etude de vulnérabilité sectorielle face aux changements ... · relative moyenne annuelle de 1951...

Etude de Vulnérabilité Sectorielle face aux changements climatiques au Bénin

PAS-PNA BENIN

Projet d’Appui Scientifique aux processus de Plans Nationaux d’Adaptation

Secteur : Santé

Janvier 2019

Mis en œuvre par : En coopération avec :Sous la tutelle de :Mandaté par :

AUTEURSRazaki A. OSSE (Coordonnateur de l’étude)Filémon TOKPONNON Mariam OKÊSourou A. ADJINDA Alexandre ZOUNMENOU

PERSONNE RESSOURCEEustache B. BOKONON-GANTA

COMITE DE REVISIONMichel BOKO Nestor AHOAnne FLOQUET Expédit Wilfrid VISSINSarah D’HAEN Edmond TOTINAlcade C. SEGNON

Cette publication a été développée avec le support technique des équipes scientifiques de Climate Analytics, dans le cadre de la Composante 2, Activité II.3 du projet Projet d’Appui Scientifique aux processus de Plans Nationaux d’Adaptation dans les pays francophones les moins avancés d’Afrique subsaharienne (PAS-PNA).

Cette publication peut être reproduite en tout ou partie, sous quelque forme que ce soit, à des finspédagogiques et non lucratives, sur autorisation spéciale de Climate Analytics, à condition que sasource soit mentionnée et référencée.

Cette publication ne peut être revendue ou utilisée à des fins commerciales sans autorisation écrite préalable de Climate Analytics.

Nous regrettons toutes erreurs ou omissions qui auraient été commises involontairement.

Ce document peut être cité sous le titre :OSSE R., TOKPONNON F., OKÊ M., ADJINDA S., ZOUNMENOU A., BOKONON-GANTA E.. 2019. Etude de Vulnérabilité aux changements climatiques du Secteur Santé au Bénin. Report produced under the project “Projet d’Appui Scientifique aux processus de Plans Nationaux d’Adaptation dans les pays francophones les moins avancés d’Afrique subsaharienne”, Climate Analytics gGmbH, Berlin.

Une copie numérique de ce rapport est disponible en ligne sur :www.climateanalytics.org/publications.

Cette étude est financée dans le cadre du Projet d’Appui Scientifique aux processus de Plans Nationaux d’Adaptation dans les pays francophones les moins avancés d’Afrique subsaharienne, relevant de l’Initiative Internationale pour le Climat (IKI) soutenue par le Ministère fédéral de l’Environnement, de la Protection de la Nature et de la Sureté Nucléaire (BMU) en vertu d’une décision du Parlement de la République fédérale d’Allemagne, et mis en œuvre par Climate Analytics et la Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ) GmbH.

Projet d’Appui Scientifique aux processus de Plans Nationaux d’Adaptation (PAS-PNA)

1

Résumé Le secteur de la santé humaine est l’un des secteurs les plus vulnérables aux changements climatiques selon les résultats de plusieurs études publiées par le Groupe d’Experts Intergouvernemental sur l’Evolution du Climat d’évaluation (GIEC) et l’Organisation Mondiale de la Santé (OMS). Au terme de l’étude de vulnérabilité du secteur santé réalisée en 2017 au Bénin grâce à l’appui de l’OMS, plusieurs maladies sensibles au climat ont été identifiées. Parmi celles-ci, figure le paludisme qui est une maladie à transmission vectorielle. Selon les Statistiques Sanitaires, le paludisme se situe depuis plusieurs années au premier rang des affections et constitue le premier motif de recours aux soins dans les formations sanitaires au Bénin. En effet, en 2016, le paludisme représente 43,1% de tous les motifs de recours aux soins dans les formations sanitaires.

En se fondant sur l’hypothèse selon laquelle les changements observés sur les aléas climatiques pourraient influencer l’incidence des maladies en général, et particulièrement celles à transmission vectorielle dont le paludisme, il a été initié dans le cadre du projet PAS-PNA une étude multisectorielle pour évaluer la vulnérabilité (actuelle et future) de la population par rapport au paludisme et l’adaptation aux changements climatiques, dans la Basse Vallée de l’Ouémé à l’horizon 2050.

Il s’agit d’une étude rétrospective et transversale réalisée d’avril à septembre 2018 à l’échelle locale. Elle a suivi d’une part, les directives élaborées par l’OMS en 2015 dans le document intitulé « Protéger la santé face au changement climatique : évaluation de la vulnérabilité et de l’adaptation » et d’autre part le guide de référence sur les chaînes d’impacts, dérivé du quatrième rapport d’évaluation du GIEC dans lequel la vulnérabilité a été conceptualisée comme étant fonction de l’exposition, de la sensitivité et de la capacité d’adaptation.

Les données climatologiques, météorologiques, épidémiologiques, entomologiques et socio-économiques issues des bases de données existantes ont été complétées par des enquêtes de terrain dans chacune des trois communes de la zone sanitaire Adjohoun-Bonou-Dangbo. L’ensemble de ces données nous ont permis de calculer les indicateurs d’exposition, de sensibilité et de capacité d’adaptation et d’évaluer la vulnérabilité de la population par rapport au paludisme.

Au terme de l’analyse des données, il ressort que les mois de février à avril sont les mois les plus chauds et les mois de juillet, août, septembre sont les mois les moins chauds. Les moyennes des températures maximales observées entre 1951 et 2017 sont toujours supérieures à 25° C. D’une manière générale on note une augmentation des températures du sud vers le nord et l’humidité relative moyenne annuelle de 1951 à 2017 varie très peu (entre 79,96% au sud à 75,47% dans le nord).

L’analyse met en en évidence la relation entre les incidences du paludisme et les paramètres climatiques avec les valeurs observées de 2000 à 2017. Elle montre que, pour chaque augmentation d’une unité de la température moyenne, le nombre de cas du paludisme dans la population des enfants de moins de cinq (05) ans dans la commune de Bonou augmente de 46,5. L’analyse de la relation entre la transmission du paludisme par le vecteur et les paramètres climatiques a révélé que la transmission du paludisme est fonction de l’humidité, de la température et de la pluviométrie dans toutes les trois communes.


2

L’analyse de la vulnérabilité actuelle dans les trois communes indique que la commune de Dangbo est la commune la plus vulnérable suivie de celle de Bonou, tandis que la commune d’Adjohoun est la moins vulnérable.

Pour s’adapter aux effets du changement climatique, les populations des trois communes ont développé plusieurs initiatives locales parmi lesquelles figurent entre autres la mise en place d’une plateforme locale de réduction des risques de catastrophes avec l’appui de l’ANPC et la mise en place d’un dispositif permettant la mesure périodique du niveau de l’eau grâce au projet SAP. La prise de cette mesure par l’ensemble des communes montre qu’aussi bien les populations que les autorités locales sont conscientes de l’impact du changement climatique.

L’analyse de la vulnérabilité future a mis en exergue une probable augmentation de 16,9 cas pour chaque augmentation d’une unité de l’humidité. Pour la période 2018 à 2050, il a été noté une forte corrélation positive entre l’incidence du paludisme pour toutes tranches d’âges et l’humidité. De plus, il apparait que la température moyenne est le paramètre influençant l’incidence du paludisme chez les enfants de moins de cinq ans. De même, le niveau de transmission du paludisme pourrait sérieusement augmenter à l’horizon 2050 en raison de la forte corrélation positive entre le Taux d’Inoculation Entomologique (TIE), l’humidité et la température moyenne dans les trois communes.

Au regard des résultats d’analyse de données relatives à l’évolution des tendances des incidences et la transmission, il ressort que, entre 2011 et 2020, la commune de Bonou est la commune la plus vulnérable et cette tendance pourrait changer entre 2020 et 2050. Le niveau de vulnérabilité de la commune de Dangbo pourrait augmenter et elle serait la plus vulnérable.

Face à cette situation, il est important de cerner les différents aspects et déterminants du changement climatique et d’anticiper les effets néfastes pour permettre l’adoption de stratégies de mitigation et d’adaptation en vue de réduire les impacts socioéconomiques et sanitaires. Au nombre de ces options d’adaptation proposées figurent entre autres (i) la mise en place d’un système de surveillance épidémiologique et un système d’alerte précoce qui intègre les déterminants climatiques afin de pouvoir anticiper les variations significatives des incidences du paludisme dans la zone d’étude ; (ii) la construction des infrastructures sanitaires résilientes aux aléas climatiques et accessibles en toutes saisons aux populations ; (iii) le renforcement des ressources humaines dédiées au diagnostic et à la prise en charge du paludisme dans les trois communes en fonction du niveau de vulnérabilité ; (iv) le renforcement des capacités du personnel de la santé à faire face aux urgences sanitaires liées aux changements climatiques en général et en particulier au paludisme en période d’inondation, et (v) le renforcement du plateau technique pour le diagnostic et la prise en charge des cas de paludisme.


1

Table des matières Résumé ........................................................................................................................... 1

Liste des sigles et acronymes ............................................................................................ 2

Liste des figures ............................................................................................................... 3

Liste des tableaux ............................................................................................................ 4

Contexte .......................................................................................................................... 5

1 Approche Méthodologique ........................................................................................ 7

1.1 Description du site de mise en œuvre de l’étude ............................................................ 7 1.1.1 Description géographique ..................................................................................................................7 1.1.2 Profil socio-écologique et justification du choix de la zone d’étude .................................................8 1.1.3 Description et justification du choix de l’horizon temporel de l’étude .............................................8

1.2 Cadre conceptuel de l’étude de vulnérabilité ................................................................. 9 1.2.1 Définition du concept de la vulnérabilité et de ses composantes .....................................................9 1.2.2 Description de la chaîne d’impacts ............................................................................................. 11

1.3 Approche méthodologique de l’étude de vulnérabilité ................................................. 13 1.3.1 Démarche adoptée.......................................................................................................................... 13 1.3.2 Collecte des données...................................................................................................................... 14 1.3.3 Analyses et traitement des données ............................................................................................. 19

2 Résultats .................................................................................................................20

2.1 Évaluation de la vulnérabilité actuelle.......................................................................... 20 2.1.1 Répartition spatiale de la température et de la moyenne pluviométrique de 1951 - 2017 .......... 20 2.1.2 Répartition spatiale de l’humidité relative de 1951- 2017 ............................................................. 20 2.1.3 Perceptions des populations par rapports aux tendances climatiques ....................................... 21 2.1.4 Impacts des aléas et tendances climatiques passés sur le secteur de la Santé : aspect biophysique 21 2.1.5 Capacité d’adaptation .................................................................................................................... 29 2.1.6 Évaluation de la vulnérabilité actuelle ........................................................................................... 30

2.2 Évaluation de la vulnérabilité future ........................................................................... 30 2.2.1 Projection climatique à l’horizon 2050 .......................................................................................... 30 2.2.2 Impact du climat futur sur le paludisme dans la zone sanitaire ABD ........................................... 33 2.2.3 Options d’adaptation...................................................................................................................... 41 2.2.4 Evaluation de la vulnérabilité future ............................................................................................. 41

3 Vulnérabilité future et actuelle : propositions d’options d’adaptation .....................43

4 Conclusions et recommandations .............................................................................44

5 Références bibliographiques ....................................................................................45


2

Liste des sigles et acronymes

ABD : Adjohoun – Bonou – Dangbo

ASS : Annuaires Statistiques Sanitaires

COP : Conférence des Parties

CREC : Centre de Recherche Entomologique de Cotonou

DDS : Direction Départementale de la Santé

EDSB : Enquête Démographique et de Santé

ELISA CSP : Enzyme-Linked ImmunoSorbent Assay (ELISA) CircumSporozoite Proteins (CSP)

FSS : Faculté des Sciences de Santé

GIEC : Groupe d’Experts Intergouvernemental sur l’Evolution du Climat d’évaluation

GIZ GmbH : Deutsche Gesellschaft für Internationale Zusammenarbeit

IITA : International Institute of Tropical Agriculture

INSAE : Institut National de la Statistique et de l’Analyse Economique

IPCC : Intergovernmental Panel on Climate Change

IRA : Infections Respiratoires Aigües

IRD : Institut de Recherche pour le Développement

IRSP : Institut Régional de Santé Publique

Météo Bénin : Agence Nationale de la Météorologie du Bénin

MS : Ministère de la Santé

OMS : Organisation Mondiale de la Santé

PAS-PNA : Projet d’Appui Scientifique au Processus de Plans Nationaux d’Adaptation

PNLP : Programme National de Lutte contre le Paludisme

RCP : Representative Concentration Pathways

RGPH4 : Quatrième Recensement Général de la Population et de l’Habitation

Rp : Coefficient de corrélation de Person

SNIGS : Système National d’Information et de Gestion des données Sanitaires

TIE : Taux d’Inoculation Entomologique

WHO : World Health Organisation


3

Liste des figures Figure 1 : Situation administrative et altimétrique de la zone sanitaire Adjohoun-Bonou-Dangbo ......7 Figure 2 : Les composantes de la vulnérabilité (GIZ et al., 2015)......................................................... 11 Figure 3 : Chaîne d’impact de la variabilité et des changements des précipitations, de la température et de l’humidité relative sur le paludisme au Bénin ..................................................... 12 Figure 4 : Evaluation de la vulnérabilité et de l’adaptation (OMS, 2015). ........................................... 13 Figure 5: Changement projeté de la température globale de surface selon différents scénarios d’émission (Source : Figure SPM.7(a). IPCC Working Group I Assessment Report, Summary for Policy Makers, 2013) ....................................................................................................................................... 16 Figure 6: Répartition spatiale de la température dans la zone sanitaire ABD de 1951 à 2017 ........... 20 Figure 7: Distribution spatiale de la pluviométrie dans la zone ABD de 1951 à 2017 ......................... 20 Figure 8 : Répartition spatiale de l’humidité relative dans la zone ABD de 1951 à 2017 .................... 21 Figure 9 : Evolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2017 dans la zone sanitaire ABD et sa relation avec l’humidité, les précipitations et la température ............................. 22 Figure 10 : Evolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2017 dans la commune d’Adjohoun et sa relation avec l’humidité, les précipitations et la température ............ 23 Figure 11 : Evolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2017 dans la commune de Bonou et sa relation avec l’humidité, les précipitations et la température ............... 23 Figure 12 : Evolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2017 dans la commune de Dangbo et sa relation avec l’humidité, les précipitations et la température ............. 24 Figure 13 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2017 dans la zone sanitaire ABD et sa relation avec l’humidité, les précipitations et la température ......................................................................................................................................... 25 Figure 14 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2017 dans la commune d’Adjohoun et sa relation avec l’humidité, les précipitations et la température ......................................................................................................................................... 25 Figure 15 : Evolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2017 dans la commune de Bonou et sa relation avec l’humidité, les précipitations et la température ......................................................................................................................................... 26 Figure 16 : Evolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2017 dans la commune de Dangbo et sa relation avec l’humidité, les précipitations et la température ......................................................................................................................................... 26 Figure 17 : Répartition spatiale des vecteurs du paludisme de 1954 à 2018 dans la zone ABD....... 27 Figure 18 : Évolution de la transmission du paludisme dans la zone ABD et dans les différentes communes. ........................................................................................................................................... 28 Figure 19 : Distribution spatiale de la transmission du paludisme par le moustique à la population dans la zone ABD .................................................................................................................................. 29 Figure 20 : Distribution spatiale du taux de piqûre des anophèles reçu par la population de la zone ABD ....................................................................................................................................................... 29 Figure 21 : Variations projetées des paramètres climatiques dans la zone sanitaire ABD ............... 31 Figure 22 : Variations projetées des paramètres climatiques dans la commune d’Adjohoun ......... 31 Figure 23 : Variations projetées des paramètres climatiques dans la commune de Bonou................ 32 Figure 24 : Variations projetées des paramètres climatiques dans la commune de Dangbo ........... 32 Figure 25 : Cartographie de la projection de la pluviométrie dans la zone sanitaire ABD en 2050 . 33 Figure 26 : Cartographie de la projection de la température dans la zone sanitaire ABD en 2050 . 33 Figure 27: Projection de l’incidence du paludisme toutes tranches d’âges de 2018 à 2050 dans les communes d’Adjohoun, de Bonou, de Dangbo et dans la zone sanitaire de ABD ............................ 33 Figure 28 : Projection de l’incidence du paludisme chez les moins de 5 ans de 2018 à 2050 dans Adjohoun, Bonou, Dangbo et dans la zone sanitaire de ABD............................................................. 34


4

Figure 29 : Évolution de l’incidence du paludisme toutes tranches d’âges de 2018 à 2050 dans la zone sanitaire ABD et sa relation avec l’humidité, les précipitations et la température .................. 34 Figure 30 : Évolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2050 dans la commune d’Adjohoun et sa relation avec l’humidité, les précipitations et la température ............ 35 Figure 31 : Évolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2050 dans la commune de Bonou et sa relation avec l’humidité, les précipitations et la température ............... 35 Figure 32 : Évolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2050 dans la commune de Dangbo et sa relation avec l’humidité, les précipitations et la température ............. 36 Figure 33 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2050 dans la zone sanitaire ABD et sa relation avec l’humidité, les précipitations et la température ......................................................................................................................................... 36 Figure 34 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2050 dans la commune d’Adjohoun et sa relation avec l’humidité, les précipitations et la température ......................................................................................................................................... 37 Figure 35 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2050 dans la commune de Bonou et sa relation avec l’humidité, les précipitations et la température .......................................................................................................................................... 37 Figure 36 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2050 dans la commune de Dangbo et sa relation avec l’humidité, les précipitations et la température ......................................................................................................................................... 38 Figure 37 : Variation du taux d’inoculation entomologique dans la zone ABD et dans les différentes communes ............................................................................................................................................ 38 Figure 38 : Relation entre le taux d’inoculation entomologique dans la zone sanitaire ABD et la température, les précipitations et l’humidité. ..................................................................................... 39 Figure 39 : Relation entre le taux d’inoculation entomologique dans la commune d’Adjohoun et la température, les précipitations et l’humidité ...................................................................................... 39 Figure 40 : Relation entre le taux d’inoculation entomologique dans la commune de Bonou et la température, les précipitations et l’humidité ...................................................................................... 40 Figure 41 : Relation entre le taux d’inoculation entomologique dans la commune de Dangbo et la température, les précipitations et l’humidité ...................................................................................... 40 Figure 42 : Distribution spatiale de la transmission du paludisme par les vecteurs en 2050 ............. 41 Figure 43 : Distribution spatiale du taux de piqûre des vecteurs du paludisme en 2050 ................... 41 Figure 44 : Evolution de l’indice de vulnérabilité par commune ....................................................... 42

Liste des tableaux Tableau 1 : Indicateurs utilisés dans le calcul de l’indice de vulnérabilité ........................................ 15 Tableau 2: Changement projeté de la température globale de surface selon différents scénarios d’émission, à l’horizon 2050 (2046-2065) et 2100 (2081-2100). ......................................................... 16


5

Contexte Les changements climatiques présentent des obstacles supplémentaires à l’éradication de la pauvreté et à l’accomplissement d’une justice sociale (Dazé et al., 2010). Ces effets sur les systèmes naturels et physiques affectent de nombreuses personnes et les exposent davantage aux risques de malnutrition et d’incidence des maladies à transmission vectorielle, alimentaire ou hydrique et des zoonoses (OMS, 2015). Selon le cinquième rapport du Groupe d’Experts Intergouvernemental sur l’Evolution du Climat d’évaluation (GIEC), la santé des populations humaines est sensible aux changements de régimes météorologiques et à d’autres aspects du changement climatique (IPCC, 2014). Ainsi, la hausse des températures, l’irrégularité et la mauvaise répartition des pluies, ainsi que les fortes inondations peuvent avoir des répercussions surtout négatives, sur la santé publique, particulièrement sur la santé des populations vulnérables (Dazé et al., 2010; OMS, 2015). Au cours des dernières décennies, les changements climatiques ont probablement contribué à la détérioration de la santé des populations, notamment dans les pays à faible revenu (Smith et al., 2014). Ainsi, les changements climatiques sont une évidence et il existe de plus en plus un consensus mondial par rapport aux effets du réchauffement climatique sur différents secteurs d’activités. L’Afrique est souvent présentée comme l’une des régions les plus vulnérables aux changements climatiques (Zongo, 2016).

L’Afrique subsaharienne se trouve être particulièrement vulnérable (OMS, 2015) et il est apparu nécessaire de mettre en place des mécanismes de réduction de la vulnérabilité des populations de cette région face aux changements climatiques. Au nombre de ces mécanismes, figure le développement d’un processus d’élaboration du Plan National d’Adaptation aux Changements Climatiques (PNA) qui a été recommandé à la 17ième Conférence des Parties (COP) à Cancún en 2010 comme une meilleure approche. Dans cette perspective, le Projet d’Appui Scientifique aux processus de Plans Nationaux d’Adaptation (PAS-PNA) mis en œuvre par la GIZ soutient le Bénin, le Sénégal et le Burkina Faso, à travers quatre (04) composantes : (i) Renforcement du cadre de gouvernance du processus PNA, (ii) Renforcement de la capacité scientifique pour la planification et la programmation des mesures d’adaptation, (iii) Facilitation de l’accès au financement des mesures d’adaptation prioritaires et (iv) Réseau d’échanges des praticiens sur le processus PNA.

Selon le Ministère de la Santé (2017a), plusieurs maladies sont sensibles au climat. Au nombre de ces maladies, on peut citer entre autres les maladies cardiovasculaires ; les affections respiratoires; les maladies diarrhéiques (OMS, 2015). Selon les différents Annuaires Statistiques Sanitaires (ASS), le paludisme, une maladie à transmission vectorielle, se situe depuis plusieurs années au premier rang des affections et constitue le premier motif de recours aux soins dans les formations sanitaires au Bénin. En effet, en 2016, le paludisme représentait 43,1% de tous les motifs de recours aux soins dans les formations sanitaires. Sa forme grave constitue la principale cause de décès pour l’ensemble des patients et représente 14,9% des causes de décès en 2016 et 23,4% des causes de décès des enfants de moins de cinq ans (MS, 2017b).

Le paludisme est endémique et stable dans la zone sanitaire ABD avec des recrudescences saisonnières. En se fondant sur l’hypothèse selon laquelle les changements observés sur les aléas climatiques pourraient influencer l’incidence des maladies en général, et particulièrement celles à transmission vectorielle, dont le paludisme, il a été initié une étude multisectorielle pour évaluer la « vulnérabilité de la population au paludisme, dans un contexte de l’adaptation aux changements climatiques dans la basse vallée de l’Ouémé ». Les résultats de cette étude seront utiles pour


6

informer les stratégies d’intervention actuelles et futures développées dans le cadre de la lutte contre le paludisme dans la zone d’étude et alimenter les réflexions pour une prise en compte globale des aspects liés à l’adaptation et aux changements climatiques. Ainsi, cette étude vise à évaluer la vulnérabilité (actuelle et future) de la population au paludisme dans un contexte de changements climatiques dans la Basse Vallée de l’Ouémé à l’horizon 2050.


7

1 Approche Méthodologique

Dans cette section, il a été question de procéder à la description du choix du site de mise en œuvre de l’étude puis à sa justification ; de présenter le cadre conceptuel de l’étude de vulnérabilité et enfin de décrire l’approche méthodologique de l’étude de vulnérabilité.

1.1 Description du site de mise en œuvre de l’étude

1.1.1 Description géographique

La zone sanitaire ABD est située dans la basse vallée de l’Ouémé au Sud-Est du Bénin entre 6°33’24’’ et 6°55’32’’ de latitude Nord et entre 2°23’46’’ et 2°36’51’’ de longitude Est (Figure 1). Elle a une superficie de 923 km² et compte trois (3) communes à savoir Adjohoun, Bonou et Dangbo. Selon le quatrième Recensement Général de la Population et de l’Habitation (RGPH4), la population totale de la zone ABD est de 216.098 habitants repartie entre 20 arrondissements et 130 villages et quartiers de ville (INSAE, 2016).

La Zone Sanitaire Adjohoun-Bonou-Dangbo comporte trente-neuf (39) formations sanitaires publiques, trois (03) confessionnelles et deux (02) cabinets de soins privés (MS, 2017c). Le taux de fréquentation des formations sanitaires dans cette zone sanitaire est de 37,5% en 2016 (MS, 2017b). La zone sanitaire ABD fait partir des zones climato-sensibles (zones sensibles au climat) ayant l’incidence du paludisme les plus élevées.

Figure 1 : Situation administrative et altimétrique de la zone sanitaire Adjohoun-Bonou-Dangbo


8

1.1.2 Profil socio-écologique et justification du choix de la zone d’étude

L’agriculture, la pêche et la chasse constituent les principales activités et occupent 37,7% de la population, suivies du commerce (32,83%) et enfin les industries manufacturières (11,6%) (INSAE et ICF International, 2013). La zone sanitaire Adjohoun-Bonou-Dangbo (ABD) jouit d’un climat de type subéquatorial à quatre saisons caractérisées par l’alternance de deux saisons de pluies et deux saisons sèches. Les deux saisons de pluies s’étendent d’avril à mi-juillet (grande) et de mi-septembre à novembre. Quant aux saisons sèches, elles s’étendent de mi-juillet à mi-septembre (petite) et de décembre à mars (grande). Les températures varient de 25 à 30° avec une pluviométrie se situant entre l’isohypse 1200 mm et 1500 mm (Boko, 1988). La zone ABD est irriguée par le fleuve Ouémé. Le plateau est caractérisé par un sol de terre de barre, un mélange assez homogène d’argile kaolinique et de sable quartzeux. Le relief, peu accidenté, est fait d’un plateau avec de fortes pentes vers les dépressions marécageuses occasionnant une forte érosion sous forme de ravines et de vasques, lieux de rétention d’eau temporaire durant les saisons pluvieuses. La deuxième unité topographique est la vallée du fleuve Ouémé à Adjohoun, Bonou et Dangbo. Cette vallée de l’Ouémé est tapissée de sols argilo-limoneux portant des cultures maraîchères et des trous à poisson. L’aménagement des terres en périmètres maraîchers crée de véritables gîtes de An. gambiae s.l., principal vecteur du paludisme, fortement résistant aux pyréthrinoïdes (Padonou et al., 2011). Dans la zone sanitaire ABD, la nature argileuse des sols et la faible profondeur de la nappe phréatique permettent, en saisons pluvieuses, la rétention d’eau en surface. Cela a pour conséquence le développement de nombreuses flaques d’eau qui sont des gîtes favorables à la reproduction rapide de An. gambiae s.l. De plus, le régime climatique soudanien caractéristique de la région centrale du pays soumet le fleuve Ouémé et la lagune de Porto-Novo à un régime de crues et de décrues qui influence la dynamique de la population culicidienne et le profil épidémiologique du paludisme. Pendant la crue, la plupart des gîtes de An. gambiae s.l, sont inondés. A la décrue, le retrait des eaux crée de petites flaques d’eau çà et là, favorables au développement du vecteur. Ainsi, le profil climatique et les caractéristiques de son sol font de la zone ABD une zone appropriée pour cette étude de vulnérabilité de la santé de la population aux changements climatiques.

Le rapport sur la vulnérabilité et l’adaptation du secteur santé aux changements climatiques au Bénin (MS, 2017a) et les différentes discussions entre experts lors des réunions scientifiques organisées, dans le cadre du projet PAS-PNA ont permis d’identifier trois pathologies à savoir le paludisme, les infections respiratoires aigües (IRA) et la malnutrition. En raison du temps trop court (5-6 mois) pour cette analyse de vulnérabilité, il a été décidé, lors du 2ème Atelier Scientifique de Cadrage Méthodologique de se consacrer à une seule pathologie, le paludisme pour une analyse plus détaillée.

1.1.3 Description et justification du choix de l’horizon temporel de l’étude

L’horizon temporel choisi pour cette étude est 2050. Cet horizon a été retenu afin que les résultats de cette étude contribuent à la réalisation de la vision du gouvernement béninois de lutter contre les effets néfastes des changements climatiques d’ici 2030 d’une part et d’autre part pour tenir compte des projections du GIEC.


9

Selon la vision du gouvernement béninois, « le Bénin est, en 2030, un pays résilient aux changements climatiques avec une capacité adaptative suffisante et des mécanismes appropriés d’anticipation et de réaction face aux risques, une croissance à faible émission, un cadre de vie sain, et jouissant de la sécurité de l’eau, la sécurité sanitaire, énergétique, alimentaire et nutritionnelle, et dont les institutions, organisations, entreprises et citoyens adoptent des pratiques, attitudes et comportements éco-responsables » (MPD et PNUD, 2017). Cette vision est compatible avec l’agenda de développement 2030 notamment ODD 13 qui recommande aux pays à « prendre d’urgence des mesures pour lutter contre les changements climatiques et leurs répercussions ».

De plus, le dernier rapport du GIEC indique qu’il est probable que le réchauffement atteigne 1,5°C entre 2030 et 2052 s’il se poursuit à son rythme actuel et une augmentation de 1,4°C en moyenne sur la période [2046-2065].

1.2 Cadre conceptuel de l’étude de vulnérabilité

1.2.1 Définition du concept de la vulnérabilité et de ses composantes

La vulnérabilité est définie comme la propension ou prédisposition à subir des dommages (GIEC, 2014). Ainsi, la vulnérabilité est le « degré par lequel un système risque de subir ou d’être affecté négativement par les effets néfastes des changements climatiques, y compris la variabilité climatique et les phénomènes extrêmes ». La vulnérabilité dépend du caractère, de l’ampleur et du rythme des changements climatiques auxquels un système est exposé ainsi que sa sensibilité et sa capacité d’adaptation (Parry et al., 2007). La vulnérabilité d’un système dépend donc de l’exposition, de la sensibilité et de la capacité adaptative de ce système.

Dans le cadre de la présente étude, c’est la vulnérabilité de la santé des populations qui a été appréciée au regard de l’exposition, de la sensibilité et des capacités d’adaptation de cette dernière.

L’exposition se rapporte à la présence de personnes, de moyens de subsistance, d’espèces ou d’écosystèmes, de fonctions, ressources ou services environnementaux, d’éléments d’infrastructure ou de biens économiques, sociaux ou culturels dans un lieu ou dans un contexte susceptibles de subir des dommages (Parry et al., 2007). Selon GIZ et al. (2015), l’exposition est la seule composante qui soit directement liée aux paramètres climatiques parmi tous les éléments qui contribuent à la vulnérabilité. Les unités les plus exposées ayant fait l’objet de la présente étude sont : les populations (enfants âgés de moins de 5 ans, femmes enceintes et personnes âgées) et les infrastructures sanitaires (installations sanitaires, établissements de santé et les vecteurs des maladies). Les facteurs d’exposition étudiés sont essentiellement les précipitations, les températures et l’humidité relative.

La sensibilité quant est définie comme le degré auquel un système est affecté positivement ou négativement à des stimuli liés au climat (GIEC, 2014). Elle est typiquement façonnée par les caractéristiques de l’environnement naturel et/ou physique d’un système dont la topographie, la capacité de résistance des différents types de sol à l’érosion et le type de couverture du sol (GIZ et al., 2015). Les méthodes de culture, la gestion de l’eau, l’exploitation des ressources et la pression démographique sont des facteurs qui influencent sur la composition physique d’un système. Ainsi, dans le cadre de la présente étude, ce sont les facteurs démographiques (taille des ménages, densité de la population, âges et sexe des individus) qui rendent plus sensible notre zone d’étude aux changements climatiques.


10

La combinaison de l’exposition et de la sensibilité va déterminer l’impact potentiel du changement environnemental. Par exemple, des températures optimales (référence faite au preferendum thermique) associées à une longue période de pluies et une humidité relative optimale (exposition) conjuguées avec la présence d’une forte proportion d d’enfants de moins de 5 ans et de femmes enceintes au sein de la population (sensibilité) se traduiront par une forte incidence du paludisme au sein de la population (impact potentiel). Les effets du changement climatique peuvent former une chaine d’impacts plus ou moins directe.

L’adaptation est le « processus d’ajustement des systèmes naturels ou humains en réponse à des stimuli climatiques actuels et anticipés ou à leurs effets, afin d’atténuer les effets néfastes ou d’exploiter les opportunités bénéfiques. L’adaptation est un processus et non un résultat » (GIZ/WRI, 2011, p. 11). La capacité d’adaptation est donc « la capacité d’un système à s’adapter au changement climatique (y compris aux variations et aux extrêmes climatiques) afin d’atténuer des effets négatifs potentiels, d’exploiter les opportunités ou de faire face aux conséquences » (Parry et al., 2007). Le guide de référence sur la vulnérabilité élaborée par la GIZ (GIZ et al., 2015) définit la capacité d’adaptation comme un ensemble de facteurs qui déterminent la capacité d’un système à générer et à mettre en œuvre des mesures d’adaptation. Ces facteurs sont étroitement liés aux ressources disponibles inhérentes aux systèmes humains et à leurs caractéristiques et capacités socio-économiques, structurelles, institutionnelles et techniques. Dans le cadre de la présente étude, ces facteurs ont été classés en trois catégories : accès aux ressources pour se protéger, connaissance des mesures de prévention du paludisme et des antipaludéens et l’accès aux soins de santé.

Il découle de ces concepts qu’un système est d’autant plus vulnérable qu’en son sein plusieurs unités sont susceptibles d’être affectées négativement et à un degré élevé, tandis que les moyens disponibles pour atténuer les effets néfastes sont faibles. La Figure 2 présente le schéma conceptuel de la notion de vulnérabilité adopté pour cette étude.


11

Figure 2 : Les composantes de la vulnérabilité (GIZ et al., 2015).

1.2.2 Description de la chaîne d’impacts

Dans le cadre de la présente étude, la chaîne d’impact élaborée (Figure 3) décrit la vulnérabilité du système de santé du Bénin et les relations de causes à effets des déterminants climatiques sur l’incidence et la létalité causée par le paludisme.

L’augmentation de la température, le changement de régime des précipitations ou l’augmentation de l’humidité relative pourrait entrainer la modification de l’écologie des vecteurs. Cet aléa peut avoir pour conséquence l’augmentation de la prévalence des maladies vectorielles parmi lesquelles figure le paludisme. Il a été établi que l’augmentation de la température, le changement de régime de précipitation ou l’augmentation de l’humidité relative influencent l’activité du vecteur du paludisme (Lindsay et Birley, 1996; Githeko et Ndegwa, 2001; Diouf et al., 2013; Diouf et al., 2017). Cette influence se caractérise par la propagation des anophèles, l’allongement de leur durée de vie, la diminution du temps du développement larvaire (maturité plus rapide des larves), la dynamique des vecteurs et l’accroissement de leur activité trophique - accroissement de la fréquence des repas sanguins des femelles. Cette prolifération et forte activité trophique des anophèles entrainent une forte transmission du Plasmodium falciparum, parasite du paludisme. La conséquence directe de ceci est le changement de l’incidence et de la létalité due au paludisme.

Variabilité et changements climatiques actuels et futures

Environnement naturel/physique

Société

Sensibilité Exposition

Impact potentiel Capacité d’adaptation

Vulnérabilité


12

Inondation Inondation soudaine

Sécheresse / Saison sèche prolongée

Température extrême

Seco

nds

aléa

s

Augmentation des concentrations de Gaz à Effet de Serre (GES) dans l’atmosphère

Changements de précipitations Augmentation de la température Humidité relative

Baisse de l’humidité relative

Changements de régime de précipitation

Accroissement de la température, vagues de chaleur

Augmentation de l’évaporation / ETP

Sécheresse passagère

Dét

erm

inan

ts

clim

atiq

ues

Prem

iers

al

éas

Migration / Promiscuité

Pollution environne-mentale / Couverture par

des plans d‘eau/marais

Feux de végétation

Changement de bio-écologie des vecteurs

Enfants mois de 5 ans Femmes enceintes

Qualité et quantité d’eau

Etablissements de santé / services médicaux

Propagation des anophèles / Augmentation

de fréquence de repas Disparition et dégradation

des établissements de santé

Discontinuité dans l‘offre des services de santé

Propagation du Plasmodium falciparum

Changement d’incidence et de létalité causée par le

paludisme

Chimioprophylaxie préventive

Accès aux établissements de santé/ services médicaux

Méthode de lutte anti vectorielle (moustiquaire imprégnée etc.)

Connaissance de la prévention et des traitements antipaludiques

Risq

ues

Expo

sitio

n Al

éa

sect

orie

l

Capa

cité

ad

apta

tive

Figure 3 : Chaîne d’impact de la variabilité et des changements des précipitations, de la température et de l’humidité relative sur le paludisme au Bénin


13

1.3 Approche méthodologique de l’étude de vulnérabilité

Il s’agit d’une étude rétrospective et transversale réalisée d’avril à Septembre 2018 à l’échelle locale s’ouvrant sur les impacts potentiels dans les prochaines décennies. Une revue de littérature a été réalisée. Il en ressort que de nombreuses études ont porté sur l’évaluation des impacts des changements climatiques sur le système de la santé notamment dans les pays à faible revenu. En s’inspirant d’une part de ces différentes études, et d’autre part du guide de référence sur les chaines d’impacts dérivé du quatrième rapport d’évaluation du GIEC (AR4) dans lequel la vulnérabilité a été conceptualisée comme étant fonction de l’exposition, de la sensitivité et de la capac ité d’adaptation, nous avons collecté les données portant les facteurs d’exposition, de sensibilité et de capacité adaptative.

1.3.1 Démarche adoptée

Cette étude de vulnérabilité a suivi les directives élaborées par l’Organisation Mondiale de la Santé dans le document intitulé « Protéger la santé face au changement climatique : évaluation de la vulnérabilité et de l’adaptation » (OMS, 2015). Ainsi, à travers de multiples ateliers et réunions scientifiques organisés par Climate Analytics et le Ministère du Cadre de vie et du Développement Durable, les différentes étapes résumées par OMS dans la Figure 4 ci-dessous ont été respectées. Parmi lesquelles, on peut citer la définition de la zone d’étude et le choix de la pathologie à étudier.

Figure 4 : Evaluation de la vulnérabilité et de l’adaptation (OMS, 2015).


14

1.3.2 Collecte des données

La présente étude est méthodologiquement fondée sur l’analyse des données obtenues auprès de différentes structures d’une part, et celles collectées sur le terrain d’autre part. Notons que la première étape de notre démarche consiste à disposer des informations secondaires. A cet effet, la l’Agence Nationale de la Météorologie du Bénin (Météo Bénin), de CENATEL, Climate Analytics, le Système National d’Information et de Gestion des données Sanitaires (SNIGS) du Ministère de la Santé et l’Institut National de la Statistique et de l’Analyse Economique (INSAE) sont les principales sources. La deuxième étape consiste à collecter des informations complémentaires dans la zone sanitaire Adjohoun-Bonou-Dangbo (ABD). Le Tableau 1 ci-dessous présente les indicateurs d’exposition, de sensibilité et de capacité d’adaptation utilisés dans la présente étude.


15

Tableau 1 : Indicateurs utilisés dans le calcul de l’indice de vulnérabilité

Facteurs de vulnérabilité

Déterminants de la santé

Indicateurs Unités de mesures Sources de données

Exposition Climatiques ▪ Changement dans la température ▪ Changement dans les précipitations ▪ Changement dans l’humidité relative

▪ Changement dans le temps, °C ▪ Changement dans le temps, mm ▪ Changement dans le temps, %

▪ Météo Bénin ▪ Climate Analytics

Sensibilité

Géographique ▪ Distance par rapport à la formation

sanitaire la plus proche

▪ Proportion de population ayant déclaré que la distance par rapport à la formation sanitaire la plus proche n’est pas un gros problème

▪ Quatrième Enquête Démographique et de Santé du Bénin (EDSB-IV)

Morbidité ▪ Cas du paludisme

▪ Nombre de cas du paludisme chez les enfants de moins de 5 ans

▪ Nombre de cas du paludisme dans l’ensemble de la population

▪ Incidence du paludisme ▪ Létalité du paludisme

▪ SNIGS et collectes complémentaires

Capacité adaptative

Economiques ▪ Niveau de richesse ▪ Milieu de vie ▪ Secteur d’activités

▪ Indice de richesse ▪ Proportion de ménages vivant dans un milieu

insalubre ▪ Proportion de Chef de ménages travaillent dans

l’agriculture

▪ EDSB-IV

Sanitaires ▪ Infrastructures sanitaires ▪ Nombre de formation sanitaire ▪ SNIGS

Sociaux ▪ Niveau d’éducation ▪ Utilisation de moustiquaires

▪ Homme sans niveau d’instruction (%) ▪ Femme sans niveau d’instruction (%) ▪ Proportion de ménages possédant de moustiquaire ▪ Proportion d’individus utilisant de moustiquaire

▪ EDSB


16

1.3.2.1 Justificatif du choix du scenario 4.5

1.3.2.1.1 Les scenarios RCP

Il existe plusieurs scenarios dénommés Profils Représentatifs d‘Evolution des Concentration en gaz à effet de serre (RCP ou PREC). Pour ce rapport, nous utiliseront la dénomination anglaise de RCP. Chaque RCP représente une trajectoire de concentration (non d'émission) de gaz à effet de serre (dioxyde de carbone ou CO2, méthane ou CH4, protoxyde d’azote ou N2O, etc.), d’aérosol et de gaz chimiquement actifs dans l’atmosphère, sur la période 2006-2100, avec une extrapolation jusqu’à 2300. Quatre RCPs (2.6, 4.5, 6.0 et 8.5) ont été sélectionnées pour la modélisation et la recherche climatique. Elles décrivent différents scénarios climatiques qui sont tous considérés comme possibles en fonction de la quantité de gaz à effet de serre qui sera émise dans les années à venir . Les quatre RCPs sont étiquetées d'après une plage possible de valeurs de forçage radiatif en 2100 (2 .6, 4.5, 6.0 et 8.5 W / m2, respectivement) et qui peut se traduire en une valeur de chaleur additionnelle stockée dans le système Terre en 2100. Les RCPs permettent également de calculer le changement global de température auquel nous pouvons nous attendre. Les projections des RCPs -2.6, 4.5, 6.0 et 8.5- estiment un réchauffement global de 1,61°C; 2,41°C ; 2.83°C et de 4,31°C respectivement, à l'horizon 2100 (Figure 5).

Figure 5: Changement projeté de la température globale de surface selon différents scénarios d’émission (Source : Figure SPM.7(a). IPCC Working Group I Assessment Report, Summary for Policy Makers, 2013)

Pour l’horizon 2050, les RCP 2.6, 4.5, 6.0 et 8.5 projettent un réchauffement de 1,6 °C ; 2,0°C ; 1,9°C et 2,6°C respectivement (Tableau 2) Tableau 2: Changement projeté de la température globale de surface selon différents scénarios d’émission, à l’horizon

2050 (2046-2065) et 2100 (2081-2100).

2046-2065 2081-2100 Scenario Mean Likely range Mean Likely range

Global Mean Surface Temperature Change

(°C)

RCP2.6 1,0 0,4 to 1,6 1,0 0,3 to 1,7 RCP4.5 1,4 0,9 to 2,0 1,8 1,1 to 2,6 RCP6.0 1,3 0,8 to 1,8 2,2 1,4 to 3,1 RCP8.5 2,0 1,4 to 2,6 3,7 2,6 to 4,8


17

Les températures sont relatives à la moyenne de la période 1986-2005. Pour arriver aux températures relatives à la période pré-industrielle, il faut ajouter 0,6°C. Le changement de température au milieu du siècle sous le scenario RCP4.5, et relative à la période pré-industrielle, est donc ~2,0°C, sous le scenario RCP6.0, il est d’environ 1,9°C. (Source AR5 SPM Table SPM.2)

1.3.2.1.2 Quel changement de température pourrait-on attendre pour 2050 ?

Climate Action Tracker (CAT) est une analyse scientifique indépendante réalisée par trois organisations de recherche qui suivent les progrès accomplis quant au maintien du réchauffement climatique bien en dessous de 2,0°C et à poursuivre les efforts visant à le limiter à 1,5°C, selon l’Accord de Paris. Le CAT regroupe ensuite l'action des pays au niveau mondial, en déterminant l'augmentation probable de la température d'ici la fin du siècle (https://climateactiontracker.org/about/). L'ensemble des engagements d'atténuation soumis à la CCNUCC par les pays du monde, présentement amènera à un réchauffement global de 3,3°C à l’horizon 2100 (https://climateactiontracker.org/global/cat-thermometer/).

1.3.2.1.3 Quels modèles et scenarios à utiliser pour des études à l’horizon 2050 ?

Le RCP 6.0, qui projette un réchauffement de 2,83°C vers 2100 (Figure 5 et Tableau 2) semble pour l’instant être le scenario le plus proche des engagements gouvernementaux qui amène à un réchauffement de 3,3°C. Néanmoins, pour l'horizon 2050, les scenarios RCP 4.5 et 6.0 montrent une trajectoire et un réchauffement climatique très similaires (d’environ 2 ,0°C vers 2050). A cet horizon, des simulations avec des modèles forcés par le RCP 4.5 et RCP 6 produiront donc les mêmes valeurs pour les différentes variables climatiques. L’initiative CORDEX qui fait des simulations climatiques à l'échelle régionale pour l'Afrique et qui est la source des données/variables climatiques pour les études de vulnérabilité, a utilisé principalement le scenario RCP 4.5. Étant donné qu’il existe donc un grand nombre de simulations de modèles climatiques régionaux disponibles pour le RCP 4.5 (et non pour le RCP 6.0), la projection de variables climatiques pour les études de vulnérabilit é a été faite en utilisant les modèles et simulations disponibles sous le RCP4.5. Toutes les projections ont également été corrigées de biais par Climate Analytics.

1.3.2.2 Mesure des indicateurs de sensibilité

Les indicateurs de sensibilité ont porté sur les incidences du paludisme, la létalité liée au paludisme (volet épidémiologique) et la transmission du paludisme par le vecteur (volet entomologique).

Volet épidémiologique

Les données épidémiologiques sont recueillies rétrospectivement et couvrent la période de 1997 à juin 2018. Elles ont porté sur les consultations et les décès liés au paludisme en général, au paludisme simple et au paludisme grave de toutes les tranches d’âges et chez les enfants de moins de 5 ans . La collecte de ces données a impliqué toutes les formations sanitaires des arrondissements des trois communes de la zone sanitaire Adjohoun-Bonou-Dangbo (ABD) et s’est déroulée en deux phases.

▪ La première phase a été consacrée à la revue documentaire, la récupération des annuaires statistiques disponibles au tant niveau national et au niveau zonal, l’exploitation des bases de données du SNIGS. Cette phase a duré de janvier à juin 2018.

https://climateactiontracker.org/about/


18

▪ La seconde phase s’est déroulée dans la zone sanitaire ABD et à la Direction Départementale de la Santé (DDS) de l’Ouémé, et s’est déroulée entre juin à juillet 2018. Cette phase a permis de collecter et de valider sur place les données complémentaires sur le paludisme dans chacune des trois communes en 2018. Une matrice de collecte de données par commune, par formation sanitaire, par zone, par mois, par sexe et par année et par indicateur a été conçue pour la collecte de données. La collecte de données a été réalisée par une équipe mixte médecins épidémiologistes avec des compétences complémentaires parasitologues.

L’ensemble des données épidémiologiques collectées ont permis de calculer l’incidence et la létalité du paludisme pour l’ensemble de la population et chez les moins de 5 ans de la zone ABD.

Il faut noter qu’il y a de contraintes et limites aux données collectées et par conséquent aux résultats obtenus. Ces limites peuvent être résumées comme suit :

- avec l’avènement du DHIS2, toutes les données de la base classique du SNIGS ne sont pas encore sur la plateforme DHIS2 ;

- les incidences mensuelles, voire annuelles, calculées par l’équipe peuvent ne pas être exactement celles notifiées dans les annuaires statistiques. Les annuaires statistiques ne font pas mention des incidences mensuelles ;

- les données collectées et exploitées ne sont pas forcément exhaustives, car les données communautaires ne sont pas majoritairement prises en compte dans les différentes bases ;

- les données enregistrées dans les formations sanitaires et par le SNIGS ne sont pas non plus exhaustives, car ce n’est pas évident que la notification au sein des formations sanitaires soit complète ; toutefois, en se référant aux années 2000, la notification des cas dans les formations sanitaires s’améliore de plus en plus ;

- des erreurs d’enregistrement et de notification, voire d’importation de bases de données peuvent être observées.

Volet entomologique

Les données entomologiques sont constituées des données secondaires issues des bases de données existantes (CREC, IRD, PNLP, IRSP, IITA, FSS) et des données primaires provenant d’une collecte complémentaire concernant les paramètres suivants : la typologie des vecteurs, leur abondance et la transmission du paludisme.

La collecte complémentaire a été réalisée une fois par mois pendant deux (02) mois dans chacune des trois communes de la zone sanitaire ABD. Ainsi, pour évaluer la densité et la typologie des vecteurs, des captures de moustiques sur volontaire humain et par récolte de la faune résiduelle matinale ont été effectuées dans chacune des trois communes. Après chaque collecte, les moustiques récoltés ont été comptés et regroupés par espèce en utilisant des clés taxonomiques de Gillies et De Meillon (1968) et de Gilles et Coetzee (1987). Les anophèles vecteurs identifiés ont été analysés par le test immunologique ELISA CSP pour déterminer la présence de sporozoïtes de Plasmodium falciparum dans leur tête thorax afin d’évaluer le niveau de transmission du paludisme dans la zone pendant la période de collecte. L’indicateur recherché est la relation entre les paramètres climatiques et la typologie des vecteurs, leur abondance et leur capacité à transmettre le paludisme.


19

1.3.2.3 Mesure des indicateurs de vulnérabilité

Les données socio-économiques proviennent des bases de données existantes de l’INSAE (EDSB III et EDSB IV) et d’une collecte complémentaire. Pour la collecte complémentaire, un focus group a été organisé dans chacune des trois communes selon l’approche participative (21 participants par commune, catégories socioprofessionnelles, élus locaux, responsables des structures sanitaires, etc .) a été effectuée pour évaluer les perceptions populaires de la maladie et ses rapports avec le climat. A cet effet, une fiche d’extraction a été élaborée permettant de recueillir toutes les informations rentrant dans le cadre de l’évaluation des impacts du changement climatique sur la santé humaine. Les aspects abordés au cours de ces journées communales sont :

- identification des principaux risques climatiques du milieu ; - services sanitaires disponibles ; - activités économiques majeures ; - risques climatiques et maladies/stratégies d’adaptation ; - groupes sociaux les plus vulnérables aux risques climatiques - indicateurs de développement humain ; - niveau de pauvreté ; - taux d’utilisation des moyens de lutte contre les vecteurs du paludisme.

1.3.3 Analyses et traitement des données

Les données climatologiques (température, humidité relative et pluie), le taux d’Inoculation Entomologique (TIE) et l’incidence du paludisme pour toute tranche d’âge et pour les enfants de moins de cinq (05) ans disponibles sur la période de référence 1993 - 2018 ont été vérifiées, traitées et ramenées aux résolutions temporelles (données mensuelles et annuelles). Avant de les soumettre aux analyses statistiques et économétriques, des études de stationnarité à partir du test de Dickey-Fuller Augmenté (ADF), de Phillips-Perron (PP) et de Kwiatkowski-Phillips-Schmidt-Shin (KPSS) ont été effectuées sur les données afin de s’assurer de la stabilité de la structure des données.

Plusieurs méthodes statistiques et économétriques ont été utilisées pour évaluer l’impact des changements climatiques sur la santé humaine. En premier lieu, une analyse descriptive des séries est faite tout en déterminant la nature des liaisons qui existent entre, d’une part, les séries de TIE et les séries climatologiques et d’autre part, entre les séries d’incidences et les séries climatologiques.

Ensuite, le modèle VAR a été utilisé pour détecter comment le passé d’un ensemble de variables agit sur le présent de ces mêmes variables et comment des chocs sur une variable se transmettent au reste du système. Après les tests de significativité des coefficients, du modèle, les tests sur résidus (normalité, hétéroscédasticité, …), une analyse des fonctions de réponses impulsionnelles et la décomposition de la variance s’avèrent nécessaires.

L’estimation du modèle est faite par les Moindres Carrés Ordinaires. Sa validation a été basée sur l’analyse des résidus pour chacune des équations (tests sur les fonctions d’autocorrélation, d’autocorrélation partielle) et VAR stable. Les prévisions pour le climat futur ont été faites pour l’évolution des nouveaux cas de paludisme (incidence) pour toute tranche d’âge et pour les moins de cinq (05) ans. Les différentes variations étaient exprimées en milliers (période 2000-2017) et présentées pour les périodes futures 2018 – 2050.


20

2 Résultats 2.1 Évaluation de la vulnérabilité actuelle

2.1.1 Répartition spatiale de la température et de la moyenne pluviométrique de 1951 - 2017

Les températures extrêmes mensuelles varient entre 29,17°C et 29,84°C dans la zone sanitaire. Les mois de février à avril sont les plus chauds et les mois de juillet, août, septembre sont les mois les moins chauds. Les moyennes des températures maximales observées entre 1951 et 2017 sont toujours supérieures à 25°C (Figure 6). Cette augmentation des valeurs de température observée dans les différentes communes a des impacts directs sur les moustiques et le parasite du paludisme. Elle contribue au raccourcissement du cycle de développement des larves de moustique, au raccourcissement du cycle du parasite du paludisme chez le moustique et à l’augmentation de la fréquence de piqûre des moustiques vecteurs.

Par ailleurs, les volumes de pluie annuelles entre 1951 et 2017 ont varié entre 1155mm et 1256mm. De telles précipitations sont très favorables à la prolifération des moustiques. Les pluies représentent en effet le principal facteur de submersion des gîtes à moustiques. On note une diminution des précipitations du sud vers le nord et de l’est vers l’ouest de la zone sanitaire ABD (Figure 7).

2.1.2 Répartition spatiale de l’humidité relative de 1951- 2017

L’humidité relative extrême annuelle de 1951 à 2017 a varié entre 90,08 et 93,05% dans la zone ABD (Figure 8). Les valeurs élevées de l’humidité pourraient favoriser l’allongement de la durée de vie des moustiques vecteurs et par conséquent entrainer une forte activité de ces moustiques.

Figure 7: Distribution spatiale de la pluviométrie dans la zone ABD de 1951 à

2017

Figure 6: Répartition spatiale de la température dans la zone sanitaire ABD de 1951 à 2017


21

Figure 8 : Répartition spatiale de l’humidité relative dans la zone ABD de 1951 à 2017

2.1.3 Perceptions des populations par rapports aux tendances climatiques

Trois focus groups ont été organisés dans les trois communes pour mieux cerner la perception des populations par rapport aux tendances climatiques. Selon les informations recueillies, les populations des trois communes sont unanimes sur le fait qu’il y a une perturbation des saisons. Cette perturbation est beaucoup plus ressentie après la grande période d’inondation de 2010. Par exemple, la grande saison pluvieuse débuterait vers la mi-mars pour se terminer à la fin du mois de juin, alors qu’actuellement, les pluies apparaissent plus tôt en février et prennent fin en mi-mai. Ainsi, les périodes de semences ne sont plus maîtrisées et lorsqu’apparaissent les premières pluies, les agriculteurs se retrouvent dans un dilemme.

A Bonou, la population a indiqué que, selon les informations reçues de leurs aînés, les perturbations de saison ont été également observées au cours des années 1976 et 1990, mais pas avec les mêmes intensités, ni sur une aussi longue période. Selon la population, la sécheresse de très longue durée et la pluie tardive sont des événements climatiques qui surviennent dans la région avec une forte intensité tandis que l’inondation et les vents violents se produisent avec une moyenne intensité. Il est important de préciser que la population comprend et distingue l’inondation de la crue. Selon eux, la crue est bienfaisante et donc souhaitée. La population est unanime de ce que les changements observés depuis 2010 vont s’aggraver les prochaines années.

2.1.4 Impacts des aléas et tendances climatiques passés sur le secteur de la Santé : aspect biophysique

2.1.4.1 Relation entre incidences du paludisme et les paramètres climatiques avec les valeurs observées de 2000 à 2017

Les Figure 9 à Figure 17 montrent l’évolution des incidences du paludisme dans la population générale et chez les enfants âgés de moins de 5 ans couvrant la période de 2000 à 2017 dans la zone sanitaire ABD (communes d’Adjohoun, de Bonou et de Dangbo).


22

▪ Incidence du paludisme toutes tranches d’âges

Dans la zone sanitaire ABD, l’incidence du paludisme a évolué en dents de scie et de façon baissière et stable à partir de 2013 (Figure 9). Les précipitions ont évolué également en dents de scie et parfois de façon ascendante. L’analyse statistique montre que l’évolution de l’incidence du paludisme n’est pas corrélée avec la pluviométrie, la température et l’humidité (Rp in. à 0,5 et p sup. à 0,05) au niveau de la zone sanitaire (Figure 9).

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

250

200

150

100

50

0

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Incide

nce;

Humid

ité; T

empé

rature

Précip

itatio

ns

Incidence paludisme tout âge (/1000)Humidité (%)Précipitations (mm/an)Température moyenne (°C)

Figure 9 : Evolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2017 dans la zone sanitaire ABD et sa relation avec l’humidité, les précipitations et la température

Quand on analyse les résultats par commune, on a noté que l’incidence du paludisme en général dans la commune d’Adjohoun a évolué en dents de scie sur toute la période observée avec deux pics maxima en 2003 et en 2007 (Figure 10). On note également que les précipitions ont évolué en dents de scie pratiquement avec la même tendance que l’incidence jusqu’en 2014. La plus grande précipitation observée était en 2016. Les tests statistiques ont montré que la corrélation entre l’évolution de l’incidence du paludisme pour toutes les tranches d’âges et les paramètres climatiques est très faible : humidité (Rp=0,179 et p sup. à 0,10), précipitations (Rp=0,097 et p sup. à 0,10) et température moyenne (Rp=0,132 et p sup. à 0,10). Une telle observation pourrait aussi s’expliquer en partie par l’effectivité des mesures antipaludiques en place dans les communautés - la pulvérisation intradomiciliaire et les moustiquaires imprégnées d’insecticide (Figure 10).


23

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

180

160

140

120

100

80

60

40

20

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Incide

nce;

Humi

dité;

Temp

ératur

e

Préci

pitati

ons

Incidence paludisme toutes tranches d'âge (/1000)Humidité (%)Précipitations (mm/an)Température moyenne (°C)

Figure 10 : Evolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2017 dans la commune d’Adjohoun et sa relation avec l’humidité, les précipitations et la température

Quant à l’incidence du paludisme en général à Bonou, la tendance a été globalement baissière sur toute la période observée. On note également que les précipitions ont évolué en dents de scie avec deux pics en 2010 et en 2013 (Figure 11). Les tests statistiques ont montré une bonne corrélation positive entre l’incidence du paludisme en général et l’humidité (RP=-0,5, p=0,05 inf. à 0,10). Aussi, l'équation de régression (Incidence paludisme tout âge = - 1587 + 19,9 Humidité) permet de déduire que chaque augmentation d’une unité de l’humidité augmente de 19,9 l’incidence du paludisme dans la population générale (Figure 11).

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

400

350

300

250

200

150

100

50

0

2000

1750

1500

1250

1000

800

Années

Incide

nce;

Humid

ité; T

empé

rature

Précip

itatio

ns


Figure 11 : Evolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2017 dans la commune de Bonou et sa relation avec l’humidité, les précipitations et la température

Les résultats obtenus dans la commune de Dangbo ont révélé que l’incidence du paludisme a chuté drastiquement de 2008-2009 et stable à partir de 2011 alors que les précipitations ont évolué en dents de scie avec la plus grande précipitation en 2010 (Figure 12). La chute de l’incidence observée pendant cette période pourrait s’expliquer par la mise en place des interventions spécifiques comme la pulvérisation intradomiciliaire et les moustiquaires imprégnées d’insecticide dans la zone de 2008 à 2010. L’analyse de ces résultats a montré que l’évolution de l’incidence du paludisme est faiblement corrélée avec les paramètres climatiques.


24

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

200

150

100

50

1800

1600

1400

1200

1000

800

600

Années

Incid

ence

; Hum

idité

; Tem

péra

ture

Préc

ipita

tions

Incidence paludisme tout âge (/1000)Humidité (%)Précipitations (mm/an)Température moyenne (°C)

Figure 12 : Evolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2017 dans la commune de

Dangbo et sa relation avec l’humidité, les précipitations et la température

▪ Incidence du paludisme chez les enfants de moins de 5 ans

Les résultats de la Figure 13 ont montré que dans la zone sanitaire ABD, l’incidence du paludisme chez les moins de cinq (05) ans a évolué en dents de scie et est relativement stable à partir de 2013. Les précipitions ont évolué également en dents de scie et de façon ascendante. L’analyse statistique de cette figure nous montre que l’évolution de l’incidence du paludisme chez les moins de cinq (05) ans n’est pas corrélée avec les paramètres climatiques au niveau de la zone sanitaire (Rp in. à 0,5 et p sup. à 0,05).

Dans la commune de Adjohoun, l’incidence du paludisme chez les enfants de moins de 5 ans a évolué en dents de scie de 2001 jusqu’en 2014 avec deux principaux pics en 2007 et 2010. L’incidence et les précipitations ont évolué de la même manière jusqu’en 2013 (Figure 14). La plus grande précipitation observée était en 2016. L’analyse a montré que la corrélation entre l’évolution de l ’incidence du paludisme des moins de cinq ans et les paramètres climatiques est très faible : humidité (Rp=0,036 et p sup. à 0,10), précipitations (Rp=0,239 et p sup. à 0,10) et température moyenne (Rp=0,136 et p sup. à 0,10).

A Bonou, l’incidence du paludisme chez les moins de cinq (05) ans a aussi évolué en dents de scie et de façon baissière sur toute la période observée (Figure 15). Les précipitions ont la même tendance qu’à Adjohoun. Les tests statistiques ont révélé une faible corrélation entre l’incidence du paludisme et la température (Rp=0,438, p=0,035) ; l’évolution de l’incidence du paludisme est en fonction de la température (p=0,027). L'équation de régression est : Incidence paludisme moins de 5ans = - 844 + 46,5 Température moyenne. Nous déduisons de cette équation qu’à chaque augmentation d’une unité de la température moyenne, il y a une augmentation de 46 cas de paludisme dans la population, pour ce qui concerne les enfants de moins de cinq ans (Figure 15).

Quant à la commune de Dangbo, l’incidence du paludisme chez les moins de 5 ans a évolué en dents de scie sur toute la période observée avec deux pics maxima en 2007 et en 2011 avec une chute drastique en 2012. On a noté également que les précipitions ont évolué en dents de scie pratiquement avec la même tendance que l’incidence jusqu’en 2013 (Figure 16). La plus grande précipitation


25

observée était en 2010 et la plus basse en 2003. L’analyse statistique nous a montré que l’évolution de l’incidence du paludisme moins de cinq (05) ans n’est pas corrélée avec les paramètres climatiques (Rp in. à 0,5 et p sup. à 0,05) (Figure 16). Il faut signaler que d’autres paramètres peuvent aussi entrer en jeu dans l’analyse de ces résultats que l’étude semble ne pas prendre en compte (l’impact des mesures de lutte contre le paludisme).

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

400

300

200

100

50

0

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Incide

nce;

Humi

dité;

Temp

érat

ure

Préc

ipita

tions

Incidence paludisme moins 5ans (/1000)Humidité (%)Précipitations (mm/an)Température moyenne (°C)

Figure 13 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2017 dans la zone sanitaire ABD et sa relation avec l’humidité, les précipitations et la température

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

400

300

200

100

5020

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Incide

nce;

Humi

dité;

Temp

érat

ure

Préc

ipita

tions

Incidence paludisme moins cinq ans (/1000)Humidité (%)Précipitations (mm/an)Température moyenne (°C)

Figure 14 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2017 dans la

commune d’Adjohoun et sa relation avec l’humidité, les précipitations et la température


26

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

800

700

600

500

400

300

200

100

0

2000

1750

1500

1250

1000

800

Années

Incide

nce;

Humi

dité;

Temp

érat

ure

Préc

ipita

tions


Figure 15 : Evolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2017 dans la commune de Bonou et sa relation avec l’humidité, les précipitations et la température

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

400

300

200

100

0

1800

1600

1400

1200

1000

800

600

Années

Incide

nce; H

umidit

é; Tem

pératu

re

Précip

itation

s

Incidence paludisme moins 5ans (/1000)Humidité (%)Précipitations (mm/an)Température moyenne (°C)

Figure 16 : Evolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2017 dans la commune de Dangbo et sa relation avec l’humidité, les précipitations et la température

NB. Il est important de signaler que la présence de l’eau dans la zone sanitaire ABD n’est pas nécessairement liée aux précipitations recueillies sur les postes pluviométriques. En effet , cette zone est à l’exutoire du bassin versant de l’Ouémé qui reçoit les eaux de la zone soudanienne du Bénin (Donga et Borgou). Il est évident qu’il ne peut y avoir de corrélation graphique avec une similarité des courbes. Il faut peut-être prendre en compte les débits à l’exutoire de Bonou ou à Domè à l’entrée dans la basse vallée.

2.1.4.2 Relation entre la transmission du paludisme par le moustique vecteur et les paramètres climatiques

▪ Répartition spatiale du vecteur majeur du paludisme dans la zone ABD de 1954 à 2018

De 1954 à 2018, Anopheles gambiae s.l. et Anopheles funestus sont les moustiques vecteurs du paludisme retrouvés dans la zone sanitaire ABD, avec une prédominance de An. gambiae s.l. La Figure 17 représente la distribution spatiale de ces vecteurs dans les différentes localités où des études ont été menées de 1954 à 2018 dans la zone sanitaire.


27

Figure 17 : Répartition spatiale des vecteurs du paludisme de 1954 à 2018 dans la zone ABD

▪ Tendance d’évolution de la transmission du paludisme par le moustique vecteur dans la zone

sanitaire ABD

La Figure 18 ci-après montre les variations des taux de piqûres infectantes du vecteur de paludisme (transmission - nombre moyen de piqûres de moustiques infectantes qu’un homme reçoit par nuit, par jour ou par an) que reçoit un homme par an dans la zone sanitaire ABD. On note une hausse de la transmission du paludisme entre 1995 et 2008 d’une part et de 2011 à 2018 d’autre part dans la zone ABD et dans les communes de Adjohoun et de Dangbo. De 2009 à 2010, une baisse de cette transmission a été observée dans la zone suite à des interventions spécifiques dans les communes d’Adjohoun et de Dangbo. En effet, dans ces deux communes, quatre campagnes de pulvérisation intradomiciliaire d’insecticide ont été effectuées dans les maisons de 2008 à 2010. Aussi, des campagnes de distribution des moustiquaires ont été organisées à l’endroit des populations de ces localités. Par ailleurs, les résultats de l’analyse de régression ont montré que l’évolution de la transmission1 du paludisme par le moustique vecteur dans la zone ABD est corrélée positivement avec l’humidité (rP=-0,425, p=0,039) et la pluie (rP=0,691, p=0,001) puis négativement avec la température (rP=-0,693, p=0,001). Il ressort de cette analyse que la transmission du paludisme est fonction de l’humidité, de la température et de la pluie. Il faut noter que la transmission du paludisme est différente de l’incidence du paludisme1. La transmission du paludisme est fonction de la présence du parasite chez le moustique et de la densité de ces moustiques vecteurs. Donc, plus la température est élevée, plus il y aura un développement rapide des larves de moustiques, c’est-à-dire une réduction de leur cycle de développement. Cette élévation de la température pourrait aussi entrainer un

1 Incidence du paludisme : Nombre de nouveaux cas de paludisme pendant une période donnée / population exposée au risque de la maladie pendant cette même période


28

accroissement de la fréquence des repas sanguins des femelles, donc une intensité de la transmission. La forte pluviométrie augmentera aussi le nombre de gîtes et par conséquent le nombre de moustiques. Ainsi, il y aura donc une forte agressivité de ces moustiques, ce qui traduit une forte probabilité de transmettre la maladie dans la zone sanitaire ABD.

2018201120102009200819951993

200

150

100

50

110

1700

1600

1500

1400

1300

1200

1100

Années

TIE;

Hum

idité

; Tem

péra

ture

Préc

ipita

tions

Taux d’Inoculation Entomologique (piqûres infectantes par homme/an)Humidité (%)Précipitations (mm/an)Température moyenne (°C)

2018201120102009200819951993

180

160

140

120

100

80

60

40

20

0

1600

1500

1400

1300

1200

1100

1000

Années

TIE;

Hum

idit

é; T

empé

ratu

re

Préc

ipit

atio

ns


2018201120102009200819951993

120

100

80

60

40

2011

0

1840

1760

1680

1600

1520

1440

1360

1280

1200

Années

TIE;

Hum

idité

; Tem

péra

ture

Préc

ipita

tions


2018201120102009200819951993

500

400

300

200

100

110

1800

1700

1600

1500

1400

1300

1200

1100

Années

TIE;

Hum

idité

; Tem

péra

ture

Préc

ipita

tions


Figure 18 : Évolution de la transmission du paludisme dans la zone ABD et dans les différentes communes.

Les Figure 19 et Figure 20 présentent respectivement la distribution de la densité du vecteur du paludisme et la répartition spatiale de sa transmission par le vecteur de 1993 à 2018. On note que les habitants des communes de Adjohoun et de Bonou sont plus exposés aux piqûres d’anophèles (entre 16,66 et 18,7 piqûres d’anophèles/homme/nuit) pendant la période de collecte comparativement à la commune de Dangbo. Aussi, la transmission du paludisme est plus élevée dans la commune de Bonou que dans les autres communes de la zone sanitaire. Ce niveau de transmission élevé observé dans la commune de Bonou pourrait se justifier par le fait que cette commune n’a bénéficié d’aucune intervention spécifique (pulvérisation intradomiciliaire, moustiquaire imprég née d’insecticide) comme les autres communes de la zone sanitaire de 2008 à 2010 et aussi du fait de la présence de multiples cours d’eau. Ainsi, l’agressivité des vecteurs et leur taux d’infection sont restés élevés dans la commune.

Zone ABD Adjohoun

Bonou Dangbo


29

2.1.5 Capacité d’adaptation

La capacité d’adaptation de la population étudiée a été appréciée d’une part à partir des données socioéconomiques issues de la quatrième Enquête Démographique et de Santé (EDSB-IV) et d’autre part à partir des entretiens réalisés, en se basant sur son niveau d’accès aux ressources, les mesures prises face à la recrudescence du paludisme et les initiatives locales développées face aux effets du changement climatique.

2.1.5.1 Résultats de l’enquête quantitative et qualitative menée sur le terrain

A partir des données d’EDSB-IV, l’indice de capacité adaptative a été calculé. Les résultats montrent qu’en 2011, c’est la commune de Bonou qui dispose d’une meilleure capacité d’adaptation (0,109) comparée aux deux autres communes, la commune de Dangbo disposant de la plus faible capacité (-0,177).

D’après les résultats du focus groupe organisé dans les trois communes, la population locale à majorité agriculteurs, a facilement accès aux terres, aux ressources en eau et aux cultures vivrières, tandis qu’elle a un accès difficile aux infrastructures, au bétail et aux services sociaux de base. L ’accès aux services de santé n’est pas toujours évident dans toutes les communautés en raison de la qualité des infrastructures de desserte rurale.

2.1.5.2 Options d’adaptation

Plusieurs mesures sont développées par les trois communes pour faire face aux effets du changement climatique. Parmi ces mesures figurent entre autres :

Figure 19 : Distribution spatiale de la transmission du paludisme par le moustique à la

population dans la zone ABD

Figure 20 : Distribution spatiale du taux de piqûre des anophèles reçu par la population de

la zone ABD


30

▪ La mise en place d’une plateforme locale de réduction des risques de catastrophes avec l’appui de l’ANPC ;

▪ La mise en place d’un dispositif permettant la mesure périodique du niveau de l’eau grâce au projet SAP ;

▪ La mise en œuvre du Projet Commune du Millénaire grâce au PNUD qui permet le renforcement des capacités en matière d’intégration de l’environnement dans les projets et la promotion des activités génératrices de revenus ;

▪ L’utilisation des Moustiquaires Imprégnées à Longue Durée d’action (MILD). ▪ La mise en place des activités de prévention et post inondation en matière de santé et

environnement ; ▪ La valorisation de la jacinthe d’eau à des fins agricoles par l’ONG JEVED car cette jacinthe

constitue des gîtes pour les moustiques ; ▪ L’élaboration d’un plan de réalisation des infrastructures résilientes grâce à l’appui technique

et financier de la GIZ.

Ces mesures développées par l’ensemble des communes à divers degrés indiquent que les populations de même que les autorités locales sont conscientes de l’impact du changement climatique. Cette prise de conscience est une opportunité à saisir dans le cadre de l’implémentation des stratégies d’adaptation à proposer au terme de la présente étude.

2.1.6 Évaluation de la vulnérabilité actuelle

Les résultats de la vulnérabilité actuelle montrent que la commune de Dangbo est la commune la plus vulnérable (0,547) suivie de la commune de Bonou (0,224). C’est la commune d’Adjohoun qui est la moins vulnérable des trois communes concernées par l’étude.

2.2 Évaluation de la vulnérabilité future

2.2.1 Projection climatique à l’horizon 2050

Les Figure 21 à Figure 26 présentent les changements attendus dans les précipitations, la température et l’humidité des trois communes de la zone sanitaire ABD à l’horizon 2050. Pour la température, tous les scénarios montrent une variation accrue de la température, allant de 0,51 à 0,54 dans la variante haute en 2050. Pour l’humidité, les scénarios ont montré une variation à la hausse jusqu’en 2050. Le pouvoir de résolution angulaire des modèles utilisés est de 0,44.


31

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

110

100

90

80

70

60

50

40

30

20

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Humi

dité;

Temp

érat

ure

Préc

ipita

tions

Humidité (%)Précipitations (mm/an)Température moyenne (°C)

Figure 21 : Variations projetées des paramètres climatiques dans la zone sanitaire ABD

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

100

90

80

70

60

50

40

30

20

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Humi

dité;

Temp

érat

ure

Préc

ipita

tions


Figure 22 : Variations projetées des paramètres climatiques dans la commune d’Adjohoun


32

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

100

90

80

70

60

50

40

30

20

2000

1750

1500

1250

1000

800

Années

Humi

dité;

Temp

érat

ure

Préc

ipita

tions


Figure 23 : Variations projetées des paramètres climatiques dans la commune de Bonou

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

110

100

90

80

70

60

50

40

30

20

1800

1600

1400

1200

1000

800

600

Années

Humi

dité;

Temp

érat

ure

Préc

ipita

tions

Humidité (%)Précipitations (mm/an)Température (°C)

Figure 24 : Variations projetées des paramètres climatiques dans la commune de Dangbo


33

2.2.2 Impact du climat futur sur le paludisme dans la zone sanitaire ABD

2.2.2.1 Données projetées des incidences du paludisme à l’horizon 2050

Les résultats obtenus à partir des données observées nous ont permis de projeter les incidences annuelles de 2018 à 2050. Nous tenons à rappeler qu’il s’agit des données projetées à partir d’un outil choisi et ne sauraient être considérer comme des données forcément attendues et figées. Les Figures 26 à 35 montrent les tendances des incidences projetées chez toutes les tranches d’âges et chez les moins de 5 ans.

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

450

400

350

300

250

200

150

100

50

0

Années

Incide

nce du

palud

isme t

out âg

e (/1

000)

Com : AdjohounCom : BonouCom : DangboZS ABD

Figure 27: Projection de l’incidence du paludisme toutes tranches d’âges de 2018 à 2050 dans les communes d’Adjohoun, de Bonou, de Dangbo et dans la zone sanitaire de ABD

Figure 26 : Cartographie de la projection de la température dans la zone sanitaire ABD en 2050

Figure 25 : Cartographie de la projection de la pluviométrie dans la zone sanitaire ABD en 2050


34

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

800750700650600550500450400350300250200150100500

Années

Incide

nce pa

ludism

e moin

s cinq

ans (/

1000)

Com : AdjohounCom : BonouCom : DangboZS ABD

Figure 28 : Projection de l’incidence du paludisme chez les moins de 5 ans de 2018 à 2050 dans Adjohoun, Bonou, Dangbo et dans la zone sanitaire de ABD

▪ Chez la population générale

Dans la zone ABD, de 2018 à 2050, Il y aura une corrélation négative entre l’incidence du paludisme pour toutes les tranches d’âges et l’humidité (RP=-0,976, p=0,000), une faible corrélation avec les précipitations (Rp=-0,279, p=0,100) et une bonne corrélation avec la température moyenne (RP=-0,700, p=0,000) (Figure 29). Il pourrait donc avoir une augmentation de l’incidence du paludisme en lien avec la température.

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

250

200

150

100

50

0

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Incide

nce;

Humid

ité; T

empé

rature

Précip

itatio

ns


Figure 29 : Évolution de l’incidence du paludisme toutes tranches d’âges de 2018 à 2050 dans la zone sanitaire ABD et sa relation avec l’humidité, les précipitations et la température

A Adjohoun, il ressort des résultats de la Figure 30 ci-dessous que la tendance des incidences projetées chez toutes les tranches d’âges sera légèrement baissière jusqu’en 2050, alors que les données de pluies projetées évolueront en dents de scie très remarquables sur toute la période de projection. On notera également une augmentation progressive linéaire de l’humidité. Par ailleurs, les tests statistiques ont montré que sur toute la période de 2018 à 2050, l’incidence pourrait être faiblement corrélée avec les paramètres climatiques.


35

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

180

160

140

120

100

80

60

40

20

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Incide

nce;

Humid

ité; T

empé

rature

Précip

itatio

ns


Figure 30 : Évolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2050 dans la commune d’Adjohoun et sa relation avec l’humidité, les précipitations et la température

Sur toute la période de 2018 à 2050 dans la commune de Bonou, les projections ont montré que l’incidence du paludisme pour toutes les tranches d’âges ne sera pas corrélée avec les paramètres climatiques (Figure 31). Ceci confirme nos observations précédentes qui disent qu’il y a des facteurs qui n’ont pas été pris en compte par cette étude.

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

450

400

350

300

250

200

150

100

50

2000

1800

1600

1400

1200

1000

800

Années

Incide

nce;

Humid

ité; T

empé

rature

Précip

itatio

ns


Figure 31 : Évolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2050 dans la commune de Bonou et sa relation avec l’humidité, les précipitations et la température

Quant à la commune de Dangbo, pour la période 2018 à 2050, il a été noté une très bonne corrélation positive entre l’incidence du paludisme pour toutes les tranches d’âges et l’humidité (RP=0,808, p=0,000) puis la température moyenne (RP=0,540, p=0,001) (Figure 32). On peut donc retenir que l’augmentation de l’humidité et de la température dans la commune pendant cette période entraînera une augmentation de l’incidence du paludisme.


36

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

200

150

100

50

1800

1600

1400

1200

1000

800

600

Années

Incide

nce;

Humi

dité;

Temp

érat

ure

Préc

ipita

tions


Figure 32 : Évolution de l’incidence du paludisme toutes tranches d’âges de 2000 à 2050 dans la commune de Dangbo et sa relation avec l’humidité, les précipitations et la température

▪ Chez les enfants

Dans la zone ABD, pour la période de 2018 à 2050, les analyses ont montré que l’humidité et la température seront les paramètres majeurs qui détermineront l’évolution de l’incidence du paludisme au niveau des enfants de moins de 5 ans (Figure 33). Ces résultats indiquent donc que les précipitations ne seront pas un déterminant clé de l’incidence du paludisme à l’horizon 2050 .

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

400

350

300

250

200

150

100

50

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Incide

nce; H

umidit

é; Tem

pératu

re

Précip

itatio

ns


Figure 33 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2050 dans la zone sanitaire ABD et sa relation avec l’humidité, les précipitations et la température

L’analyse des résultats de la Figure 34 dans la commune d’Adjohoun pour la période 2018 à 2050 a montré que l’incidence du paludisme des moins de cinq (05) ans est corrélée positivement avec l’humidité (Rp=0,998, p=0,000), les précipitations (Rp=0,427, p=0,013) et la température moyenne (Rp=0,767, p=0,000). Il y aura donc respectivement une augmentation de 16,9 cas de malade (du paludisme) pour chaque augmentation d’un pourcentage (1%) de l’humidité et d’un degré (1°C) de la température moyenne. L’incidence du paludisme sera donc très élevée les années à venir chez les enfants de moins de cinq ans dans la commune d’Adjohoun.


37

Dans la commune de Bonou, on constate pour la période 2018 à 2050, une très bonne corrélation négative entre l’incidence du paludisme et l’humidité (RP=-0,903, p=0,000) et la température moyenne (RP=-0,673, p=0,000). L’analyse approfondie des données a révélé que l’incidence du paludisme ne sera pas fonction de ces paramètres climatiques (Figure 35).

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

450

400

350

300

250

200

150

100

50

1700

1600

1500

1400

1300

1200

1100

1000

900

800

Années

Incide

nce; Hu

midité;

Temp

ératur

e

Précipi

tation

s


Figure 34 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2050 dans la commune d’Adjohoun et sa relation avec l’humidité, les précipitations et la température

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

800

720

640

560

480

400

320

240

160

80

0

2000

1800

1600

1400

1200

1000

800

Années

Incide

nce; H

umidit

é; Tem

pérat

ure

Précip

itatio

ns


Figure 35 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2050 dans la commune de Bonou et sa relation avec l’humidité, les précipitations et la température

La Figure 36 nous montre qu’à l’horizon 2050, dans la commune de Dangbo de 2018 à 2050, l’incidence du paludisme chez les moins de 5 ans serait parfaitement corrélée avec l’humidité (RP=-1,000, p=0,000), fortement avec la température moyenne (RP=-0,667, p=0,000). Les paramètres influençant donc l’incidence du paludisme chez les enfants de moins de cinq ans seraient donc l’humidité et la température (p=0,000).


38

2050

2049

2048

2047

2046

2045

2044

2043

2042

2041

2040

2039

2038

2037

2036

2035

2034

2033

2032

2031

2030

2029

2028

2027

2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

400

350

300

250

200

150

100

50

1800

1600

1400

1200

1000

800

600

Années

Incide

nce; H

umidit

é; Tem

pérat

ure

Précip

itatio

ns


Figure 36 : Évolution de l’incidence du paludisme chez les enfants de moins de cinq (05) ans de 2000 à 2050 dans la commune de Dangbo et sa relation avec l’humidité, les précipitations et la température

2.2.2.2 Données projetées de la transmission du paludisme par les vecteurs de 2018 à 2050

Le niveau de la transmission du paludisme pourrait sérieusement augmenter dans le futur selon les projections (Figure 37 à Figure 41).

2050

2049

2048

2047

2043

2039

2035

2031

2027

2023

2019

2018

2011

2010

2009

2008

1995

1993

500

400

300

200

100

110

Années

Taux

d’In

ocula

tion E

ntom

ologiq

ue (p

. i./h

/an) Com : Adjohoun

Com : BonouCom : DangboZS ABD

Figure 37 : Variation du taux d’inoculation entomologique dans la zone ABD et dans les différentes communes

Dans la zone sanitaire ABD, on observe une très bonne corrélation positive entre le Taux d’inoculation Entomologique (TIE=transmission du paludisme) avec l’humidité (Rp=1,000, p=0,000) et la température moyenne (RP=0,734, p=0,000). L’évolution de la transmission du paludisme dépendra surtout de l’évolution de l’humidité et de la température (p=0,000) (Figure 38).

Dans la commune de Adjohoun, nous constatons que la transmission du paludisme sera fortement liée à l’humidité (Rp = 1,000, p = 0,000) et à la température moyenne (Rp = 0,765, p = 0,000). Les précipitations seront très peu déterminantes par rapport à la transmission du paludisme (Rp = 0,355, p = 0,046) (Figure 39).


39

2050

2049

2048

2047

2043

2039

2035

2031

2027

2023

2019

2018

2011

2010

2009

2008

1995

1993

300

250

200

150

100

50

110

1700

1600

1500

1400

1300

1200

1100

Années

TIE; H

umidi

té; T

empé

ratu

re

Préc

ipita

tions


Figure 38 : Relation entre le taux d’inoculation entomologique dans la zone sanitaire ABD et la température, les précipitations et l’humidité.

2050

2049

2048

2047

2043

2039

2035

2031

2027

2023

2019

2018

2011

2010

2009

2008

1995

1993

180

160

140

120

100

80

60

40

20110

1600

1500

1400

1300

1200

1100

1000

900

Années

TIE; H

umidit

é; Te

mpéra

ture

Précip

itatio

nsTaux d’Inoculation Entomologique (piqûres infectantes par homme/an)Humidité (%)Précipitations (mm/an)Température moyenne (°C)

Figure 39 : Relation entre le taux d’inoculation entomologique dans la commune d’Adjohoun et la température, les précipitations et l’humidité

A Bonou et à Dangbo, la même remarque a été observée. En effet, une forte corrélation positive entre la transmission du paludisme, l’humidité (RP=1,000, p=0,000) et la température moyenne (RP= -0,726, p=0,000) dans ces deux communes. Ainsi, ces paramètres influenceront l’augmentation du niveau de la transmission du paludisme par le moustique vecteur dans les deux communes (Figure 40 et Figure 41).


40

2050

2049

2048

2047

2043

2039

2035

2031

2027

2023

2019

2018

2011

2010

2009

2008

1995

1993

250

200

150

100

50

110

1760

1680

1600

1520

1440

1360

1280

1200

1100

Années

TIE; H

umidit

é; Tem

pérat

ure

Précip

itatio

ns


Figure 40 : Relation entre le taux d’inoculation entomologique dans la commune de Bonou et la température, les précipitations et l’humidité

2050

2049

2048

2047

2043

2039

2035

2031

2027

2023

2019

2018

2011

2010

2009

2008

1995

1993

500

400

300

200

100

0

1800

1700

1600

1500

1400

1300

1200

1100

Années

TIE; H

umidi

té; T

empé

ratu

re

Préc

ipita

tions


Figure 41 : Relation entre le taux d’inoculation entomologique dans la commune de Dangbo et la température, les précipitations et l’humidité

Les Figure 42 et Figure 43 présentent la distribution spatiale de l’agressivité des anophèles et du taux de transmission du paludisme à l’horizon 2050. On note au niveau des deux figures qu’il pourrait avoir en 2050 une forte agressivité des moustiques anophèles (Figure 42) et une forte transmission du paludisme par les vecteurs du paludisme dans la zone ABD (Figure 43).


41

2.2.3 Options d’adaptation

Pour s’adapter aux changements climatiques en général et prévenir ses effets sur la prévalence du paludisme en particulier à moyen et long terme, la population des trois communes visitées préconise les mesures suivantes :

▪ aménagement des espaces et construction des bassins de rétention d’eau ; ▪ promotion de l’irrigation pour limiter la prolifération des gites de développement des

vecteurs ; ▪ équipement des formations sanitaires existantes dans existantes de la zone et renforcement en

personnel de santé ; ▪ construction des centres de santé dans les arrondissements qui n’en disposent pas encore.

2.2.4 Evaluation de la vulnérabilité future

Les calculs de l’indice de vulnérabilité ont été effectués en supposant que la capacité adaptative de chacune des trois communes restera constante. En effet, du point de vue de la modélisation, le nombre d’individus (ici trois) est très faible pour pouvoir effectuer une projection fiable de l’indicateur de la capacité adaptative.

La Figure 44 ci-dessous présente l’évolution de l’indice de vulnérabilité.

Figure 43 : Distribution spatiale du taux de piqûre des vecteurs du paludisme en 2050

Figure 42 : Distribution spatiale de la transmission du paludisme par les vecteurs en 2050


42

Figure 44 : Evolution de l’indice de vulnérabilité par commune

La Figure 43 montre que la commune d’Adjohoun est la commune la moins vulnérable aux effets du changement climatique durant toute la période 2011-2050.

Entre 2011 et 2020, la commune de Bonou sera la commune la plus vulnérable et cette tendance va changer entre 2020 et 2050.

Le niveau de vulnérabilité de la commune de Dangbo va augmenter et elle demeurera la plus vulnérable.


43

3 Vulnérabilité future et actuelle : propositions d’options

d’adaptation

Au regard des résultats de la présente étude, il est opportun de développer des mesures pour accroitre la résilience du secteur de la santé au niveau local face aux impacts du changement climatique sur la prévalence du paludisme. Au nombre de ces mesures figurent :

▪ La mise en place d’un système de surveillance épidémiologique et un système d’alerte précoce qui intègre les déterminants climatiques afin de pouvoir anticiper les variations significatives des incidences du paludisme dans la zone d’étude ;

▪ La construction des infrastructures sanitaires résilientes aux aléas climatiques et accessibles en toutes saisons aux populations ;

▪ Le renforcement des ressources humaines affectées pour le diagnostic et la prise en charge du paludisme dans les trois communes en fonction du niveau de vulnérabilité ;

▪ Renforcement des capacités du personnel de santé à faire face aux urgences sanitaires liées au changement climatique en général et en particulier au paludisme en période d’inondation ;

▪ L’amélioration du plateau technique pour le diagnostic et la prise en charge du paludisme dans les trois communes et rendre disponibles les intrants nécessaires ;

▪ Le renforcement des activités communautaires de promotion de la santé en général et en particulier dans le cadre de la lutte contre le paludisme ;

▪ Poursuive la recherche pluri et transdisciplinaire en vue d’identifier davantage des mesures d’adaptation efficaces.


44

4 Conclusions et recommandations Le changement climatique fait peser un sérieux danger sur la santé des populations. De nombreux mécanismes entrent en jeu, avec des effets agissant directement sur l’organisme humain et d’autres agissant par voies indirectes ou se trouvant différés. Par exemple, l’élévation des températures moyennes pourrait entraîner une nouvelle répartition des maladies à transmission vectorielle. Il est alors d’une importance capitale de cerner les différents aspects et déterminants du changement climatique et d’anticiper les effets néfastes pour permettre l’adoption de stratégies de mitigation et d’adaptation en vue de réduire les impacts socioéconomiques et sanitaires.

Les données existantes ont montré que la zone sanitaire Adjohoun-Bonou-Dangbo pourrait être vulnérable à la variabilité et au changement climatique pour des raisons structurelles et conjoncturelles. Malgré les incertitudes liées au climat, des projections pour le paludisme ont pu montrer une augmentation probable si des mesures adéquates ne sont pas prises. Il faut mettre en place des efforts soutenus, massifs, conjugués et efficaces pour augmenter la résilience climatique et renforcer le système de santé et d’information sanitaire.

Le projet PAS-PNA a réalisé les études de vulnérabilité dans trois secteurs prioritaires de développement. A terme, ces études vont informer le processus PNA en cours au Benin. Il est important de reconnaitre que ces trois études dans les secteurs de l’agriculture, des ressources en eau et de la santé, ne couvrent pas à elles seules tous les aspects du PNA et des politiques de développement en général. Ces études sont donc une contribution au processus et pour une représentation complète des aspects prioritaires de développement, il est important de fonder également l’élaboration des documents d’orientation stratégiques du pays, dont le PNA, sur d’autres études complémentaires, comme par exemple le rapport de la troisième communication nationale et des études de vulnérabilités dans les secteurs de l’énergie, des infrastructures et du transport en cours d’élaboration au niveau du PNUD au Benin. Cette synergie permettra de couvrir un champ plus large et d'intégrer différents aspects sectoriels des impacts des changements climatiques dans les politiques .


45

5 Références bibliographiques Boko, M. (1988), Climat et communautés rurales du Bénin rythmes climatiques et rythmes de

développement. (Thèse d'Etat ès-lettres 2 volumes), Didjon, France. p. 607. Dazé, A., Ambrose, K. et Ehrhart, C. (2010), « Analyse de la vulnérabilité et de la capacité d ‘adaptation au

changement climatique », Manuel, CARE. Diouf, I., et al. (2013), « Climate and health: Observation and modeling of malaria in the Ferlo (Senegal) »,

Comptes rendus biologies, 336(5-6) : 253-260. Diouf, I., et al. (2017), « Comparison of Malaria Simulations Driven by Meteorological Observations and

Reanalysis Products in Senegal », International journal of environmental research and public health, 14(10) : 1119.

GFDRR Bénin PDNA. (2011). Inondation au Bénin - Rapport d’évaluation des Besoins Post Catastrophe, Gouvernement du Bénin avec l'appui de la Banque Mondiale et du Système des Nations Unies, Cotonou, Bénin, p. 84.

GIEC (2014), Changements climatiques 2014: Incidences, adaptation et vulnérabilité – Résumé à l’intention des décideurs. Contribution du Groupe de travail II au cinquième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat [sous la direction de Field, C.B., V.R. Barros, D.J. Dokken, K.J. Mach, M.D. Mastrandrea, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova, B. Girma, E.S. Kissel, A.N. Levy, S. MacCracken, P.R. Mastrandrea et L.L. White]. Organisation météorologique mondiale, Genève (Suisse), 34 pages (publié en anglais, en arabe, en chinois, en espagnol, en français et en russe).

Gilles, M. et Coetzee, M. (1987), « A supplement to the Anophelinae of Africa south of the Sahara (Afro Tropical Region) », Publications of the South African Institute for Medical research. Johannesburg, : 55 : 143.

Gillies, M. T. et De Meillon, B. (1968), « The anophelinae of Africa south of the Sahara (Ethiopian zoogeographical region) », Publications of the South African Institute for Medical research. Johannesburg, : 54: 343.

Githeko, A. K. et Ndegwa, W. (2001), « Predicting malaria epidemics in the Kenyan highlands using climate data: a tool for decision makers », Global change and human health, 2(1) : 54-63.

GIZ, adelphi et EURAC (2015), Guide de référence sur la vulnérabilité: Concept et lignes directrices pour la conduite d'analyses de vulnérabilité standardisées, Eschborn, Allemagne, p. 176.

GIZ/WRI (2011), Making Adaptation Count. Concepts and Options for Monitoring and Evaluation of Climate Change Adaptation (Pour que l’adaptation compte. Concepts et solutions pour suivre et évaluer l’adaptation au changement climatique). Eschborn : GIZ.

INSAE. (2016). Effectifs de la population des villages et quartiers de ville du Bénin (RGPH-4, 2013), INSAE, Cotonou, Bénin, p. 85.

Institut National de la Statistique et de l’Analyse Economique (INSAE) et ICF International. (2013). Enquête Démographique et de Santé du Bénin 2011-2012, INSAE et ICF International, Calverton, Maryland, USA, p. 575.

IPCC (2014), Climate change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Field, C.B., V.R. Barros, D.J. Dokken, K.J. Mach, M.D. Mastrandrea, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova, B. Girma, E.S. Kissel, A.N. Levy, S. MacCracken, P.R. Mastrandrea, and L.L. White (eds.)], Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1132 pp.


46

IPCC (2018), Summary for Policymakers. In: Global warming of 1.5°C. An IPCC Special Report on the impacts of global warming of 1.5°C above pre-industrial levels and related global greenhouse gas emission pathways, in the context of strengthening the global response to the threat of climate change, sustainable development, and efforts to eradicate poverty [V. Masson-Delmotte, P. Zhai, H. O. Pörtner, D. Roberts, J. Skea, P. R. Shukla, A. Pirani, W. Moufouma-Okia, C. Péan, R. Pidcock, S. Connors, J. B. R. Matthews, Y. Chen, X. Zhou, M. I. Gomis, E. Lonnoy, T. Maycock, M. Tignor, T. Waterfeld (eds.)]. , World Meteorological Organization, Geneva, Switzerland, 32 pp.

Lindsay, S. et Birley, M. (1996), « Climate change and malaria transmission », Annals of Tropical Medicine & Parasitology, 90(5) : 573-588.

MPD et PNUD. (2017). Priorisation des cibles des Objectifs de Développement Durable (ODD) au Bénin, Ministère du Plan et du Développement et Programme des Nations Unies pour le Développement, Cotonou, Bénin, p. 256.

MS. (2017a). Analyse de la vulnérabilité et de l’adaptation du secteur santé au changement climatique au Bénin, Direction Nationale de la Santé Publique, Ministère de la Santé, Cotonou, Bénin, p. 173.

MS. (2017b). Annuaire des statistiques sanitaires 2016, Système National d’Information et de Gestion Sanitaires, Ministère de la Santé, Cotonou, Bénin, p. 163.

MS. (2017c). Annuaire des Statistiques Sanitaires de la zone sanitaire Adjohoun – Bonou – Dangbo année 2014, Direction Départementale de la Santé de l'Ouémé et du Plateau, Adjohoun, Bénin, p. 60.

OMS. (2015). Protéger la santé face au changement climatique: évaluation de la vulnérabilité et de l'adaptation, Organisation Mondiale de la Santé, Genèse, Suisse, p. 80.

Padonou, G., et al. (2011), « Biology of Anopheles gambiae and insecticide resistance: Entomological study for a large scale of indoor residual spraying in South East Benin », Journal of Parasitology and Vector Biology, 3(4) : 59-68.

Parry, M. L., Canziani, O. F., Palutikof, J. P., van der Linden, P. J. et Hanson, C. E. (2007), Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. (Contribution du Groupe de travail II au quatrième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat). Cambridge et New York : Cambridge University Press.

Smith, K. R., et al. (2014), Human health: impacts, adaptation, and co-benefits. In: Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Field, C.B., V.R. Barros, D.J. Dokken, K.J. Mach, M.D. Mastrandrea, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova, B. Girma, E.S. Kissel, A.N. Levy, S. MacCracken, P.R. Mastrandrea, and L.L. White (eds.)], Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, pp. 709-754.

UN OCHA (2010), Water Scarcity and Humanitarian Action: Key Emerging Trends and Challenges, UN. UN. World Economic Forum,“Global Risks”(2014), World Economic Forum.

Zongo, B. (2016), Stratégies innovantes d’adaptation à la variabilité et au changement climatiques au Sahel : cas de l’irrigation de complément et de l’information climatique dans les exploitations agricoles du Burkina Faso. (Doctoral dissertation, Université de Liège), Liège, Belgique.

Climate Analytics gGmbHRitterstr. 310969 BerlinGermany

T / +49 302 5922 9520E / [email protected]

Climate Analytics Inc. New York115 E 23rd St, 3rd Floor, Office #319New York, NY, 10010USA

T / + 1 718 618 5847 E / [email protected]

Climate Analytics Lomé61, ru 195 Quartier Agbalépédogans/c BP 81 555 LoméTogo

T / +228 22 25 65 38 / 22 25 74 74E / [email protected]

Mis en œuvre par : En coopération avec :Sous la tutelle de :Mandaté par :

etude de vulnérabilité sectorielle face aux changements ... · relative moyenne annuelle de 1951...

Documents