Vincent Oladokoun Agnila OREKAN

INTRODUCTION

Les forêts sont des ressources essentielles pour l’existence de l’Homme et la sauvegarde de la biodiversité de la planète. Leur gestion durable est un gage de développement économique et social (A. Sebabe, 2011, p. 2). En effet, cette ressource naturelle fournit des services écosystémiques très utiles pour la satisfaction des besoins vitaux de l’homme. Et en raison de leur importance, ces massifs forestiers font davantage l’objet de pression anthropique surtout dans le contexte actuel caractérisé par une croissance démographique effrénée (A. Mahamane et al., 2007, p. 297). Dans les pays tropicaux, une forte destruction du couvert forestier a été constatée au cours de ces dernières décennies, dans les forêts classées qui pourtant avaient été bien conservées jusque-là (D. Louppe, 2013, p. 46). La transformation des terres est certainement l’une des causes les plus importantes d’érosion de biodiversité et de dégradation des forêts (T. J. Akossongo, 2004, p. 10). Les fronts pionniers, c’est-à-dire le recul de la forêt devant l’expansion des activités agricoles, constituent l’un des principaux facteurs de déforestation. Et c’est en grande partie la conséquence de la croissance démographique qui oblige les sociétés à rechercher de nouvelles terres agricoles au détriment des milieux naturels, entraîne ainsi une consommation plus importante des ressources (V. O. A. Orékan, 2007, p. 81).

Au cours des trois dernières décennies, la destruction des ressources naturelles du Bénin a évolué à un rythme assez inquiétant. Ainsi, les surfaces forestières ont connu une diminution notable (C. J. Houndagba et al., 2007, p. 4). Cette situation est induite principalement par la coupe de bois due à une croissance démographique, à l’élargissement des aires agricoles pour le défrichage,  au feu de brousse, au surpâturage, au piétinement des animaux et  à la mise à feu pour chasser des animaux. Pour préserver ces forêts et la biodiversité contre cette pression anthropique, certaines superficies comme la forêt classée de Savalou sont érigées depuis 1946 en aires protégées (C. J. Houndagba et al., 2007, p. 8 ; JICA, 2000, p. 1). Cette forêt est donc comptée parmi la cinquantaine de périmètres de statuts variés (forêts classées, périmètres de reboisement, parcs nationaux, zones cynégétiques, réserves partielles ou totales) du Bénin et qui font l’objet de suivi pour une gestion contrôlée. Dans ce contexte, l’occupation des terres est une variable fondamentale pour la planification régionale ainsi que pour l’étude et la compréhension de l’environnement. Et la technique la plus efficace pour évaluer la dynamique de l’occupation des terres en général et des ressources forestières en particulier est l’étude multi-date basée sur l’utilisation des techniques de la télédétection et des SIG. La présente recherche focalise l’attention sur l’analyse de la dynamique du couvert végétal de la forêt classée de Savalou en se basant sur l’utilisation des images Landsat de 1986, 2000 et 2016.

1. Milieu de recherche

La forêt classée de Savalou est située au Centre Bénin, entre 7°56 et 8° latitude Nord d’une part ; et 1°57 et 1°59 longitude Est, d’autre part (Figure 1). Elle est limitée au sud par la route Savalou-Aglamidjodji ; à l’ouest par la piste Ouèssè – Dohissa ; au nord par la piste de Dohissa à Moussongo et à l’est par la Route Nationale Inter Etats (RNIE 3) de Savalou à Djougou. Elle est sous l’influence du climat soudano-guinéen à deux saisons et une température moyenne annuelle de 28°C avec des maxima et des minima qui sont respectivement de 34,5°C et de 21,6°C. Elle est située à la lisière de la ville de Savalou et fait l’objet de convoitise de la part des populations tant urbaines que rurales.

Figure 1 : Carte de situation géographique de la forêt classée de Savalou

1. Données et traitements

2.1. Données satellitaires et planimétriques

Les données utilisées sont les images satellitaires multi-spectrales Landsat (Thematic Mapper, Enhanced Thematic Mapper Plus et Operational Land Imager/Thermal Infrared Sensor) dont les caractéristiques sont détaillées ci-dessous (Tableau 1). Elles sont téléchargées à partir du site web de Global Land Cover Facility en abrégé GLCF, à l’adresse ftp : /ftp.glcf.umiacs.umd/glcf/Landsat. Google Earth a été consulté en appui aux images Landsat pour faciliter l’identification de certaines unités dont les signatures spectrales s’assimilent. Ainsi par exemple, les unités de savanes saxicoles et des champs et jachères affichent des signatures presque similaires. Outre les images satellitaires, le fond topographique IGN au 1/600 000 sur lequel figurent les informations géographiques de base telles que le réseau routier, le réseau hydrographique et les villages, a été utilisé comme fond de carte pour le système d’information géographique (SIG).

Tableau 1: Caractéristiques des données satellitaires utilisées

Satellite	Capteur	Path/Row	Date d’acquisition	Résolution spatiale (m)	Bandes spectrales
Landsat -5	TM	192/055	13/01/1986	30	b2  0,52-0,60   b3  0,63-0,69 b4  0,76-0,90
Landsat -7	ETM+	192/055	13/12/2000	30	b2  0,52-0,60   b3  0,63-0,69 b4  0,76-0,90
Landsat -8	OLI/TIRS	192/055	09/12/2016	30	b3  0,63-0,69   b4  0,76-0,90 b5  1,55-1,75

Source : ftp : /ftp.glcf.umiacs.umd/glcf/Landsat ou bien http://earthexplorer.usgs.gov.

2.2. Données socio-économiques

Les enquêtes socio-économiques ont été organisées dans le secteur de recherche du septembre à octobre 2016, pour la collecte des données socio-économiques. Ces enquêtes ont ciblé les acteurs directs et indirects de l’exploitation des ressources naturelles des villages limitrophes à la forêt classée. Les données renseignées portent essentiellement sur les perceptions de la population sur les facteurs de dégradation et les mesures envisagées pour une gestion durable de la forêt classée. La technique d’enquête mise en œuvre est constituée d’entretien ou d’interview à partir d’un questionnaire et d’un guide d’entretien administrés à chaque cible selon le type. Ces outils d’enquête ont été administrés à un échantillon de 103 ménages choisis au sein de la population cible. Elle est constituée de plusieurs catégories : exploitants agricoles, exploitants de produits forestiers, agents forestiers et autorités locales. L’échantillon (par village/arrondissement) résulte de la prise en compte de l’un ou de plusieurs des critères ci-après: être chef de ménage agricole ; être âgé de plus de trente ans ; avoir vécu plus de 10 ans dans un village à proximité de la forêt; être exploitant de produits forestiers; autorité locale. La taille de l’échantillon constitué suivant un choix raisonné, est définie au moyen de la formule ci-dessous, inspirée de V. O. A. Orékan (2013, p.73 ; 2007, p. 50). Ainsi, le taux d’échantillonnage, fixé arbitrairement à 5,1 %, est appliqué à la population actualisée du secteur d’étude pour tous les arrondissements et villages limitrophes à la forêt (Tableau 2).

T_e= E_fx T_s

Avec  Te : la taille de l’échantillon

E_f : l’effectif total des ménages par village

T_s: le taux de sondage fixé arbitrairement à 5,1 %.

Tableau 2 : Répartition de l’échantillon d’enquête par arrondissement et par village

Arrondissement	Village	Effectif de population	Nombre de chef de ménages enquêtés
Ouèssè	Ouèssè	716	37
Tchogodo	554	28
Savalou Attakè	Logbo	747	38
Total	3	2017	103

Source : INSAE, 2013 et résultats de calculs

2.3 Traitement des données

Le traitement se rapporte aux données satellitaires et aux données socio-économiques.

2.3.1 Traitement des données satellitaires

2.3.1.1 Interprétation visuelle des images satellitaires

En prélude à l’interprétation visuelle des images, une clé d’interprétation a été élaborée. C’est une opération qui consiste à afficher l’image à l’écran et à identifier les objets, et juger de leur signification et de leur importance (J. Oloukoi et al., 2016, p. 143). L’interprétation est fondée non seulement sur les valeurs de réflectance de chacun des pixels de l’image, mais aussi les informations spatiales et spectrales des images (forme, couleur, taille, structure, texture, voisinage, ombre), les informations auxiliaires récoltées sur le terrain et la documentation existante sur la thématique et le milieu de recherche. Cette clé d’interprétation (Tableau 3) a permis d’identifier et de séparer les grandes unités de l’occupation des terres telles que les savanes boisées, les savanes saxicoles, les champs et jachères, les plantations et les agglomérations.

Tableau 3: Clé d’interprétation visuelle des images satellitaires

Unités d’occupation des terres	Composition RVB des bandes 4, 3 et 2	Composition RVB des bandes 5, 4 et 3
Plantations	Rouge foncé au rouge clair	Vert foncé au vert clair
Savanes
Champs et jachères
Agglomérations	Variation de cyan	Variation de magenta

Source : Résultat de l’interprétation des images et adapté de J. Oloukoi, 2012

A cette clé d’interprétation a été appliquée l’approche de classification supervisée au moyen de l’algorithme Maximum de vraisemblance à l’aide du logiciel ERDAS IMAGINE.

2.3.1.2 Classification supervisée des images satellitaires et Cartographie thématique des minutes de l’occupation du sol

La classification supervisée est une  méthode de traitement d’image qui se base sur la connaissance à priori des composantes spatiales de la zone d’étude. Elle consiste à sélectionner un échantillon de pixels représentatifs des différentes unités d’occupation du sol identifiées sur la base de la réflectance de celles-ci. Au total, soixante (60) aires d’entrainement ont été collectées, à hauteur de dix (10) par unités d’occupation du sol  L’algorithme maximum de vraisemblance du logiciel de traitement d’image Erdas Imagine (Version 8.5) est utilisé pour classifier les images satellitaires multi-dates (1986, 2000, 2016). Au terme de la classification des images, les résultats obtenus ont subi une vectorisation. L’image classifiée au format raster est transformée au format vecteur. La base de données vecteurs de l’occupation des terres ainsi obtenue a permis la réalisation, grâce au  logiciel QGIS, de la minute des cartes thématiques.

2.3.1.3 Contrôle de terrain

Après la classification supervisée, les cartes réalisées ont été soumises à la vérité terrain afin de confronter les résultats de l’interprétation des images aux réalités de terrain. Ainsi, se fondant sur l’appui substantiel apporté par Google Earth et les résultats des travaux antérieurs pour l’identification des unités de la forêt classée, cinq points (05) de contrôle géographiquement bien répartis ont été relevés et contrôlés par classe. Un système de positionnement global (GPS) Garmin 60 CSX de précision 2 m a été utilisé à cet effet. Les informations enregistrées ont permis essentiellement de contrôler les unités d’occupation issues de la classification de l’image 2016. Les corrections sont faites par la suite avant la production finale des cartes d’occupation du sol, elle-même précédée de l’évaluation de la classification dont elles sont issues

2.3.1.4 Évaluation de la classification et validation des résultats

Il existe plusieurs méthodes conventionnelles d’évaluation de la précision thématique des résultats de la classification. Dans le cadre de cette recherche, la matrice de confusion, l’Indice de Validation Cartographique (IVC), l’Indice de Pureté des Classes (IPC) et l’indice de Kappa inspirés de Congalton cité par Oloukoi et al. (2016, p.145) sont utilisés. En effet, la matrice de confusion évalue la précision globale de la cartographie et des résultats de classification pour chacune des unités thématiques. Cette matrice permet de déterminer, en plus de l’IVC  (équation 1) et de l’IPC (équation 2), les erreurs de commission (EC) et les erreurs d’omission (EO) du processus de la classification.

Equation 1: IVC=NCCi/NTi

Equation 2: IPC=NCCi/NCi

Avec Avec NCi le Nombre de pixels de la classe Ci NTi le nombre de pixels du thème Ti sur le terrain et NCCi le nombre de pixels correctement classés dans la classe Ci.

Quant à l’indice Kappa (IK), il permet d’évaluer dans la matrice de confusion, l’accord entre les résultats obtenus (carte) et la vérité sur le terrain. Il s’étend de 0 à 1 et comporte cinq catégories : accord très  faible de 0 à 0,20; accord faible de 0,21 à  0,40; accord modéré de 0,41 à. 0,60; accord substantiel de 0,61 à 0,80; accord presque parfait de 0,81 à 1 (K. Islam et al., 2017, p. 45 ; S. Chalifoux et al., 2006, p. 12).  Une étude de l’occupation des terres peut être validée si l’indice Kappa est compris entre 50 % et 75 %. L’indice  Kappa (équation 3) est exprimé en termes de précision globale observée (équation 4) et de précision prévue (équation5) :

Equation 3: k=(a-b)/(1-b)

Avec

Equation 4: a=1/N(∑xii)

Et

Equation 5: b=1/N.exp(2)(∑x+i . xi+ )

i allant de 1 à NC

Nc = Nombre de classes

N = Nombre total d’observations

xii = Nombre d’observations dans la colonne i

x+i = Total des observations dans la colonne i (total à droite dans la matrice)

xi+ = Total des observations dans la ligne i (total en bas de la matrice)

A la différence des autres indices, Kappa ne donne qu’une indication de précision générale qui ignore les spécificités de chaque classe d’occupation et d’utilisation des terres.

Les matrices de confusion pour les images Landsat TM 1986, Landsat ETM 7+ 2000 et Landsat OLI-TIRS 2016 (Tableaux 4, 5 et 6) ainsi que les indices calculés aux fins d’évaluer la précision des résultats de classifications sont illustrés comme ci-après :

– Validation de la classification de l’image satellitaire Landsat TM 1986

Pour évaluer la précision de la classification de l’image Landsat TM 1986, le tableau 4 suivant présente la matrice de confusion de l’image classifiée.

Tableau 4: Matrice de confusion de l’image Landsat TM 1986

	Données classifiées	Total	IVC	EO
Données de référence	Classe	SB	SAA	SS	PL	MCJ	AG	lignes	%	%
SB	400	0	0	0	0	0	400	100	0
SAA	25	237	1	0	0	0	263	90	10
SS	6	10	441	0	0	0	457	96	4
PL	5	0	0	200	0	0	205	97	3
MCJ	5	0	0	4	250	0	259	96	4
AG	0	0	0	0	0	4	4	100	0
Total colonnes	441	247	442	204	250	4	1588
IPC %	90	95	99	98	100	100
EC %	10	5	1	2	0	0

Source: Résultat de l’interprétation de l’image Landsat TM 1986

SB : Savane boisée ; SAA : Savane arborée et arbustive ; SS : Savane saxicole ;  PL : Plantation ; MCJ : Mosaïque de cultures et jachère; AG : Agglomération ; IK: Indice de Kappa : 85 %, PG: Précision Globale : 96,47 %, IVC : Indice de Validation Cartographique ; IPC : Indice de Pureté des Classes ; EC : Erreurs de commission ; EO : Erreurs d’omission

Le tableau 4 montre le degré de fiabilité et les confusions opérées entre pixels au cours de la classification de l’image satellitaire Landsat TM 1986. La ligne diagonale en couleur orange met en valeur les pixels bien classés au cours de l’échantillonnage des unités d’occupation du sol. Par contre, les cases en couleur bleu soulignent les pixels mal classés (confusion entre unités d’occupation du sol).

L’analyse du tableau révèle que très peu de confusion ont eu lieu entre pixels représentatifs des unités d’occupation du sol au cours de la classification. En effet,  25 pixels de la savane arborée et arbustive sont affectés aux savanes boisées. Malgré ces confusions, la précision globale de la classification est de 96,47% tandis que l’indice de Kappa est de 85 %. En outre, les valeurs élevées de l’Indice de Pureté des Classes (IPC) pour les différentes unités d’occupation indiquent qu’une bonne partie des classes d’occupation des terres ont été bien identifiées. En général, une classification n’est fiable et exploitable que si les pourcentages sont supérieurs à 80 %. Ainsi, on en déduit que le résultat de classification obtenu peut être validé (A. Descplnoy, 2010, cité par Y. El Hadraoui, 2013, p. 46).

– Validation de la classification de l’image satellitaire Landsat ETM 7+ 2000

A l’instar de l’image Landsat TM 1986, le tableau 5 suivant présente la matrice de confusion de l’image Landsat ETM 7+ classifiée.

Tableau 5: Matrice de confusion de l’image Landsat ETM 7+ 2000

	Données classifiées	Total	ICV	EO
Données de référence	Classe	SB	SAA	SS	PL	MCJ	AG		%	%
SB	180	0	0	5	5	0	190	100	1
SAA	21	240	2	0	0	0	263	91	9
SS	17	0	596	0	0	0	613	97	3
PL	0	0	0	171	0	0	171	100	0
MCJ	0	0	0	20	290	0	310	93	7
AG	0	0	0	0	0	41	41	100	0
Total	218	240	598	196	295	41	1588
IPC %	82	100	99	90	100	100
EC %	8	0	1	10	0	0

Source: Résultat de l’interprétation de l’image Landsat ETM 7+ 2000

SB : Savane boisée ; SAA : Savane arborée et arbustive ; SS : Savane saxicole ;  PL : Plantation ; MCJ : Mosaïque de cultures et jachère; AG : Agglomération ; IK: Indice de Kappa : 95 %, PG: Précision Globale : 98,55 %, IVC : Indice de Validation Cartographique ; IPC : Indice de Pureté des Classes ; EC : Erreurs de commission ; EO : Erreurs d’omission

L’analyse du tableau révèle aussi très peu de confusions entre pixels représentatifs des unités d’occupation du sol au cours de la classification. En effet, sur les 263 pixels de la savane arbore et arbustive, 21 ont été affectés aux savanes boisées. La précision globale de la classification est de 98,55 % tandis que l’indice de Kappa est de 95 %. Selon le postulat précédent, on en déduit que la classification de l’image satellitaire Landsat ETM 7+ 2000 peut être validée (Ibidem, op cit).

– Validation de la classification de l’image satellitaire Landsat OLI/TIRS 2016

En suivant le même principe que pour les images satellitaires 1986 et 2000, la matrice de confusion de l’image Landsat OLI-TIRS classifiée a été établie (tableau 6) :

Tableau 6: Matrice de confusion de l’image Landsat OLI-TIRS 2016

	Données Classifiées	Total	ICV   %	EO   %
Données de référence	Classe	SB	SA	SS	PL	MCJ	AG
SB	221	1	0	0	0	0	222	98	2
SAA	4	257	5	0	0	0	266	96	4
SS	1	0	595	0	2	0	598	99	1
PL	2	0	0	95	0	0	97	97	3
MCJ	4	0	0	0	360	0	364	99	1
AG	0	0	0	0	0	41	41	100	1
Total	232	258	600	95	362	41	1588
IPC %	93	99	99	100	99	100
EC %	7	1	1	0	1	0
Source: Résultat de l’interprétation de  l’image Landsat OLI-TIRS 2016

SB : Savane boisée ; SAA : Savane arborée et arbustive ; SS : Savane saxicole ;  PL : Plantation ; MCJ : Mosaïque de cultures et jachère; AG : Agglomération ; IK: Indice de Kappa : 83 %, PG: Précision Globale : 98,80 %, IVC : Indice de Validation Cartographique ; IPC : Indice de Pureté des Classes ; EC : Erreurs de commission ; EO : Erreurs d’omission

L’analyse du tableau révèle que très peu de confusion ont eu lieu entre pixels représentatifs des unités d’occupation du sol au cours de la classification. Quatre (04 pixels) de la savane arborée et arbustive sont affectés aux savanes boisées. La précision globale de la classification est de 98,80 % tandis que l’indice de Kappa est de 83 %. En outre, les valeurs élevées de l’IPC et de l’IVC pour les différentes unités d’occupation indiquent qu’une bonne partie des classes d’occupation des terres ont été bien identifiées. Le résultat de la classification peut donc être validé car les valeurs des divers indices sont supérieures à 80 % (Ibid, op. cit).

Au total, au regard des valeurs des différents indices (Kappa, PG, IVC et IPC) obtenues, on note qu’il existe un accord presque parfait entre les trois classifications et les données de référence. Les classifications comportent donc très peu de confusions. En conséquence, elles peuvent être validées bien que de négligeables insuffisances (confusions) sont notées. Les cartes d’occupation des terres multi-dates qui en résultent peuvent faire l’objet d’analyse des changements spatio-temporels.

2.3.1.5 Analyse des changements intervenus dans l’occupation des terres de la Forêt classée de Savalou

L’analyse de la dynamique de l’occupation des terres permet de mettre en évidence et de quantifier les changements qui se sont opérés dans les unités d’occupation des terres. Pour ce faire, les classifications sont comparées deux à deux : 1986 à 2000 et 2000 à 2016. Pour détecter ces changements et mieux comprendre les différents types de conversion entre les unités de l’occupation du sol et de faire des projections, les matrices de transition sont déterminées (A. Singh,  1989, p. 997).

La matrice de transition est un tableau à double entrée qui permet de mettre en évidence les conversions opérées entre les unités d’occupation du sol au cours d’une période donnée. Le nombre de ligne X de la matrice indique le nombre de classe à une date to, tandis que le nombre de colonne Y indique le nombre de classe à une date to+1. Elle a permis d’appréhender les changements qu’ont connus les unités d’occupation du sol de la Forêt classée de Savalou au cours de la période 1986 à 2000 d’une part, puis de 2000 à 2016 d’autre part. Ainsi, la lecture des transformations se fait des lignes vers les colonnes. Les diagonales de la matrice mettent en valeurs les superficies des unités restées stables au cours de la période de transition. Les éléments qui figurent en dehors de la diagonale représentent les changements d’occupation des terres. Il faut donc noter ici que l’évolution des unités d’occupation du sol est fondée sur trois cas de figure. Il s’agit des « modifications » et des « conversions » des unités qui s’opposent aux unités « sans changement ». Par « modification » il faut comprendre les changements intervenus à l’intérieur d’une même catégorie d’occupation du sol comme par exemple savane arbustive qui devient steppe arbustive ou vice versa. Tandis que la « conversion » est le passage d’une catégorie à une autre comme par exemple savanes saxicoles qui deviennent champs et jachères. Le terme « sans changement » se rapporte aux unités qui n’ont été affectées ni par les modifications, ni par les conversions ( A.S. Mamadou, 2009, p. 8). Les deux matrices de transition ont été générées à partir du croisement des cartes d’occupation du sol des dates t₀ et t₀₊₁ (1986-2000) d’une part, et (2000-2016) d’autre part à l’aide de la fonction «Intersection» de la boite à outil du logiciel QGIS 2.14.

2.3.2 Traitement des données socio-économiques

Le traitement des données socio-économiques a consisté dans un premier temps à regrouper tous les questionnaires et fiches d’entretien. Le dépouillement de ces outils d’enquêtes a été ensuite réalisé au moyen du logiciel Sphinx. Il a consisté à codifier au préalable toutes les fiches d’enquête. Ainsi, toutes les informations issues du traitement des données collectées et les statistiques extraites des résultats cartographiques ont été exploitées aux fins d’illustrations tabulaires, graphiques et des analyses statistiques grâce au logiciel Excel. 

3 Résultats

3.1 Dynamique des formations végétales de la forêt classée de Savalou entre 1986 et 2000

Au regard de la nomenclature inspirée de la clé d’interprétation et retenue pour la classification des images satellitaires, six (06) classes d’occupation des terres sont distinguées. Il s’agit des savanes boisées, des savanes arborée et arbustive, des savanes saxicoles, les plantations, des champs et jachères et les agglomérations. En dehors des agglomérations situées à la lisière de la forêt, elle est en dominance occupée par des formations végétales. Ces dernières sont constituées des formations relativement naturelles constituées des savanes (boisée, arborée, arbustive et saxicole) et des formations anthropisées (plantations, champs et jachères). En Afrique tropicale, la savane est en effet définie comme « une formation herbeuse comportant une strate herbacée supérieure continue d’au moins 80 cm de hauteur, qui influence une strate inférieure…’’ (E. Adjanohou, 1964, p. 123). Selon l’importance ou l’absence du peuplement arbustif ou arboré, plusieurs types de savane peuvent être distingués : savane boisée, savane arborée, savane arbustive et savane herbeuse. Le terme saxicole est attribué ici à la formation savanicole affleurant un substratum rocheux qui s’identifie soit à une colline ou une montagne. L’unité savane saxicole ainsi adoptée  dans le cas d’espèce, se traduit par une mosaïque de savanes présentes sur la colline de Savalou qui lui sert de substratum.

L’analyse de la dynamique de l’occupation des terres de la forêt classée sera dès lors orientée vers l’analyse des formations végétales. Elles sont illustrées aux moyens des cartes d’occupation des terres de la forêt classée de Savalou entre 1986 et 2000 (figure 2).

L’analyse spatiale diachronique de l’occupation du sol des années 1986 et 2000 révèle une nette évolution des différentes unités d’occupation du sol (Figure 2). La couverture allongée des savanes boisées, savanes arborées et savanes saxicoles en 1986 divise longitudinalement presqu’en deux parties égales la forêt classée soutenue par une colline. Les savanes boisées, arborées et arbustives occupent de façon homogène le versant est de la forêt et le versant ouest à un taux d’environ 20 %. La savane saxicole occupe plutôt le versant ouest à plus de 80 %.

Figure 2 : Occupation des terres de la forêt classée de Savalou entre 1986 et 2000

Contrairement aux savanes boisées qui ont fait place aux savanes arborées et arbustives en 2000, la savane saxicole a quelque peu maintenu sa configuration. Il y a eu cette même année, l’apparition des champs et jachères, des agglomérations et une extension des plantations. Cette évolution est illustrée par le tableau 7.

Tableau 7 : Evolution des formations végétales entre 1986 et 2000

Classe	Occupation en 1986	Occupation en 2000	Bilan (%)	Type   d’évolution
Surface (ha)	%	Surface (ha)	%
SB	450,54	34,06	162,90	12,32	-21,75	R
SAA	354,51	26,80	774,81	58,58	31,78	P
SS	498,33	37,68	311,85	23,58	-14,10	R
PL	7,65	0,58	10,62	0,80	0,22	P
MCJ	8,19	0,62	58,86	4,45	3,83	P
AG	3,42	0,26	3,60	0,27	0,01	P
Total	1322,64	100	1322,64	100	0,00

Source: Résultat de l’interprétation des images 1986 et 2000

SB : Savane boisée ; SAA : Savane arborée et arbustive ; SS : Savane saxicole ;  PL : Plantation ; MCJ : Mosaïque de champs et jachère; AG : Agglomération ; R : Régression ; P : Progression

L’examen de ce tableau montre que de 1986 à 2000, les savanes arborées et arbustives ont connu une forte progression de 31,78 % au détriment des savanes boisée et saxicole qui ont respectivement régressé de -21,75 % et de -14,10 %. Pendant ces quatorze années,  les mosaïques de champs et jachères se sont par contre septuplé, passant de 8 ha à près de 59 ha soit une progression de 3,83 %. L’analyse de la dynamique de l’occupation des sols de la forêt est faite au moyen de la matrice résultant de la détection des changements obtenus à partir de la classification des images de 1986 et de 2000 (tableau 8).

Tableau 8: Matrice de transition de l’occupation du sol au cours de la période 1986- 2000

	2000
1986	Classe	SB	SAA	SS	PL	MCJ	AG	Total
SB	162,90	286,83	0,00	0,81	0,00	0,00	450,54
SAA	0,00	309,33	0,00	2,16	43,02	0,00	354,51
SS	0,00	178,65	311,85	0,00	7,83	0,00	498,33
PL	0,00	0,00	0,00	7,65	0,00	0,00	7,65
MCJ	0,00	0,00	0,00	0,00	8,01	0,18	8,19
AG	0,00	0,00	0,00	0,00	0,00	3,42	3,42
Total	162,90	774,81	311,85	10,62	58,86	3,60	1322,64

Source: Croisement des statistiques de l’évolution diachronique de l’occupation du sol de 1986-2000

SB: Savane boisée, SAA: Savane arborée et arbustive; SS: Savane saxicole, PL: Plantation, MCJ: Mosaïque de cultures et jachères, AG: Agglomération

L’examen du tableau 8 révèle que de profonds changements se sont opérés entre les unités d’occupation du sol entre 1986 et 2000. La plus grande modification s’observe au niveau de la savane boisée. Ainsi, 286,83 ha de sa superficie se sont transformés en savane arborée et arbustive tandis que 162,90 ha de sa superficie sont restés stables au cours de la même période. Quant à la savane arborée et arbustive, 309,33 ha de sa superficie sont restés stables au cours de la période de 1986 à 2000. Par contre, 43,02 ha de sa superficie ont été convertis en mosaïque de champs et jachères. La superficie de la savane saxicole restée sans changement au cours de la période d’étude est de 311,85 ha. Elle a connu avec une modification de 178,65 ha en savane arborée et arbustive. En général, les changements les plus importants concernent la savane boisée, la savane arborée et arbustive et la savane saxicole.

3.2 Dynamique des formations végétales de la forêt classée de Savalou entre 2000 et 2016

A l’instar des unités d’occupation du sol retenues pour la classification de l’image satellitaire Landat ETM, 1986, celles des images Landsat ETM+ 2000 et OLI/TIRS 2016 se résument à six (6): des savanes boisées, des savanes arborée et arbustive, des savanes saxicoles, les plantations, des champs et jachères et les agglomérations. La figure 3 présente l’occupation des terres dans la forêt classée de Savalou entre et 2000 et 2016.

A la lecture de la figure 3, on note une regression des formations naturelles au profit des unité anthropiques.

Le bilan d’évolution de l’occupation du sol de la période 2000-2016 est  présenté par le tableau 9.

Tableau 9: Evolution de l’occupation du sol de la période 2000-2016

Classe	Occupation en 2000	Occupation en 2016	Bilan (%)	Type   d’évolution
Surface (ha)	%	Surface (ha)	%
SB	162,90	12,32	84,31	6,37	-5,94	R
SAA	774,81	58,58	571,26	43,19	-15,39	R
SS	311,85	23,58	150,23	11,36	-12,22	R
PL	10,62	0,80	111,45	8,43	7,62	P
MCJ	58,86	4,45	389,44	29,44	24,99	P
AG	3,60	0,27	15,95	1,21	0,93	P
Total	1322,64	100	1322,64	100	0,00

Source: Résultat de l’interprétation des images 2000 et 2016

SB: Savane boisée, SAA: Savane arborée et arbustive; SS: Savane saxicole, PL: Plantation, MCJ: Mosaïque de cultures et jachères, AG: Agglomération; R : Régression ; P : Progression

L’examen de ce tableau montre que de 2000 à 2016, les savanes arborées et arbustives ont régressé de -15,39 % tandis que les mosaïques de champs et jachères ont connu une progression de 24,99 %. L’analyse de la dynamique de l’occupation des sols de la Forêt classée de Savalou a été faite à partir de la matrice de transition générée à partir de la classification des images des années 2000 et 2016, tel qu’illustre le tableau 10.

Tableau 10: Matrice de transition de l’occupation du sol au cours de la période 2000-2016

	2016
2000	Classe	SB	SAA	SS	PL	MCJ	AG	Total
SB	80,98	76,94	0,00	1,90	2,99	0,09	162,90
SAA	0,00	390,40	0,00	99,12	274,40	10,89	774,81
SS	3,33	103,92	150,23	0,54	53,83	0,00	311,85
PL	0,00	0,00	0,00	6,31	3,79	0,52	10,62
MCJ	0,00	0,00	0,00	3,58	54,43	0,85	58,86
AG	0,00	0,00	0,00	0,00	0,00	3,60	3,60
Total	84,31	571,26	150,23	111,45	389,44	15,95	1322,64

Source: Croisement des statistiques de l’évolution diachronique de l’occupation du sol de 2000-2016

SB: Savane boisée, SAA: Savane arborée et arbustive; SS: Savane saxicole, PL: Plantation, MCJ: Mosaïque de cultures et jachères, AG: Agglomération

L’analyse du tableau 10 met en évidence les changements opérés entre les unités d’occupation du sol au cours de la période de 2000 à 2016. Le plus important changement s’observe au niveau de la savane arborée et arbustive. En effet, 274,40 ha et 99,12 ha de sa superficie se sont respectivement convertis en mosaïque de champs et jachères puis en plantation. Quant à la savane saxicole, 150,23 ha de sa superficie sont restés sans changement au cours de la même période. En outre, 103,92 ha de sa superficie ont été modifiés en savane arborée et arbustive et 53,83 ha convertis en mosaïque de champs et jachères. Ces différents changements témoignent de la forte anthropisation de la forêt classée de Savalou.

3.3 Facteurs explicatifs de l’évolution de la forêt classée de Savalou

La forêt classée de Savalou subit plusieurs pressions de différentes sources. Au cours des enquêtes de terrain, des informations ont été recueillies au sujet des facteurs de dégradation de la forêt. Ces informations sont résumées dans la figure 4.

 Figure 4 : Perception de la population sur les facteurs de dégradation de la forêt.

Source : Enquête de terrain, septembre, octobre, 2016

Agr : Agriculture ;   Exp : Exploitation forestière ;  Dém : Démographie ;   Ele : Elevage ;   Fab : Fabrication du charbon ;   Feu : Feux de végétation.

L’analyse de la figure 4 révèle que l’exploitation des ressources forestières est retenue comme le principal facteur de dégradation de la forêt selon les populations locales enquêtées (85 %). L’agriculture vient en seconde position (42 %). Ces facteurs sont reconnus par tous les enquêtés comme étant les conséquences directes de la croissance démographique. Les autres facteurs tels que : l’élevage, les feux de végétation, et la fabrication du charbon de bois sont considérés comme des facteurs indirects ou intermédiaires de dégradation qui présentent moins d’impact sur la forêt.

1. Discussion

4.1. Dynamique de l’occupation du sol

La présente recherche vise à appréhender la dynamique spatio-temporelle de l’occupation du sol en général et plus spécifiquement les changements subits par le couvert végétal de la forêt classée de Savalou entre 1986 et 2016, soit pendant trente ans. Pour atteindre cet objectif, la méthode d’interprétation de l’imagerie satellitaire (Landsat TM 1986 ; ETM+ 2000 et Landsat OLI-TIRS 2016) est basée sur la technique de « classification supervisée par maximum de vraisemblance ». La classification supervisée par maximum de vraisemblance des images satellitaires utilisée dans ce travail permet d’avoir les résultats fiables. En effet, c’est l’une des techniques les plus couramment utilisées pour les études de la détection de changement (R. Varun et P. Mansi, 2017, p. 2225 ; A. S. Mamadou, 2009, p. 6 ; I. Toko Mouhamadou, 2014, p. 13; V. O. A. Orékan, 2013, p. 52). Les cartes d’occupation du sol et de l’utilisation des terres (états 1986, 2000 et 2016) qui en résultent ont été évaluées aux moyens de différents indices (Kappa, IVC, IPC et matrice de confusion). En outre, l’analyse des changements observés entre les unités d’occupation du sol au cours de la période de l’étude est faite grâce à la matrice de transition. Les résultats obtenus attestent qu’il existe un accord presque parfait entre les classifications et les données de référence. Les principaux changements observés se traduisent par des modifications (au sein des mêmes catégories de classes) et des conversions (d’une catégorie de classe à d’autre). Ainsi, la détection des changements au moyen de la matrice de transition, a montré que Certaines formations naturelles (savane boisée, savane arborée et arbustive, savane saxicole) se sont converties en formations anthropiques. A l’opposée, certaines formations naturelles ou anthropiques se sont transformées en des unités naturelles, d’une part, et des unités anthropiques, d’autre part. Ces résultats confirment ceux obtenus par J. Oloukoi et al. (2016, p. 150) ; I. Toko Imorou et al. (2015, p. 167) dans leur étude sur la dynamique spatio-temporelle de la végétation de la forêt classée de Bellefoungou au Nord-Ouest du Bénin. Leurs études ont montré une évolution régressive du couvert végétal naturel au profit des formations anthropiques, notamment les plantations. Les mêmes constats ont été faits par V. O. A. Orékan (2013, p. 26) à l’issue de ses travaux sur l’analyse de la dégradation des formations végétales de la forêt classée de N’Dali au Bénin à partir des techniques de la télédétection et des systèmes d’information géographique SIG). Ces dernières ont été appliquées sur des images Landsat dont la résolution de 30 m ne garantit pas une précision de 100 % après classification ; ce qui a été révélé par quelques erreurs de confusions. C’est pourquoi, pour garantir une fiabilité de l’interprétation des images satellitaires, le recours à une imagerie satellitaire de grande résolution serait souhaité pour déceler plus de détails sur des écosystèmes forestiers de taille réduite comme la forêt classée de Savalou (1015 hectares). Les études approfondies envisagées dans ce cadre feront usage des photographies aériennes (résolution 0,45 m) ou des ortho-photos (prévus 0,10 m en planimétrie et 0,15m en altimétrie) qui seront disponibles au terme du projet de cartographie numérique du Bénin (en cours).

Au total, bien que certaines unités aient gardé quelques superficies inchangées, le couvert végétal de la forêt classée de Savalou a connu d’importants changements dans le temps et dans l’espace. Ces modifications ou conversions sont le résultat de la conjugaison de plusieurs causes ou facteurs.

4.2. Facteurs explicatifs de la dynamique de la forêt classée de Savalou

L’analyse de la dynamique de l’occupation du sol de la forêt classée de Savalou révèle globalement d’importants changements au niveau de deux grandes catégories de formations. Les formations naturelles et les formations anthropiques ont respectivement évolué de 98,54 % à 60,92 % d’une part, et de 1,46 % à 39,08 % d’autre part, entre 1986 et 2016. Il est donc évident que les formations anthropiques se sont accrues au détriment des formations naturelles. Ces formations anthropiques étant constituées fondamentalement des mosaïques de champs et jachères, des plantations et d’agglomérations, on peut alors présumer que la dynamique de cette forêt est surtout imputable aux activités anthropiques qui s’installent au sein de cette forêt. Au regard des déclarations des populations locales, l’exploitation forestière qui implique l’abattage ou la coupe des arbres en vue du commerce du bois d’œuvre ou de feu et les feux de végétation contribuent littéralement à la destruction de la forêt. La coupe du bois cible principalement les espèces végétales comme : Prosopis africana ; Vitellaria paradoxa ; Afzélia africana ; Khaya senegalensis ; Ceiba pentadra ; Tectona grandis ; Anogeissus leiocarpus  et  Pterocarpus erinaceus. Ces résultats confirment ceux obtenus par I. Toko Imorou et al. (2015, p. 168) dans une étude sur la dynamique spatio-temporelle de la végétation de la forêt classée de Bellefoungou au Nord-Ouest du Bénin. L’étude montre que l’exploitation des ressources forestières est caractérisée par une surexploitation des essences de valeurs telles que Isoberlinia tomentosa, Milicia excelsa, Afzélia africana, Khaya senegalensis, Anogeissus leiocarpus, Pterocarpus erinaceus et Diospyros mespilisformis, sans le moindre souci de leur renouvellement. F. D. Gbaguidi (2013, p. 63) et C. J. Houndagba et al. (2007, p. 8)  confirment également ce constat et établissent dans leurs travaux que les activités agricoles et d’exploitation forestière sont les principales causes de dégradation des écosystèmes forestiers.

Par ailleurs, l’installation de nouveaux champs ou la conquête de nouvelles terres chaque année par la pratique des feux de végétation, le pâturage, participent aussi de la réduction des superficies du couvert végétal. En effet, la commune de Savalou est l’une des meilleures zones productrices de l’igname (Dioscorea spp.) et de la farine de manioc (Manihot esculenta) communément appelée gari. La production du maïs (Zea  mays) n’est pas non plus des moindres. Toutes ces cultures nécessitent souvent le défrichage et les feux de végétation, toutes pratiques qui concourent à la destruction du couvert végétal.  Plusieurs auteurs ont aussi relevé ce constat selon lequel l’agriculture est également un facteur de régression du couvert végétal (M. Djaouga et al., 2015, p. 82 ; V. O. A. Orékan, 2007, p. 76).

Enfin, tous ces constats se justifient par la nécessité de la satisfaction des besoins humains de plus en plus croissants imposés par la croissance démographique galopante, source de pression sur le couvert végétal (A. H. U. Gbaguidi, 2011, p. 56).

Au total, quatre facteurs anthropiques pourraient expliquer la dynamique de la forêt classée de Savalou : il s’agit de l’agriculture familiale, les plantations, la croissance démographique et l’extension urbaine.

Conclusion

L’utilisation des techniques de la de la télédétection et des Systèmes d’Information Géographiques a permis l’analyse de la dynamique spatio-temporelle de la forêt classée de Savalou sous deux périodes; 1986-2000 et 2000-2016. Les statistiques issues de la classification supervisée des images multi-dates Landsat (1986, 2000, 2016) appuyée par des campagnes de contrôle terrain ont révélé que malgré le caractère protégé de cette forêt, de profondes mutations y sont observées, en l’occurrence au niveau des différentes unités du couvert végétal qui la constituent.

Ainsi, une forte régression des formations naturelles (Savane boisée, savane arborée et arbustives et savanes saxicoles) est observée au profit des formations anthropiques notamment les mosaïques de cultures et jachères, les plantations et les agglomérations. Sur la base des enquêtes socio-économiques réalisées dans le milieu de recherche, plusieurs facteurs sont à l’origine des changements (transformations et conversions) observés. Au nombre de ces facteurs, l’exploitation des ressources forestières et l’agriculture constituent les principales sources de cette dynamique. Il faut noter que ces deux grands facteurs sont les conséquences immédiates de la poussée démographique dans le milieu de recherche. Face à cette situation, il urge d’envisager des mesures opérationnelles afin de freiner la fragmentation de cet écosystème forestier protégé, gage d’un développement humain durable.

Références bibliographiques

ADJANOHOU Edouard, 1964, Végétation des savanes et des rochers découverts en Côte d’Ivoire, Paris, Office de la Recherche Scientifique et Technique Outre-Mer (ORSTOM), 238 p., url : https://core.ac.uk/download/pdf/39891826.pdf

AKOSSONGO Tienko Jean, 2004, Rapport national sur la gestion durable des forets au Burkina Faso. Ministère de l’Environnement et du cadre de vie, novembre 2004, Burkina Faso. 31 p.

CHALIFOUX Stéphane, NASTEV Miroslav, LAMONTAGNE Charles, LATIFOVIC Rasim et FERNANDES Richard, 2006, «Cartographie de l’occupation et de l’utilisation du sol par imagerie satellitaire LANDSAT en hydrogéologie», Télédétection, Vol. 6, No 1, p. 9-17

DJAOUGA Mama, HOUNDAGBA Cossi Jean, TOKO IMOROU Ismaïla, THOMAS Omer, SINSIN Brice, 2015, «Dynamique spatio-temporelle de l’aire urbaine de Kandi et des terres de parcours naturels périurbains au Nord du Bénin (Afrique de l’ouest)», in SINSIN Brice, GBETO Flavien et TENTE Brice (edit.), 2015, Mélanges Jean Pliya, DGAT/FLASH/UAC, p. 65-86

El HADRAOUI Youssef, 2013, Étude diachronique de l’occupation du sol et de modélisation des processus érosifs du bassin versant du Bouregreg (Maroc) à partir des données de l’Observation de la Terre, Sciences de l’ingénieur [physics], 88 p.

GBAGUIDI Aholidji Humbert Ulrich, 2011, Décentralisation et gestion des réserves forestières : cas des forêts classées de la commune de Savalou, mémoire de Diplôme d’Etudes Supérieures Spécialisées (DESS), CIFRED, UAC, 113 p.

GBAGUIDI F D, 2013, Etude diachronique de la dégradation des écosystèmes terrestres dans les arrondissements d’Aga et d’Agbado dans la commune de Savalou, mémoire de maîtrise de Géographie Physique, FLASH/UAC, 75 p.

HOUNDAGBA Cossi Jean, TENTE Agossou Brice Hugues et GUEDOU Raoul, 2007, «Dynamique des forêts classées dans le cours moyen de l’Ouémé au Bénin, Kétou, Dogo et Ouémé-Boukou», in FOURNIER Anne, SINSIN Brice, MENSAH Guy Apollinaire (dir.), 2007, Quelles aires protégées pour l’Afrique de l’Ouest ?, éditions IRD, DOI : 10.4000/books.irdeditions.8001, p. 369-380

ISLAM Kamrul, JASHIMUDDIN Mohammed, NATH Biswajit, NATH Tapan Kumar, 2018, «Land use classification and change detection by using multi-temporal remotely sensed imagery: The case of Chunati wildlife sanctuary, Bangladesh» The Egyptian Journal of Remote Sensing and Space Sciences, 21 (2018), p. 37-47, http://dx.doi.org/10.1016/j.ejrs.2016.12.005

JICA, 2000, Etude sur la cartographie, l’inventaire et la gestion des forêts classées dans la zone nord du Bénin. Rapport final, décembre 2000. 271 p.

LOUPPE Dominique, 2013, Etude sur l’exploitation forestière et les contraintes d’une gestion durable des forêts dans le domaine rural en Côte d’Ivoire, Technical Report, December 2013 DOI: 10.13140/RG.2.1.5017.3047. 67 p

MAHAMANE Ali, MAHAMANE Saadou, YACOUBOU Bakasso, ISSAKA Abassa, ICHAOU Aboubacar, SALEY Karim, 2007, «Analyse diachronique de l’occupation des terres et caractéristiques de la végétation dans la commune de Gabi (région de Maradi, Niger)», Sécheresse, 18 (4), p. 296-304

MAMADOU Adama Saar, 2009, «Cartographie des changements de l’occupation du sol entre 1990 et 2002 dans le nord du Sénégal (Ferlo) à partir des images Landsat», Cybergeo, Environnement, Nature, Paysage, 472, 16 p. http://journals.openedition.org/cybergeo/22707

OLOUKOI Joseph, OREKAN Vincent Oladokoun Agnila, et MAMA Vincent Joseph, 2016, «Potentialités des images Nigeriasat-1 dans la cartographie de la structure de la végétation au centre du Bénin», Rev. Ivoir. Sci. Technol., 28 (2016), 134-156.

OREKAN Vincent Oladokoun Agnila, 2013, «Dynamique prospective de l’occupation du sol et de l’utilisation des terres dans la commune de Zangnanado (Sud-Bénin)», Rev. Sc. Envi. Univ., Lomé (Togo), 2013, n°010, p. 63-90.

OREKAN Vincent Oladokoun Agnila, 2007, Implémentation du modèle local CLUE-s_s à la dynamique de l’occupation du sol et de l’utilisation des terres dans le Centre Bénin aux moyens de données socio-économiques et de la télédétection, Thèse de doctorat unique, Université de Rheinische friedrich-wilhelms de Bonn, 230 p.

SEBABE Agoro 2011, Gestion environnementale de forêt classée de Missahoe au Togo. Ministère de l’Environnement et des Ressources Forestières, Direction de l’Environnement, 13 p.

SINGH Ashbindu, 1989, «Digital change detection techniques using remotely sensed data» International Journal of Remote Sensing，Vol.10，No.6，p. 989-1003

TOKO MOUHAMADOU Inoussa, 2014, Facteurs déterminants de la fragmentation des écosystèmes forestiers : cas des îlots de forêts denses sèches de la forêt classée des Monts Kouffé et de sa périphérie au Bénin, Thèse de doctorat, Université d’Abomey-Calavi, 231 p.

TOKO IMOROU Ismaïla, MOUSSA A D, DJAOUGA Mama, AROUNA Ousséni, ZAKARI Soufouyane, THOMAS Omer, 2015, «Dynamique spatio-temporelle de la végétation de la forêt classée de Bellefoungou au Nord-Ouest du Bénin», in SINSIN Brice, GBETO Flavien et TENTE Brice (edit.), 2015, Mélanges Jean Pliya, DGAT/FLASH/UAC, p. 155-172

VARUN Rawat, MANSI Puri, 2017, «Land Use/Land Cover Change Study of District Dehradun, Uttarakhand using Remote Sensing and GIS Technologies», International Journal of Advanced Remote Sensing and GIS, Volume 6, Issue 1,  ISSN 2320 – 0243, Crossref: 10.23953/cloud.ijarsg.281, DOI: https://doi.org/10.23953/cloud.ijarsg.281, p. 2223-2233

Notes

---

Table d’illustrations

---

Auteur(s)

---

Vincent Oladokoun Agnila OREKAN

Maître de Conférences des universités du CAMES

Enseignant-Chercheur au Département de Géographie et Aménagement du Territoire, Laboratoire de Biogéographie et Expertise Environnementale (LABEE)

Université d’Abomey-Calavi ; Email : vincent.orekan@gmail.com

Droit d’auteur

---

Université Félix Houphouët-Boigny (Abidjan, Côte d’Ivoire)