Rapid population growth in West Africa has led to expansion in croplands due to the need to grow more food to meet the rising food demand of the burgeoning population. These expansions negatively impact the sub-region's ecosystem, with implications for water and soil quality, biodiversity and climate. In order to appropriately monitor the changes in croplands and assess its impact on the ecosystem and other environmental processes, accurate and up-to-date information on agricultural land use is required. But agricultural land use mapping (i.e. mapping the spatial distribution of crops and croplands) in West Africa has been challenging due to the unavailability of adequate satellite images (as a result of excessive cloud cover), small agricultural fields and a heterogeneous landscape. This study, therefore, investigated the possibilities of improving agricultural land use mapping by utilizing optical satellite images with higher spatial and temporal resolution as well as images from Synthetic Aperture Radar (SAR) systems which are nearindependent of weather conditions. The study was conducted at both watershed and regional scales.

De nombreux bassins de drainage à travers le monde ne disposent d’aucune mesure de débit. Les méthodes de régionalisation sont alors généralement utilisées pour les prévisions en bassins non jaugés. L'objectif principal de cette étude est de prévoir les hydrogrammes d’écoulement dans le bassin du Bani afin de contribuer à l’amélioration de la connaissance sur la disponibilité des ressources en eau. Tout d'abord, le modèle hydrologique SWAT a été calibré sur de nombreux bassins jaugés sur la période de 1983-1992 et validé sur la période 1993-1997 en utilisant la méthode « Generalized Likelihood Uncertainty Estimation (GLUE) ». Ensuite, des groupes de bassins similaires ont été déterminés en fonction de leurs caractéristiques physiographiques et climatiques et au moyen d’une analyse statistique multivariée. Deux méthodes de régionalisation basées sur le concept de similarité entre bassins, ont été utilisées : la similarité physique et la proximité spatiale. Dans les deux cas, le jeu de paramètres calés du modèle est entièrement transféré du bassin jaugé vers le bassin non jaugé pour y simuler l’hydrogramme de débits journaliers de la période 1983-1997. Les résultats indiquent une bonne performance du modèle à l’échelle journalière et mensuelle, ainsi qu’à l’échelle du bassin et des sous-basins. La performance du modèle à l’échelle du bassin global et sur un pas de temps journalier est caractérisée par un critère de Nash de 0.76 et 0.84 et un coefficient de détermination de R2 de 0.79 et 0.87 en période de calibration et de validation, respectivement. Aussi, les valeurs absolues du PBIAIS demeurent inferieures à 25&, ce qui témoigne d’une bonne prévision du bilan d’eau. Il est à noter que les incertitudes associées demeurent satisfaisantes malgré les conditions de données limitées qui sous-tendent cette modélisation. Ainsi, 61& des débits observés (P-factor = 0.61) sont compris à l’intérieur de la bande d’incertitude dont la largeur reste adéquate (R-factor = 0.91). La calibration mensuelle a quant à elle permit d’atteindre une meilleure performance du modèle et une diminution des incertitudes à l’exception du bilan d’eau dont les erreurs de prévision semblent avoir augmenté. La calibration a également permis d'identifier 12 paramètres du modèle qui simulent au mieux les débits observés. Les bassins étudiés ont été classes en trois groupes: un groupe de bassins de plaine, semi-arides et situés au Nord, un autre groupe de bassins d’altitude qu’on rencontre dans les zones humides du Sud, et un troisième groupe situé dans le centre du bassin d'étude, à l'intérieur duquel, aucun des descripteurs semble se démarquer significativement des autres. Dans l'ensemble, la régionalisation a donné de bons résultats au niveau de plusieurs bassins cibles. Les meilleurs ont toutefois été enregistrés dans la zone aride et à l’exutoire global du bassin, particulièrement. Cependant, on note également une augmentation des incertitudes précisément dans cette zone. Une bonne similarité hydrologique mutuelle a été mise en évidence entre certains bassins, dont le meilleur indicateur reste la proximité spatiale. La connaissance de la disponibilité des ressources en eaux, particulièrement au niveau des bassins non jauges, est d’une utilité capitale dans plusieurs domaines d’application telles que l'allocation de l'eau pour la consommation et pour l'irrigation surtout en Afrique de l'Ouest qui fait face fréquemment à la gestion des risques liés au déficit en eau et a l'insécurité alimentaire en raison des impacts du changement climatique. Ces résultats contribuent également à une meilleure compréhension du fonctionnement hydrologique d’une zone jusque-là non explorée dans le domaine de la prévision en bassins non jaugés (PUB), et constituent une première étape vers de nouvelles investigations qui contribueront à l’amélioration des prévisions de l’information hydrologique.

Ces travaux de thèse ont porté sur la zone pastorale du Niger. Ils ont pour objectif principal de contribuer à l’amélioration des méthodes d’estimation des rendements fourragers au Sahel en général et en particulier au Niger. Il s’agit plus spécifiquement de : valider le modèle BIOMASAH (BIOMAsse SAHélienne) utilisé par le Centre Régional AGRHYMET [AGRonomie Hydrologie et METéorologie] (CRA); tester le modèle du Ministère de L’Élevage et de Industries Animales (MEIA) ; proposer un Modèle par Régression linéaire Multiple (MRM) ; tester la méthode de similarité et enfin comparer ces méthodes d’estimation entre elles. Le travail a été réalisé d’une part avec les mesures de masse herbacée faites au sol de 2001 à 2012 par le MEIA, les observations pluviométriques des stations de la Direction Météorologique du Niger, les variables météorologiques issues du l’institution européenne appelée "European Centre for Medium-Range Weather Forecasts" (ECMWF) et d’autre part, avec les images satellitaires notamment le NDVI de SPOT VEGETATION et MODIS et les pluies estimées dénommées RFE provenant de l’institution américaine "Famine Early Warning Systems NETwork"(FEWSNET). La validation du modèle BIOMASAH a été faite à l’aide des tests de t et de Wilcoxon pour comparer les moyennes mesurées in situ à celles obtenues du modèle et aussi des tests de corrélation de Pearson, Kendall et Spearman. Quant au modèle MEIA, les performances ont été testées en comparant les résultats inter et intra capteurs SPOT VEGETATION et MODIS en utilisant les R² et le RMSE issus des calculs avec l’intégrale et le maximum NDVI comme variables explicatives du rendement fourrager. Le modèle de référence (MR) a été réalisé par régression linéaire multiple avec la méthode pas-à-pas ascendante pour la sélection de variables basée sur le R² ajusté et le RMSE. La validation croisée ‘leave one out’ (LOOCV) a été utilisée pour calculer les R² de validation et un diagnostic systématique des résidus pour mieux caractériser le modèle. viii La méthode de similarité des profils saisonniers d’indice de végétation a été réalisée en utilisant comme critères le R², le MAD et le RMSE. Le profil de la période de croissance de la végétation de chaque pixel a été tracé pour toutes les années. Ensuite, le profil de l’année cible a été comparé avec celui des autres années pour identifier l’année similaire. Les résultats de la similarité ont été confrontés aux données observées d’une part avec les tests de corrélations de Pearson, Spearman et Kendall et d’autre part à l’aide de tests de t et de Wilcoxon pour comparer les moyennes. La comparaison des quatre modèles a été faite sur la base des R², des R² ajustés et les RMSE. Le modèle BIOMASAH a donné des moyennes significativement différentes des moyennes observées (p <0,001). Les corrélations de Pearson, Kendall et Spearman sont faibles. En ce qui concerne le modèle MEIA, le meilleur R² à l’échelle globale est de 0,56. Il n’y a pas de différence significative à utiliser les NDVI de MODIS ou de SPOT VEGETATION. Le RMSE est de 367 kg.ha-1. Les R² et le RMSE varient fortement d’une année à l’autre. Le modèle de référence a donné un R² ajusté global de 0,69 et un RMSE de 282 kg.ha-1, la différence entre le RMSE calculé et celui de la validation est de 2,72 kg.ha-1. La comparaison des moyennes de la similarité à celles observées a montré qu’il n’y a pas de différence significative (p<0,001) pour le R². Par contre les différences sont significatives au même seuil pour le MAD et le RMSE. La comparaison des modèles montre que le Modèle par Régression linéaire Multiple (MRM) est le meilleur, mais il reste perfectible. Ainsi, se propose-t-on de continuer ces recherches avec d’autres indices tels que le LAI et le FAPAR et l’EVI. Aussi, il serait intéressant de prospecter les voies telles que : tenir compte du feuillage des ligneux, ajuster les métriques à la phénologie des herbacées, et à celles des ligneux. Ces travaux permettront d’améliorer la qualité des informations utilisées pour planifier les actions de développement en ix faveur de la société nigérienne en vue de la protéger contre les crises pastorales.

Le Sahel est une large entité biogéographique s’étendant du Sénégal à l’Éthiopie (UNESCO, 1981). Cette zone naturelle fait face à des défis sécuritaires qui engendrent des pertes énormes en vies humaines et animales au Mali (terrorisme et rébellion armée), en Libye (terrorisme et guerre tribale), et dans la zone du Lac Tchad (Boko Haram au Nigeria, au Niger, au Tchad et au Cameroun) ainsi qu’à des défis climatiques et démographiques avec des conséquences sur la dégradation des ressources naturelles et la sécurité alimentaire et nutritionnelle des populations. Les communautés pastorales sont particulièrement sensibles et affectées par ces défis (DNEP, 2013). Ces dernières années plusieurs initiatives ont été prises en faveur de ces populations à l’échelle continentale et au niveau régional

L’un des défis majeurs auxquels le Niger est confronté, est l’inadéquation croissante entre la demande et la disponibilité en céréales, notamment en mil et sorgho. Une des solutions palliatives consiste à l‘utilisation des informations agro météorologiques, climatologiques, des pratiques culturales adéquates et des investissements avisés dans l’agriculture céréalière pour améliorer la production. Au Niger, le développement de l’agriculture pluviale étant considérablement limité par la forte variabilité climatique, il est nécessaire d’identifier les risques climatiques liés à la pluviométrie et à la température, afin de développer des stratégies d’adaptation des pratiques culturales du mil et du sorgho. L’objectif global de l’étude est de proposer les stratégies nécessaires en vue d’améliorer la production agricole par une meilleure intégration des risques climatiques dans les activités agricole au Niger. L’identification des risques climatiques a été faite sur tout le Niger ; par contre, l’évaluation des changements de pratiques culturales et celle des adaptations a été conduite dans la région de Tillabéry qui dispose de toutes les caractéristiques climatiques, morpho pédologiques et agraires des zones de cultures pluviales du mil et du sorgho au Niger. L’approche méthodologique adoptée est basée sur le traitement statistique et sur l’analyse des données de 49 stations pluviométriques et de 9 stations météorologiques pour les données de températures sur la période de 1961 à 2010, mais aussi sur la collecte et l’analyse des données socio-économiques obtenues à partir des techniques d’enquêtes. Les résultats ont permis d’identifier des risques climatiques globalement négatifs pour la culture du mil et du sorgho. Il s’agit de la baisse de la qualité de distribution spatiale et temporelle des pluies ; de la diminution du nombre de jours de pluie ; de l’augmentation des pluies extrêmes, de l’augmentation des températures de toutes les saisons ; de l’augmentation de tous les extrêmes chauds et la diminution de tous les extrêmes froids de température. Quatre pratiques culturales (Préparation et gestion durable des terres, semis, sarclage, démariage) ont été impactées par ces risques. L’analyse croisée des résultats a permis d’amender les adaptations des producteurs qui sont majoritairement techniques. Pour améliorer durablement la résilience des populations, Il est indispensable de s’orienter vers des adaptations stratégiques afin d’opérer une reconversion vers une agriculture plus productive et plus durable.