Dynamique spatio-temporelle du couvert forestier dans le bassin de la rivière Kara au Nord Togo (Afrique de l’Ouest)
Abstract
Cette étude examine l'évolution de l'occupation des sols dans le bassin de la Kara sur 50 ans, de 1972 à 2021, en utilisant des images Landsat. Ce bassin, affecté par l'augmentation de la population, subit des changements notables au niveau de son couvert forestier. L'objectif est d'évaluer la dynamique à travers l'analyse de données de télédétection. Les étapes incluent la cartographie de l'occupation du sol pour les années 1972, 1987, 2005 et 2021, ainsi qu'une prédiction pour 2050 basée sur un scénario tendanciel. Le VHI a été calculé pour suivre la santé de la végétation et sa corrélation avec les paramètres météorologiques. Les résultats montrent une diminution significative des forêts de 1972 à 2005, suivie d'une légère augmentation jusqu'en 2021, indiquant une tendance positive vers la conservation. Cependant, la conversion des savanes en terres agricoles est préoccupante, avec une dégradation rapide de 9,22 % entre 2005 et 2021. L'analyse de la matrice de Markov a permis d'évaluer les probabilités de transition entre les classes d'occupation du sol pour la période 2021-2050, révélant une tendance à une conversion des savanes en forêts. L'analyse de l'indice VHI montre une variabilité interannuelle de la santé de la végétation, avec des conditions humides et sèches alternant entre 1972 et 2005, et une variabilité réduite entre 2005 et 2021. Ces résultats fournissent des bases pour comprendre et anticiper l'évolution des paysages face aux migrations des populations et au développement agricole.
This study examines land use changes in the Kara basin over a 50-year period, from 1972 to 2021, using Landsat imagery. This basin, impacted by population growth, is experiencing notable changes in its forest cover. The aim is to assess this dynamic through remote sensing data analysis. The steps include mapping land use for the years 1972, 1987, 2005, and 2021, as well as making a prediction for 2050 based on a trend scenario. The Vegetation Health Index (VHI) was calculated to track vegetation health and its correlation with meteorological parameters. The results show a significant decrease in forests from 1972 to 2005, followed by a slight increase until 2021, indicating a positive trend towards conservation. However, the conversion of savannas to agricultural land is concerning, with a rapid degradation of 9.22% between 2005 and 2021. The Markov matrix analysis assessed the probabilities of transition between land use classes for the period 2021-2050, revealing a trend towards the conversion of savannas into forests. The VHI analysis indicates interannual variability in vegetation health, with alternating wet and dry conditions between 1972 and 2005, and reduced variability between 2005 and 2021. These results provide a foundation for understanding and anticipating the evolution of landscapes in response to population migrations and agricultural development.
Downloads
Metrics
References
2. Aleman, J., et al. (2016). Land use change in West Africa: An analysis of the drivers and consequences. Global Environmental Change, 39, 1-12.
3. Atakpama, W., Asseki, E., Amana, E. K., Koudegnan, C., Batawila, K.,et Akpagana, K. (2018). Importance socio-économique de la forêt communautaire d’Edouwossi-copé dans la préfecture d’Amou au Togo. Rev. Mar. Sci. Agro Vét., 6(1), 9.
4. Bijaber, N., et Rochdi, A. (2017). Télédétection spatiale pour l'évaluation du risque de sécheresse au Maroc. Revue Internationale de Géomatique, 27(2), 203-222.
5. Braud, I., et al. (2011). Rapport final du projet AVuPUR.
6. Breiman, L. (2001). Statistical modeling: The two cultures. Statistical Science, 16(3), 199-215. https://doi.org/10.1214/ss/1000000001
7. Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. J. (1984). Classification and Regression Trees. Chapman and Hall/CRC.
8. Davranche, A., & Taïbi, A. N. (2015). Les changements d'occupation et d'usage du sol, des processus multidimensionnels complexes qui affectent la biodiversité. Dans R. Mathevet & L. Godet (Éds.), Pour une géographie de la conservation (p. 121-142). L'Harmattan. https://hal.archives-ouvertes.fr/hal-01226543
9. Eastman, J. R. (2009). IDRISI Taiga: Guide to GIS and image processing. Clark Labs, Clark University.
10. Ellis E. C., A.H.W. Beusen & Klein Goldewijk, (2020). Anthropogenic Biomes: 10,000 BCE to 2015 CE. Land 9, 129, 1-19. doi:10.3390/land9050129
11. Erb, K.-H.,Lauk, C., Kastner, T., Meyer, A. (2017). Unexpectedly large impact of forest management and grazing on global vegetation biomass. Nature, 553, 73–76. https://doi.org/10.1038/nature24679
12. FAO. (2020). La situation des forêts du monde 2020. Organisation des Nations Unies pour l'alimentation et l'agriculture. https://doi.org/10.4060/ca9825fr
13. Faty, A. (2021). Détermination de scénario d'occupation du sol dans le contexte du changement climatique dans le bassin versant du fleuve Sénégal. [PDF]. Disponible sur ResearchGate
14. Faye, C. T., Thiaw, A. D., & Faye, G. (2020). Dynamique du couvert végétal dans la Forêt Communautaire de Sambandé au Sénégal. Physio-Géo, 19(-1), 29-48.
15. Faye, A., Diop, A. H., & Sow, M. (2016). Climat et agriculture au Sénégal : Analyse économique de la disponibilité de l’eau d’irrigation dans un contexte de variabilité des précipitations. Thèse de doctorat, Université Cheikh Anta Diop de Dakar.
16. Fayolle, A., Ngomanda, A., Mbasi, M., Barbier, N., Bocko, Y., Couteron, P., & Medjibe, V. P. (2018). (2018). Impact of climate change on forest ecosystems in Central Africa: A review. Forest Ecology and Management, 429, 1-12. DOI: [à compléter].
17. Gidey, E., Dikinya, O., Sebego, R., Segosebe, E., and Zenebe, A. (2018). Analysis of the long-term agricultural droughtonset, cessation, duration, frequency, severity and spatial extentusing Vegetation Health Index (VHI). Raya and its environs, Northern Ethiopia.
18. Gislason, P. O., Benediktsson, J. A., & Sveinsson, J. R. (2006). Random Forests for land cover classification. Pattern Recognition Letters, 27(4), 294-300. https://doi.org/10.1016/j.patrec.2005.08.011
19. Grinand, C., Gollner, M., & Rabeharisoa, L. (2013). Estimation de la déforestation des forêts humides à Madagascar à l'aide de données de télédétection. Revue Française de Photogrammétrie et de Télédétection, 14(211-212), 27-34. https://doi.org/10.1016/j.rp.2013.06.002
20. Haglund, T., & al. (2011). Restoration of degraded landscapes in Africa: A review of approaches and practices. Land Degradation & Development, 22(3), 245-257.
21. Hanade-Houmma, I. (2019). Télédétection et évaluation des risques de sécheresse dans les agrosystèmes. Revue Internationale de Géomatique, 29(3), 345-367.
22. Institut National de la Statistique et des Études Économiques et Démographiques (INSEED). (2023). Présentation des principaux résultats définitifs du RGPH-5. Lomé, Togo : INSEED. https://inseed.tg/presentation-des-principaux-resultats-definitifs-du-rgph-5/
23. Karnieli, A., Agam, N., Pinker, R., Anderson, M., Imhoff, M., Gutman, G., Panov, N., Goldbe A. (2010). Use of NDVI and land surface temperature for drought assessment: merits and limitation Journal of climate volume 23.American Meteorological Dociety. DOI: 10.1175/2009jcli2900.1.
24. Kogan, N. (2002). Careers in the performing arts: A psychological perspective. Creativity Research Journal, 14(1), 1-16. https://doi.org/10.1207/S15326934CRJ1401_1
25. Kossi Hounkpati, Kossi Adjonou, Hamza Moluh Njoya, Atsu K. Dogbeda Hlovor, Harison Kiplagat Kipkulei, Stefan Sieber, Katharina Löhr & Kouami Kokou.(2024). "Strengthening Forest Landscape Restoration through Understanding". Journal of the Indian Society of Remote Sensing. https://doi.org/10.1007/s12524-024-01862-w.
26. Kouassi, J., Kahia, J., Diby, L., Kouassi, J. L., Bene, K., & Kouame, C. (2018). Variabilité climatique et feux de brousse dans le bassin versant du N'Zi en Côte d'Ivoire centrale. African Journal of Agricultural Research, 13(41), 2249-2255.
27. Kpangui, K. B., Adou Yao, C. Y., Kouassi, A. F., & Sangne, Y. C. (2018). Incidence de l'ombrage sur les caractères phénotypiques du cacaoyer (Theobroma cacao L.) dans le V Baoulé (Centre de la Côte d'Ivoire). Cahiers Agricultures, 27(3), 5003. https://doi.org/10.1051/cagri/2018009
28. Kpedenou K.D., Boukpessi T., Tchamie T.T.K. (2016). Quantification des changements de l’occupation du sol dans la préfecture de Yoto (sud-est Togo) à l’aide de l’imagerie satellitaire landsat. Rev. Sc. Env. Univ., Lomé (Togo), n° 13.
29. Masoud, A. A., & Koike, K. (2006). Arid land salinization detected by remotely-sensed land covers changes: A case study in the Siwa region, NW Egypt. *Journal of Arid Environments*, 1, 151-167.
30. Ministère de l'Environnement et des Ressources Forestières (MERF). (2018). Analyse de l'utilisation des terres au Togo. Lomé, Togo : MERF.
31. Nagendra, H., Pareeth, S., & Ghate, R. (2006). People within parks-forest villages, land-cover change and landscape fragmentation in the Tadoba Andhari Tiger Reserve, India. Applied Geography, 96, 96-112.
32. Nasser, T., Faour, G., & Touchart, L. (2020). Suivi de la sécheresse dans un territoire agricole du Liban : la plaine de la Beqaa. Méditerranée, 131. https://doi.org/10.4000/mediterranee.11621
33. Ouedraogo, A., et al. (2021). Analyse des déterminants socioéconomiques et psychosociaux de la décision d'adoption d'innovations par les agriculteurs : cas de l'irrigation de complément au Burkina Faso. Montpellier : Montpellier SupAgro.
34. Pontius, J. R. G. (2000). Quantification comparison of categorical maps. Photogrammetric Engineering and Remote Sensing, 66(8), 1011–1016
35. Potapov, P., Turubanova, S., & Hansen, M. C. (2012). Mapping and monitoring deforestation and forest degradation in Sumatra (Indonesia) using Landsat time series. Proceedings of the 2012 IEEE International Geoscience and Remote Sensing Symposium, 6286-6289. https://doi.org/10.1109/IGARSS.2012.6352811
36. Rhee, S. Y., Park, T., & Lee, D. H. (2010). Drivers of innovativeness and performance for innovative SMEs in South Korea: Mediation of learning orientation. Journal of Small Business Management, 48(2), 270-288.
37. Roudier, P. (2012). Climat et agriculture en Afrique de l'Ouest : quantification de l'impact du changement climatique sur les rendements et évaluation de l'utilité des prévisions saisonnières (Thèse de doctorat, École des Hautes Études en Sciences Sociales). HAL. https://theses.hal.science/tel-00874724
38. Ross, A. J. (1993). Citation, original classification and taxonomic changes. The Taxonomicon.
39. Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. NASA Special Publication, 351, 309-317.
40. Sendzimir, J., & al. (2011). Resilience in the face of change: The role of social-ecological systems in the management of natural resources. Ecological Economics, 70(9), 1767-1778. DOI: [à compléter].
41. Solly, B., Diéye, E.H.B., Sy, O., Jarju A. M., et Sané T. (2021). Détection des zones de dégradation etde régénération de la couverture végétale dans le sud du Sénégal à travers l’analyse destendances de séries temporelles MODIS NDVI et des changements d’occupation des sols à partird’images Landsat, Revue Française De Photogrammétrie Et De Télédétection, 223, 1-15, [En ligne] URL : https://doi.org/10.52638/rfpt.2021.580
42. Sruthi, S., & Aslam, M. M. (2015). Agricultural Drought Analysis Using the NDVI and Land Surface Temperature Data; a Case Study of Raichur District." Aquatic Procedia 4: 1258-1264. doi:10.1016/j.aqpro 2015.02.164
43. Yaya, I. M. (2016). Cartographie de la dynamique du couvert forestier dans la forêt classée de Wari-Maro au centre-Bénin.
44. Ylang Chevaleraud, A., Grandmougin, B., Cabal, A., & Boncourt, E. (2012). Scénario tendanciel à l'horizon 2021 pour le territoire du SAGE Bièvre. Rapport final.
45. Zhang, Y., Xiao, X., Wu, X., Zhou, S., Zhang, G., Qin, Y., & Dong, J. (2015). A global moderate resolution dataset of gross primary production of vegetation for 2000–2016. Scientific data, 2(1), 1-33.
46. Zhong, L., Ma, Y., Xue, Y., & Piao, S. (2019). Climate change trends and impacts on vegetation greening over the Tibetan Plateau. Environmental Pollution, 247, 293-301. https://doi.org/10.1016/j.envpol.2018.12.058
Copyright (c) 2024 Atsu K. Dogbeda Hlovor, Kossi Adjonou, Kossi Segla, Katché Komlanvi Akoete, Kouami Kokou
This work is licensed under a Creative Commons Attribution 4.0 International License.
.jpg)
