Souley TAHIROU* & Maman WAZIRI MATO

Département de Géographie, Université Abdou Moumouni de

Niamey

*souleyta@gmail.com

Introduction

Au niveau national, comme au niveau international, la littérature abordant la dynamique environnementale est abondante. Mais au Sahel, c’était suite aux sècheresses des années 70 qui ont sévi dans la zone et à l’avènement de la télédétection au cours de la même période avec le lancement du premier satellite d’observation de la surface terrestre (Landsat 1) que la surveillance de l’environnement est placée en tête de la gestion environnementale. Parallèlement plusieurs méthodes et outils de traitement des produits issus de ces satellites ont été développés. L’évolution de ces produits satellitaires ne laisse pas en marge les méthodes et outils qui sont dédiés à leur exploitation. C’est pourquoi, il existe aujourd’hui plusieurs méthodes et outils de suivi des mutations environnementales notamment dans le domaine du suivi de la dynamique d’occupation du sol. Ils varient en fonction du champ de recherche et de l’échelle d’investigation du chercheur ainsi que l’objectif qu’il s’est fixé. A cet effet, les techniques de la télédétection spatiale et des systèmes d’information géographique (SIG) sont les plus sollicités par les géographes. La méthode d’interprétation visuelle ou de la classification supervisée ou non sous les logiciels Arc Gis, Envi, Erdas Imagine ou Qgis semblent être les plus utilisés au Niger. Les résultats issus de l’usage de ces outils ainsi que le temps mis dépendent certes de la maitrise du télédétecteur. Mais, des logiciels comme eCognition Developper peuvent donner de bons produits cartographiques et à un temps record. Ce travail vise donc une approche méthodologique adoptée au suivi de la dynamique d’occupation du sol à petite échelle. Il s’agit de tester la performance ou l’applicabilité de la méthode orientée objet sous eCognition Developper 9.1 sur des images de résolution moyenne (30m) pour suivre la dynamique spatio-temporelle des classes d’occupation d’un sous bassin versant du dallol Bosso en vue d’évaluer son impact sur l’écoulement des eaux de surface.

1. Le Cadre géographique

La zone d’étude se situe dans la partie aval du Dallol et répartie administrativement dans neuf (9) communes. Elle est comprise entre

12°32’ et 13°20’ de latitudes nord et les longitudes 2°52’ et 3°36’ est (figure n°1) avec une superficie de 2006,5 km². D’une population d’environ 81430 habitants (Répertoire National des Communes, 2012) qui pratique l’agriculture comme activité principale secondée par l’élevage sur sept (7) types de sol avec une dominance de sols rouges limono-sableux profonds. La pluviométrie moyenne entre 1961-2010 est de 566 mm à la station pluviométrique de Dosso. La zone d’étude est comprise entre les altitudes 169m et 257m (figure n°1). 

Le sommet de plateau donne une vue de succession de bandes nues, bandes boisées ou de vastes espaces indurés. C’est au niveau des glacis supérieurs qu’on trouve souvent les surfaces laissées au repos. Il s’agit des jachères encroûtées et ravinées où la végétation est déchaussée sur des hauteurs pouvant atteindre des dizaines de centimètres. Les champs de cultures sont concentrés sur les glacis inférieurs avec des jachères par endroits. Sur les sols, soumis aux phénomènes d’érosion hydrique et éolienne, se manifestent par ravinement, encroûtement et ensablement dans les lits des koris. Les bas-fonds constituent les espaces par excellence des cultures même s’ils sont, par endroit, sous l’emprise de la salinisation.

La végétation est une formation à dominante steppique. Les conditions climatiques favorables couplées à la typologie des sols (limoneux et argileux) dans les bas-fonds ont favorisé le développement des formations plus denses de strates buissonnantes et arborées. 

2. Les Matériels et Méthodes

Nous disposons de deux images satellitaires du type Landsat (1987 et 2017) pour suivre la variation spatio-temporelle de l’occupation du sol de la zone d’étude. L’image Landsat 4 TM de décembre 1987 présente une résolution spatiale de 30 mètres et 7 bandes spectrales. Quant à l’image Landsat 8 OLI de décembre 2017, elle est composée de 11 bandes spectrales avec une résolution de 30 mètres hormis le canal panchromatique 8 qui est à 15 mètres de résolution. La méthode adoptée est l’approche orientée objet. Elle se subdivise en deux étapes principales : la création des objets images ou segmentation et leur classification. La première consiste à regrouper les objets ou les pixels selon leur appartenance à des régions homogènes individuelles sur la base de leurs caractéristiques spectrale, spatiale, morphologique, texturale, contextuelle, temporelle et thématique. eCognition Developper est un produit commercial pour l’approche orientée objet, lancé en 2003. La version 9.1 incorpore sept (7) algorithmes ou commandes dédiés à la segmentation et trois (3) pour la classification. La commande multirésolution segmentation a été d’usage dans le cadre de ce travail. Le choix de cette commande réside dans le fait qu’elle fusionne consécutivement les pixels ou les objets de l’image tout en examinant les pixels ou les objets qu’elle assemble avec leurs voisins, sur la base des nombreux critères dont l’homogénéité définis par l’utilisateur (eCognition

Developper User Guide, 2014, p. 35).  Selon S. Lenaïg & al., 2010, p.

240) elle « transcrit les dépendances hiérarchiques que l’on peut observer dans le monde réel, et de constituer une information supplémentaire pour l’identification d’objets et la classification d’une image ». Pour ce faire, on y introduit un certain nombre de critères tels que le paramètre d’échelle, de couleur, de forme et de compacité. L’échelle permet de fixer une limite qui détermine l’hétérogénéité maximale permise des objets produits par la segmentation. Elle détermine, ainsi, la taille des polygones créés lors de la segmentation.  

Après, le logiciel calcule les critères d’homogénéité à partir des critères de forme et de compacité qui sont définis par l’utilisateur ou télédétecteur. La forme contre la couleur correspond à l’homogénéité spectrale de l’objet. Quant à la compacité, elle est définie par deux critères, soit on choisira d’obtenir des objets compacts soit des objets à contours découpés (S. Dupuy & al., 2011, p.16). En ce sens, elle détermine le poids du facteur forme des objets par rapport au facteur couleur dans le processus de segmentation. 

Pour trouver le bon paramétrage, plusieurs essais ont été effectués. Dans le cadre de la présente étude, une échelle de 120 avec une forme et une compacité de 0.9 ont été retenues. Et cela après plusieurs essais de paramétrage. Une fois la bonne partition des objets trouvée, la classification qui s’en est suivie vise à les regrouper à l’aide des valeurs spectrales, spatiales, structurales ou d’autres variables géographiques (P. Thi-thanh-hien & al., 2012, p. 288). Ensuite, un certain nombre de polygones sont sélectionnés en tant qu’échantillon ou région test pour chaque classe ou unité observée sur l’image (classification supervisée) et la classification proprement dite a été réalisée sous la commande classification. Cette définition des zones d’apprentissage a été faite en se basant sur la Nomenclature d’Occupation du Sol du Niger (NOS). Comme toute classification est susceptible de contenir des erreurs, cette dernière étape a été accompagnée d’une dernière opération d’interprétation visuelle au cours de laquelle les objets qui ne sont pas bien classés ont été corrigés manuellement. 

L’évaluation de la variation spatio-temporelle a été possible grâce au calcul du taux moyen annuel d’expansion spatiale (T). L’une des formules utilisées à cette fin est celle qui a été appliquée par des auteurs comme (Bernier,1992 ; cité par J. Oloukoi & al., 2006, p. 311 et B. Rachid & al., 2016, p. 259). Selon eux, le taux moyen annuel d’expansion spatiale noté T=[ln(S2) -ln(S1)] /t*ln(e)*100. Où ln est le logarithme népérien, S1 et S2 correspondant respectivement à la superficie d’une catégorie d’occupation du sol à la date t1 et t2, t est le nombre d’années d’évolution, e est la base des logarithmes népériens (e =2,71828). Pour apprécier l’impact des changements d’occupation du sol sur l’écoulement de surface d’eau (B. Rachid & al., 2016, p. 259) ont fait recours à la formule suivante : Cr=£Pi*ai où Cr représente la capacité de rétention en eau au niveau de chaque classe d’occupation du sol, Pi le pourcentage en superficie de la zone d’étude occupée par la classe d’occupation du sol i et ai un coefficient de pondération représentant la capacité en eau effective. Ils définissent un intervalle allant de 0 pour rétention nulle à 2 pour celle maximale. Cela signifie que le coefficient Cr est compris entre

0 et 200. Et s’il est supérieur à 100 le bassin est encore sauvage et doté d’une importante couverture végétale et ce, favorable à l’infiltration (peu propices à l’intensification des écoulements). Par contre, s’il est inférieur à 100, le bassin est très dégradé et propices à d’importants écoulements (Cecchi & al., 2009) cités par B. Rachid & al., 2016, p. 259). Ces différentes formules ont fait l’objet d’usage dans le cadre de cette étude.

3. Les Résultats 

3.1 L’application de la méthode orientée objet

Dans cette section, nous représentons les résultats obtenus à un niveau de paramétrage de l’image à une échelle de 120 et 0.9 pour la forme et la compacité puis les produits cartographiques accompagnés des résultats. Ce niveau semble être le mieux approprié aux différents objets identifiés dans la zone d’étude (photo 1). En effet, à un tel niveau, on peut obtenir les classes d’occupation du sol représentatives de la zone d’étude. Ces extraits de la donnée spatiale de 2017 sont assez illustratifs. Pour faciliter l’interprétation de l’image nous nous sommes servis de la Nomenclature d’Occupation du Sol (NOS) du Niger, définie comme document référentiel en matière de cartographie d’occupation du sol.

Source : Image Landsat 8 OLI, 2017

Après la segmentation un certain nombre de polygones ont été choisis pour guider le logiciel à effectuer l’opération de la classification. Le résultat de cette classification est proche de celui d’une interprétation visuelle (photo 2).

Photo n°2 : Extrait du résultat de classification de l’image de 2017

Source : Image Landsat 8 OLI, 2017 L’analyse de la photo n°2, montre que la classification a suivi les résultats issus de la segmentation. Mais, il faut noter que malgré la segmentation plus ou moins parfaite, le résultat brut de la classification comporte un certain nombre d’erreur (photo 3). En effet, on remarque à travers l’image utilisée pour faire la classification une jachère marquée par un rectangle qui a été considérée comme une zone de culture continue. C’est pourquoi il est recommandé de faire une matrice de confusion et l’indice de Kappa pour montrer jusqu’à quelle proportion les résultats cartographiques sont proches de la vérité. 

Bien que recommandée, cette matrice de confusion et le coefficient de

Kappa n’ont pas été calculés. En effet, ils sont certes des bons indices d’appréciation du produit cartographique mais ils n’éliminent pas la confusion créée. C’est d’ailleurs pour cette raison que nous avons complété la méthode orientée objet par une seconde étape. Il s’agit de l’interprétation visuelle en introduisant une requête spatiale dans la couche des classes d’occupation sur Arc Gis 10.3 pour vérifier manuellement les différentes régions ou polygones créés. Au cours de cette opération celles qui ne sont pas bien classifiés sont corrigés manuellement en changeant leur identifiant par celui qui correspond.

3.2 Les résultats cartographiques, les changements d’occupation du sol et l’évolution des ressources en eau de surface La mise en évidence a été faite sur onze (11) unités ou classes d’occupation entre 1987-2017. L’analyse de la variation spatiale et temporelle de la zone d’étude ressort des profonds changements entre les deux dates (Tableau n°1). En effet, l’évolution au cours de ces trente ans laisse apparaitre deux grandes tendances : régression et progression. Pour la première catégorie on trouve la brousse tigrée et la jachère. L’aire de la brousse tigrée qui était en 1987 de 32116,5 ha soit 16% de la superficie de la zone d’étude est passée en 2017 à 13177,53 ha soit 6,56%. Cela signifie que cette classe se réduit en moyen de 2,96% par an d’où son taux annuel d’expansion spatiale négatif (-2,96%). Quant à la jachère qui occupait 55115,3 ha soit 27,47% de la zone en 1987, elle couvre 22,32% de la superficie totale soit 44797,93 ha en 2017. L’évolution négative de ces deux se fait au profit des autres classes dont majoritairement les zones de cultures, la végétation du plateau, les terrains rocheux et les surfaces encroûtées. Les actions anthropiques et les effets de la variation climatique font que la brousse tigrée se réduit. En se réduisant, elle fait place soit à la végétation du plateau (0,21% à 1,60 %) ou carrément à des espaces où la roche affleure : terrains rocheux (1,01% à 1,42%) ou encore à des endroits indurés et dénudés (surfaces encroûtées). Ces derniers qu’on n’observe pas à la première année, occupe 2,29% de la zone d’étude.  La progression plus moins significative des espaces agricoles au cours de ces trente ans a fait que des terrains autrefois laissés au repos ont disparu. C’est ce qui explique la diminution de la surface des jachères en 2017. C’est ainsi que les cultures continues qui représentaient 42,33% (84926,8 ha) de la surface totale étudiée à la première année d’analyse passent à 45,41% (91121,28 ha) à la fin de la période. Cette classe a, par conséquent, subi une augmentation de 3,08% en trente ans avec un taux annuel moyen d’expansion spatiale de 0,23%. En 1987, les cultures sous parc arboré totalisent 11,23% du territoire d’étude contre 15,48% à la fin de la série. Enfin, les classes comme les plans d’eau les habitations humaines et les sols ont doublé entre les deux dates (tableau n°1).

Tableau n° 1 : Evolution de la superficie des unités d’occupation du sol entre 1987 et 2017

Source : Résultats de recherche, juillet 2019

Sur le plan spatial, ces changements s’observent sur l’ensemble de la zone d’étude (figure n°2). En effet, on remarque que l’augmentation des cultures sous parc arboré se fait dans la partie aval du sous bassin versant. Cela pourrait s’expliquer par des plantations artificielles d’Eucalyptus à cause de ses valeurs économiques. Un autre changement observable est l’apparition des espaces durcis dans la partie centrale en 2017. Cela témoigne l’empreinte de l’homme sur son environnement car c’est surtout dans ce secteur que les jachères ont beaucoup diminué. Le développement de ces surfaces encroûtées se fait surtout au niveau des sols rouges limono-sableux à cuirasse. La brousse tigrée qui domine la partie sudouest en 1987 fait place à la végétation du plateau et les espaces indurés à la fin de la période.

Ainsi, la croissance des espaces issus de la marque de l’homme sur son environnement est une généralité dans la partie sud-ouest du Niger et touche les parties frontalières entre le Niger et le Benin ou le Burkina Faso. Les conséquences qui en résultent se traduisent par la réduction du couvert végétal. Cette réduction engendre la dégradation des terres agricoles à travers l’érosion hydrique et éolienne. On assiste à la suite à des situations d’insécurité alimentaire qui accentuent la vulnérabilité d’une population déjà pauvre. Cela est inquiétant d’autant plus que les facteurs à la base notamment la croissance démographique et les modifications climatiques continuent d’être maintenues dans un contexte de saturation d’espace agricole. Pour cela une gestion rationnelle des ressources en eau pourrait favoriser la pérennité des activités comme les cultures de contre saison, principal levier pour assurer une sécurité alimentaire dans ces zones.

Mais quel est l’impact de ces changements d’occupation du sol sur ces ressources en eau de surface ? Pour le calcul de la capacité de rétention en eau (Cr) des différentes classes d’occupation du sol de la zone d’étude et l’attribution d’un coefficient de pondération représentant la capacité de rétention en eau effective de chaque classe d’occupation, nous nous sommes inspiré des études antérieures comme celles de Cecchi & al.,

(2009) cité par B. Rachid & al. (2016, p. 259). C’est ainsi qu’on obtient les résultats suivants consignés dans le tableau n°2.  

Tableau n°2 : Coefficients de capacité de rétention pour chacune des classes d’occupation du sol

Source : Résultats de recherche adaptés de Rachid & al. (2016)

L’impact de la dégradation du couvert végétal sur les écoulements de surface à l’échelle du sous bassin versant étudié, a été quantifié par les coefficients de rétention (Cr). Les résultats de ce calcul sont enregistrés dans le tableau n°3.

Tableau n° 3 : Evolution du coefficient de rétention (Cr) dans le bassin versant entre 1987 et 2017

Source : Résultats de recherche, juillet 2019

L’analyse de ces résultats montre qu’au niveau de toutes les classes identifiées dans ce sous bassin versant, les valeurs de Cr sont inférieures à 100 tant en 1987 qu’en 2017. A cet effet, il est assujetti à un fort écoulement. Ces faibles valeurs témoignent une forte anthropisation du milieu qui se traduit par une forte dégradation et ce, par une expansion très intense du phénomène de l’érosion.

4. Discussion

L’application de l’approche orientée objet, donne des résultats impressionnants et cela, tant au niveau de la segmentation qu’à la classification. C’est pourquoi, A. Achbun & al., (2011, p.1) rapportent que le produit issu de cette méthode approche orientée objet est plus significatif du point de vue sémantique et répond mieux à l’interprétation (vérité terrain). Si la qualité de la segmentation est cruciale pour la réussite de la classification, celle-ci (segmentation) dépend à son tour du paramétrage donné par l’utilisateur. Il n’existe certes pas des configurations prédéfinies à travers le monde. Mais, le contexte de la zone à cartographier et les produits de la télédétection utilisés ont beaucoup d’influence sur le choix de ces paramètres. Par exemple une zone fortement anthropisée où on pratique l’agriculture sur des vastes étendues ne peut pas être la même qu’une zone très peu occupée. En ce sens, l’utilisation d’une valeur élevée de l’échelle mais également de la forme et de la compacité témoigne le caractère très occupé de la zone. Pour cela, on pourrait si possible définir des pistes en tenant compte des réalités de chaque milieu. Cela n’est possible qu’en ayant une connaissance solide de la photo-interprétation mais de la réalité du terrain étudié. 

D’ailleurs plusieurs auteurs ont eu à tester la performance de cette méthode en utilisant des produits différents de la télédétection. C’est ainsi que F. N. Kana (2011, p. 26) en utilisant la même commande et en paramétrant l’échelle à 20, la forme à 0.5 et la compacité à 0.7, confirme la satisfaction des résultats sur des images Google Earth pour la cartographie de la dynamique urbaine de la ville de Yaoundé. De même, la configuration échelle 126, forme 0.1 et Compacité 0.5 a permis à M.A. Diallo (2015, p. 22) de faire le suivi de l’évolution de la végétation arborée hors forêt du canton de Genève en utilisant la télédétection aéroportée. De son côté, H. E. Ali (2016, p. 25) s’est dit satisfait des résultats trouvés à travers un paramétrage d’échelle 75, forme indice de couleur de la végétation et la compacité 0.5. Les rendus cartographiques peuvent être évalués grâce à l’établissement d’une matrice de confusion et d’un indice de Kappa. A titre d’exemple, E. Rodgers (2013, p. 38) évalue à 80% les objets qui sont bien classés en utilisant cette méthode orientée objet.

Aussi pour l’analyse des produits cartographiques qui montrent les changements des unités d’occupation du sol, les résultats sont en accord avec ceux trouvés par de nombreux auteurs sur des territoires nigériens ou ailleurs. En effet, des auteurs comme (Loireau, 1998 cité par E. Lebreton, 2005, p. 3 ; I. Bouzou Moussa & al., 2009, p. 148 ; K. Souley Yéro, 2008, p. 47 ; I. Bouzou Moussa & al., 2011, p.13 ; A. Abdourhamane Toure, 2011, 89 ; K. Souley Yéro, 2012, p. 111 ; B. Abba, 2013, p. 31 ; SRAT de Dosso, 2015, p. 43) s’accordent à dire que dans l’ouest nigérien, l’extension des aires agricoles se fait au détriment de la couverture végétale. Cela a pour conséquence, la dégradation du milieu qui se manifeste par le développement des espaces dénudés, durcis et des koris. A. Mahamane & al. (2007, p. 296) ont également constaté cette augmentation des surfaces cultivées dans la commune de Gabi (Niger).  A.A Tidjani & al. (2009, p.75) ont conclu sur l’extension des espaces agricoles liée à l’accroissement de la population dans la région de Tchago (nord-ouest de Gouré). La même tendance a été observée par Leroux (2012, p. 21) qui souligne la progression des espaces de cultures au détriment des espaces de forêt et savanicoles entre 1973 et 2012 dans le bassin versant supérieur de l’Ouémé (Benin). De leur côté, H. Pierre & al. (2013, p. 7) ont démontré que dans le secteur de Banizoumbou (Niger) les zones de cultures ont connu un taux annuel de changement de 3,3% entre 1986-2011. Cette expansion s’est faite au détriment des couverts arborés et parcours.  A. Ayena Abraham & al. (2017, p. 132) ont abouti à des résultats semblables dans la vallée du fleuve Niger au Benin dont les corollaires sont entre autres la destruction du couvert végétal, la déstructuration du sol, l’érosion des berges et la dégradation des formations ripisylves. I. Maigary (2018, p. 84) note la hausse des surfaces cultivés de 22% entre 1972 et 2016 au détriment des deux autres classes majoritaires que sont les brousses tigrées dégradées et des zones de steppes dans la partie amont du Dallol Bosso. B. Mamane & al. (2018, p.

6062) mettent en évidence la régression de l’aire des formations forestières et l’apparition des nouvelles classes telles que les koris et les sols nus entre 1975-2013 dans la réserve totale de faune de Tamou. Selon cette étude la superficie des espaces agricoles a été multipliée par plus de cinq (5) entre les deux dates. De même S. Tahirou et al. (2019, p. 1) ont mis en évidence cette augmentation des surfaces anthropisées au détriment de celles naturelles dans la commune rurale de Sokorbé.

De même, les résultats d’évaluation de l’impact de la dynamique d’occupation du sol sont en étroit accord avec ceux des travaux et études antérieurs. En effet, d’après une étude menée par Cecchi & al. (2009, p.119), l’extensification des surfaces cultivées, des sols nus ou dégradés et des zones d’habitat, au détriment des zones sauvages, savane et forêts ont influencé le coefficient d’écoulement de trois bassins versants étudiés en Côte d’Ivoire. Cette influence est beaucoup plus importante dans le cas du Lafigué qui est plus anthropisé où les coefficients qui étaient compris jusqu’au début des années 1980 entre 5 et 15 % augmentent ensuite de façon spectaculaire pour atteindre près de 50 % en 1992. Selon des auteurs comme L. Descroix & al. (2012) et G. Mahe & al. (2009) cités par F. Tazen & al. (2013, p. 99), malgré une diminution marquée de la pluviométrie au Sahel, depuis 1970, on constate une forte augmentation des coefficients d’écoulement de certains hydro-systèmes. Ils ont d’ailleurs lié la cause aux changements intervenus dans l’occupation du sol. De même, M. Malam Abdou (2014, p. 175), a mis en évidence une diminution de la capacité de rétention en eau des bassins suite à l’augmentation des surfaces encroûtées. Une étude similaire a été menée par B. Rachid & al. (2016, p. 261) sur un bassin versant du Maroc. Elle a montré que les classes de la végétation, les espaces agricoles enregistrent un taux annuel moyen d’expansion spatiale négatif tandis que les plans d’eau et les sols connaissent une croissance. Quant aux coefficients de rétention (Cr), cette étude rapporte qu’ils sont faibles, 130,9 (1984) et 79,7 (2014). Ils concluent en conséquence que le bassin versant est marqué par une forte dégradation du milieu suite à une importante activité anthropique comme la déforestation, le surpâturage, etc.

Conclusion

Cette étude avait pour objectif de tester une méthode de traitement des images satellitaires pour suivre la variation spatio-temporelle de l’occupation du sol dans un bassin versant du Dallol et d’évaluer l’impact de cette variation sur l’écoulement des eaux de surface. Pour ce faire, le logiciel eCognition a été d’usage. L’avantage de ce logiciel ce qu’il permet de travailler avec des objets plutôt que des pixels tout en prenant en compte leurs caractéristiques géométriques, topologiques et sémantiques. Il se dégage des résultats qu’un paramétrage d’échelle 120, de forme et de compacité 0.9 des images satellitaires de résolution moyenne (30m), donne un bon produit cartographique permettant de suivre les changements spatio-temporels d’occupation du sol dans le contexte de la zone d’étude. La dynamique dans le temps et dans l’espace laisse apparaitre deux grandes tendances qui se traduisent par une régression pour les classes brousses tigrées et jachères et une progression pour l’ensemble des classes restantes. L’évaluation du coefficient de rétention (Cr) qui est un indice d’appréciation de l’impact de l’évolution d’occupation du sol sur les eaux de surface montre que la zone d’étude est peu propice à l’infiltration aussi bien en 1987 qu’en 2017. Cependant, l’écoulement d’eau de surface ne dépend essentiellement pas d’occupation du sol. A cet effet, il serait nécessaire de prendre en compte d’autres paramètres tels que la porosité, la nature et la durée des pluies, la topographie, etc.

Références bibliographiques

ABBA Bachir, 2013, Dynamique de l’occupation du sol sur le plateau de Dyabou (Département de Say, Niger). In revue scientifique Territoires, Sociétés et Environnement n°002, Novembre 2013, pp.31 – 41.

ABDOURHAMANE TOURE Amadou, 2011, Erosion en milieu sableux cultive au Niger : dynamique actuelle et récente en liaison avec la pression anthropique et les changements climatiques. Thèse de doctorat de l’université de Bourgogne, p. 224.

ABRAHAM AYENA. A., HENRI TOTIN S. V., ERNEST A. ET EXPEDIT VISSIN W., 2017, Impact de la dynamique de l’occupation du sol sur les berges dans la vallée du fleuve Niger au Bénin. In Rev. Ivoir. Sci. Technol., 29 (2017) PP : 119 – 135. 

ACHBUN A., MANSOUR M., LAYELMAM M., SMIEJ F., 2011, Etude comparative de la classification orientée objet d’une image spot5 pour la cartographie de l’occupation du sol via eCognition®. In GEO OBSERVATEUR N°19/2011, Centre Royal de Télédétection Spatiale Maroc, p.17.

ALI H.E, 2016, Méthode d’identification et de cartographie de l’occupation du sol à fine échelle par analyse d’images. Mémoire de Master 2 de l’Université de Marne-la-Vallée, p. 39.

ANNE K., ALZIR FELIPPE B. A., JORGE SILVA C., 2007,

Classification orientée objet de la perméabilité des sols en zone urbaine à l’aide d’imagerie très haute résolution et de données laser scanner à Curitiba (Brésil). In Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 avril 2007, INPE, pp. 565 – 572.

BOUZOU MOUSSA Ibrahim, DESCROIX Luc, FARAN MAIGA Oumarou, GAUTIER Emmanuèlle., MOUSTAPHA ADAMOU Mahaman, MICHEL Esteves., SOULEY YERO Kadidjatou,

MALAM ABDOU Moussa, MAMADOU Ibrahim, LE-BRETON

Eric, ABBA Bachir, 2011, Les changements d’usage des sols et leurs conséquences hydro géomorphologiques sur un bassinversant endoréique sahélien. In Sécheresse ; 22 pp. 13 – 24.

BOUZOU MOUSSA Ibrahim, FARAN MAIGA Oumarou, AMBOUTA KARIMOU Jean Marie, SARR Benoit, DESCROIX Luc, ADAMOU MAHAMAN Moustapha, 2009, Les conséquences géomorphologiques de l’occupation du sol et des changements climatiques dans un bassin-versant rural sahélien. In Sécheresse 20 (1), pp : 145-152

CECCHI Philippe, GOURDIN Franck, KONE Soungalo, CORBIN Daniel, ETIENNE Jackie, CASENAVE Alain, 2009, Les petits barrages du nord de la Côte d’Ivoire : inventaire et potentialités hydrologiques. In Sécheresse 20 (1), pp : 112-22 

Cognition Developper User Guide, (2014). Trimble Documentation, München, Germany, p. 270

DIALLO M.A., 2015, Evolution de la végétation arborée hors forêt du canton de Genève : Analyse orientée objet des images aériennes (1932-1972-2012). Rapport de stage de l’Université de Genève, p. 49.

DUPUY Stéphane, 2011, Analyse orientée objet d’images de télédétection prise en main d’eCognition developper, Agro Paris Tech – UMR TETIS, p. 87

KANA F. N., 2011, Exploitation d’images satellitaires à très haute résolution spatiale Google Earth pour l’extraction d’objets sur l’environnement urbain ville de Yaoundé (Cameroun). Mémoire de Master 2 de l’Université de Marne-la-Vallée, p. 35.

LE-BRETON Eric, 2005, Ensablement des bas-fonds sahéliens : étude des transferts sédimentaires au fleuve Niger dans le secteur moyen

Niger – mali, Niger, Benin. Mémoire de DEA de l’Université Paris 7 – Denis Diderot, p. 79

LENAÏG S., FRANÇOISE G., IWAN L. B., 2010, Approche orientéeobjet de l’occupation des sols en zone côtière. Télédétection. In editions des archives contemporaines/editions scientifiques gb/gordon and breach scientific publishers, 2010, 8 (4), pp. 237 – 256. 

MAIGARY I., 2018, Évaluation des potentialités des ressources en eau de la nappe alluviale du dallol Bosso et de leurs évolutions dans le degré carre de Filingué (région de Tillabéry au Niger). Thèse de doctorat de l’Université Abdou Moumouni, p. 215.

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). In Sécheresse ; 18 (4) : pp. 296 – 304.

MALAM ABDOU Moussa, 2014, Etats de surface et fonctionnement hydrodynamique multi-échelle des bassins sahéliens ! Études expérimentales en zone cristalline et sédimentaires. Thèse de doctorat des Universités Abdou Moumouni et Grenoble. 

MAMANE B., AMADOU G., BARRAGE M., COMBY J. et AMBOUTA J.M.K., 2013, Dynamique spatio-temporelle d’occupation du sol dans la Réserve Totale de Faune de Tamou dans un contexte de la variabilité climatique (Ouest du Niger). In Int. J. Biol. Chem. Sci. 12(4) pp. 1667 – 1687.

OLOUKOI Joseph, MAMA Vincent Joseph 2 et AGBO Fulbert

Bernadin, 2006, modélisation de la dynamique de l’occupation des terres dans le département des collines au bénin. In Télédétection, 2006, vol. 6, n° 4, p. 305-323

PIERRE H., NGUYEN CAM C., JEROME D., DAVIDE F., LAURENT

K., CHRISTOPHE P., LOUISE L., DESCROIX L., YERO SOULEY K., BERNARD C., LUC S., ERIC M., 2013, Dynamique historique de l’occupation des sols, sites de Hombori (Mali), Dantiandou (Niger), Djougou (Bénin). Présentation à un colloque Marseille, 11-12 Février 2013, p. 11.

RACHID B., YAHIA E., AIMAN H, 2016, Apport de la télédétection spatiale à l’étude diachronique de la dynamique de l’occupation du sol dans le bassin versant de l’oued el Abid (haut atlas central, Maroc). In 3ème Edition du Colloque International des utilisateurs du SIG, Maroc, Oujda les 22 et 23 novembre 2016, pp. 257 – 262.

RODGERS Evan, 2013, L’analyse par reconnaissance d’objets” pour automatiser la création de cartes d’utilisation du sol dans le bassin versant de la rivière St-Jean, Québec. Agriculture et Agroalimentaire Canada, p.37.

TAZEN F., PATUREL J.E., KARAMBIRI H., YACOUBA H., DIELLO P. et MAHE G., 2013, Impacts des changements globaux sur les ressources en eau dans la zone sahélienne en Afrique de l’Ouest. In Climate and Land Surface Changes in Hydrology Proceedings of

H01, IAHS-IAPSO-IASPEI Assembly, Gothenburg, Sweden, July 2013 (IAHS Publ. 359, 2013)

THI-THANH-HIEN P. et DONG-CHEN H., 2013, Classification orientée objet d’une image quickbird de la ville de Hanoi (Viêtnam) : étude empirique des paramètres de segmentation. Télédétection. In editions des archives contemporaines/editions scientifiques gb/gordon and breach scientific publishers, 2013, 11 (2), pp. 287 – 305.

TAHIROU S., WAZIRI MATO M. et ABBA B., 2019, Dégradation des terres et vulnérabilité des populations de la commune rurale de Sokorbé au Niger dans un contexte de changement climatique et de pression anthropique, In revue de géographie de Ouagadougou, N°08, Vol.1, [En ligne].

TIDJANI A., OZER, A. et KARIMOUNE S., 2009, Apports de la télédétection dans l’étude de la dynamique environnementale de la région de Tchago (nord-ouest de Gouré, Niger) Contribution of Remote Sensing in the study of the environment dynamic in the region of Tchago (north-west of Gouré, Niger) ; In Geo-Eco-Trop., 2009, 33, n.s, pp 69 – 80