Dynamique spatio-temporelle des forêts claires dans le Parc national du W du Niger (Afrique de l’Ouest)

ARTICLE

sec.2011.0305

Auteur(s) : Maman Maârouhi Inoussa¹ maman_maarouhi@yahoo.fr, Ali Mahamane^1,2 ali_mahamane@yahoo.fr, Cheikh Mbow³ cheikh_penda@yahoo.fr, Mahamane Saadou^1,2 saadou_mahamane@yahoo.fr, Bachmann Yvonne⁴ Bachmann@bio.uni-frankfurt.de

¹ Université Abdou Moumouni de Niamey Faculté des sciences Département de biologie Laboratoire Garba Mounkaila BP 10662 227 Niamey Niger

² Université de Maradi Faculté des sciences BP 465 227 Maradi Niger

³ Université Cheikh Anta Diop de Dakar (Ucad) Institut des sciences de l’environnement (ISE) Laboratoire d’enseignement et de recherche en géomatique (LERG) Avenue Cheikh Anta Diop BP 5005 Dakar Fann Sénégal

⁴ Institute of Ecology, Evolution and Diversity Siesmayerstr. 70 60323 Frankfurt Germany

Tirés à part : M. Maârouhi Inoussa

La plupart des paysages de par le monde sont modifiés ou transformés par les activités humaines engagées pour répondre aux besoins socioéconomiques des populations (Fahrig, 2003) et à présent par les effets du changement global (Walker et al., 1999), ce qui conduit à la fragmentation et à la perte d’habitats de la faune et de la flore. Ces phénomènes sont inquiétants pour la gestion de la biodiversité et le fonctionnement des écosystèmes dans les aires protégées (Clerici et al., 2007 ; Jérémy et al., 2007). En Afrique de l’Ouest, les formes dominantes de perturbations qui contribuent à façonner la structure et la physionomie de la végétation (Hien et al., 2002 ; Nicholson, 2005 ; Grégoire et Simonetti, 2010), au sein des aires protégées sont : les feux de brousse ; l’herbivorie et l’irrégularité de la pluviométrie. Devant une problématique aussi complexe, l’observation des mutations du paysage forestier au cours du temps s’impose afin d’estimer la nature de l’évolution des processus naturels et anthropiques pour une gestion durable des ressources naturelles.

L’analyse de la dynamique des formations forestières s’inscrit aussi dans le cadre des initiatives et stratégies d’atténuation des effets du changement climatique global, résultant de la convention cadre des Nations unies sur les changements climatiques. En effet, il s’agit désormais de mieux gérer le couvert végétal, dans l’optique de la séquestration de carbone (Williams et al., 2008 ; Mbow, 2009).

Aujourd’hui l’utilisation de la télédétection et des données géospatiales pour la cartographie de la végétation et l’occupation des terres est une activité courante des institutions intéressées par la gestion des ressources végétales (Achard et al., 1996). L’imagerie satellitaire joue un rôle incontournable dans le processus de caractérisation et d’aménagement des écosystèmes.

Dans le Parc national du W du Niger (PNWN), de nombreuses études adoptant des approches de télédétection et de SIG pour l’analyse de la dynamique d’écosystèmes ont été réalisées (Couteron et Kokou, 1992 ; Benoît, 1998 ; De Wispelaere, 2002 ; Barbier et al., 2006 ; Clerici et al., 2007). Cependant, des données spécifiques sur la dynamique des forêts claires font défaut. Pourtant, ces dernières sont parmi les faciès les mieux structurés de la zone qui offrent un habitat particulier à la faune sauvage. Les forêts claires jouent un rôle capital dans la conservation de la biodiversité dans le PNWN en particulier et les aires protégées d’Afrique de l’Ouest en général. D’où l’intérêt d’analyser la dynamique spatio-temporelle de ce type de végétation. Dans d’autres pays d’Afrique tropicale, la thématique de la dynamique des forêts claires a déjà fait l’objet d’études. Le plus souvent l’objectif est d’évaluer les impacts des exploitations humaines et les conséquences du climat sur cette formation forestière. Dans certains cas, on assiste à une progression des forêts claires (Bassett et Zuéli, 2000) et dans d’autres, la dégradation est observée (Kossi et al., 2009). L’hypothèse de cette étude est que les variabilités climatiques combinées aux effets des feux d’aménagement et de l’herbivorie influencent la dynamique spatio-temporelle des forêts claires dans le PNWN. Les objectifs poursuivis sont : i) d’établir les cartes d’occupation des sols et des changements des états entre 1984 et 2002 en mettant l’accent sur les forêts claires ; ii) d’estimer les superficies de ces forêts claires aux deux dates et d’identifier les types d’évolution (stabilité, progression ou régression) de cet habitat.

Matériel et méthode

Zone d’étude

Le Parc national du W du Niger (PNWN) se situe en Afrique de l’Ouest, entre 11° et 12° 35 de latitude Nord et entre 2° et 3° 50 de longitude Est. C’est la composante nigérienne du Parc régional du W du Niger, à cheval sur les frontières du Bénin (563 280 hectares), du Burkina Faso (235 000 hectares) et du Niger (220 000 hectares) (figure 1). Depuis sa création en 1954, cette aire protégée a acquis graduellement divers statuts : zone humide d’importance internationale, particulièrement pour les oiseaux d’eau en 1982, ensuite Site Ramsar en 1987 puis, Patrimoine mondial de l’Unesco en 1996. Il appartient à la catégorie II de l’Union internationale pour la conservation de la nature (UICN) (2002). Cette requalification juridique a permis au PNWN de bénéficier d’une protection intégrale où toute exploitation extractive est proscrite. Sa protection a été renforcée ensuite par la création d’autres réserves à la périphérie permettant une réduction de la pression humaine. Il est ainsi encadré par la Réserve totale de faune de Tamou (77 000 hectares) et la Réserve partielle de Dosso (306 000 hectares). Il s’agit d’une des plus anciennes aires protégées d’Afrique et l’une des plus riches de la zone soudano-sahélienne en termes de biodiversité (Lamarque, 2004).

La zone du W appartient au système climatique tropical de type soudano-sahélien, dont le rythme des saisons est réglé par le déplacement du Front intertropical (FIT) (Giannini et al., 2003). Le climat est caractérisé par une grande saison sèche (octobre-avril) et une courte saison pluvieuse (mai-septembre). L’analyse des données climatologiques issues de la station de la Tapoa (période de 1981 à 2002) montre une forte variation des totaux pluviométriques pendant cette période. La précipitation annuelle la plus élevée est enregistrée en 1990 avec 963 mm alors que la plus faible est celle de 1983 avec 169 mm (figure 2). Le Parc national du W est parcouru par trois principaux cours d’eau : le fleuve Niger et deux de ses affluents (Tapoa et Mékrou).

Données images

L’ensemble de la zone a pu être couvert par une mosaïque de deux scènes Landsat (Path 192, Rows 051 et 052) pour chacune des dates considérées. Les images choisies sont acquises à la même période de l’année afin de réduire les problèmes liés aux différences d’angles solaires, au changement phénologique de la végétation et à la différence d’humidité des sols. Ainsi, les deux images sont : une couverture ancienne TM du 23 novembre 1984 et une couverture ETM+ relativement récente du 17 novembre 2002. Les prises de vue du début de la saison sèche ont aussi l’avantage d’avoir un très faible taux de couverture nuageuse.

Toutes les images sont issues de la base de données de l’United State Geological Survey (USGS) acquise au niveau du Laboratoire d’enseignement et de recherche en géomatique de l’université Cheikh Anta Diop de Dakar (Sénégal) dans le cadre de sa collaboration avec le Laboratoire Garba Mounkaila de l’université Abdou Moumouni (Niger).

Collecte des données de vérité terrain

Pour vérifier les résultats de la classification et apporter des précisions pour les zones difficiles à interpréter sur les compositions colorées, des données phytoécologiques ont été collectées sur le terrain. L’échantillonnage s’est fait sur la base d’une spatio-carte réalisée à partir des images Landsat ETM + de 2005. Au total, 335 sites ont été visités sur chacun le type de végétation selon la typologie de Yangambi (Aubreville, 1957) modifiée (De Wispelaere, 2002) pour la cartographie de la végétation. En même temps, les informations suivantes ont été collectées : espèces végétales dominantes sur le site, coordonnées géographiques (à l’aide d’un GPS), géomorphologie (plateau, versant, bas versant, bas fond, plaine, bourrelet sableux), états de surface du sol, texture du sol, présence de blocs de cuirasse, de blocs de grès, de gravillons et autres perturbations telles que les marques d’activités biologiques (turricules de vers, termitières, fourmilières), passage du feu et pâturage illégal.

Traitement des images

Les images utilisées dans le cadre de ce travail ont été déjà géoréférencées (UTM, WGS 84), avec corrections radiométriques. Aucune correction n’a été faite en dehors du mosaïquage des scènes et du lissage de la dynamique des images. Le mosaïquage de chacune de deux images s’est effectué par l’ajustement des valeurs radiométriques de la scène I (Path 192, Row 051) par rapport à la scène II (Path 192, Row 052) pour que la même valeur de réflectance représente la même classe d’occupation sur les deux scènes. Par la suite, pour une question d’harmonie et afin de faciliter la superposition des images pour l’analyse diachronique, l’image de 1984 est recalée par rapport à celle de 2002, prise comme référence avec une erreur très faible (inférieure à un pixel). La méthode de classification dirigée (ou supervisée) par maximum de vraisemblance a été utilisée pour les deux images. Par ailleurs, pour éliminer les pixels isolés ou des petites zones non classifiées et pour homogénéiser les résultats de la classification thématique en vue de la phase de vectorisation, les images classifiées ont été filtrées. Le filtre est réalisé à partir d’une analyse majoritaire avec une taille de fenêtre de 3 × 3 pixels. Afin de vérifier la validité de la performance de classifications, les zones témoins représentant chacune des classes thématiques et les données de référence collectées sur le terrain ont servi à effectuer le test de confusion. Le résultat du test donne pour chacune des images classifiées la matrice de confusion présentée sous forme d’un tableau à double entrée, la précision globale (la proportion des pixels bien classés calculée en pourcentage), le coefficient Kappa (le rapport entre le nombre de pixels bien classés et le total des pixels sondés) et les erreurs d’omission, EO (1) et de commission, EC (2). Le traitement d’images a été fait à l’aide du logiciel ENVI 4.3 :

(1)

(2)

• EO = erreur d’omission ;
• EC = erreur de commission ;
• R = somme des totaux des rangées.

Analyses cartographiques

Après la vectorisation automatique, les résultats de la classification sont exportés en format vectoriel pour les traitements cartographiques à l’aide du logiciel ArcGIS 9.3. Au cours de cette étape, les différentes classes thématiques définitivement retenues lors de la classification constituent la légende des cartes d’occupation réalisées. Neuf classes thématiques sont retenues : savane arbustive et brousse tachetée ; savane boisée et savane arborée ; forêts claires ; savane herbeuse à arbustive ; prairie et végétation aquatique ; eau libre ; végétation très clairsemée sur affleurement rocheux ; galerie forestière et cordon ripicole et zone brÛlée.

Le croisement de deux cartes d’occupation du sol de 1984 et de 2002 a permis d’établir la carte de l’évolution des forêts claires et des autres unités paysagères durant ces 18 années. Ce croisement a été réalisé en se fondant sur une codification des classes de végétation et une comparaison des codes entre les deux cartes. Il s’agit d’une approche d’identification des changements à partir des changements de codes pour les vecteurs homologues. Ainsi, pour décrire ces changements d’occupation du sol intervenus entre 1984 et 2002, une matrice de transition a été réalisée. Cette matrice de transition entre les deux états (t₀ et t₁) est obtenue à partir des données issues des analyses statistiques conduites au niveau de chaque carte. Elle correspond à une matrice carrée décrivant de manière condensée, les changements d’état des classes thématiques pendant la période considérée (Bamba et al., 2008). Les valeurs des colonnes et des lignes représentent des proportions des aires occupées par chaque classe d’occupation du sol à la date correspondante. Les colonnes de la matrice indiquent les états d’occupations des sols en 2002 et les lignes correspondent aux états en 1984. Par ailleurs, l’appréciation de processus de modification des forêts claires et des autres classes a fait intervenir l’analyse du nombre (N), de l’aire (a), et du périmètre de taches (P). Le nombre de taches est l’un des paramètres les plus importants pour décrire le paysage. Pour une classe, le nombre total de taches est la somme des taches qui composent cette classe. Quant à l’aire totale (exprimée en hectares) d’une classe j, c’est la surface totale occupée par l’ensemble de ses taches i (3). Le périmètre total (P), de chaque classe (exprimé ici en km) est la somme des contours de chacune des taches (P_i) de cette classe (4) :

(3)

Avec a_i= surface occupée par une tache.

(4)

Ces trois paramètres sont considérés comme étant les principaux éléments de la description de la configuration d’un paysage (Barima, 2009). En effet, ils interviennent dans l’identification du processus spatial responsable des changements des états à travers l’approche de l’« arbre de décision » utilisé en écologie du paysage (Bogaert et al., 2004). L’arbre comporte les dix processus de transformation spatiale suivants :

• – suppression : disparition d’une ou de plusieurs taches ;
• – création : formation de nouvelles taches ;
• – déformation : changement de forme des taches sans changement de superficie ;
• – dissection : subdivision des taches par des lignes de largeur uniforme et de petite dimension ;
• – agrandissement : expansion de taille des taches ;
• – fragmentation : rupture de la continuité en plusieurs taches disjointes, de formes et de tailles différentes ;
• – perforation : formation de trous dans les taches ;
• – déplacement : translocation d’une ou de plusieurs taches ;
• – agrégation : fusion de taches
• – rétrécissement : réduction de taille des taches.

Les paramètres d’entrée à introduire dans l’« arbre de décision » sont le nombre (N), l’aire (a) et le périmètre (P) de taches appartenant à une classe considérée. Dans cette étude, ces paramètres ont été calculés pour chaque classe sur l’image de 1984 (N₁₉₈₄, a₁₉₈₄, et P₁₉₈₄) et sur celle de 2002 (N₂₀₀₂, a₂₀₀₂, et P₂₀₀₂) et la prise de décision se base sur la comparaison de leurs valeurs. Il est important de signaler que dans le cas où N₂₀₀₂ > N₁₉₈₄ et a₂₀₀₂ < a₁₉₈₄, il existe deux processus éventuels : fragmentation ou dissection. Alors, la conclusion a fait intervenir la comparaison de t au t_obs¹. Le choix de t est subjectif (avec 0 < t ≤ 1) mais t_obs est calculé (5). Nous avons adopté le seuil de t = 0,5 (Barima, 2009). Ainsi, lorsque t_obs < 0,5 on parlera de fragmentation et de dissection lorsque t_obs > 0,5.

(5)

Résultats

Vérification de la classification

La discrimination entre les différentes classes thématiques (unités d’occupations des sols) est statistiquement significative pour les images de 1984 et 2002. En effet, les résultats de l’analyse de fiabilité sont dans l’ensemble très similaires, avec des précisions globales variant de 92 à 96 % et des valeurs du coefficient Kappa élevées avec 0,90 et 0,98 respectivement pour 1984 et 2002 (tableau 1). Les matrices de confusion montrent globalement qu’il n’existe pas d’énormes confusions entre les classes tant lors de la classification de l’image de 1984 que de celle de 2002 (tableaux 2 et 3). Mieux, les forêts claires sont assez bien distinguées des autres classes. Dans les deux cas, plus de 80 % des pixels de la classe thématique (C) sont correctement classés. Cependant, quelques erreurs de commission et d’omission sont enregistrées : 30 % et 19 % en 1984 et 19,7 % et 10,9 % en 2002. Au niveau de l’image de 1984, les classes (I) et (G) présentent les plus faibles proportions de pixels correctement classés avec respectivement 60 et 67 %. Aussi, 40 % et 33 % de pixels appartenant respectivement à (I) et (G) ont été incorrectement exclus de celles-ci, alors que dans le même ordre, des erreurs de commission de 76 et 30 % sont observées. Par ailleurs, lors de la classification de 1984, la classe (D) a connu une erreur de commission de 50 %. Il faut noter aussi que les classes (A) et (B) ont enregistré des erreurs de commission très faibles à nulles (0 % à 2 %) au niveau de deux images.

Tableau 1 Valeurs de la précision globale et de coefficient kappa issues de la classification des images de 1984 et 2002.

Tableau 2 Matrice de confusion et erreurs d’omission et de commission issues de test de précision de la classification des images de 1984.

A : eau ; B : zone brÛlée ; C : forêts claires ; D : galerie forestière et cordon ripicole ; E : savane arbustive et brousse tachetée ; F : savane boisée et savane dorée ; G : savane herbeuse à arbustive ; H : végétation très claisemée sur affleurement rocheux ; I : prairie et végétation aquatique.

Tableau 3 Matrice de confusion et erreurs d’omission et de commission issues de test de précision de la classification des images de 2002.

A : eau ; B : zone brÛlée ; C : forêts claires ; D : galerie forestière et cordon ripicole ; E : savane arbustive et brousse tachetée ; F : savane boisée et savane dorée ; G : savane herbeuse à arbustive ; H : végétation très claisemée sur affleurement rocheux ; I : prairie et végétation aquatique.

État d’occupation des sols en 1984 et 2002

Neuf unités d’occupation des sols ont été retenues. Les cartes d’occupation des sols sont reproduites figures 3 et 4 avec une mise en relief des forêts claires. La carte de 1984 fait ressortir une faible représentation de forêts claires (1 %) avec en revanche une prédominance des formations savanicoles dans la zone d’étude (figure 3). La même tendance est observée sur la carte de 2002, mais la superficie des forêts claires est plus importante (2,7 %) (figure 4). Dans les deux cas, les forêts claires sont de faible étendue par rapport aux autres formations forestières (tableaux 4 et 5).

Tableau 4 Matrice de transition de l’occupation du sol (en pourcentage) entre 1984 et 2002 dans le Parc national du W du Niger.

A : eau ; B : zone brÛlée ; C : forêts claires ; D : galerie forestière et cordon ripicole ; E : savane arbustive et brousse tachetée ; F : savane boisée et savane dorée ; G : savane herbeuse à arbustive ; H : végétation très claisemée sur affleurement rocheux ; I : prairie et végétation aquatique.

Tableau 5 Nombre (N), surface (a) et périmètre (P) des différentes classes d’occupation du sol dans le Parc national du W du Niger entre 1984 et 2002.

A : eau ; B : zone brÛlée ; C : forêts claires ; D : galerie forestière et cordon ripicole ; E : savane arbustive et brousse tachetée ; F : savane boisée et savane dorée ; G : savane herbeuse à arbustive ; H : végétation très claisemée sur affleurement rocheux ; I : prairie et végétation aquatique.

Détection des changements spatio-temporels

La carte de changement d’état est réalisée par le croisement de deux cartes d’occupation des sols de 1984 et 2002 (figure 5). Celle-ci illustre des cas de stabilité et surtout de progression des forêts claires dans le PNWN au cours de la période considérée. Toutefois, il existe aussi de très rares cas de régression ponctuelle. L’analyse de la matrice de transition de l’occupation du sol (en pourcentage) entre les deux images a permis de quantifier les changements survenus (tableau 4). En effet, le taux des forêts claires (C) a augmenté, passant de 1 % en 1984 à 2,7 en 2002, soit un taux de 1,7 % de la superficie totale de la zone d’étude. Cette augmentation provient de la transformation des autres formations en forêts claires. Il s’agit principalement de la classe de savane boisée et savane arborée (0,9 %) et de la classe de savanes arbustives et brousse tachetée (0,5 %). Parallèlement, il est enregistré 0,5 % de (C) resté stable entre les deux dates. Il a été aussi enregistré un processus de conversion des forêts claires en savane boisée et arborée (0,2 %), galerie forestière et cordon ripicole (0,1 %) et savanes arbustives et brousse tachetée (0,1 %).

L’augmentation des proportions est également constatée au niveau des autres classes thématiques. Le cas le plus remarquable est celui de la classe de végétation très clairsemée sur affleurement rocheux qui a presque doublé, passant de 12,7 % en 1984 à 24 % en 2002. Il faut noter aussi que la surface brÛlée est passée de 7 % en 1984 à 20,7 % en 2002. En revanche, certaines unités du paysage ont plutôt enregistré une réduction de leur superficie. Il s’agit entre autres de la savane herbeuse à arbustive et des savanes arbustives et brousse tachetée avec respectivement 10 et 51,8 % en 1984 et 4,1 et 20,7 % en 2002 (tableau 4).

Le tableau 5 récapitule les différents paramètres de structure spatiale (N, a, et P) calculés pour les différentes classes en 1984 et en 2002. Ces paramètres ont permis de détecter les changements de la structure spatiale du paysage du Parc entre les deux dates. Pour les classes forêts claires (C), zone brÛlée (B), eau libre (A), et galerie forestière et cordon ripicole (D) on a : N₂₀₀₂ > N₁₉₈₄ et a₂₀₀₂ > a₁₉₈₄, il y a donc création de nouvelles taches. Au niveau des classes savanes arbustives et brousse tachetée (E) et savane herbeuse à arbustive (G), on trouve que : N₂₀₀₂ > N₁₉₈₄ et a₂₀₀₂ < a₁₉₈₄. Dans ces conditions, il y a fragmentation ou dissection. Mais, dans les deux cas t_obs > 0,5 (0,6 et 0,9 respectivement pour E et G), alors ces classes ont subi le processus de dissection entre 1984 et 2002. En revanche, pour les classes de savane boisée et savane arborée (F), de végétation très clairsemée sur affleurement rocheux (H) et prairie et végétation aquatique (I), on a : N₂₀₀₂ < N₁₉₈₄, ce qui implique que le processus de suppression est survenu au niveau de ces classes. On remarque que les processus d’agrégation, d’agrandissement, de déformation, de fragmentation, de déplacement, de perforation et de rétrécissement n’ont pas été observés dans cette étude.

Discussion

Les valeurs de coefficient Kappa variant entre 0,90 et 0,98 respectivement pour 1984 et 2002 prouvent que les classifications réalisées sont fiables si l’on se réfère à l’échelle de Landis et Koch (1977). L’examen des résultats de la matrice de confusion classe par classe confirme qu’au niveau des deux images, il n’y a pas eu globalement de fortes confusions entre les classes. Cela s’explique, d’une part, par la qualité des images et, d’autre part, par le choix des classes thématiques. En effet, le choix des classes de végétation repose non seulement sur les valeurs radiométriques des classes, mais aussi sur le choix des zones d’entraînement. C’était un compromis entre la qualité spatiale des images, la complexité du paysage de la zone et les résultats statistiques. Les données de terrain récoltées lors de « vérité terrain » et la connaissance de la zone d’étude ont facilité les analyses et l’interprétation visuelle des images.

L’analyse de la dynamique de changement a fait ressortir un processus de création de nouvelles taches de forêts claires conduisant à l’augmentation de leur superficie entre 1984 à 2002. Cette augmentation de superficie provient du boisement de savane boisée, de savane arborée et de savanes arbustives et brousse tachetée. En l’absence d’activités humaines de reconstitution des forêts claires dans la zone, cette augmentation des superficies pourrait s’expliquer principalement par l’effet de la protection. De plus, il se trouve que dans le PNWN, les forêts ne brÛlent généralement pas, sauf en années très sèches ou en cas de forte fréquence du feu, où celui-ci arrive à pénétrer localement grâce à la litière (Benoît, 1998 ; Mahamane, 2006). Cette dynamique de la constitution des forêts claires est également à mettre en relation avec leur position topographique le long des vallées et talwegs qui atténue les effets de la sécheresse sur ce type de végétation (Saâdou, 1990). Toutefois, cette augmentation de superficie des forêts claires reste relative dans la mesure où l’on constate que ce sont les formations minoritaires qui ont les taux de changement les plus forts (forêts claires, galerie forestière et cordon ripicole, eau libre…). En effet, il ressort des analyses de la précision que l’erreur associée aux changements des petites superficies est beaucoup plus grande que celle associée aux changements des grandes superficies. De plus, la résolution de 30 m des données LANDSAT utilisées peut constituer une limite dans l’analyse spatiale. Cette résolution (30 m) pourrait avoir une influence sur la précision de la classification de petites superficies telle que les forêts claires (Bamba, 2010), surtout que certaines forêts claires sont d’extension spatiale très faible.

Par ailleurs, en considérant la dynamique des autres classes dans la zone, la classe de végétation très clairsemée sur affleurement rocheux a connu un accroissement très important passant de 12,7 à 24 %. Cette situation peut être considérée comme une forme de dégradation de la végétation de la zone explorée, parce que l’augmentation de la superficie de cette formation s’est effectuée au détriment principalement des savanes arbustives et brousse tachetée (15,3 %). D’autres formations – prairie et végétation aquatique et savane herbeuse à arbustive – ont aussi connu le phénomène de dégradation dans une moindre mesure. La transformation des superficies de ces formations peut être expliquée par l’impact des feux de végétation. En effet, ce sont les faciès de savane qui brÛlent le plus dans le PNWN et cela se confirme par une augmentation de la surface brÛlée passant de 7 à 20,7 % de la superficie totale du Parc entre les deux dates. D’autre part, les impacts du feu pourraient être amplifiés par l’herbivorie. En effet, l’exploitation de la végétation par les herbivores et aussi le pâturage modifient considérablement sa structure et la rendent parfois vulnérable au feu de végétation (Hibert et al., 2010). Clerici et al. (2007), ont déjà signalé la réduction des savanes arbustives dans le complexe WAP et la zone périphérique entre 1984 et 2002.

Le constat sur l’augmentation de la superficie des forêts claires a été également signalé dans la région de Korhogo en Côte d’Ivoire (Bassett et Zuéli, 2000). Selon les auteurs, cette dynamique est due à l’existence d’une faible pression anthropique et à une prédominance des feux précoces dans la zone. Toutefois, la sécheresse et les activités humaines ont le plus souvent entraîné la dégradation du couvert végétal surtout en milieu anthropisé (Chappell et Agnew, 2004 ; Dai et al., 2004 ; Nicholson, 2005 ; Fall et al., 2006 ; Camberlin et al., 2007 ; Kossi et al., 2009). De façon globale, la végétation du PNWN ne fait pas exception. Cependant, le processus de changement est variable selon la formation considérée. Par conséquent, en ce qui concerne la question de la dynamique de la végétation, il faut prendre chaque situation à part et analyser les tendances en fonction du statut de la zone, du type de formation végétale considérée et des interventions en cours (Achard et al., 1996 ; Mbow, 2009).

Conclusion

Le suivi de la végétation dans les régions semi-arides s’impose tant aux décideurs politiques et aux acteurs du développement qu’aux scientifiques. Aussi est-il nécessaire que des investigations soient réalisées périodiquement sur chaque type de végétation à toutes les échelles. Au cours de cette étude, la cartographie de l’état de changement de l’occupation des sols dans le Parc national du W du Niger entre 1984 et 2002 a révélé de fortes modifications du paysage de la zone. Il ressort que les formations végétales ont enregistré des dynamiques variables d’une classe thématique à une autre pendant cette période. En effet, trois processus de changement du paysage ont été enregistrés : la création, la suppression et la dissection. Ces changements sont principalement dus à des perturbations liées aux feux et à l’herbivorie. Malheureusement, cette modification des écosystèmes du PNWN n’est pas sans conséquences sur la conservation de la biodiversité. Néanmoins, la tendance à la constitution de certains faciès de végétation, dont les forêts claires, pourrait servir d’indicateur de la bonne protection du Parc national du W du Niger vis-à-vis des exploitations forestières. Les investigations devront être poursuivies avec des images spatiales postérieures à 2002 et de très haute résolution dans la mesure où l’augmentation de superficie a été surtout observée sur les classes minoritaires.

Les résultats de la présente étude vont constituer une situation de référence sur l’état des forêts claires pour le suivi à moyen et long terme de l’évolution de cette formation forestière via la mise en place d’un dispositif permanent. Le but final étant naturellement de mettre à la disposition des gestionnaires du Parc national du W des données scientifiques fiables sur cet habitat pour l’amélioration des activités d’aménagement afin de bien gérer et conserver la biodiversité globale.

Références

Achard F, Ansseau C, Beaubien J, Defourny P, Jaton A, Lemieux G, et al., 1996. La télédétection des forêts. In : AUPELF et al., eds. Précis de Télédétection. Québec : AUF Québec.

A. Aubreville Accord de Yangambi sur la nomenclature des types africains de végétation Bois et Forêts des Tropiques 1957; 51: 23-27.

Bamba I, 2010. Anthropisation et dynamique spatio-temporelle de paysages forestiers en République Démocratique du Congo. Thèse de doctorat, université libre de Bruxelles.

I Bamba, AD Mama, FR Neuba, KJ Koffi, D Traoré, M Visser et al. Influence des actions anthropiques sur la dynamique spatio-temporelle de l’occupation du sol dans la province du Bas-Congo (R.D. Congo) Sces & Nat 2008; 5: 49-60.

N Barbier, P Couteron, J Lejoly, V Deblauwe, O. Lejeune Self-organised vegetation patterning as fingerprint of climate and human impact on semiarid ecosystems J Ecol 2006; 94: 537-547.

Barima SS, 2009. Dynamique, fragmentation et diversité végétale des paysages forestiers en milieux de transition forêt-savane dans le Département de Tanda (Côte d’Ivoire). Thèse de doctorat, université libre de Bruxelles.

TJ Bassett, K.B. Zuéli Environmental discourses and the Ivorian savanna Ann Assoc Amer Geogr 2000; 90: 67-95.

Benoît M, 1998. Statut et usages du sol en périphérie du parc national du « W » du Niger : Contribution à l’étude du milieu naturel et des ressources végétales du canton de Tamou et du Parc du « W ». Niamey : Orstom.

J Bogaert, R Ceulemans, E.D. Salvador-Van Decision tree algorithm for detection of spatial processes in landscape transformation Env Manag 2004; 33: 62-73.

P Camberlin, N Martiny, N Philippon, Y. Richard Determinants of the interannual relationships between remote sensed photosynthetic activity and rainfall in tropical Africa Remot Sen Env 2007; 106: 199-216.

A Chappell, C.T. Agnew Modeling climate change in West African Sahel rainfall 1931-90 as an artifact of changing station locations Int J Climatol 2004; 24: 547-554.

N Clerici, A Bodini, H Eva, JM Grégoire, D Dulieu, C. Paolini Increased Isolation of Two Biosphere Reserves and Surrounding Protected Areas (WAP : W-Arly-Pendjari, Ecological Complex, West Africa) J Nat Conserv 2007; 15: 26-40.

P Couteron, K. Kokou Parc National du W (Niger) : typologie et cartographie de la végétation du Parc National et de la réserve de faune de Tamou 1992; Engref-Unesco Montpellier.

A Dai, PJ Lamb, KE Trenberth, M Hulme, PD Jones, P. Xie The recent Sahel Drought is real Int J Climatol 2004; 24: 1323-1331.

G. De Wispelaere Cartographie de la végétation du complexe du « W » 2002; Cirad éditions Montpellier.

L. Fahrig Effects of habitat fragmentation on biodiversity Ann Rev Ecol Evol Syst 2003; 34: 487-515.

S Fall, FHM Semazzi, DDS Miyogi, RO Anyah, J. Bowden Spatiotemporal climate variability over Senegal and its relationship to global climate Int J Climatol 2006; 26: 2057-2076.

A Giannini, R Saravanan, P. Chang Oceanic forcing of Sahel rainfall on interannual to interdecadal time scales Science 2003; 302: 1027-1030.

JM Grégoire, D. Simonetti Interannual Changes of Fire Activity in the Protected Areas of the SUN (Sustainable use of natural vegetation in West Africa) Network and Other Parks and Reserves of the West and Central Africa Region Derived from MODIS Observations Remote Sens 2010; 2: 446-463.

Hibert F, Clement C, Hervé F, et al., 2010. Spatial avoidance of invading pastoral cattle by wild ungulates : insights from using point process statistics Biodivers Conserv. 1007/s10531-010-9822.

M Hien, J Boussim, G. Sita L’Utilisation de Burkea Africana Hook (Caesalpiniaceae) par les populations d’éléphants (Loxodonta Africana Blumen Bach) dans le Ranch de Gibier de Nazinga (Burkina Faso) Ann Bot Afr Ouest 2002; 02: 25-35.

B Jérémy, S Youssoufou, S Yahaya, C Jean, G Laure, KZ Chantal et al. Indentification of ecological indicators for monitoring ecosystem health in the trans-boundary W Regional Park : A pilot study Biol Conserv 2007; 238: 73-88.

Kossi A, Bellefontaine R, Kouami K, 2009. Les forêts claires du Parc national Oti-Kéran au Nord-Togo : structure, dynamique et impacts des modifications climatiques récentes. Secheresse 20 (1e) : e1-10. doi : 10.1684/sec.2009.0217.

Lamarque F, 2004. Les grands mammifères du complexe WAP. Montpellier : Cirad/ECOPAS (Ecosystèmes Protégés d’Afrique Soudano-Sahélienne).

JR Landis, G.G. Koch The measurement of observer agreement for categorical data Biometr 1977; 33: 159-174.

A. Mahamane Études floristique, phytosociologie et phytogéographique de la végétation du Parc Régional du W du Niger Acta Bot Gallica 2006; 153: 265-269.

C. Mbow Potentiel et dynamique des stocks de carbone des savanes soudaniennes et soudano-guinéennes du Sénégal 2009; Université Cheikh Anta Diop Dakar.

E.S. Nicholson On the question of the “recovery” of the rains in the West African Sahel J Arid Environ 2005; 63: 615-641.

Saâdou M, 1990. La végétation des milieux drainés nigériens à l’Est du fleuve Niger. Thèse de doctorat d’État, université de Niamey.

Walker B, Steffen W, Canadell J, Ingram J, 1999. The terrestrial biosphere and global change. Cambridge : Cambridge University Press, 1999.

M Williams, CM Ryan, RM Rees, E Sambane, J Fernando, J. Grace Carbon sequestration and biodiversity of re-growing Miombo woodlands in Mozambique Forest Ecol Manage 2008; 254: 145-155.

¹ t : valeur seuil prédéfinie utilisée comme référence pour évaluer le ratio entre les aires de deux dates données a₁ et a_{0 (}t_obs).