Key points are not available for this paper at this time.
Cette recherche a utilisé l'algorithme d'apprentissage machine par bagging ainsi que l'indice d'humidité de Thornthwaite (TMI) pour améliorer la compréhension de la variabilité et du changement climatique, avec l'objectif d'identifier les voies de services climatiques les plus efficaces en Afrique subsaharienne (ASS). Des ensembles de données mensuels à une résolution de 0,5° (1960–2020) ont été collectés et analysés en utilisant le logiciel R 4.2.2 et des tableurs. Les résultats indiquent des changements significatifs des conditions climatiques au Soudan, avec une augmentation de l'aridité à un taux de 0,37 % par an. L'algorithme de bagging a illustré que l'utilisation réelle de l'eau était principalement influencée par la gestion des précipitations et du ruissellement, montrant une relation inverse avec l'augmentation des températures de l'air. En conséquence, des stratégies durables axées sur la gestion du ruissellement et le contrôle de la température, telles que la collecte des eaux pluviales, l'agroforesterie et l'amélioration des plantes, ont été identifiées comme les services climatiques les plus efficaces pour atténuer et s'adapter à la variabilité climatique en ASS. Les résultats suggèrent que la gestion du ruissellement (par exemple, la collecte des eaux pluviales) pourrait potentiellement compenser jusqu'à 22 % des impacts négatifs de la variabilité climatique, tandis que les stratégies de contrôle de la température (par exemple, l'agroforesterie) pourraient représenter les 78 % restants. Sans ces interventions, la variabilité climatique continuera de poser de graves défis à la sécurité alimentaire, à la génération de moyens de subsistance et à la stabilité régionale. Cette recherche appelle à des études plus approfondies sur les attributions de la variabilité climatique en utilisant des ensembles de données plus fins.
Ahmed et al. (Mon,) ont étudié cette question.