Intégration de solutions EbA éprouvées dans les ranchs de bétail à petite échelle pour accroître la résilience de la chaîne d'approvisionnement du bétail dans le nord-est du Mexique
Informations sur le projet
Le nord-est du Mexique joue un rôle important dans la production bovine, tant en termes de sécurité alimentaire que de moyens de subsistance pour plus de 230 000 personnes. Les prairies et les broussailles qui dominent le paysage soutiennent la production animale et sont vulnérables aux effets du changement climatique. La région a connu une augmentation de la gravité et de la fréquence des incendies et des sécheresses, ainsi que des changements radicaux de température affectant la productivité des pâturages et des cultures. Le projet a travaillé avec des petits éleveurs et les a mis en relation avec un groupe de producteurs plus consolidé, augmentant ainsi la résilience tout au long de la chaîne de valeur. Les leçons apprises ont été transformées en recommandations à l'intention des autorités locales et nationales, renforçant les politiques d'adaptation actuelles.
Statut du projet
Terminé le 30 septembre 2023
- 1 mécanisme de coordination sous la forme d'un Conseil consultatif a été créé, composé de représentants des gouvernements fédéral, étatiques et locaux, ainsi que du milieu universitaire, du secteur privé et des producteurs et communautés locales. Le Conseil favorise la coordination et la collaboration entre les parties prenantes sur des sujets liés à l'élevage dans les zones protégées.
- Le projet – en collaboration avec les éleveurs et la Commission nationale des aires naturelles protégées (CONANP) – développé 1 instrument MEL soutenir le suivi sectoriel et l’établissement de rapports sur la mise en œuvre des mesures EbA dans les terres d’élevage des aires naturelles protégées. Les indicateurs sélectionnés – comprenant les aspects environnementaux, productifs et économiques – ont été élaborés conjointement avec les petits éleveurs, ce qui leur a permis de fournir des commentaires et d’identifier d’autres activités qui pourraient les aider à atteindre les résultats souhaités des mesures EbA, réduisant ainsi leur vulnérabilité au changement climatique.
- 26 hommes et 6 femmes ont été bénéficiaires directs avec 800 bénéficiaires indirects supplémentaires, composé d'éleveurs, de représentants du gouvernement aux niveaux municipal, étatique et fédéral, et de représentants d'ONG, d'universités et du secteur privé. L'appui fourni a pris la forme de formations et de réunions visant à accroître la sensibilisation et les capacités en matière de changement climatique et d'approches EbA pour faire face aux impacts climatiques. Pour soutenir ces ateliers, un soutien direct a été fourni à un petit groupe d'éleveurs pour les aider à démarrer la mise en œuvre des mesures EbA sur leurs terres.
- 1 743,50 ha de prairies et de zones arbustives font l'objet de pratiques améliorées de conservation, de restauration et d'utilisation durable avec des zones conservées volontairement, des banques de semences provenant des prairies locales et d’autres végétaux, ainsi qu’un pâturage rotatif du bétail.
- Dernièrement, 2 outils ont été développés, dont l'un est le système de suivi et d'évaluation des mesures EbA mises en œuvre. Le second est une plateforme numérique conçue pour évaluer la vulnérabilité des éleveurs au changement climatique à l'échelle des ranchs. Elle recueille des informations sur les conditions naturelles des ranchs, le système de production animale en place, les risques climatiques identifiés et les solutions appliquées pour y faire face. Un soutien technique a été fourni aux éleveurs pour encourager leur utilisation. Le projet espère que CONANP utilisera ces outils dans ses futures interventions, les aidant à faciliter la systématisation des informations sur les mesures d'adaptation dans la région.

