Modélisation des tendances de la végétation à l’aide de données biophysiques et démographiques dans la savane du Burkina Faso

Résumé

La savane représente un important biome en Afrique de l’Ouest, fournissant de la nourriture et des services aux populations, et un habitat à une grande quantité d’espèces végétales et animales. Cependant, ce biome connaît une dégradation rapide de sa couverture végétale due aux pressions anthropiques et climatiques. Le suivi et la modélisation des tendances de la végétation sont nécessaires pour la sauvegarde des forêts et la lutte contre la dégradation des terres. Cette étude a exploré l’utilisation d’ensembles de données biophysiques et démographiques pour modéliser les tendances de la végétation dans la savane du Burkina Faso. Pour cela, les tendances de la végétation ont été détectées de 2001 à 2020 avec le test de tendance de

MannKendall. Les algorithmes Random Forest (RF), Super Vector Machine (SVM) et

Artificial Neural Network (ANN) ont été utilisés pour modéliser les tendances de la végétation induites par des variables biophysiques et démographiques. Le résultat a révélé que des tendances non significatives étaient prédominantes (73 %) dans la végétation de la zone d’étude au cours de la période 2001-2020, tandis que les tendances de verdissement et de dégradation caractérisaient respectivement 13 % et 14 % des pixels. RF s'est avéré supérieure à SVM et à ANN dans la modélisation des catégories de tendances de la végétation avec une précision globale (indice Kappa) supérieure à 0,80 (0,70). L'étude a fourni des informations qui peuvent soutenir le développement de stratégies efficaces pour lutter contre la dégradation des terres.