|
|
 |
 |
| |
 Version imprimable |
Prédiction spatiale et modélisation de la distribution des Acacia spp. dans l’Est du Burkina Faso |
Science et changements planétaires / Sécheresse. Volume 19, Numéro 4, 283-92, octobre-novembre-décembre 2008, Article de recherche
|
 Article gratuit
 Summary
|
Auteur(s) : Salifou Traoré, Oumar Kaboré, Lamourdia Thiombiano, Jeanne Rasolodimby-Millogo |
Résumé : La prédiction spatiale est un outil capital pour la gestion de la biodiversité et l’aménagement des écosystèmes. Au regard de l’importance socio-économique et écologique des Acacia spp. dans le développement rural des zones sèches (fourrage pour le bétail, bois d’énergie, production de gomme, réhabilitation des terres dégradées), la modélisation spatiale de la distribution de quatre espèces soudanosahéliennes (Acacia dudgeoni, Acacia gourmaensis, Acacia hockii et Acacia seyal) a été réalisée dans la région Est du Burkina Faso. Cette modélisation s’est basée sur un échantillonnage de 175 placettes en intégrant, comme prédicteurs de l’occurrence des espèces, les variables environnementales (climat et sol) et géographiques (densité locale, tendance spatiale). Les modèles sont sélectionnés et évalués par des méthodes de validation croisée en utilisant le programme GRASP (generalized regressions and spatial analysis). L’évaluation des modèles de régression montre des modèles stables et adéquats pour les espèces A. gourmaensis, A. hockii, avec des corrélations de Spearman élevées entre les valeurs prédites et observées de la validation croisée (respectivement, 0,72 et 0,84). Le modèle de A. seyal montre une autocorrélation significative, et sa prédiction spatiale a été calibrée par deux méthodes en tenant compte des termes autorégressifs. La prédiction spatiale, réalisée grâce à une couverture spatiale des prédicteurs, montre la distribution potentielle des différentes espèces mettant en évidence des zones de forte et de faible occurrence. Ces informations sont nécessaires pour la gestion et la mise en valeur de ces ressources forestières dans un contexte environnemental marqué par la forte pression anthropique et le changement climatique. |
Mots-clés : couverture spatiale, modèle de régression, prédicteur, validation croisée |
|
