Optimisation de l'Evaluation de la Biomasse Fourragère en Zone Sahélienne Grâce à l’Utilisation de la Méthode de Régression Linéaire Multiple en Conjonction avec la Stratification

  • Issa Garba Centre Régional AGRHYMET, Niamey, Niger
  • Zakari Seybou Abdourahamane Centre Régional AGRHYMET, Niamey, Niger
  • Abdou Amadou Sanoussi Centre Régional AGRHYMET, Niamey, Niger
  • Illa Salifou Faculté d’Agronomie (FA), Université Abdou Moumouni de Niamey, Niger
Keywords: Régression Linéaire Multiple, Sahel, Évaluation Biomasse Fourragère, Stratification, NDVI

Abstract

L'objectif de cette étude, conduite dans la zone pastorale du Niger, est d'optimiser l'estimation de la biomasse fourragère à l'échelle des faciès grâce avec la méthode de Régression Linéaire Multiple (MRM). Les données utilisées englobent les mesures in situ de la masse herbacée entre 2001 et 2012, des données pluviométriques de station, les variables agrométéorologiques dérivées des données météorologiques de l'European Centre for Medium-Range Weather Forecasts (ECMWF) traitées via AgroMetShell (AMS), les images satellitaires NDVI de SPOT VEGETATION traitées avec le programme « Vegetation Analysis in Space and Time » (VAST) pour obtenir des variables biophysiques à partir des séries annuelles de NDVI décadaires, et les données de pluies estimées RFE provenant du « Famine Early Warning Systems NETwork » (FEWSNET). Nous avons identifié les strates en nous appuyant sur la carte des sols de la FAO, la couche des écorégions et les zones bioclimatiques du pays. Le modèle a été développé en utilisant la méthode de la MRM avec une approche ascendante de sélection de variables basée sur le R² ajusté et l'erreur quadratique moyenne (RMSE). Pour évaluer la robustesse du modèle, nous avons employé la validation croisée « leave one out – cross validation » (LOO-CV) pour calculer les R² de validation et effectué un diagnostic systématique des résidus afin de mieux caractériser le modèle. À l'échelle de l'ensemble de la zone d'étude (échelle globale), le MRM a produit un R² ajusté de 0,69 et un RMSE de 282 kg.ha-1, avec seulement une légère différence de 2,72 kg.ha-1 entre le RMSE de la calibration et celui de la validation. La stratification a amélioré la performance des modèles, avec des résultats prometteurs. Les modèles basés sur les types de sols FAO ont montré des R² élevés pour Ge5-1a, Qc1, Qc7-1a, Ql1-1a et Re35-a. Les écorégions telles que l'Azaouak, le Manga1 et le Manga2 ont également obtenu de bons résultats. Les paramètres des modèles par faciès ont été encore plus prometteurs, avec des R² allant de 0,77 à 0,93. Ces travaux auront un impact significatif en améliorant la qualité des informations utilisées pour planifier les initiatives de développement visant à protéger la société nigérienne contre les crises pastorales.

 

The aim of this study, conducted in the pastoral zone of Niger, is to optimize the estimation of forage biomass at the scale of the different facies using Multiple Linear Regression (MRM) method. The data used include field measurements of herbaceous mass between 2001 and 2012, station rainfall data, agrometeorological variables derived from meteorological data from the European Centre for Medium-Range Weather Forecasts (ECMWF) processed via AgroMetShell (AMS), SPOT VEGETATION NDVI satellite images processed with the Vegetation Analysis in Space and Time (VAST) program to obtain biophysical variables from annual decadal NDVI series, and estimated RFE rainfall data from the US Famine Early Warning Systems NETwork (FEWSNET) to calculate annual rainfall totals. We identified strata based on the FAO soil map, the ecoregion layer and the country's bioclimatic zones. The model was developed using MRM with a bottom-up variable selection approach based on adjusted R² and root mean square error (RMSE). To assess the model's robustness, we used leave-one-out cross validation (LOO-CV) to calculate the validation R², and carried out systematic residual diagnostics to better characterize the model. At the scale of the entire study area (global scale), the MRM produced an adjusted R² of 0.69 and an RMSE of 282 kg.ha-1, with only a slight difference of 2.72 kg.ha-1 between the calibration and validation RMSEs. Stratification improved model performance, with promising results. Models based on FAO soil types showed high R²s for Ge5-1a, Qc1, Qc7-1a, Ql1-1a and Re35-a. Ecoregions such as Azaouak, Manga1 and Manga2 also performed well. Model parameters by facies were even more promising, with R²s ranging from 0.77 to 0.93. This work will have a significant impact in improving the quality of information used to plan development initiatives aimed at protecting Nigerian society from pastoral crises.

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

References

1. Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56. Fao, Rome, 300(9), D05109.
2. Balaghi, R., Tychon, B., Eerens, H., & Jlibene, M. (2008). Empirical regression models using NDVI, rainfall and temperature data for the early prediction of wheat grain yields in Morocco. International Journal of Applied Earth Observation and Geoinformation, 10(4), 438-452.
3. Bégué, A., Vintrou, E., Ruelland, D., Claden, M., & Dessay, N. (2011). Can a 25-year trend in Soudano-Sahelian vegetation dynamics be interpreted in terms of land use change? A remote sensing approach. Global environmental change, 21(2), 413-420.
4. Chabeuf, N. (1987). Atlas de l'élevage et des potentialités pastorales sahéliennes. CTA-IEMVT. Synthèse cartographique.
5. Diallo, O., Diouf, A., Hanan, N. P., Ndiaye, A., & Prevost, Y. (1991). AVHRR monitoring of savanna primary production in Senegal, West Africa: 1987-1988. International journal of remote sensing, 12(6), 1259-1279.
6. Diouf, A. A., Brandt, M., Verger, A., El Jarroudi, M., Djaby, B., Fensholt, R., ... & Tychon, B. (2015). Fodder biomass monitoring in Sahelian rangelands using phenological metrics from FAPAR time series. Remote Sensing, 7(7), 9122-9148.
7. Diouf, A. A., Djaby, B., Diop, M. B., Wele, A., Ndione, J. A., & Tychon, B. (2014). Fonctions d’ajustement pour l’estimation de la production fourragère herbacée des parcours naturels du sénégal à partir du ndvi s10 de spot-vegetation. In XXVIIe Colloque de l’Association Internationale de Climatologie.
8. Diouf, A. A., Hiernaux, P., Brandt, M., Faye, G., Djaby, B., Diop, M. B., ... & Tychon, B. (2016). Do agrometeorological data improve optical satellite-based estimations of the herbaceous yield in Sahelian semi-arid ecosystems?. Remote Sensing, 8(8), 668.
9. DNEP. (2013). Déclaration de N'djamena pour l'Elevage Pastoral: une contribution durable au développement et à la sécurité des espaces saharo-saheliens. Colloque régional conférence ministérielle, Ndjamena, Tchad.
10. DNP. (2013). Déclaration de Nouakchott pour le Pastoralisme: Mobilisons ensemble un effort ambitieux pour un pastoralisme sans frotière. conférence des chefs d'Etats et de gouvernements, Nouakchott, Mauritanie.
11. Efron, B. (1992). Bootstrap methods: another look at the jackknife. In Breakthroughs in statistics: Methodology and distribution (pp. 569-593). New York, NY: Springer New York.
12. Emmert-Streib, F. (2009). Information theory and statistical learning. M. Dehmer (Ed.). Springer US.
13. environment, 83(1-2), 195-213.
14. Garba, I., Djaby, B., Salifou, I., Boureima, A., Touré, I., & Tychon, B. (2015). évaluatIon des RessouRces pastoRales au sahel nIgéRIen à l’aIde des données ndvI Issues de spot-vegetatIon et modIs. Photo interprétation European Journal of Applied Remote Sensing, 1(1), 13-26.
15. Hiernaux, P., & Le Houérou, H. N. (2006). Les parcours du Sahel. Science et changements planétaires/Sécheresse, 17(1), 51-71..
16. Hiernaux, P., H., & Justice C., O. (1986). Suivi du développement végétal au cours de l'été 1984 dans le sahel malien. International Journal of Remote Sensing, 7:11, 1515-1531, doi: 10.1080/01431168608948951.
17. Johnson, R. A., & Bhattacharyya, G. K. (2019). Statistics: principles and methods. John Wiley & Sons.
18. Kouadio, L., Newlands, N. K., Davidson, A., Zhang, Y., & Chipanshi, A. (2014). Assessing the performance of MODIS NDVI and EVI for seasonal crop yield forecasting at the ecodistrict scale. Remote Sensing, 6(10), 10193-10214.
19. Lanly, J. P. (1981). Manuel d'inventaire forestier. Etude FAO Forêts, Rome, Italie..
20. Lobell, D. B., & Asner, G. P. (2004). Cropland distributions from temporal unmixing of MODIS data. Remote Sensing of Environment, 93(3), 412-422.
21. Lona, I. (2014). Risques climatiques et pratiques culturales du mil et du sorgho au Niger (Doctoral dissertation, Thèse de Doctorat de l’université Abdou Moumouni de Niamey, Géographie, 208p).
22. Maselli, F., Chiesi, M., Barbati, A., & Corona, P. (2010). Assessment of forest net primary production through the elaboration of multisource ground and remote sensing data. Journal of Environmental Monitoring, 12(5), 1082-1091.
23. Maselli, F., Conese, C., Petkov, L., & Gilabert, M. A. (1993). Environmental monitoring and crop forecasting in the Sahel through the use of NOAA NDVI data. A case study: Niger 1986–89. International Journal of Remote Sensing, 14(18), 3471-3487.
24. Meroni, M., Rembold, F., Verstraete, M. M., Gommes, R., Schucknecht, A., & Beye, G. (2014). Investigating the relationship between the inter-annual variability of satellite-derived vegetation phenology and a proxy of biomass production in the Sahel. Remote Sensing, 6(6), 5868-5884.
25. Mintzer, I. M. (Ed.). (1992). Confronting climate change: risks, implications and responses. Cambridge University Press.
26. Morel, R. (1992). Atlas agroclimatique des pays de la zone du CILSS: notice et commentaire. Centre Régional AGRHYMET, Niamey, NIGER.
27. OMD1. (2011). Cadre d’accélération des OMD : Réduire l’extrême pauvreté et la faim Sécurité alimentaire et nutritionnelle au Niger. Niamey, NIGER.
28. Redelsperger, J. L., Diedhiou, A., Flamant, C., Janicot, S., Lafore, J. P., Lebel, T., & van den Akker, E. (2006). AMMA, une étude multidisciplinaire de la mousson ouest-africaine. La meteorologie, 54, 22-32.
29. RGAC. (2008). Recensement générale de l'agriculture et du cheptel. Rapport préparé pour le Gouvernement du Niger par l’Organisation des Nations Unies pour l’alimentation et l’agriculture, Rome, Italie.
30. Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. NASA Spec. Publ, 351(1), 309.
31. Rouse, J. W., Jr. Haas, R. H., Schell, J. A. & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. NASA Special Publication.
32. Santin-Janin, H., Garel, M., Chapuis, J. L., & Pontier, D. (2009). Assessing the performance of NDVI as a proxy for plant biomass using non-linear models: a case study on the Kerguelen archipelago. Polar Biology, 32, 861-871.
33. Sivakumar, M. V. K., Maidoukia, A., & Stern, R. D. (1993). Agroclimatology of West Africa: Niger..
34. Stanton, C. Y. (2023). Overcoming Data Limitation Challenges in Predicting Tropical Storm Surge with Interpretable Machine Learning Methods (Doctoral dissertation, Texas A&M University-Corpus Christi).
35. Touré, I., Ickowicz, A., Ancey, V., Gerber, P., Wane, A., Saley, M., ... & Atte, I. (2011). SIPSA: un système d'information et d'alerte précoce pour accompagner les prises de décisions dans le domaine du pastoralisme au Sahel. Ministère de l'élevage et des ressources animales.
36. Touré, I., Ickowicz, A., Wane, A., Garba, I., Gerber, P., Atte, I., ... & Yahaya, S. (2012). Atlas des évolutions des systèmes pastoraux au Sahel: 1970-2012.
37. UA, Union africaine (2013). Cadre stratégieque pour le pastoralisme en Afrique: Sécuriser, Protéger et améliorer les vies, les moyens de subsistance et les droits des communautés pastorales, Addis Abeba ,Ethiopie.
38. Unesco. (1981). Ecosystemes patures tropicaux: un rapport sur l'etat des connaissances prepare par l'Unesco, le PNUE et la FAO. na..
39. Weiers, R. M. (2011). Introduction to business statistics. Sauth-Western.
40. Wylie, B. K., Harrington Jr. J. A., Prince S. D., & Denda I. (1991) Satellite And Ground-Based Pasture Production Assessment In Niger: 1986-1988, International Journal Of Remote Sensing, 12:6, 1281-1300, Doi: 10.1080/01431169108929726.
41. Zakaria, R. (2010). Revue du secteur de l’élevage au Niger. Ministère de l'Elevage et des Indusries Animales (MEIA), Niamey, NIGER.
Published
2023-10-25
How to Cite
Garba, I., Abdourahamane, Z. S., Sanoussi, A. A., & Salifou, I. (2023). Optimisation de l’Evaluation de la Biomasse Fourragère en Zone Sahélienne Grâce à l’Utilisation de la Méthode de Régression Linéaire Multiple en Conjonction avec la Stratification. European Scientific Journal, ESJ, 22, 640. Retrieved from https://eujournal.org/index.php/esj/article/view/17330
Section
ESI Preprints