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

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 avec la méthode de Régression Linéaire Multiple (RLM). 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). Les strates ont été identifiées sur la base de 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 RLM avec une approche ascendante de sélection de variables basée sur le coefficient de détermination (R²) ajusté et la racine de l'erreur quadratique moyenne (RMSE). Pour évaluer la robustesse du modèle, la validation croisée « leave one out – cross validation » (LOO-CV) a été employé 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 RLM a produit un R² ajusté de 0,69 et un RMSE de 282 kg MS.ha-1, avec seulement une légère différence de 2,72 kg MS.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, was to optimize the estimation of forage biomass at the scale of the different facies using Multiple Linear Regression (MLR) method. The data used include field measurements of herbaceous mass between 2001 and 2012, station rainfall data, agrometeorological variables derived from meteorological data of 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 MLR 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 MLR produced an adjusted R² of 0.69 and an RMSE of 282 kg MS.ha-1, with only a slight difference of 2.72 kg MS.ha-1 between the calibration and validation RMSE. 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 R² 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 for protecting Nigerian society from pastoral crises.