Cartographie Predictive del l’Occupation des Terres dans la Commune de Ouesse a Base de l’Imagerie Landsat
Abstract
La commune de Ouèssè, objet de cette étude subit diverses pressions anthropiques. Cette recherche vise à faire une cartographie prédictive de l’occupation des terres de la commune de Ouèssè aux horizons 2030 et 2050. La méthodologie adoptée s’est basée sur la cartographie diachronique de l’occupation des terres et l’utilisation des chaînes de Markov. Aussi, une enquête auprès de 107 personnes a permis d’analyser les facteurs de dégradation des formations végétales naturelles. Il en ressort que les formations végétales naturelles ont connu une régression au profit des formations anthropiques (30712.95 ha). Les facteurs de cette dynamique régressive sont : l’agriculture (34,38 %), l’exploitation du bois d’œuvre (28,13 %) et la carbonisation (18,75 %). Cette tendance régressive des formations végétales naturelles va croître de 151296,78 ha en 2030 et de 443745,62 ha en 2050 dans le futur, si les pratiques actuelles d’utilisation des terres sont maintenues. Face à ce constat, il est urgent de mettre en place une gestion planifiée des formations végétales, afin d’inverser cette tendance régressive par le reboisement et leur permettre de jouer leurs fonctions d’approvisionnement et de régulation.
The district of Ouèssè, the subject of this study, is subject to various anthropic pressures. This research aims to make a predictive mapping of the land use of the district of Ouèssè in the 2030 and 2050 horizons. The methodology adopted was based on diachronic mapping of land use and the use of Markov chains. Also, a survey of 107 people was used to analyze the factors of degradation of natural vegetation formations. It was found that natural vegetation formations have been regressing in favor of anthropogenic formations (30712.95 ha). The factors of this regressive dynamic are agriculture (34.38 %), timber exploitation (28.13 %) and carbonization (18.75 %). This regressive trend of natural vegetation formations will increase by 151296.78 ha in 2030 and 443745.62 ha in 2050 in the future if the current land use practices are maintained. Faced with this observation, it is urgent to set up a planned management of the vegetation formations, in order to reverse this regressive trend by reforestation and to allow them to play their functions of supply and regulation.
Downloads
Metrics
PlumX Statistics
References
2. Arouna O., (2012). Cartographie et modélisation prédictive des changements spatio-temporels de la végétation dans la commune Djidja au Bénin : Implication pour l’aménagement du territoire. Thèse de doctorat Unique Université d’Abomey-Calavi, Bénin, 246 p.
3. Agbanou, B. T., (2018). Dynamique de l’occupation du sol dans le secteur Natitingou-Boukombé (Nord-Ouest Bénin) : De l’analyse diachronique à une modélisation prospective, Thèse de Doctorat-Géographie de l’environnement, Université Toulouse le Mirail. Toulouse II, 271 p.
4. Agbanou, T. B., Paegelow, M., Toko, I. I., & Tente, B., (2018). Modélisation
5. des changements d’occupation des terres en région soudanienne au Nord-Ouest du Bénin, pp 249-250
6. Bamba, I., Mama, A., Neuba, D. F. R., Koffi, K. J., Traoré, D., Visser, M., Sinsin, B., Lejoly, J., & Bogaert, J. (2008). Influence des actions anthropiques sur la dynamique spatio-temporelle de l’occupation du sol dans la province du Bas-Congo (R.D. Congo). Sciences & Nature Vol. 5 N° 1 : pp 49-60.
7. Brun, L. E., Sinasson, G., Azihou, F. A., Gibigayé, M. & Tenté, B. A., (2020). Perceptions des facteurs déterminants de dégradation de la flore des zones humides dans la commune d’Allada, Sud-Bénin. Afrique SCIENCE, 16(4), pp 52-67.
8. FAO, (2016). Situation des forêts du monde. Forêts et agriculture : défis et possibilité concernant l’utilisation des terres. Rome (Italie), 137p.
9. Foody, G. M., (2002). Hard and soft classifications by a neural network with a non-exhaustively defined set of classes. International Journal of Remote Sensing, 23(18), pp 3853-3864.
10. Kouta, S., (2016). Impact de la mise en œuvre du plan d’aménagement de la forêt classée des Monts Kouffé sur la dynamique des formations végétales en République du Bénin, Mémoire de DEA- Géosciences de l’Environnement et Aménagement de l’Espace, EDP, Université d’Abomey-Calavi, 96 p.
11. Korotkov, V., Logofet, D. et Loreau, M. (2001). Succession in mixed borel forest of Russia: Markov models and non-Markov effects. Ecological Modelling 142 : pp 25-38.
12. Kouta, S., (2020). Modélisation de la dynamique de l’occupation des terres et résilience de la flore dans le bassin cotonnier du Nord-Bénin. Thèse de doctorat, Université d’Abomey-Calavi, 277p.
13. Mazo, I., (2020). Dynamique spatio-temporelle de la biomasse aérienne ligneuse et estimation du stock de carbone dans la forêt classée de Goungoun est ses terroirs riverains au Nord-Bénin. Thèse de doctorat, Université d’Abomey-Calavi, 277p.
14. Mama, V. J., & Oloukoi, J., (2003). Évaluation de la précision des traitements analogiques des images satellitaires dans l’étude de la dynamique de l’occupation du sol. Télédétection 3 (5) : pp 429-441.
15. Oloukoi J., Mama V. J., & Agbo, F. B., (2006). Modélisation de la dynamique de l’occupation des terres dans le Département des Collines au Bénin. Télédétection 6 (4), pp 305-323.
16. Orékan, V. O. A., (2007). Implementation of the local land use and land-cover change model CLUE-s for Central Benin by using socio-economic and remote sensing data. Thèse de doctorat. 230 p.
17. Toko I.N., Arouna O., Toko I. I., (2016). Cartographie de la dynamique spatio-temporelle des parcours naturels des troupeaux transhumants dans les communes de Banikoara et de Karimama au benin (Afrique De L’ouest), European Scientific Journal, vol.12, No.32
18. pp.1857- 7431 doi: 10.19044/esj.2016.v12n32p251 URL:http://dx.doi.org/10.19044/esj.2016.v12n32p251
Copyright (c) 2022 Mama Djaouga, Adéline Dossou, Ismaël Mazo
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.