Contenus

• 

  Validation of a herbaceous biomass assessment model for selected rangelands

  This study was carried out in the pastoral zone of Niger with the aim to validating outputs of the BIOMASAH model developed by the AGRHYMET Regional Centre (ARC) relative to real data collected over the 2001 2011 period by the Ministry of Livestock and Animal Industries of Niger
• 

  Performance of similarity analysis in the estimation of forage yields in the Sahelian zone of Niger

  The study aims to test the performance of similarity analysis in herbaceous fodder biomass estimate in the Nigerian pastoral zone, in a context of insecurity and precipitation spatiotemporal variability.
• 

  Modélisation spatiale de la production fourragère en zone pastorale nigérienne

  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.

• MESA Du satellite à la gestion des parcours

  Service MESA terrestre "gestion des parcours"
• 

  Evaluation des ressources pastorales au Sahel Nigérien à l'aide des données NDVI issues de SPOT végétation

  L’étude a été réalisée dans la zone pastorale du Niger, elle se propose de : tester la stabilité du modèle d’estimation de la biomasse du Ministère de l’Élevage et des Industries Animales (MEIA) du Niger ; puis de comparer les performances de l’intégrale et du maximum du NDVI de SPOT VEGETATION et eMODIS à l’aide des données réelles collectées de 2001 à 2012 par MEIA. La méthode de régression linéaire simple est utilisée pour calculer les coefficients de détermination R² et les erreurs quadratiques sur la série (RMSE), par zone bioclimatique puis année par année. Les résultats montrent des R² variant, suivant les années, de 0,52 à 0,73, de façon très significative (P<.0001). Ce coefficient de détermination est plus élevé dans les zones saharienne et nord sahélienne comparé à la zone sahélienne typique. Les RMSE annuelles varient entre 120 et 460 Kg.MS.ha-1. Les tests non paramétriques de comparaison de moyenne (Test de Wilcoxon et des signes) ne mettaient pas en évidence de différence significative entre SPOT VEGETATION et eMODIS (intégrale ou maximum). Cette possibilité d’intercomparabilité des indices provenant de différents capteurs permet aux utilisateurs d’assurer la production sans interruption avec une possibilité d’analyse convergente si l’un des deux capteurs était indisponible