En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal Logo_stics

STICS

STICS

Multi-model approach for assessing the sunflower food value chain in Tanzania

08 mars 2018

Vilvert, E., Lana, M., Zander, P., Sieber, S., 2018. Agricultural Systems.

Sunflower is one of the major oilseeds produced in Tanzania, but due to insufficient domestic production more than half of the country's demand is imported. The improvement of the sunflower food value chain (FVC) understanding is important to ensure an increase in the production, availability, and quality of edible oil. In order to analyse causes and propose solutions to increase the production of sunflower oil, a conceptual framework that proposes the combined use of different models to provide insights about the sunflower FVC was developed. This research focus on the identification of agricultural models that can provide a better understanding of the sunflower FVC in Tanzania, especially within the context of food security improvement. A FVC scheme was designed considering the main steps of sunflower production. Thereafter, relevant models were selected and placed along each step of the FVC. As result, the sunflower FVC model in Tanzania is organized in five steps, namely (1) natural resources; (2) crop production; (3) oil processing; (4) trade; and (5) consumption. Step 1 uses environmental indicators to analyse soil parameters on soil-water models (SWAT, LPJmL, APSIM or CroSyst), with outputs providing data for step 2 of the FVC. In the production step, data from step 1, together with other inputs, is used to run crop models (DSSAT, HERMES, MONICA, STICS, EPIC or AquaCrop) that analyse the impact on sunflower yields. Thereafter, outputs from crop models serve as input for bio-economic farm models (FSSIM or MODAM) to estimate production costs and farm income by optimizing resource allocation planning for step 2. In addition, outputs from crop models are used as inputs for macro-economic models (GTAP, MAGNET or MagPie) by adjusting supply functions and environmental impacts within steps 3, 4, and 5. These models simulate supply and demand, including the processing of products to determine prices and trade volumes at market equilibrium. In turn, these data is used by bio-economic farm models to assess sunflower returns for different farm types and agro-environmental conditions. Due to the large variety of models, it is possible to assess significant parts of the FVC, reducing the need to make assumptions, while improving the understanding of the FVC.

Site : https://doi.org/10.1016/j.agsy.2017.10.014