatique s’ajoute à la liste des facteurs de déplacement au Honduras. Dans: HCR. Genève. [Consulté en novembre 2021]. https://www.unhcr.org/fr/actualites/stories/le-changement-climatique-sajoute-la-liste-des-facteurs-de-deplacement-au?
¹³ Netherer, S., Panassiti, B., Pennerstorfer, J. et Matthews, B. 2019. Acute Drought Is an Important Driver of Bark Beetle Infestation in Austrian Norway Spruce Stands. Frontiers in Forests and Global Change, 2: 39. doi.org/10.3389/ffgc.2019.00039
¹⁴ Valadez, M. et de la Lama, G.M. 2023. Heat Stress in Cattle. Animal Behaviour and Welfare Cases. [Consulté le 31 mars 2023]. doi.org/10.1079/abwcases.2023.0005
¹⁵ Thornton, P., Nelson, G., Mayberry, D. et Herrero, M. 2022. Impacts of heat stress on global cattle production during the 21st century: a modelling study. The Lancet Planetary Health, 6(3): e192-e201. doi.org/10.1016/S2542-5196(22)00002-X
¹⁶ Peng, S., Huang, J., Sheehy, J.E., Laza, R.C., Visperas, R.M., Zhong, X., Centeno, G.S., Khush, G.S. et Cassman, K.G. 2004. Rice yields decline with higher night temperature from global warming. Proceedings of the National Academy of Sciences, 101(27): 9971-9975. doi.org/10.1073/pnas.0403720101
¹⁷ Schlenker, W. et Roberts, M.J. 2009. Nonlinear temperature effects indicate severe damages to U.S. crop yields under climate change. Proceedings of the National Academy of Sciences, 106(37): 15594-15598. doi.org/10.1073/pnas.0906865106
¹⁸ Fernie, E., Tan, D.K.Y., Liu, S.Y., Ullah, N. et Khoddami, A. 2022. Post-Anthesis Heat Influences Grain Yield, Physical and Nutritional Quality in Wheat: A Review. Agriculture, 12(6): 886. doi.org/10.3390/agriculture12060886
¹⁹ Bishop, J., Bell, T., Huang, C. et Ward, M. 2021. Fire on the Farm: Assessing the impacts of the 2019–2020 bushfires on food and agricultures in Australia. Fonds mondial pour la nature (WWF). https://assets.wwf.org.au/image/upload/v1/website-media/resources/WWF_Report-Fire_on_the_Farm_converted
²⁰ Banque d’Italie. 2022. Gli effetti del cambiamento climatico sull’economia italiana. Questioni di Economia e Finanza n^o 728. Rome. www.bancaditalia.it/pubblicazioni/qef/2022-0728/QEF_728_22.pdf
²¹ Brás, T.A., Seixas, J., Carvalhais, N. et Jägermeyr, J. 2021. Severity of drought and heatwave crop losses tripled over the last five decades in Europe. Environmental Research Letters, 16(6): 065012. doi.org/10.1088/1748-9326/abf004
²² FICR (Fédération internationale des sociétés de la Croix-Rouge et du Croissant-Rouge). 2022. Mozambique: Tropical Cyclones Idai and Kenneth – Emergency Appeal n° MDRMZ014, Final Report. Dans: ReliefWeb. [Consulté en juillet 2023]. https://reliefweb.int/report/mozambique/mozambique-tropical-cyclones-idai-and-kenneth-emergency-appeal-ndeg-mdrmz014-final-report
²³ Plateforme scientifique de l’Union européenne. 2023. The EU 2022 wildfire season was the second worst on record. Dans: Commission européenne. [Consulté le 10 mars 2023]. https://joint-research-centre.ec.europa.eu/jrc-news-and-updates/eu-2022-wildfire-season-was-second-worst-record-2023-05-02_en
²⁴ You, S., Liu, T., Zhang, M., Zhao, X., Dong, Y., Wu, B., Wang, Y., Li, J., Wei, X. et Shi, B. 2021. African swine fever outbreaks in China led to gross domestic product and economic losses. Nature Food, 2021(10): 802-808. doi.org/10.1038/s43016-021-00362-1
²⁵ PAM. 2022. Pakistan Country Brief, October 2022. Rome. https://reliefweb.int/report/pakistan/wfp-pakistan-country-brief-october-2022
²⁶ FAO (Organisation des Nations Unies pour l’alimentation et l’agriculture). 2023. Séismes en Türkiye: plus de 20 pour cent de la production alimentaire perdue selon les premières évaluations. Dans: FAO. Rome. [Consulté le 10 mars 2023]. www.fao.org/newsroom/detail/turkiye-earthquakes-initial-assessment-indicates-losses-of-more-than-20-percent-in-food-production/fr
²⁷ Banque asiatique de développement. 2021. Asian Development Outlook 2021 Update: Transforming Agriculture in Asia. Manille. www.adb.org/sites/default/files/publication/726556/ado2021-update.pdf
²⁸ Groupe de la Banque africaine de développement. 2016. Nourrir l’Afrique – Stratégie pour la transformation de l’agriculture en Afrique pour la période 2016-2025. Abidjan. https://www.afdb.org/fr/documents/document/feed-africa-strategy-for-agricultural-transformation-in-africa-2016-2025-89888
²⁹ FAO, FIDA (Fonds international de développement agricole), OMS (Organisation mondiale de la Santé), PAM et UNICEF (Fonds des Nations Unies pour l’enfance). 2023. L’État de la sécurité alimentaire et de la nutrition dans le monde 2023. Urbanisation, transformation des systèmes agroalimentaires et accès à une alimentation saine le long du continuum rural-urbain. FAO, Rome. doi.org/10.4060/cc3017fr
³⁰ Kunbhar, Z. 2022. Floods after drought devastate Sindh’s Agriculture. Dans: The Third Pole. [Consulté le 26 août 2022]. www.thethirdpole.net/en/food/floods-after-drought-devastate-sindh-agriculture
³¹ Gouvernement du Pakistan. 2022. Pakistan Meteorological Department: Drought Alert-1 (16 May 2022). Dans: Reliefweb. [Consulté en mai 2023]. https://reliefweb.int/report/pakistan/pakistan-meteorological-department-drought-alert-i-16-may-2022
³² Mushtaq, F., Ali, M., Ghosh, A., Jalal, R., Asghar, A., Dadhich, G., Chiozza, F. et al. 2022. A rapid geospatial flood impact assessment in Pakistan. FAO, Rome. https://www.fao.org/geospatial/resources/detail/en/c/1629466
³³ Gouvernement du Pakistan. 2022. Pakistan Floods 2022: Post-Disaster Needs Assessment. Dans: Reliefweb. [Consulté en mai 2023]. https://reliefweb.int/report/pakistan/pakistan-floods-2022-post-disaster-needs-assessment
³⁴ Kugelman, M. 2022. Foreign Policy, Pakistan’s Flood Crisis Could Become a Food Crisis. Dans: Foreign Policy. 8 septembre 2022. https://foreignpolicy.com/2022/09/08/pakistan-floods-food-security-crisis
³⁵ IRC (Comité international de secours). 2023. Six months on since the Pakistan floods, 8.6 million people are facing hunger: IRC calls for world leaders to address the imbalance of climate change. Dans: IRC. [Consulté en mai 2023]. www.rescue.org/press-release/six-months-pakistan-floods-86-million-people-are-facing-hunger-irc-calls-world
³⁶ IPC (Cadre intégré de classification de la sécurité alimentaire). 2022. Khyber Pakhtunkhwa, Pakistan: IPC Acute Food Insecurity Analysis July – December 2022. Dans: Reliefweb. [Consulté en mai 2023]. https://reliefweb.int/report/pakistan/khyber-pakhtunkhwa-pakistan-ipc-acute-food-insecurity-analysis-july-december-2022-published-december-30-2022
³⁷ IDMC (Observatoire des situations de déplacement interne). 2023. 2023 Global Report on Internal Displacement. IDMC, Genève. www.internal-displacement.org/global-report/grid2023/#french
³⁸ FICR. 2022. Central America: Hurricanes Eta & Iota – Final Report (MDR43007). FICR. https://reliefweb.int/report/guatemala/central-america-hurricanes-eta-iota-final-report-mdr43007
³⁹ Ruiz Soto, A.G., Bottone, R., Waters, J., Williams, S., Louie, A. et Wang, Y. 2021. Charting a New Regional Course of Action: The Complex Motivations and Costs of Central American Migration. Institut des politiques migratoires. www.migrationpolicy.org/sites/default/files/publications/mpi-wfp-mit_migration-motivations-costs_final.pdf
⁴⁰ Rubi, M. et Gaynor, T. 2021. In Honduras, climate change is one more factor sparking displacement. Dans: HCR. Genève. [Consulté en mars 2023]. https://www.unhcr.org/news/stories/honduras-climate-change-one-more-factor-sparking-displacement
⁴¹ OIT (Organisation internationale du Travail). 2023. Employment by sex and age (thousands) – Annual. Dans: ILOSTAT. Genève. [Consulté en mars 2023]. www.ilo.org/shinyapps/bulkexplorer53/?lang=en&segment=indicator&id=EMP_TEMP_SEX_AGE_NB_A.
⁴² Botreau, H. et Cohen, M.J. 2019. Gender inequalities and food insecurity: Ten years after the food price crisis, why are women farmers still food-insecure? Oxfam. http://hdl.handle.net/10546/620841
⁴³ FAO. 2021. The impact of disasters and crises on agriculture and food security: 2021. Rome. doi.org/10.4060/cb3673en
⁴⁴ Gouvernement du Pakistan. 2023. Introduction. Dans: Pakistan Bureau of Statistics. [Consulté en mars 2023]. www.pbs.gov.pk/content/agriculturestatistics#:~:text=It%20contributes%20about%2024%20percent,source%20of%20foreign%20exchange%20earnings
⁴⁵ OIT. 2023. Employment by sex and age (thousands) – Annual. Dans: ILOSTAT. Genève. [Consulté en mars 2023]. www.ilo.org/shinyapps/bulkexplorer53/?lang=en&segment=indicator&id=EMP_TEMP_SEX_AGE_NB_A
⁴⁶ Chowdhury, J.R., Parida, Y. et Agarwal, P. 2022. How flood affects rural employment in India: A gender analysis. International Journal of Disaster Risk Reduction, 73: 102881. doi.org/10.1016/j.ijdrr.2022.102881
⁴⁷ PNUD (Programme des Nations Unies pour le développement). 2023. Multidimensional Vulnerability Index. Dans: PNUD. New York (États-Unis). [Consulté en juillet 2023]. https://data.undp.org/sids/app/vulnerability/mvi-index/spider
⁴⁸ Maino, R. et Emrullahu, D. 2022. Climate Change in sub-Saharan Africa Fragile States: Evidence from Panel Estimations. IMF Working Papers, 2022(054): 1. doi.org/10.5089/9798400204869.001
⁴⁹ Molua, E.L. 2009. An empirical assessment of the impact of climate change on smallholder agriculture in Cameroon. Global and Planetary Change, 67(3–4): 205–208. doi.org/10.1016/j.gloplacha.2009.02.006
⁵⁰ Mazhin, SA., Farrokhi, M., Noroozi, M., Roudini, J., Hosseini, S.A., Motlagh, M.E., Kolivand, P. et Khankeh, H. Worldwide disaster loss and damage databases: A systematic review. J Educ Health Promot. 30 septembre 2021; 10:329. doi: 10.4103/jehp.jehp_1525_20. PMID: 34761015; PMCID: PMC8552254. https://doi.org/10.4103%2Fjehp.jehp_1525_20
⁵¹ UNDRR. 2016. Rapport du groupe de travail intergouvernemental d’experts à composition non limitée chargé des indicateurs et de la terminologie relatifs à la réduction des risques de catastrophe. UNDRR. www.preventionweb.net/publication/report-open-ended-intergovernmental-expert-working-group-indicators-and-terminology
⁵² Abbade, E.B. 2015. Environmental impacts of food supply and obesogenic severity worldwide. British Food Journal, 117(12): 2863-2879. doi.org/10.1108/BFJ-12-2014-0404
⁵³ OMM (Organisation météorologique mondiale). 2023. Economic costs of weather-related disasters soars but early warnings save lives. Dans: OMM. Genève. [Consulté en mars 2023]. https://public.wmo.int/en/media/press-release/economic-costs-of-weather-related-disasters-soars-early-warnings-save-lives
⁵⁴ Jones, R.L., Guha-Sapir, D. et Tubeuf, S. 2022. Human and economic impacts of natural disasters: can we trust the global data? Scientific Data, 9(1): 572. doi.org/10.1038/s41597-022-01667-x
⁵⁵ CRED (Centre de recherche sur l’épidémiologie des désastres) et UNDRR. 2018. Economic Losses, Poverty & Disasters 1998-2017. https://reliefweb.int/report/world/economic-losses-poverty-disasters-1998-2017
⁵⁶ UNDRR. 2022. Global Assessment Report on Disaster Risk Reduction – Our World at Risk: Transforming Governance for a Resilient Future. Genève. www.undrr.org/GAR2022
⁵⁷ FAO. 2018. The impact of disasters and crises on agriculture and food security 2017. Rome. https://www.fao.org/3/I8656EN/i8656en.pdf
⁵⁸ Banque mondiale et FAO. 2018. Rebuilding Resilient and Sustainable Agriculture in Somalia (Overview). Somalia Country Economic Memorandum Volume 1. FAO, Rome. https://www.fao.org/documents/card/en?details=I8842EN%2f
⁵⁹ Secrétariat de la CIPV (Convention internationale pour la protection des végétaux). 2021. Examen scientifique des effets des changements climatiques sur les organismes nuisibles aux végétaux: un défi mondial à relever afin de prévenir et d’atténuer les risques phytosanitaires dans l’agriculture, la sylviculture et les écosystèmes. FAO pour le compte du secrétariat de la CIPV. doi.org/10.4060/cb4769fr
⁶⁰ Goergen, G., Kumar, P.L., Sankung, S.B., Togola, A. et Tamò, M. 2016. First Report of Outbreaks of the Fall Armyworm Spodoptera frugiperda (J E Smith) (Lepidoptera, Noctuidae), a New Alien Invasive Pest in West and Central Africa. PLOS ONE, 11(10): e0165632. doi.org/10.1371/journal.pone.0165632
⁶¹ Kenis, M., Benelli, G., Biondi, A., Calatayud, P.-A., Day, R., Desneux, N., Harrison, R.D. et al. 2022. Invasiveness, biology, ecology, and management of the fall armyworm, Spodoptera frugiperda. Entomologia Generalis, 102198. doi.org/10.1127/entomologia/2022/1659
⁶² Montezano, D.G., Specht, A., Sosa-Gómez, D.R., Roque-Specht, V.F., Sousa-Silva, J.C., PaulaMoraes, S.V., Peterson, J.A. et Hunt, T.E. 2018. Host Plants of Spodoptera frugiperda (Lepidoptera: Noctuidae) in the Americas. African Entomology, 26(2): 286-300. https://doi.org/10.4001/003.026.0286
⁶³ Day, R., Abrahams, P., Bateman, M., Beale, T., Clottey, V., Cock, M., Colmenarez, Y. et al. 2017. Fall Armyworm: Impacts and Implications for Africa. Outlooks on Pest Management, 28(5): 196-201. doi.org/10.1564/v28_oct_02
⁶⁴ Abrahams, P., Bateman, M., Beale, T., Clottey, V., Cock, M., Colemenarez, Y., Corniani, N. et al. 2017. Fall armyworm: impacts and implications for Africa. Note d’information n° 2. Centre for Agriculture and Biosciences International (CABI). www.invasive-species.org/wp-content/uploads/sites/2/2019/02/FAW-Evidence-Note-October-2018.pdf
⁶⁵ Chimweta, M., Nyakudya, I.W., Jimu, L. et Bray Mashingaidze, A. 2020. Fall armyworm [Spodoptera frugiperda (J.E. Smith)] damage in maize: management options for flood-recession cropping smallholder farmers. International Journal of Pest Management, 66(2): 142-154. doi.org/10.1080/09670874.2019.1577514
⁶⁶ Baudron, F., Zaman-Allah, M.A., Chaipa, I., Chari, N. et Chinwada, P. 2019. Understanding the factors influencing fall armyworm (Spodoptera frugiperda J.E. Smith) damage in African smallholder maize fields and quantifying its impact on yield. A case study in Eastern Zimbabwe. Crop Protection, 120: 141150. doi.org/10.1016/j.cropro.2019.01.028
⁶⁷ Overton, K., Maino, J.L., Day, R., Umina, P.A., Bett, B., Carnovale, D., Ekesi, S., Meagher, R. et Reynolds, O.L. 2021. Global crop impacts, yield losses and action thresholds for fall armyworm (Spodoptera frugiperda): A review. Crop Protection, 145: 105641. doi.org/10.1016/j.cropro.2021.105641
⁶⁸ Davis, F.M., Ng, S.S. et Williams, W.P. 1992. Visual rating scales for screening whorl-stage corn for resistance to fall armyworm. Technical bulletin – Mississippi Agricultural and Forestry Experiment Station (USA), 186:9.
⁶⁹ Murray, D.A.H., Clarke, M.B. et Ronning, D.A. 2013. The Current and Potential Costs of Invertebrate Pests in Grain Crops. Grains Research and Development Corporation. https://grdc.com.au/data/assets/pdf_file/0026/159281/grdcreportcurrentpotentialcostsinvertebratepests-feb2013pdf.pdf-QR-code-editpdf.pdf
⁷⁰ Zacarias, D.A. 2020. Global bioclimatic suitability for the fall armyworm, Spodoptera frugiperda (Lepidoptera: Noctuidae), and potential co-occurrence with major host crops under climate change scenarios. Climatic Change, 161(4): 555-566. doi.org/10.1007/s10584-020-02722-5
⁷¹ Ramasamy, M., Das, B. et Ramesh, R. 2022. Predicting climate change impacts on potential worldwide distribution of fall armyworm based on CMIP6 projections. Journal of Pest Science, 95(2): 841-854. doi.org/10.1007/s10340-021-01411-1
⁷² Tambo, J.A., Kansiime, M.K., Rwomushana, I., Mugambi, I., Nunda, W., Mloza Banda, C., Nyamutukwa, S., Makale, F. et Day, R. 2021. Impact of fall armyworm invasion on household income and food security in Zimbabwe. Food and Energy Security, 10(2): 299-312. doi.org/10.1002/fes3.281
⁷³ Deshmukh, S., Pavithra, H.B., Kalleshwaraswamy, C.M., Shivanna, B.K., Maruthi, M.S. et MotaSanchez, D. 2020. Field Efficacy of Insecticides for Management of Invasive Fall Armyworm, Spodoptera frugiperda (J. E. Smith) (Lepidoptera: Noctuidae) on Maize in India. Florida Entomologist, 103(2): 221-227. doi.org/10.1653/024.103.0211
⁷⁴ Grande, F., Ueda, Y., Masangwi, S., Moltedo, A., Brivio, R., Selek, A., Vannuccini, S., Tayyib, S. et Holmes, B. 2023. Global Nutrient Conversion Table for FAO Supply Utilization Accounts. FAO, Rome.
⁷⁵ Institute of Medicine. 1997. Dietary Reference Intakes for Calcium, Phosphorus, Magnesium, Vitamin D, and Fluoride. The National Academies Press, Washington. https://nap.nationalacademies.org/catalog/5776/dietary-reference-intakes-for-calcium-phosphorus-magnesium-vitamin-d-and-fluoride
⁷⁶ Institute of Medicine. 1998. Dietary Reference Intakes for Thiamin, Riboflavin, Niacin, Vitamin B6, Folate, Vitamin B12, Pantothenic Acid, Biotin, and Choline. The National Academies Press, Washington. https://nap.nationalacademies.org/catalog/6015/dietary-reference-intakes-for-thiamin-riboflavin-niacin-vitamin-b6-folate-vitamin-b12-pantothenic-acid-biotin-and-choline
⁷⁷ Institute of Medicine. 2000. Dietary Reference Intakes for Vitamin C, Vitamin E, Selenium, and Carotenoids. The National Academies Press, Washington. https://nap.nationalacademies.org/catalog/9810/dietary-reference-intakes-for-vitamin-c-vitamin-e-selenium-and-carotenoids
⁷⁸ Institute of Medicine. 2001. Dietary Reference Intakes for Vitamin A, Vitamin K, Arsenic, Boron, Chromium, Copper, Iodine, Iron, Manganese, Molybdenum, Nickel, Silicon, Vanadium, and Zinc. The National Academies Press, Washington. https://nap.nationalacademies.org/catalog/10026/dietary-reference-intakes-for-vitamin-a-vitamin-k-arsenic-boron-chromium-copper-iodine-iron-manganese-molybdenum-nickel-silicon-vanadium-and-zinc
⁷⁹ FAO. 2020. Évaluation des ressources forestières mondiales 2020 – Principaux résultats. Rome. https://www.fao.org/3/CA8753FR/CA8753FR.pdf
⁸⁰ Bond, W.J., Woodward, F.I. et Midgley, G.F. 2005. The global distribution of ecosystems in a world without fire. New Phytologist, 165(2): 525-538. doi.org/10.1111/j.1469-8137.2004.01252.x
⁸¹ Bowman, D.M.J.S., Balch, J.K., Artaxo, P., Bond, W.J., Carlson, J.M., Cochrane, M.A., D’Antonio, C.M. et al. 2009. Fire in the Earth System. Science, 324(5926): 481-484. doi.org/10.1126/science.1163886
⁸² FAO. 2018. La Situation des forêts du monde 2018. Les forêts au service du développement durable. Rome. https://www.fao.org/3/i9535fr/i9535fr.pdf
⁸³ FAO et PNUE (Programme des Nations Unies pour l’environnement). 2020. La Situation des forêts du monde 2020. Forêts, biodiversité et activité humaine. FAO, Rome et PNUE, Nairobi. https://doi.org/10.4060/ca8642fr
⁸⁴ Doerr, S.H. et Santín, C. 2016. Global trends in wildfire and its impacts: perceptions versus realities in a changing world. Philosophical Transactions of the Royal Society B: Biological Sciences, 371(1696): 20150345. doi.org/10.1098/rstb.2015.0345
⁸⁵ Giglio, L., Randerson, J.T., Van Der Werf, G.R., Kasibhatla, P.S., Collatz, G.J., Morton, D.C. et DeFries, R.S. 2010. Assessing variability and long-term trends in burned area by merging multiple satellite fire products. Biogeosciences, 7(3): 1171-1186. doi.org/10.5194/bg-7-1171-2010
⁸⁶ van Lierop, P., Lindquist, E., Sathyapala, S. et Franceschini, G. 2015. Global forest area disturbance from fire, insect pests, diseases and severe weather events. Forest Ecology and Management, 352: 78-88. doi.org/10.1016/j.foreco.2015.06.010
⁸⁷ GWIS (Système mondial d’information sur les feux de forêt). 2022. Country Profile. Dans: GWIS. [Consulté en janvier 2023]. https://gwis.jrc.ec.europa.eu/apps/country.profile
⁸⁸ Chuvieco, E., Roteta, E., Sali, M., Stroppiana, D., Boettcher, M., Kirches, G., Storm, T. et al. 2022. Building a small fire database for Sub-Saharan Africa from Sentinel-2 high-resolution images. Science of The Total Environment, 845: 157139. doi.org/10.1016/j.scitotenv.2022.157139
⁸⁹ PNUE et GRID-Arendal. 2022. Spreading like Wildfire: The Rising Threat of Extraordinary Landscape Fires. www.unep.org/resources/report/spreading-wildfire-rising-threat-extraordinary-landscape-fires
⁹⁰ GIEC. 2019. Special Report: Climate Change and Land. Rapport spécial. Genève. www.ipcc.ch/srccl
⁹¹ Flannigan, M.D., Krawchuk, M.A., De Groot, W.J., Wotton, B.M. et Gowman, L.M. 2009. Implications of changing climate for global wildland fire. International Journal of Wildland Fire, 18(5): 483. doi.org/10.1071/WF08187
⁹² Boschetti, L., Sparks, A., Roy, D.P., Giglio, L. et San-Miguel-Ayanz, J. 2020. GWIS national and subnational fire activity data from the NASA MODIS Collection 6 Burned Area Product in support of policy making, carbon inventories and natural resource management, developed under NASA Applied Sciences grant #80NSSC18K0400. Using the NASA Polar Orbiting Fire Product Record to Enhance and Expand the Global Wildfire Information System (GWIS). https://gwis.jrc.ec.europa.eu/apps/country.profile/downloads
⁹³ Commission européenne, Centre commun de recherche. 2022. Pan-European wildfire risk assessment. Publications de l’Union européenne. https://data.europa.eu/doi/10.2760/9429
⁹⁴ Bowman, D.M.J.S., Williamson, G.J., Abatzoglou, J.T., Kolden, C.A., Cochrane, M.A. et Smith, A.M.S. 2017. Human exposure and sensitivity to globally extreme wildfire events. Nature Ecology & Evolution, 1(3): 1-6. doi.org/10.1038/s41559-016-0058
⁹⁵ FAO. 2019. FAO Strategy on Forest Fire Management. Rome. www.fao.org/forestry/49772-0e64392e1b16124967bab33b6cbd84417.pdf
⁹⁶ Haubrock, P.J., Turbelin, A.J., Cuthbert, R.N., Novoa, A., Taylor, N.G., Angulo, E., BallesterosMejia, L. et al. 2021. Economic costs of invasive alien species across Europe. NeoBiota, 67: 153-190. doi.org/10.3897/neobiota.67.58196
⁹⁷ Service des forêts de l’USDA (Département de l’agriculture des États-Unis). 2009. Major Forest Insect and Disease Conditions in the United States: 2009 Update. USDA Forest Service FS-952. www.fs.usda.gov/foresthealth/publications/ConditionsReport_2009.pdf
⁹⁸ Pimentel, D., Lach, L., Zuniga, R. et Morrison, D. 2000. Environmental and Economic Costs of Nonindigenous Species in the United States. BioScience, 50(1): 53. [0053:EAECON]2.3.CO;2. https://entnemdept.ufl.edu/Hodges/als4161/Secure/PDF%20Files/Articles/Environmental_and_Economic.pdf
⁹⁹ Fei, S., Morin, R.S., Oswalt, C.M. et Liebhold, A.M. 2019. Biomass losses resulting from insect and disease invasions in US forests. Proceedings of the National Academy of Sciences, 116(35): 17371-17376. doi.org/10.1073/pnas.1820601116
¹⁰⁰ Turner, J.A., Buongiorno, J., Zhu, S., Prestemon, J.P., Li, R. et Bulman, L.S. 2007. Modelling the impact of the exotic forest pest Nectria on the New Zealand forest sector and its major trading partners. New Zealand Journal of Forestry Science, 37(3): 383-411. www.srs.fs.usda.gov/pubs/ja/ja_turner009.pdf
¹⁰¹ Williams, F., Eschen, R., Harris, A., Djeddour, D., Pratt, C., Shaw, R.S., Varia, S. et al. 2010. The economic cost of invasive non-native species on Great Britain. CABI, Wallingford (Royaume-Uni). www.cabi.org/VetMedResource/ebook/20123122024
¹⁰² Commonwealth of Australia. 2018. Australia’s State of the Forests Report 2018. Ministère de l’agriculture et des ressources en eau, Bureau australien de l’économie et des sciences de l’agriculture et des ressources (ABARES), Canberra. https://www.agriculture.gov.au/abares/forestsaustralia/sofr/sofr-2018
¹⁰³ Wills, A.J. et Farr, J.D. 2017. Gumleaf skeletoniser Uraba lugens (Lepidoptera: Nolidae) larval outbreaks occur in high rainfall Western Australian jarrah (Eucalyptus marginata) forest after drought: Uraba lugens dryness index. Austral Entomology, 56(4): 424-432. doi.org/10.1111/aen.12255
¹⁰⁴ Cameron, N.L., Carnegie, A.J., Wardlaw, T., Lawson, S. et Venn, T. 2018. Economic appraisal of Sirex Wood Wasp (Sirex noctilio) control in Australian pine plantations. Australian Forestry, 81(1): 37-45. doi.org/10.1080/00049158.2018.1430436
¹⁰⁵ Nahrung, H.F. et Carnegie, A.J. 2020. Non-native Forest Insects and Pathogens in Australia: Establishment, Spread, and Impact. Frontiers in Forests and Global Change, 3: 37. doi.org/10.3389/ffgc.2020.00037
¹⁰⁶ Mota, M.M. et Vieira, P. (sous la direction de). 2008. Pine Wilt Disease: A Worldwide Threat to Forest Ecosystems. Springer, Dordrecht (Pays-Bas). doi.org/10.1007/978-1-4020-8455-3
¹⁰⁷ Office japonais des forêts. 2020. Annual Report on Forest and Forestry in Japan. Tokyo. www.maff.go.jp/e/data/publish/attach/pdf/index-208.pdf
¹⁰⁸ Ressources naturelles Canada. 2020. L’État des forêts au Canada. Rapport annuel 2020. Ottawa, Service canadien des forêts. https://cfs.nrcan.gc.ca/publications?id=40220
¹⁰⁹ Gomez, D.F., Sathyapala, S. et Hulcr, J. 2020. Towards Sustainable Forest Management in Central America: Review of Southern Pine Beetle (Dendroctonus frontalis Zimmermann) Outbreaks, Their Causes, and Solutions. Forests, 11(2): 173. doi.org/10.3390/f11020173
¹¹⁰ Billings, R. 2015. Second evaluation of a major pine beetle outbreak in Honduras and recommendations for direct control. Rapport non publié. Programmes internationaux du Service des forêts de l’USDA et Agence des États-Unis pour le développement international (USAID).
¹¹¹ Billings, R. 2019. Technical assistance visit to the Dominican Republic to evaluate and make recommendations for direct control of an outbreak of the pine bark beetle Ips calligraphus. Rapport non publié. Programmes internationaux du Service des forêts de l’USDA, Service des forêts du Texas, College Station (États-Unis).
¹¹² Jiménez G., A.A., Cordón Cabrera, P.R. et Agramonte, J.E. 2022. Fluctuación poblacional de Ips calligraphus en pinares de la vertiente norte de la cordillera Central, República Dominicana. Novitates Caribaea, (20): 137-154. doi.org/10.33800/nc.vi20.314
¹¹³ Hernández Paz, M. 1975. El gorgojo de la corteza, plaga principal de los pinares. Corporación Hondureña de Desarrollo Forestal.
¹¹⁴ Billings, R. 1982. Evaluation and recommendations for control of the 1982 outbreak of Dendroctonus in the pine forests of Honduras. Rapport non publié. USDA, Bureau de la coopération internationale et du développement de l’USAID, Lufkin (États-Unis).
¹¹⁵ Macias Sámano, J.E., Billings, R.F. et Espino Mendoza, V. 2017. Guía para implementar el método de cortar y dejar y la franja de contención como medios de control del gorgojo descortezador del pino, Dendroctonus frontalis, en Centroamérica y México. Institut national pour la conservation et l’exploitation des forêts, des zones protégées et de la vie sauvage (Tegucigalpa, Honduras) et Programmes internationaux du Service des forêts de l’USDA, Washington et Tegucigalpa (Honduras).
¹¹⁶ Billings, R., Clarke, S.R., Espino Mendoza, V., Cordon Cabrera, P., Melendez Figueroa, B., Ramon Campos, J. et Baeza, G. 2004. Invasions de dendroctones et incendies: une combinaison dévastatrice pour les forêts de pins d’Amérique centrale. Unasylva, 55: 10-15. https://www.fao.org/3/y5507f/y5507f05.htm
¹¹⁷ Paveglio, T.B., Brenkert-Smith, H., Hall, T. et Smith, A.M.S. 2015. Understanding social impact from wildfires: advancing means for assessment. International Journal of Wildland Fire, 24(2): 212. doi.org/10.1071/WF14091
¹¹⁸ Walz, Y., Janzen, S., Narvaez, L., Ortiz-Vargas, A., Woelki, J., Doswald, N. et Sebesvari, Z. 2021. Disaster-related losses of ecosystems and their services. Why and how do losses matter for disaster risk reduction? International Journal of Disaster Risk Reduction, 63: 102425. doi.org/10.1016/j.ijdrr.2021.102425
¹¹⁹ FAO. 2022. La Situation mondiale des pêches et de l’aquaculture 2022. Vers une transformation bleue. Rome. doi.org/10.4060/cc0461fr
¹²⁰ Barange, M., Bahri, T., Beveridge, M.C.M., Cochrane, K.L., Funge-Smith, S. et Poulain, F. 2018. Impacts of climate change on fisheries and aquaculture. Synthesis of current knowledge, adaptation and mitigation options. Document technique sur les pêches et l’aquaculture de la FAO. T627. FAO, Rome. www.fao.org/3/i9705en/i9705en.pdf
¹²¹ Hampton, I., Githaiga-Mwicigi, J., Lamberth, S., Pitcher, G.C., Pretorius, M., Van Der Lingen, C. et Yemane, D. 2017. Report of the DAFF Workshop on Adaptation to Climate Change in the South African Marine Fisheries and Marine Aquaculture Sectors, 11-12 October 2016. DAFF Research Aquarium, Sea Point, Le Cap (Afrique du Sud). https://www.fao.org/3/cc2822en/cc2822en.pdf
¹²² Ortega-Cisneros, K., Cochrane, K.L., Rivers, N. et Sauer, W.H.H. 2021. Assessing South Africa’s Potential to Address Climate Change Impacts and Adaptation in the Fisheries Sector. Frontiers in Marine Science, 8. www.frontiersin.org/articles/10.3389/fmars.2021.652955
¹²³ Karlson, B., Andersen, P., Arneborg, L., Cembella, A., Eikrem, W., John, U., West, J.J. et al. 2021. Harmful algal blooms and their effects in coastal seas of Northern Europe. Harmful Algae, 102: 101989. doi.org/10.1016/j.hal.2021.101989
¹²⁴ DFFE (Département des forêts, des pêches et de l’environnement). 2019. National Climate Change Adaptation Strategy, Republic of South Africa. DFFE. www.dffe.gov.za/sites/default/files/docs/nationalclimatechange_adaptationstrategy_ue10november2019.pdf
¹²⁵ van Diemen, E. 2022. Situation Red Alert issued to recover live rock lobster after mass red tide walkout. Dans: Daily Maverick. [Consulté en juillet 2023]. www.dailymaverick.co.za/article/2022-03-04-situation-red-alert-issued-to-recover-live-rock-lobster-after-mass-red-tide-walkout
¹²⁶ Cockcroft, A.C. 2001. Jasus lalandii “walkouts” or mass strandings in South Africa during the 1990s: an overview. Marine and Freshwater Research, 52(8): 1085. doi.org/10.1071/MF01100
¹²⁷ Cockcroft, A.C. et Payne, A.I.L. 1999. A cautious fisheries management policy in South Africa: the fisheries for rock lobster. Marine Policy, 23(6): 587-600. https://doi.org/10.1016/S0308-597X(98)00045-1
¹²⁸ Eggers, J., Cochrane, K. et Sauer, W. 2022. Estimating the economic income and social contributions derived from the South African west coast rock lobster fishery. African Journal of Marine Science, 44(3): 255269. doi.org/10.2989/1814232X.2022.2104926
¹²⁹ Bureau de la protection civile des Philippines et équipe de pays pour l’action humanitaire. 2019. Typhoon Kammuri (Tisoy) Joint Rapid Assessment of Impact and Needs. www.humanitarianresponse.info/sites/www.humanitarianresponse.info/files/documents/files/191211_typhoon_kammuri_tisoy_rapid_assessment_report_rev.pdf
¹³⁰ Bureau de la protection civile des Philippines et équipe de pays pour l’action humanitaire. 2020. Super Typhoon Goni (Rolly) Humanitarian Needs and Priorities. https://reliefweb.int/attachments/50a2637e-bfcb-3452-ab40-4a7c0a99cd32/PHL-TyphoonGoni-HumanitarianNeedsPriorities-201109.pdf
¹³¹ FAO. 2022. Philippines: Damages and needs assessment of families affected by Super Typhoon Rai (“Odette”) in selected provinces of Region VIII and Region XIII. Rome. doi.org/10.4060/cc0207en
¹³² Bureau de la protection civile des Philippines et équipe de pays pour l’action humanitaire. 2022. Consolidated Needs Assessment Report Revision: Super Typhoon Rai (Odette). https://reliefweb.int/attachments/810f3297-b89d-3088-b589-6ecb34cc58c8/2022%20Consolidated%20Needs%20Assessment%20Report%20Revision%20-%20Super%20Typhoon%20Rai%20-%20Philippines%20%281%29.pdf
¹³³ Département des statistiques des Tonga. 2023. National Accounts. Dans: Département des statistiques des Tonga. [Consulté en juin 2023]. https://tongastats.gov.to/statistics/economics/national-accounts
¹³⁴ Banque mondiale. 2023. Agriculture, forestry, and fishing, value added (constant 2015 US$) – Tonga. Dans: Banque mondiale. Washington. [Consulté en juin 2023]. https://data.worldbank.org/indicator/NV.AGR.TOTL.KD?locations=TO
¹³⁵ Département des statistiques des Tonga. 2023. Agriculture Census. Dans: Département des statistiques des Tonga. [Consulté en juin 2023]. https://tongastats.gov.to/census/agriculture-census
¹³⁶ Département des statistiques des Tonga. 2023. Household Income and Expenditure Survey. Dans: Département des statistiques des Tonga. [Consulté en juin 2023]. https://tongastats.gov.to/survey/hies-survey
¹³⁷ GIEC. 2019. Climate Change and Land: An IPCC special report on climate change, desertification, land degradation, sustainable land management, food security, and greenhouse gas fluxes in terrestrial ecosystems. P.R. Shukla, J. Skea, E. Calvo Buendia, V. Masson-Delmotte, H.-O. Pörtner, D. C. Roberts, P. Zhai, R. Slade, S. Connors, R. van Diemen, M. Ferrat, E. Haughey, S. Luz, S. Neogi, M. Pathak, J. Petzold, J. Portugal Pereira, P. Vyas, E. Huntley, K. Kissick, M. Belkacemi, J. Malley (sous la direction de). Genève. www.ipcc.ch/srccl
¹³⁸ GIEC. 2022. Cross Working Group Attribution. Hope, P., W. Cramer, M. van Aalst, G. Flato, K. Frieler, N. Gillett, C. Huggel, J. Minx, F. Otto, C. Parmesan, J. Rogelj, M. Rojas, S.I. Seneviratne, A. Slangen, D. Stone, L. Terray, R. Vautard, and X. Zhang. Dans: Climate Change 2022: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. H.-O. Pörtner, D.C. Roberts, M. Tignor, E.S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Langsdorf, S. Löschke, V. Möller, A. Okem, B. Rama (sous la direction de), pp. 149-152. Cambridge University Press, Cambridge (Royaume-Uni) et New York (États-Unis). https://report.ipcc.ch/ar6/wg2/IPCC_AR6_WGII_FullReport.pdf
¹³⁹ GIEC. 2021. Summary for Policymakers. Dans: Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. pp. 423-553. Cambridge University Press, Cambridge (Royaume-Uni) et New York (États-Unis). https://report.ipcc.ch/ar6/wg1/IPCC_AR6_WGI_FullReport.pdf
¹⁴⁰ FAO. 2023. Cultures et produits animaux. Dans: FAOSTAT. Rome. [Consulté en juin 2023]. www.fao.org/faostat/fr/#data/QCL
¹⁴¹ Gillett, N.P., Shiogama, H., Funke, B., Hegerl, G., Knutti, R., Matthes, K., Santer, B.D. et al. 2016. The Detection and Attribution Model Intercomparison Project (DAMIP v1.0) contribution to CMIP6, Geoscientific Model Development, 9, 3685-3697. doi.org/10.5194/gmd-9-3685-2016
¹⁴² Heath, M. 2022. Argentina soy belt drought awakens ghost of 2018 production “disaster”. Dans: Reuters. 10 février 2022. [Consulté le 16 mai 2023]. www.reuters.com/business/environment/argentina-farm-belt-drought-awakens-ghost-2018-soybean-disaster-2022-02-10
¹⁴³ Bureau des statistiques nationales du Kazakhstan. 2022. Statistics of agriculture, forestry, hunting and fisheries. https://stat.gov.kz
¹⁴⁴ North Africa Post. 2019. Morocco’s Central bank expects fewer wheat yield in 2019. Dans: North Africa Post. Rabat. [Consulté le 17 mars 2023]. https://northafricapost.com/29126-moroccos-central-bank-expects-fewer-wheat-yield-in-2019.html
¹⁴⁵ FAO. 2023. Cultures et produits animaux. Dans: FAOSTAT. Rome. [Consulté en juin 2023]. https://www.fao.org/faostat/fr/#data/QCL
¹⁴⁶ CRED. Emergency Events Database (EM-Dat), the international Disaster Database. Dans: CRED. [Consulté le 17 mars 2023]. https://www.emdat.be
¹⁴⁷ Cisse, G. et McLeman, R. 2022. Health, Wellbeing, and the Changing Structure of Communities. Dans: H.-O. Pörtner, D.C. Roberts, M. Tignor, E.S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Langsdorf, S. Löschke, V. Möller, A. Okem, B. Rama (sous la direction de). Climate Change 2022: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge (Royaume-Uni) et New York (États-Unis). https://www.ipcc.ch/report/ar6/wg2/downloads/report/IPCC_AR6_WGII_Chapter07.pdf
¹⁴⁸ FAO, FIDA, OMS, PAM et UNICEF. 2023. L’État de la sécurité alimentaire et de la nutrition dans le monde 2023. Urbanisation, transformation des systèmes agroalimentaires et accès à une alimentation saine le long du continuum rural-urbain. FAO, Rome. https://doi.org/10.4060/cc3017fr
¹⁴⁹ FAO, FIDA, OMS, PAM et UNICEF. 2020. L’État de la sécurité alimentaire et de la nutrition dans le monde 2020. Transformer les systèmes alimentaires pour une alimentation saine et abordable. FAO, Rome. https://doi.org/10.4060/ca9692fr
¹⁵⁰ FAO. 2021. Niger | Moyens d’existence agricoles et sécurité alimentaire dans le cadre de la covid-19. Rome. doi.org/10.4060/cb4622fr
¹⁵¹ Ranjan Jena, P., Kalli, R. et Chandra Tanti, P. 2022. Impact of Covid-19 on Agricultural System and Food Prices: The Case of India. Dans: U. Bacha (sous la direction de). Rural Health. IntechOpen. https://doi.org/10.5772/intechopen.98905
¹⁵² FAO. 2021. Agricultural livelihoods and food security in the context of COVID-19: Results from household surveys in 11 countries with high pre-existing levels of food insecurity – Cross-country monitoring report. May 2021. Rome. doi.org/10.4060/cb4747en
¹⁵³ FAO. 2020. Second Rapid Assessment of Food and Nutrition Security in the Context of COVID-19 in Bangladesh: May – July 2020. Dacca. doi.org/10.4060/cb1018en
¹⁵⁴ FAO. 2020. National agrifood systems and COVID-19 in Liberia. Effects, policy responses and long term implications. Rome. doi.org/10.4060/cb2114en
¹⁵⁵ FAO. 2021. Liberia | Agricultural livelihoods and food security in the context of COVID-19: Monitoring Report – January 2021. Rome. doi.org/10.4060/cb3618en
¹⁵⁶ FAO et PAM. 2020. Covid-19 impacts on agri-food value chains: Libya. FAO et PAM, Le Caire. doi.org/10.4060/cb3089en
¹⁵⁷ FAO et PAM. 2021. Myanmar | Agricultural livelihoods and food security in the context of COVID-19: Monitoring report – May 2021. FAO et PAM, Rome. doi.org/10.4060/cb5218en
¹⁵⁸ FAO et PAM. 2022. Myanmar | Shocks, agricultural livelihoods and food security. Monitoring report, June 2022. FAO et PAM, Rome. doi.org/10.4060/cc0562en
¹⁵⁹ FAO. 2021. Sierra Leone | Agricultural livelihoods and food security in the context of COVID-19: Monitoring report – May 2021. Rome. doi.org/10.4060/cb4396en
¹⁶⁰ FAO, FIDA et PAM. 2020. South Sudan, COVID-19 Impacts Assessment Results on Agriculture and Food Security in South Sudan. FAO, Rome.
¹⁶¹ FAO. 2021. The Sudan | Food supply, agricultural livelihoods and food security in the context of COVID-19: Monitoring Report – January 2021. Rome. doi.org/10.4060/cb2262en
¹⁶² FAO. 2021. Bolivarian Republic of Venezuela | Agricultural livelihoods and food security in the context of COVID-19: Monitoring Report – January 2021. Rome. doi.org/10.4060/cb3178en
¹⁶³ FAO. 2021. Yemen – Shocks, agricultural livelihoods and food security. Monitoring report, December 2021. Rome. doi.org/10.4060/cb7844en
¹⁶⁴ FAO. 2021. Impact of COVID-19 on the delivery of veterinary services and animal disease reporting: May–June 2020/June–August 2020. Rome. doi.org/10.4060/cb5649en
¹⁶⁵ Mthembu, B.E., Mkhize, X. et Arthur, G.D. 2022. Effects of COVID-19 Pandemic on Agricultural Food Production among Smallholder Farmers in Northern Drakensberg Areas of Bergville, South Africa. Agronomy, 12(2): 531. https://doi.org/10.3390/agronomy12020531
¹⁶⁶ Ahmed, J.U., Akter, S. et Majumder, K.A. 2021. Impact of COVID-19 on agricultural production and distribution in South Asia. World Food Policy, 7(2): 168-182. doi.org/10.1002/wfp2.12032
¹⁶⁷ Rahman, M.T., Akter, S., Rana, M.R., Sabuz, A.A. et Jubayer, M.F. 2022. How COVID-19 pandemic is affecting achieved food security in Bangladesh: A perspective with required policy interventions. Journal of Agriculture and Food Research, 7: 100258. doi.org/10.1016/j.jafr.2021.100258.
¹⁶⁸ Réseau mondial contre les crises alimentaires. 2020. Food Crises and Covid-19: Emerging Evidence and Implications. An analysis of acute food insecurity and agri-food systems during COVID-19 pandemic. Note technique. Unité d’appui technique (TSU) du Réseau mondial contre les crises alimentaires, Rome.
¹⁶⁹ Varshney, D., Roy, D. et Meenakshi, J.V. 2020. Impact of COVID-19 on agricultural markets: assessing the roles of commodity characteristics, disease caseload and market reforms. Indian Economic Review, 55(S1): 83103. doi.org/10.1007/s41775-020-00095-1
¹⁷⁰ OCDE (Organisation de coopération et de développement économiques). 2020. Covid-19 and the food and agriculture sector: Issues and policy responses. Paris. www.oecd.org/coronavirus/policy-responses/covid-19-and-the-food-and-agriculture-sector-issues-and-policy-responses-a23f764b
¹⁷¹ FAO. 2022. Pakistan. DIEM – Data in Emergencies Monitoring brief, round 3 Results and recommendations June 2022. Rome.
¹⁷² FAO. 2022. Lebanon, DIEM – Data in Emergencies Monitoring brief, round 2 Results and recommendations June 2022. Rome. doi.org/10.4060/cc0932en
¹⁷³ FAO. 2020. Food Security in Iraq – Impact of COVID-19. Rome. https://www.wfp.org/publications/food-security-iraq-impact-covid-19
¹⁷⁴ FAO. 2021. Agricultural livelihoods and food security in the context of COVID-19. Rome. doi.org/10.4060/cb4747en
¹⁷⁵ FAO. 2021. Somalia | Agricultural livelihoods and food security in the context of COVID-19. Rome. doi.org/10.4060/cb2947en
¹⁷⁶ Sánchez-Cordón, P.J., Montoya, M., Reis, A.L. et Dixon, L.K. 2018. African swine fever: A re-emerging viral disease threatening the global pig industry. The Veterinary Journal, 233: 41-48. doi.org/10.1016/j.tvjl.2017.12.025
¹⁷⁷ OMSA (Organisation mondiale de la santé animale). 2022. African Swine Fever (ASF) — Situation Report 8, 2022. Paris. www.oie.int/app/uploads/2022/03/asf-report8.pdf
¹⁷⁸ Normile, D. 2019. African swine fever marches across much of Asia. Science, 364(6441): 617–618. doi.org/10.1126/science.364.6441.617
¹⁷⁹ FAO. 2020. Rapport sur la peste porcine africaine en Asie et dans le Pacifique. Trente-cinquième session de la Conférence régionale de la FAO pour l’Asie et le Pacifique. Rome. https://www.fao.org/documents/card/en/c/NB742FR
¹⁸⁰ Frezal, C., Gay, S.H. et Nenert, C. 2021. The Impact of the African Swine Fever outbreak in China on global agricultural markets. OECD Food, Agriculture and Fisheries Papers 156. OCDE, Paris. doi.org/10.1787/96d0410d-en
¹⁸¹ Zhao, J., Bai, Z. et Ma, L. 2019. China needs long-term solutions for African Swine Fever. Science Bulletin, 64(20): 1469-1471. doi.org/10.1016/j.scib.2019.08.015
¹⁸² Song, H., Li, J. et Jin, Z. 2023. Nonlinear dynamic modeling and analysis of African swine fever with culling in China. Communications in Nonlinear Science and Numerical Simulation, 117: 106915. doi.org/10.1016/j.cnsns.2022.106915
¹⁸³ Zhang, P., Nie, T., Ma, J. et Chen, H. 2022. Identification of suitable areas for African swine fever occurrence in China using geographic information system-based multi-criteria analysis. Preventive Veterinary Medicine, 209: 105794. doi.org/10.1016/j.prevetmed.2022.105794
¹⁸⁴ USDA. 2022. Livestock and Poultry: World Markets and Trade. Service agricole extérieur de l’USDA, Washington. https://usda.library.cornell.edu/concern/publications/73666448x?locale=en
¹⁸⁵ Guberti, V., Khomenko, S., Masiulis, M. et Kerba, S. 2022. African swine fever in wild boar – Ecology and biosecurity. Second edition. Manuel de Production et santé animales de la FAO n^o 28. FAO, Rome, OMSA, Paris et Commission européenne, Bruxelles. https://www.fao.org/3/cc0785en/cc0785en.pdf
¹⁸⁶ Rozstalnyy, A., Roche, X., TagoPacheco, D., Kamata, A., BeltranAlcrudo, D., Khomenko, S., Lockhart, C. et al. 2022. Qualitative risk assessment for African swine fever virus introduction: Caribbean, South, Central and North Americas. Étude FAO: Production et santé animales n^o 18. FAO, Rome. https://doi.org/10.4060/cb8748en
¹⁸⁷ FAO. 2021. FAO Statistical Yearbook – World Food and Agriculture. Rome. doi.org/10.4060/cb4477en
¹⁸⁸ Jean-Pierre, R.P., Hagerman, A.D. et Rich, K.M. 2022. An analysis of African Swine Fever consequences on rural economies and smallholder swine producers in Haiti. Frontiers in Veterinary Science, 9. https://www.frontiersin.org/articles/10.3389/fvets.2022.960344/full
¹⁸⁹ Casal, J., Tago, D., Pineda, P., Tabakovski, B., Santos, I., Benigno, C., Huynh, T., Ciaravino, G. et Beltran-Alcrudo, D. 2022. Evaluation of the economic impact of classical and African swine fever epidemics using OutCosT, a new spreadsheet-based tool. Transboundary and Emerging Diseases, 69(5): e2474-e2484. https://doi.org/10.1111/tbed.14590
¹⁹⁰ Mason-D’Croz, D., Bogard, J.R., Herrero, M., Robinson, S., Sulser, T.B., Wiebe, K., Willenbockel, D. et Godfray, H.C.J. 2020. Modelling the global economic consequences of a major African swine fever outbreak in China. Nature food, 1(4): 221-228. doi.org/10.1038/s43016-020-0057-2
¹⁹¹ Nguyen-Thi, T., Pham-Thi-Ngoc, L., Nguyen-Ngoc, Q., Dang-Xuan, S., Lee, H.S., Nguyen-Viet, H., Padungtod, P. et al. 2021. An Assessment of the Economic Impacts of the 2019 African Swine Fever Outbreaks in Vietnam. Frontiers in Veterinary Science, 8. www.frontiersin.org/articles/10.3389/fvets.2021.686038
¹⁹² Savioli, G., Ahmadi, B.V., Muñoz, V., Rosso, F. et Schuppers, M. 2022. A methodology to assess indirect economic impacts of animal disease outbreaks: A case of hypothetical African swine fever outbreak in Switzerland. Transboundary and Emerging Diseases, 69(5): e1768-e1786. https://doi.org/10.1111/tbed.14512
¹⁹³ PRIO (Institut de recherches sur la paix d’Oslo). 2020. Trends in Armed Conflict, 1946-2019. Oslo.
¹⁹⁴ Murray, V., Abrahams, J., Abdallah, C., Ahmed, K., Angeles, L., Benouar, D., Brenes Torres, A., Chang Hun, C., Cox, S., Douris, J., Fagan, L., Fra Paleo, U., Han, Q., Handmer, J., Hodson, S., Khim, W., Mayner, L., Moody, N., Moraes, L. L. O.; Nagy, M., Norris, J., Peduzzi, P., Perwaiz, A., Peters, K., Radisch, J., Reichstein, M., Schneider, J., Smith, A., Souch, C., Stevance A-S., Triyanti, A., Weir, M., et Wright, N. 2021. Hazard Information Profiles: Supplement to UNDRR-ISC Hazard Definition et Classification Review: Technical Report. Bureau des Nations Unies pour la prévention des catastrophes, Genève; Conseil international des sciences, Paris. https://www.preventionweb.net/publication/hazard-information-profiles-hips.
¹⁹⁵ UNDRR. 2023. GAR Special Report: Measuring Resilience for the Sustainable Development Goals. Genève. https://www.undrr.org/gar/gar2023-special-report
¹⁹⁶ UNDRR. 2019. Global Assessment Report on Disaster Risk Reduction 2019. Genève. https://www.undrr.org/publication/global-assessment-report-disaster-risk-reduction-2019
¹⁹⁷ UNDRR. 2023. The Report of the Midterm Review of the Implementation of the Sendai Framework for Disaster Risk Reduction 2015-2030. Genève. https://www.undrr.org/publication/report-midterm-review-implementation-sendai-framework-disaster-risk-reduction-2015-2030
¹⁹⁸ Assemblée générale des Nations Unies. 2023. Principales conclusions et recommandations de l’examen à mi-parcours de la mise en œuvre du Cadre de Sendai pour la réduction des risques de catastrophe. Soixante-dix-septième session, 690. https://documents.un.org/symbol-explorer?s=A/77/640&i=A/77/640_2226930
¹⁹⁹ Peters, K. 2022. Evidence of positive progress on Disaster Risk Reduction in the Humanitarian-Development-Peace nexus: Thematic report to inform the Mid-Term Review of the Sendai Framework. https://sendaiframework-mtr.undrr.org/publication/thematic-study-evidence-positive-progress-disaster-risk-reduction-humanitarian
²⁰⁰ Peters, L. 2021. Beyond disaster vulnerabilities: An empirical investigation of the causal pathways linking conflict to disaster risks. International Journal of Disaster Risk Reduction, 55:102092. https://www.sciencedirect.com/science/article/pii/S2212420921000583?casa_token=YZnxgGpfocMAAAAA:pNqonePbjM2CZoKMKKvu9ufQEXHV2R9NTbptQV1_q1utaDOd04qGHO_X4k8Y3K221NB3aCbYSfQ
²⁰¹ Zaman, S., Sammonds, P., Ahmed, B. et Rahman, T. 2020. Disaster risk reduction in conflict contexts: Lessons learned from the lived experiences of Rohingya refugees in Cox’s Bazar, Bangladesh. International Journal of Disaster Risk Reduction, 50: 101694. https://doi.org/10.1016/j.ijdrr.2020.101694
²⁰² Nemeth, S., et Lai, B. 2022. When do natural disasters lead to negotiations in a civil war? Journal of Peace Research 59 (1): 28-42. https://doi.org/10.1177/00223433211061952
²⁰³ Gaillard, J.-C., Clavé, E., et Kelman, I. 2008. Wave of peace? Tsunami disaster policy in Aceh, Indonesia. Geoforum 39 (1): 511-526. https://www.sciencedirect.com/science/article/abs/pii/S0016718507001662
²⁰⁴ Caso, N., Hilhorst, D., Mena, R., et Papyrakis, E. 2023. Does disaster contribute to armed conflict? A quantitative analysis of disaster–conflict co-occurrence between 1990 and 2017. International Journal of Development Issues. https://www.emerald.com/insight/content/doi/10.1108/IJDI-01-2023-0015/full/html
²⁰⁵ Mach, K. J., Kraan, C.M., Adger, W. N., Buhaug, H., Burke, M., Fearon, J. D. et al. 2019. Climate as a risk factor for armed conflict. Nature 571 (7764): 193-197. https://doi.org/10.1038/s41586-019-1300-6
²⁰⁶ von Uexkull, N., Croicu, M., Fjelde, H., et Buhaug, H. 2016. Civil conflict sensitivity to growingseason drought. Proceedings of the National Academy of Sciences 113 (44): 12391-12396. https://www.pnas.org/doi/abs/10.1073/pnas.1607542113
²⁰⁷ Arai, T. 2012. Rebuilding Pakistan in the aftermath of the floods: Disaster relief as conflict prevention. Journal of Peacebuilding & Development, 7 (1): 51-65. https://www.jstor.org/stable/48603409
²⁰⁸ Ide, T. 2023. Catastrophes, Confrontations, and Constraints: How Disasters Shape the Dynamics of Armed Conflicts. MIT Press. https://doi.org/10.7551/mitpress/14970.001.0001
²⁰⁹ Mercy Corps et ACAPS. 2020. Yemen: Food supply chain. Thematic report.
²¹⁰ Banque mondiale, Nations Unies et Union européenne. 2019. Guidance for PDNA in Conflict Situations. https://www.undp.org/publications/pdna-guidance-integrating-conflict-sensitivity
²¹¹ Banque mondiale, Nations Unies et Union européenne. 2019. Guidance for PDNA in Conflict Situations. https://www.undp.org/publications/pdna-guidance-integrating-conflict-sensitivity
²¹² UNDRR (2023). GAR Special Report: Measuring Resilience for the Sustainable Development Goals. Genève. https://www.undrr.org/gar/gar2023-special-report
²¹³ Service national de la statistique d’Ukraine. 2020. The official portal. Dans: Gouvernement de l’Ukraine. [Consulté en juin 2023]. www.ukrstat.gov.ua
²¹⁴ USDA. 2022. Ukraine Agricultural Production and Trade. Service agricole extérieur de l’USDA, Washington. www.fas.usda.gov/sites/default/files/2022-03/Ukraine-Ag-Production-Trade.pdf
²¹⁵ Kyiv School of Economics. 2021. Assessing the role of small farmers and households in agriculture and the rural economy and measures to support their sustainable development. Kyïv. https://kse.ua/wp-content/uploads/2021/02/KSE-Smallholders.pdf
²¹⁶ FAO. 2022. Ukraine: Impact assessment results (September to October 2022). Data in Emergencies Hub. Dans: FAO. Rome. [Consulté le 12 juillet 2023]. https://data-in-emergencies.fao.org/apps/c5e28e7c958b4748bb806e1fe28ccf7b/explore
²¹⁷ Observatoire des conflits. 2022. Ukraine’s Crop Storage Infrastructure Post-Invasion Impact Assessment. Dans: Observatoire des conflits. [Consulté en juin 2023]. https://hub.conflictobservatory.org/portal/apps/sites/#/home/pages/grain-1
²¹⁸ PNUE. 2022. The Environmental Impact of the Conflict in Ukraine: A Preliminary Review. Nairobi. https://www.unep.org/resources/report/environmental-impact-conflict-ukraine-preliminary-review
²¹⁹ Turton, S., Sineat, Y. et Nitta, Y. 2019. African swine fever wipes out Asia’s backyard pig farmers. Dans: Nikkei Asia. [Consulté le 17 mai 2023]. https://asia.nikkei.com/Business/Agriculture/African-swine-fever-wipes-out-Asia-s-backyard-pig-farmers
²²⁰ Coughlan de Perez, E., van Aalst, M., Deva, C., van den Hurk, B., Jongman, B., Klose, T., Linnerooth-Bayer, J. et Suarez, P. 2014. Managing the risk of extreme events in a changing climate – trends and opportunities in the disaster-related funding landscape. Input paper prepared for the Global Assessment Report on Disaster Risk Reduction 2015. Centre de la Croix-Rouge et du Croissant-Rouge pour le climat, La Haye (Pays-Bas).
²²¹ Pappenberger, F., Cloke, H.L., Parker, D.J., Wetterhall, F., Richardson, D.S. et Thielen, J. 2015. The monetary benefit of early flood warnings in Europe. Environmental Science & Policy, 51: 278-291. https://doi.org/10.1016/j.envsci.2015.04.016
²²² Costella, C., Jaime, C., Arrighi, J., Coughlan de Perez, E., Suarez, P. et van Aalst, M. 2017. Scalable and sustainable: How to build anticipatory capacity into social protection systems. IDS Bulletin, vol. 48, n° 4.
²²³ Baig, S.P., Rizvi, A., Josella, M. et Palanca-Tan, R. 2015. Cost and Benefits of Ecosystem Based Adaptation: The Case of the Philippines. Union internationale pour la conservation de la nature (UICN), Gland (Suisse).
²²⁴ FAO et HCR. 2018. Cost–benefit analysis of forestry interventions for supplying woodfuel in a refugee situation in the United Republic of Tanzania. FAO, Rome. https://www.fao.org/3/ca0164en/CA0164EN.pdf
²²⁵ Seekao, C. et Pharino, C. 2018. Cost–benefit analysis of shrimp farming’s flood risk reduction strategies in Thailand. Journal of Flood Risk Management, 11: S805-S816. https://doi.org/10.1111/jfr3.12259
²²⁶ Asha, N., Kikulwe, E., Nowakunda, K., Ajambo, S. et Naziri, D. 2015. Technical report: Structure of the Cooking Banana Value Chain in Uganda and Opportunities for Value Addition and Postharvest Losses Reduction. CGIAR. www.rtb.cgiar.org/wp-content/uploads/2015/08/RPS/2/3.pdf
²²⁷ FAO. 2017. Benefits of Farm-Level Disaster Risk Reduction Practices in Agriculture – Preliminary Findings. Rome. www.fao.org/3/a-i7319e.pdf
²²⁸ FAO. 2019. Disaster risk reduction at farm level: Multiple benefits, no regrets. Results from cost–benefit analyses conducted in a multi-country study, 2016-2018. Rome. www.fao.org/3/ca4429en/CA4429EN.pdf
²²⁹ FAO. 2021. Anticipatory action: Changing the way we manage disasters. Rome. www.fao.org/3/cb7145en/cb7145en.pdf
²³⁰ FAO. 2018. Mongolia: Impact of early warning action. Protecting herder livelihoods ahead of dzud winter. Rome. www.fao.org/publications/card/en/c/CA2181EN
²³¹ FAO. 2019. Colombia: Impact of early warning action. Boosting food security and social cohesion on the frontline of the migration crisis. Rome. www.fao.org/publications/card/en/c/CA6818EN
²³² FAO. 2018. Early warning early action in Sudan. Rome. www.fao.org/3/i9383en/I9383EN.pdf
²³³ FAO. 2018. Horn of Africa: Impact of early warning early action. Protecting pastoralist livelihoods ahead of drought. Rome. www.fao.org/documents/card/en/c/CA0227EN
²³⁴ FAO. 2019. Madagascar: Impact of Early Warning Early Action. Protecting farming livelihoods from drought and food insecurity. Rome. www.fao.org/documents/card/en/c/CA3933EN
²³⁵ FAO. 2019. The Sudan: Impact of Early Warning Early Action. Protecting agropastoralist livelihoods ahead of drought. Rome. www.fao.org/3/ca4653en/ca4653en.pdf
²³⁶ Kumar, A. 2022. Connecting anticipatory action and disaster risk reduction: perspectives from UNDRR. Dans: UNDRR. Genève. [Consulté en juin 2023]. www.preventionweb.net/news/connecting-anticipatory-action-and-disaster-risk-reduction-perspectives-undrr.
²³⁷ UNDRR. 2023. Disaster Risk Management. Dans: UNDRR. Genève. [Consulté en juin 2023]. www.undrr.org/terminology/disaster-risk-management
²³⁸ Anticipation Hub. 2021. A step forward for anticipatory action at COP26. Dans: Anticipation Hub. [Consulté en juin 2023]. www.anticipation-hub.org/news/a-step-forward-for-anticipatory-action-at-cop26
²³⁹ FAO, FICR, OCHA (Bureau de la coordination des affaires humanitaires), PAM et Start Network. 2021. Enabling Anticipatory Action at Scale Policy Brief for Donor Governments. www.anticipation-hub.org/Documents/Policy_Papers/AATF_Policy_Brief_for_Donor_Governments_May_2021.pdf
²⁴⁰ International Movement. 2022. Power of Humanity. Council of Delegates of the International Red Cross and Red Crescent Movement. Genève. https://rcrcconference.org/app/uploads/2022/05/09_CoD22-Anticipatory-action-Background-document-FINAL-EN.pdf
²⁴¹ Levine, S., Wilkinson, E., Weingärtner, L. et Mall, P. 2021. Anticipatory action for livelihood protection. A collective endeavour. Document de travail 580. Institut du développement outre-mer. https://cdn.odi.org/media/documents/202006_odi_anticipatory_action_for_livelihood_protection_wp_final.pdf
²⁴² Scott, Z. 2022. Finance for Early Action: Tracking commitments, trends, challenges and opportunities. REAP (Risk-informed Early Action Partnership). www.insdevforum.org/wp-content/uploads/2022/06/20220613_Finance-for-Early-Action_FINAL-1-1.pdf
²⁴³ Khim, W. 2020. Disaster risk reduction in times of COVID-19: What have we learned? FAO, Rome. https://doi.org/10.4060/cb0748en
²⁴⁴ Lawson, R.G. et Jurs, P.C. 1990. New index for clustering tendency and its application to chemical problems. Journal of Chemical Information and Computer Sciences, 30(1): 36-41. https://doi.org/10.1021/ci00065a010
²⁴⁵ FAO. 2023. Cultures et produits animaux. Dans: FAOSTAT. Rome. [Consulté en juin 2023]. https://www.fao.org/faostat/fr/#data/QCL
²⁴⁶ Lange, S., Mengel, M., Treu, S. et Büchner, M. 2022. ISIMIP3a atmospheric climate input data (v1.0). Dans: ISIMIP. [Consulté en juillet 2023]. doi.org/10.48364/ISIMIP.982724
²⁴⁷ Frieler, K., Volkholz, J., Lange, S., Schewe, J., Mengel, M., del Rocío Rivas López, M. et al. 2023. Scenario set-up and forcing data for impact model evaluation and impact attribution within the third round of the Inter-Sectoral Model Intercomparison Project (ISIMIP3a). Prépublication. EGUsphere. doi.org/10.5194/egusphere-2023-281
²⁴⁸ Laudien, R., Schauberger, B., Makowski, D. et Gornott, C. 2020. Robustly forecasting maize yields in Tanzania based on climatic predictors. Scientific Reports, 10(19650). doi.org/10.1038/s41598-020-76315-8
²⁴⁹ Chemura, A. Nangombe, S., Gleixner, S., Chinyoka, S. et Gornott, C. 2022. Changes in Climate Extremes and Their Effect on Maize (Zea mays L.) Suitability Over Southern Africa. Frontiers in Climate, 4: 890210. doi.org/10.3389/fclim.2022.890210
²⁵⁰ Sultan, B., Defrance, D. et Iizumi, T. 2019, Evidence of crop production losses in West Africa due to historical global warming in two crop models. Scientific Reports, 6.9.2019: 12834. doi.org/10.1038/s41598-019-49167-0
²⁵¹ Laudien, R., Schauberger, B., Makowski, D. et Gornott, C. 2020. Robustly forecasting maize yields in Tanzania based on climatic predictors. Scientific Reports, 10(19650). doi.org/10.1038/s41598-020-76315-8
²⁵² Gillett, N.P., Shiogama, H., Funke, B., Hegerl, G., Knutti, R., Matthes, K., Santer, B.D. et al. 2016. The Detection and Attribution Model Intercomparison Project (DAMIP v1.0) contribution to CMIP6, Geoscientific Model Development, 9, 3685-3697. doi.org/10.5194/gmd-9-3685-2016
²⁵³ Tatebe, H., Ogura, T., Nitta, T., Komuro, Y., Ogochi, K., Takemura, T., Sudo, K. et al. 2019. Description and basic evaluation of simulated mean state, internal variability, and climate sensitivity in MIROC6. Geoscientific Model Development, 12(7): 2727-2765. doi.org/10.5194/gmd-12-2727-2019
²⁵⁴ Lange, S. 2019. Trend-preserving bias adjustment and statistical downscaling with ISIMIP3BASD (v1.0). Geoscientific Model Development, 12, 3055-3070. doi.org/10.5194/gmd-12-3055-2019
²⁵⁵ Tatebe, H., Ogura, T., Nitta, T., Komuro, Y., Ogochi, K., Takemura, T., Sudo, K. et al. 2019. Description and basic evaluation of simulated mean state, internal variability, and climate sensitivity in MIROC6. Geoscientific Model Development, 12(7): 2727-2765. doi.org/10.5194/gmd-12-2727-2019
²⁵⁶ GIEC. 2021. Summary for Policymakers. Dans: Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. pp. 423-553. Cambridge University Press, Cambridge (Royaume-Uni) et New York (États-Unis). https://report.ipcc.ch/ar6/wg1/IPCC_AR6_WGI_FullReport.pdf
²⁵⁷ Guo, H. Bao, A., Chen, T., Zheng, G., Wang, Y., Jiang, L. et De Maeyer, P. 2021. Assessment of CMIP6 in simulating precipitation over arid Central Asia. Atmospheric Research, 252, 105451. doi.org/10.1016/J.ATMOSRES.2021.105451
²⁵⁸ Mesgari, E., Hosseini, S.A., Hemmesey, M.S., Houshyar, M. et Partoo, L.G. 2022. Assessment of CMIP6 models’ performances and projection of precipitation based on SSP scenarios over the MENAP region. Journal of Water and Climate Change, 13(10): 3607. doi.org/10.2166/wcc.2022.195
²⁵⁹ Iizumi, T., Shiogama, H., Imada, Y., Hanasaki, N., Takikawa, H. et Nishimori, M. 2018. Crop production losses associated with anthropogenic climate change for 1981-2010 compared with preindustrial levels. International Journal of Climatology, 38(14): 5405-5417. doi.org/10.1002/joc.5818
²⁶⁰ Ishii, M. et Mori, N. 2020. d4PDF: large-ensemble and high-resolution climate simulations for global warming risk assessment. Progress in Earth and Planetary Science, 7: 58. doi.org/10.1186/s40645-020-00367-7
²⁶¹ Iizumi, T., Shiogama, H., Imada, Y., Hanasaki, N., Takikawa, H. et Nishimori, M. 2018. Crop production losses associated with anthropogenic climate change for 1981-2010 compared with preindustrial levels. International Journal of Climatology, 38(14): 5405-5417. doi.org/10.1002/joc.5818
²⁶² Sultan, B., Defrance, D. et Iizumi, T. 2019, Evidence of crop production losses in West Africa due to historical global warming in two crop models. Scientific Reports, 6.9.2019: 12834. doi.org/10.1038/s41598-019-49167-0
²⁶³ Flynn, C.M. et Mauritsen, T. 2020. On the climate sensitivity and historical warming evolution in recent coupled model ensembles. Atmospheric Chemistry and Physics, 20, 7829-7842. doi.org/10.5194/acp-20-7829-2020
²⁶⁴ Forster, P. et al. 2021. The Earth’s Energy Budget, Climate Feedbacks, and Climate Sensitivity. Dans: V. Masson-Delmotte, et al. (sous la direction de). Climate Change 2021: The Physical Science Basis. Cambridge University Press, Cambridge, (Royaume-Uni).
²⁶⁵ Meshesha, D.T., Moahmmed, M. et Yosuf, D. 2019. Estimating carrying capacity and stocking rates of rangelands in Harshin District, Eastern Somali Region, Ethiopia. Ecology and Evolution, 9(23): 13309-13319. doi.org/10.1002/ece3.5786
²⁶⁶ The Nansen Initiative. 2015. The Nansen Initiative. Global Consultation. Conference Report: Geneva, 12-13 October 2015. https://environmentalmigration.iom.int/sites/g/files/tmzbdl1411/files/documents/2023-10/global-consultation-report.pdf
²⁶⁷ FAO, FIDA, OMS, PAM et UNICEF. 2022. L’État de la sécurité alimentaire et de la nutrition dans le monde 2022. Réorienter les politiques alimentaires et agricoles pour rendre l’alimentation saine plus abordable. FAO, Rome. https://doi.org/10.4060/cc0639fr
²⁶⁸ FAO, FIDA, OMS, PAM et UNICEF. 2020. L’État de la sécurité alimentaire et de la nutrition dans le monde 2020. Transformer les systèmes alimentaires pour une alimentation saine et abordable. FAO, Rome. https://doi.org/10.4060/ca9692fr
²⁶⁹ OIM. 2018. État de la migration dans le monde 2018. Rapport de l’OIM sur l’état de la migration dans le monde. Nations Unies. https://doi.org/10.18356/c91009fd-fr
^a Division administrative correspondant à une région ou à une province.
^b Mesure de l’accumulation de chaleur servant à prédire la vitesse de croissance des plantes cultivées.
^c Voir la base EM-DAT: https://public.emdat.be
^d La catégorie d’aléas «Autres» comprend les aléas biologiques, extraterrestres et complexes. Par ailleurs, si l’augmentation du nombre de catastrophes est due en partie à l’amélioration de la communication des données, elle tient pour beaucoup à la multiplication des catastrophes provoquées par les aléas météorologiques et climatiques (inondations, sécheresses et températures extrêmes, par exemple). En revanche, le nombre de phénomènes géophysiques, tels que les tremblements de terre, les éruptions volcaniques et les mouvements de masse, n’a guère évolué au fil du temps. Bien que le nombre global de phénomènes se soit stabilisé ces dernières décennies, il devrait augmenter à mesure que les gaz à effet de serre continueront de s’accumuler.
^e Précédentes publications parues en 2015, 2017 et 2021 (en anglais).
^f https://www.emdat.be
^g https://www.desinventar.net
^h https://www.gfdrr.org/en/disaster-risk-analytics
ⁱ https://www.ifrc.org/fr/document/rapport-sur-les-catastrophes-dans-monde-2022
^j https://www.swissre.com/institute/research/sigma-research/data-explorer.html; https://www.munichre.com/en/solutions/for-industry-clients/natcatservice.html
^k Voir la résolution A/RES/71/276 de l’Assemblée générale des Nations Unies.
^l La base EM-DAT comprend aussi des données sur d’autres catastrophes qui ne sont pas prises en compte ici. Voir l’annexe technique 2 pour des informations détaillées.
^m Il convient de noter que les progrès en matière de mécanismes de communication des informations ont une incidence sur ces chiffres. Un plus grand nombre de phénomènes sont aujourd’hui ajoutés à la base EM-DAT qu’au début des années 1990, ce qui entraîne un léger biais de déclaration dans les chiffres totaux.
ⁿ Il convient de noter que, dans ce cas, l’indicateur est un ratio de deux ensembles de données quantitatives (exprimées en tonnes) multipliées par le même prix. Cela signifie que ce ratio traduit uniquement un effet de quantité. La seule fonction du prix est d’agréger des quantités qui sans cela ne seraient pas comparables.
^o Dans ce cas, les ratios pertes/production contrefactuelle reposent directement sur des quantités en tonnes, l’hypothèse étant que les volumes produits sont suffisamment homogènes pour être agrégés.
^p Le besoin moyen estimatif est l’apport quotidien nécessaire pour combler les besoins de la moitié des sujets en bonne santé.
^q Les besoins sont les suivants – calcium: 800 mg pour les femmes et les hommes; fer: 6 mg pour les hommes, 8,1 mg pour les femmes; zinc: 9,4 mg pour les hommes, 6,8 mg pour les femmes; magnésium: 350 mg pour les hommes, 265 mg pour les femmes; phosphore: 580 mg pour les femmes et les hommes; vitamine A, équivalents d’activité du rétinol: 625 μg pour les hommes, 500 μg pour les femmes; vitamine B1: 1,0 mg pour les hommes, 0,9 mg pour les femmes; vitamine B2: 1,1 mg pour les hommes, 0,9 mg pour les femmes; vitamine C: 75 mg pour les hommes, 60 mg pour les femmes.
^r Des données plus détaillées permettraient ainsi de déterminer si la perte d’un pourcentage défini du BME pour un nutriment est mineure si ce dernier est disponible en abondance dans ce contexte spécifique, ou si elle est susceptible d’entraîner un important problème de santé publique si le nutriment en question est rare dans l’alimentation locale.
^s L’attribution est définie comme la démarche consistant à évaluer l’apport relatif des différents facteurs à l’origine d’un changement ou d’un phénomène avec une estimation du degré de confiance. Voir GIEC. 2021. Annexe VII: Glossaire. [Publié sous la direction de Matthews, J.B.R., V. Möller, R. van Diemen, J.S. Fuglestvedt, V. Masson-Delmotte, C. Méndez, S. Semenov et A. Reisinger]. Dans: Changements climatiques 2021: Les éléments scientifiques. Contribution du Groupe de travail I au sixième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat. [Publié sous la direction de Masson-Delmotte, V., P. Zhai, A. Pirani, S.L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T.K. Maycock, T. Waterfield, O. Yelekçi, R. Yu et B. Zhou]. Cambridge University Press, Cambridge (Royaume-Uni) et New York (États-Unis d’Amérique), p. 2215 à 2256. www.ipcc.ch/report/ar6/wg1/downloads/report/IPCC_AR6_WGI_SummaryVolume_French.pdf
^t Les pays retenus dans cette étude sont des pays qui ont reçu un rang prioritaire dans le Plan de réponse humanitaire global contre la COVID-19 (Bureau de la coordination des affaires humanitaires [OCHA], 2020) ou dans le rapport mondial sur les crises alimentaires (Programme alimentaire mondial [PAM], 2020, 2021), à savoir: Afghanistan, Colombie, Haïti, Iraq, Liban, Libéria, Libye, Mali, Mozambique, Myanmar, Niger, Pakistan, Philippines, République centrafricaine, Sierra Leone, Somalie, Tchad, Togo et Zimbabwe.
^u Il s’agit des pays suivants: Afghanistan, Colombie, Libéria, Mali, Niger, République centrafricaine, République démocratique du Congo, Sierra Leone, Somalie, Yémen et Zimbabwe.
^v Les pays retenus dans cette étude sont des pays qui ont reçu un rang prioritaire dans le Plan de réponse humanitaire global contre la COVID-19 (OCHA, 2020) ou dans le rapport mondial sur les crises alimentaires (PAM, 2020, 2021). Se démarquant des études antérieures, qui avaient une portée et une couverture temporelle limitées, cette analyse d’enquêtes transnationales reconduites pendant trois années met en évidence les effets différés des mesures de restriction sur la production agricole.
^w Afghanistan, Colombie, Libéria, Mali, Niger, République centrafricaine, République démocratique du Congo, Sierra Leone, Somalie, Yémen et Zimbabwe.
^x L’intervalle de confiance de tous les coefficients cités dans ce chapitre est de 95 pour cent.
^y Voir les résultats des enquêtes menées auprès des ménages de 11 pays où préexistait une insécurité alimentaire élevée, dans la publication FAO. 2021. Agricultural Livelihoods and Food Security in the Context of COVID-19, Cross-country monitoring report. Rome. www.fao.org/3/cb4747en/cb4747en.pdf
^z Afrique, Amérique, Asie, Europe et Océanie.
^aa L’écart interprovincial du prix des porcs correspond à la différence de prix des porcs vivants entre la province où ce prix est le plus élevé et celle où il est le plus bas. Toutes les provinces ont été prises en compte à l’exception du Qinghai, en raison du manque de données.
^ab La méthode employée pour estimer l’impact de la PPA a consisté à examiner les études publiées et à calculer les pertes directes et les coûts des interventions au moyen de l’outil OutCosT de la FAO. Cet outil a été utilisé à titre expérimental pour déterminer rétrospectivement les coûts induits par les flambées de PPA dans la province de Lào Cai au Viet Nam (2020) et aux Philippines (2019), en intégrant les pertes de production dues à la maladie, les effets de celle-ci sur le commerce, ainsi que les coûts de contrôle et d’éradication, qui recouvrent les activités de traitement, de surveillance et de sensibilisation. En estimant les coûts par exploitation et par porc atteints, il est possible de prévoir l’impact qu’aura la maladie si elle s’étend.
^ac En extrapolant, nous prenons pour hypothèse que les mesures de contrôle sont pratiquement les mêmes durant les deux périodes – la période utilisée pour calibrer l’outil et celle utilisée pour produire les estimations des coûts.
^ad 208 594 porcs perdus à cause de la PPA / 545 729 porcs abattus perdus = 38 pour cent.
^ae 38 pour cent x 1 804 246 porcs abattus perdus = 689 637 porcs perdus en 2020 à cause de la PPA.
^af Tels que l’effet lié à la pandémie de covid-19.
^ag Il est important de préciser ici le sens du terme «conflit». La FAO utilise la définition suivante du conflit, reconnaissant qu’un conflit n’est pas nécessairement armé ou violent (voir, par exemple, FAO. 2022. Operationalizing pathways to sustaining peace in the context of Agenda 2030 – A how-to guide. Rome. Disponible à l’adresse www.fao.org/documents/card/fr?details=cc1021en): «Aspect inévitable de l’interaction humaine, le conflit intervient lorsque deux ou plusieurs individus ou groupes poursuivent des objectifs mutuellement incompatibles. Les conflits peuvent être menés avec violence, comme dans une guerre, ou de manière non violente, comme lors d’une élection ou d’une procédure judiciaire accusatoire. Lorsqu’il est canalisé de manière constructive dans un processus de résolution, le conflit peut être bénéfique.» D’après Snodderly (dir. pub.). 2018. Glossary of Terms for Conflict Management and Peacebuilding. Deuxième édition. Institut des États-Unis pour la paix, Washington. Disponible à l’adresse: www.usip.org/publications/usip-peace-terms-glossary
^ah www.prio.org/news/2736
^ai Mise en œuvre de l’objectif E du Cadre de Sendai. Il est à noter que toutes les stratégies n’utilisent pas le terme «conflits armés»; certaines font uniquement référence aux «conflits». C’est le terme employé dans le texte original de la stratégie qui est reproduit ici.
^aj Données provenant de 21 pays: Afghanistan, Algérie, Bangladesh, Burundi, Colombie, Égypte, Fédération de Russie, Inde, Indonésie, Iran, Myanmar, Népal, Ouganda, Pakistan, Pérou, Philippines, Somalie, Sri Lanka, Tadjikistan, Thaïlande et Türkiye.
^ak Évaluation DINA (Somalia Drought Impact and Needs Assessment) (2017).
^al Selon des estimations du Gouvernement ukrainien, 160 579 km2 du territoire national, englobant 10 pour cent des terres agricoles du pays, pourraient être contaminés par des mines terrestres et des engins non explosés.
^am FAO. 2019. Disaster risk reduction at farm level: Multiple benefits, no regrets. Rome. www.fao.org/3/ca4429en/CA4429EN.pdf. Cette étude présente des données sur l’État plurinational de Bolivie, le Cambodge, la Colombie, le Guyana, Haïti, la Jamaïque, l’Ouganda, le Pakistan, les Philippines et la République démocratique populaire lao.
^an Bien qu’il n’ait pas été possible d’isoler les effets de chaque composante de chaque intervention relevant des bonnes pratiques de réduction des risques de catastrophe sur les rendements et la rentabilité dans le secteur de la banane, il est probable que les synergies entre les différentes interventions aient fortement contribué à améliorer la résilience des systèmes de culture de la banane face aux déficits pluviométriques et aux périodes sèches.
^ao 1) Riziculture avec semis en ligne et mouillage et séchage alternés; 2) culture du blé avec du fumier de ferme et du compost; 3) culture maraîchère en polyculture avec plantation sur ados, utilisation de fumier de ferme et gestion intégrée des organismes nuisibles; 4) culture du blé avec nivellement du sol et gestion intégrée des organismes nuisibles; 5) culture du coton avec nivellement assisté par laser, plantation sur ados, gestion intégrée des organismes nuisibles et application de compost; 6) culture du blé avec semis direct (avec semoir) sans labour et gestion intégrée des organismes nuisibles; et 7) culture du coton avec plantation sur ados et gestion intégrée des organismes nuisibles.
^ap Fortes précipitations, sécheresse, températures élevées, organismes nuisibles et prolifération de plantes adventices.
^aq Distribution de volailles, de semences, de bidons et d’équipements, activités de travail contre rémunération, remise en état des systèmes de petite irrigation, formation aux techniques de production maraîchère et développement de coopératives agricoles dirigées par des femmes.
^ar Les coopératives d’agricultrices ont reçu un assortiment de canards et de chèvres, des formations ont été mises en place et un programme de «travail contre rémunération» a permis de nettoyer des canaux locaux qui se trouvaient dans un état de délabrement avancé.
^as Selon le volet régional du rapport mondial sur les crises alimentaires 2021 de l’Autorité intergouvernementale pour le développement (IGAD), 12,6 millions de personnes ont été confrontées à des niveaux élevés d’insécurité alimentaire aiguë (phase 3 ou supérieure de l’IPC)⁴² en Éthiopie (8,6 millions), au Kenya (1,9 million) et en Somalie (2,1 millions) au cours de l’année 2020. Compte tenu du profil de risque de catastrophe sous-jacent de la Corne de l’Afrique, des mesures tenant compte des risques s’imposent pour faire face aux aléas de toutes natures et préserver les moyens d’existence et la sécurité alimentaire.
^at Crises et catastrophes soudaines de grande ampleur nécessitant une intervention institutionnelle.
^au Stade auquel les individus juvéniles incapables de voler se regroupent en essaims homogènes et alignés, appelés «bandes larvaires».
^av Voir PreventionWeb. 2023. Post-Disaster Needs Assessments (PDNA). Dans: PreventionWeb. [Consulté en juin 2023]. https://recovery.preventionweb.net/build-back-better/post-disaster-needs-assessments/country-pdnas
^awVoir ReliefWeb. 2023. Reports only. Dans: ReliefWeb. [Consulté en juin 2023]. https://reliefweb.int/updates?view=reports
^axVoir Facilité mondiale pour la réduction des catastrophes et la reconstruction (GFDRR – Global Facility for Disaster Reduction and Recovery). 2023. Post Disaster Needs Assessment. Dans: GFDRR. [Consulté en juin 2023]. www.gfdrr.org/en/post-disaster-needs-assessments
^ay Voir Banque mondiale. 2023. The World Bank Open Knowledge Repository. Dans: Banque mondiale. [Consulté en juin 2023]. https://openknowledge.worldbank.org/home