Skip to navigation – Site map

HomeNumérosVolume 8ArticlesIntégration de données topographi...

Articles

Intégration de données topographiques et hydrographiques en vue de la localisation des zones humides potentielles de fond de vallée : cas d'un périmètre de la région du Bélier en Côte d'Ivoire

Bi Gohi Ferdinand Zro, Valère Kotchi, Dogniméton Soro, Charles Kouadio Niangoran, Sidiky Bakayoko and Fernand Koffi Kouamé
p. 231-249

Abstracts

In the region of Belier (Côte d'Ivoire), there are wide areas of wetlands, with some of which began to be exploited in rice. In this study, the work consists in developing a prediction model to localize the potential wetlands of valley bottom in an area of the region of Belier. This prediction model was calibrated with topographic and hydrographic criterions of 2500 pixels which were determined using a machine learning procedure. The overall accuracy and the Kappa index obtained after the evaluation of the model are, respectively, 82.08 % and 82.05 %. Applied to whole the study area, the prediction model permits to mapping wetlands as well as it's reflected in the field reality described by 2425 punctual data of observation (overall accuracy = 69.23 % and Kappa index = 69.19 %) and a land use map.

Top of page

Full text

I - Introduction

1La région du Bélier (Fig. 1) fait partie de la zone de transition entre les plateaux cristallins de la partie Nord de la Côte d'Ivoire et des plaines du Sud. Elle appartient plus précisément à l'ensemble appelé "Marche centrale" par J.M. AVENARD (1971). Il s'agit d'une grande échancrure naturelle de savane boisée, généralement à rôniers, ouverte dans la forêt (J.M. AVENARD, 1971). Délimitée, dans le système de projection WGS 84, par les longitudes ­5°24'O et 5°0'O et les latitudes 6°40'N et 7°12'N, le terrain d'étude s'étend sur une superficie de 2098 km2. Il présente des altitudes comprises entre 130 m, près des deux principaux cours d'eau (la rivière Kan et le fleuve Marahoué, ou Bandama rouge), et 550 m.

Figure 1 - Carte de localisation et de description du terrain d'étude : composition colorée RVB (MNF1, MNF2, MNF3) des trois premières composantes de MNF (Minimum Noise Fraction) obtenues par la transformation de neuf bandes (les bandes du VNIR et du SWIR) des images ASTER.

Figure 1 - Carte de localisation et de description du terrain d'étude : composition colorée RVB (MNF1, MNF2, MNF3) des trois premières composantes de MNF (Minimum Noise Fraction) obtenues par la transformation de neuf bandes (les bandes du VNIR et du SWIR) des images ASTER.

2Le climat est de type "Baouléen" ; il s'agit d'un climat tropical humide de transition entre le climat équatorial humide à quatre saisons (deux saisons sèches et deux saisons humides) du Sud de la Côte d'Ivoire et le climat tropical humide à deux saisons (une saison sèche et une saison des pluies) qui prévaut dans le Nord (Y.T. BROU, 2005).

3La pluviosité annuelle moyenne est de 1000 à 1400 mm, dont l'essentiel se répartit entre deux saisons des pluies (d'avril à juin, ou grande saison des pluies, et de septembre à octobre, ou petite saison des pluies) séparées par deux saisons sèches.

4Comme toute la région du Bélier, le terrain d'étude présente un substratum essentiellement granitique (D.B. YAO, 1998), sur lequel se sont formés des sols ferralitiques (B. KONÉ, 2007). Toutefois des gleysols se sont développés le long de la rivière Kan et du fleuve Marahoué (B.G.F. ZRO et al., 2011). Les conditions étant ici favorables à la culture irriguée du riz, certains secteurs sont maintenant exploités (Photos 1), notamment, dans les environs d'Attiégouakro, de Zatta et de Yabra (B.G.F. ZRO et al., 2012). Cette évolution, si elle devait s'amplifier, conduirait inéluctablement à la destruction massive des zones humides dans la région du Bélier. Pourtant, à l'image des zones humides en général, ces écosystèmes constituent des réservoirs de biodiversité (Photos 2), essentiels dans des perspectives de développement durable. Les localiser apparaît donc comme une première étape nécessaire en vue de les protéger et d'en assurer une gestion raisonnée.

Photos 1 - Culture du riz au détriment de zones humides : en haut, à Zatta ; en bas, à Yabra. [clichés : Bi Gohi Ferdinand ZRO]

Photos 1 - Culture du riz au détriment de zones humides : en haut, à Zatta ; en bas, à Yabra. [clichés : Bi Gohi Ferdinand ZRO]

Photo 2 - Densité et variété de la végétation dans les zones humides de la région du Bélier. [clichés : Bi Gohi Ferdinand ZRO]

Photo 2 - Densité et variété de la végétation dans les zones humides de la région du Bélier. [clichés : Bi Gohi Ferdinand ZRO]

5En règle générale, la diversité des paramètres à prendre en compte (cadre réglementaire, mode de transition entre la terre et l'eau, permanence et multiplicité des actions anthropiques, dynamique spatio-temporelle, position topographique, etc.) rend très complexe l'analyse globale des zones humides (N. THIERSAULT et L. RODRIGUEZ, 1994 ; J. MOULIN et M. EIMBERCK, 2011 ; B. LEMERCIER et al., 2013). Dans le cas des zones humides continentales, ce type de démarche fait intervenir des données de différentes natures, notamment les conditions climatiques, géomorphologiques, pédologiques, hydrologiques et de couverture végétale (L. HUBERT-MOY, 2003 ; L. MEQUIGNON et al., 2005 ; Agence de l'Eau Loire-Bretagne, 2010 ; B. LEMERCIER et al., 2013).

6La présente étude vise à développer une méthode simple de structuration, de hiérarchisation et d'intégration d'un nombre très limité de données, topographiques et hydrographiques notamment, en vue de prédire la localisation et l'extension des zones humides potentielles d'un périmètre de la région du Bélier en Côte d'Ivoire.

II - Données d'entrée

7La carte topographique du degré carré de Gagnoa au 1/200000, issue de la base de données géographiques du Centre de Cartographie et de Télédétection (CCT/BNETD, 2007), couvre toute la partie du terrain d'étude située au sud du 7ème degré de latitude Nord. L'autre partie (de 7°0' à 7°12' de latitude Nord) est couverte par la carte topographique du degré carré de Bouaké au 1/200000 de la même source. De ces cartes, ont été extraits, d'une part, les courbes de niveau qui décrivent le relief et, d'autre part, le réseau hydrographique. Ces deux variables du milieu sont apparues les plus pertinentes pour discriminer les conditions d'humidité des sols (plus utiles que le climat ou la lithologie et d'acquisition plus simple que la couverture végétale ou les sols).

8Différentes étudesont mis en évidence le rôle prépondérant de la topographie dans la localisation des zones humides (V.J. KOLLIAS et al., 1999 ; C. KERGOMARD et R. LAGANIER, 2000 ; L. VACQUIE, 2011). Aussi avons-nous considéré des données de ce type, que nous avons combinées à des données hydrographiques.

9Très peu étendues et généralement temporaires, les zones humides des têtes de bassin ont été négligées par obligation. Il est en effet difficile de les cartographier à partir de critères topographiques (N. THIERSAULT et L. RODRIGUEZ, 1994) ou d'images satellitaires (L. VACQUIE, 2011), cette opération nécessitant des données à résolution spatiale très fine, dont nous ne pouvions disposer.

10In fine, la cartographie des zones humides potentielles a été validée en s'appuyant sur la carte d'occupation du sol de la zone d'étude (B.G.F. ZRO et al., 2011 ; B.G.F. ZRO, 2012), sur laquelle sont représentées les zones humides effectives. Cette carte a été réalisée au 1/50000 à partir des bandes VNIR et SWIR de deux scènes ASTER L1A (00301102004105823 et 00301102004105832) fournies par le Centre de données EROS (Earth Observing System Data Gateway), mais aussi de nombreuses observations de terrain (en 2010 et 2011). Sa résolution spatiale est de 15 m ; elle est donc nettement plus détaillée que la carte des unités morpho-pédologiques au 1/100000 (DCGTx, 1978), seule autre carte permettant de distinguer les zones humides, puisqu'elles correspondent à des sols hydromorphes.

III - Méthode

11Les variables retenues, à savoir la topographie (décomposée en données d'altitude et de pente) et l'hydrographie, ont été extraites des cartes topographiques sous MAPINFO 7.5, puis analysées spatialement par le biais du SIG ARCVIEW 3.2.

12La démarche est fondée sur les éléments suivants : les pentes très faibles sont favorables aux zones humides lorsqu'elles sont proches des cours d'eau ; à cet égard, l'altitude permet d'éliminer les zones planes sommitales ; l'altitude sert également à délimiter les zones particulièrement favorables des plaines alluviales du Kan et du Marahoué ; enfin, l'hydrographie (en l'occurrence le rang de STRAHLER des cours d'eau A.N. STRAHLER, 1957) fournit une indication indirecte sur l'abondance des écoulements.

1 ) Extraction des données

13L'extraction des paramètres a été réalisée par digitalisation des courbes de niveau et du réseau hydrographique. Lors de cette étape, chaque courbe de niveau et chaque tronçon hydrographique élémentaire a été digitalisé séparément sous MAPINFO 7.5 et affecté d'une valeur d'attribut correspondant soit à une élévation, soit à un rang hydrographique.

2 ) Structuration des données

14Les deux fichiers vectoriels obtenus ont été transférés sous SIG ARCVIEW 3.2 où l'on a procédé à leur discrétisation pour obtenir, d'une part, des points cotés et, d'autre part, des points en eau (cours d'eau). L'interpolation par la méthode du "plus proche voisin" des valeurs des points cotés a permis d'obtenir le Modèle Numérique de Terrain (MNT), alors que celle des points en eau a abouti à une subdivision de la zone d'étude en différents secteurs où la valeur du pixel traduit de manière indirecte, à travers le rang de STRAHLER, la puissance hydrologique du cours d'eau dans le tronçon de vallée considéré.

15La résolution du MNT a été fixée à 20 m, soit la moitié de l'équidistance sur les cartes topographiques au 1/200000. Pour la couche "hydrographie", la résolution a été fixée à 20 m, en harmonie avec celle du MNT. À partir du MNT, a été créé, sous SIG, le raster des pentes.

16L'équidistance est trop grande sur les cartes topographiques utilisées pour qu'il soit possible d'utiliser la différence d'altitude avec le cours d'eau sans passer par la pente.

3 ) Hiérarchisation et croisement des données

17Les altitudes et les pentes ont fait l'objet de mesures terrain sur 24 parcelles d'entraînement situées autour de six localités (Fig. 2). Ces parcelles couvrent 4925 pixels, dont 2500 ont été extraits, de manière aléatoire, pour calibrer le modèle. À cheval sur des zones continuellement humides et des zones sèches, et réparties entre plusieurs secteurs du terrain d'étude, elles ont permis de définir des conditions d'altitude et de pente, plus ou moins favorables aux zones humides de fond de vallée, qui sont représentatives de l'ensemble de l'espace (Tab. I).

Figure 2 - Carte de localisation des parcelles d'entraînement.

Figure 2 - Carte de localisation des parcelles d'entraînement.

Tableau I - Classification des critères topographiques et hydrographiques en vue de la localisation des zones humides potentielles de fond de vallée.

Tableau I - Classification des critères topographiques et hydrographiques en vue de la localisation des zones humides potentielles de fond de vallée.

18Par ailleurs, les zones drainées par des cours d'eau dont les flux d'eau sont les plus abondants au regard de la classification de A.N. STRAHLER (1957), ont été considérées comme particulièrement favorables aux zones humides (Tab. I). La délimitation des parcelles témoins a été faite à l'aide d'un GPS de marque GARMIN (GPS V).

19L'extension des zones humides potentielles a été prédite par le croisement des fichiers raster des trois classes respectives d'altitude, de pente et de rang de STRAHLER des cours d'eau. Cette démarche permet d'obtenir jusqu'à 27 combinaisons par pixel. Pour faciliter l'interprétation des résultats, les codes attribués aux classes ont été déterminées de telle sorte que la somme des valeurs correspondant aux trois paramètres considérés associe trois chiffres significatifs. Par exemple, la classe codée "333" (3 + 30 + 300 = 333) correspond au croisement de critères tous très favorables, dans l'ordre suivant d'altitude, de pente et de rang de STRAHLER des cours d'eau. Cette classe codée, comme les classes "332" et "233", sont considérées comme "très favorables". À l'inverse, la présence d'un au moins des codes 1, 10 ou 100 suffit à qualifier un pixel de défavorable.

20Chaque classe codée calculée exprime la probabilité pour un pixel d'appartenir à une zone où les conditions topographiques et hydrographiques sont plus ou moins favorables aux zones humides de fond de vallée. La carte résultante exprime donc une potentialité.

4 ) Validation du modèle prédictif

21Deux sources différentes de données ont été utilisées pour estimer les précisions interne et externe du modèle prédictif élaboré.

22En effet, les 2500 pixels qui avaient servi à calibrer le modèle prédictif ont servi aussi à estimer sa précision interne. Pour ce faire, l'outil statistique Kappa développé par J. COHEN (1960) a été utilisé sous ARCVIEW 3.2. On a ainsi obtenu la précision globale du modèle, qui est le rapport des pixels bien classés sur le total des pixels, et l'indice Kappa, allant de 0 à 1, qui exprime la réduction proportionnelle de l'erreur obtenue par une classification par rapport à celle obtenue par une procédure travaillant au hasard (M.C. GIRARD et C.M. GIRARD, 1999). Pour R.G. CONGALTON (1991), le Kappa traduit le taux de concordance entre les prédictions et la réalité du terrain. Cet outil statistique est disponible gratuitement sur le site internet : http://www.gis.usu.edu/​~chrisg/​.

23D'autres indicateurs de précision ont été obtenus : les erreurs d'excédents et de déficits, ainsi que les précisions pour le réalisateur et pour l'utilisateur. La précision pour le réalisateur correspond au pourcentage de pixels issus des classes de référence bien classés dans les groupes d'affectation. Quant à la précision pour l'utilisateur, elle représente le pourcentage de pixels bien classés par rapport au nombre total de pixels de la classe.

24 Pour estimer la précision externe du modèle prédictif, nous avons utilisé comme données totalement indépendantes du modèle, d'une part, les 2425 pixels d'apprentissage qui n'avaient pas servi à calibrer le modèle, et, d'autre part, la carte d'occupation du sol du secteur d'étude (B.G.F. ZRO, 2012), considérée comme référence. La détermination de la précision externe du modèle à partir des pixels d'apprentissage a été réalisée à l'aide de l'outil statistique Kappa. Pour l'approche utilisant la carte d'occupation du sol, il a fallu calculer la proportion globale des sous-classes correspondant aux zones humides sur cette carte (surfaces en eau, zones fréquemment inondées et sols très humides), puis comparer le résultat à la proportion des zones humides prédites. Les contours des zones humides prédites ont en outre été digitalisés et projetés sur lacarte d'occupation du sol, ce qui a permis d'évaluer le degré de correspondance entre les deux en matière de répartition spatiale des zones humides.

25La figure 3 présente le schéma récapitulatif des différentes opérations réalisées en vue de la localisation des zones humides potentielles de fond de vallée.

Figure 3 - Modèle Conceptuel de Données ayant conduit à la cartographie des zones humides potentielles de fond de vallée de la région d'étude.

Figure 3 - Modèle Conceptuel de Données ayant conduit à la cartographie des zones humides potentielles de fond de vallée de la région d'étude.

IV - Résultats et discussion

1 ) Modèle Numérique de Terrain et carte des pentes

26La topographie est décrite par les rasters des critères d'altitude (Fig. 4) et de pente (Fig. 5). Dans la région d'étude, les altitudes varient de 130 à 550 m. Comme déjà indiqué, le Modèle Numérique de Terrain (MNT) réalisé a une résolution spatiale de 20 m.

Figure 4 - Modèle Numérique de Terrain.

Figure 4 - Modèle Numérique de Terrain.

Figure 5 - Raster des pentes.

Figure 5 - Raster des pentes.

27La classe des altitudes très favorables (130-170 m) s'étend sur les environs immédiats des deux principaux cours d'eau, secteurs qui correspondent à des zones inondables. Les conditions de pente y sont essentiellement très favorables (0-2 %) et favorables (2-4 %). Aussi, compte tenu des proportions importantes qu'elles occupent (25 % de la superficie totale du secteur d'étude), ces secteurs offrent-ils des conditions très propices à la réalisation d'aménagements hydro-agricoles pour la mise en valeur des sols.

28La classe des altitudes favorables (170-190 m) correspond à une vaste étendue de plaines intérieures (40 % de la superficie totale) qui délimite, du côté est et à l'ouest, les contours respectifs des bassins versants du Kan et du Marahoué. Les pentes y sont généralement favorables (2-4 %) et même très favorables par endroits (0-2 %).

29La classe des altitudes défavorables (190-550 m) représente 35 % de la superficie totale. Elle correspond à une zone de bas plateaux et de collines isolées qui forme, selon une direction NO-SE, la ligne de partage des eaux entre les bassins versants du Kan et du Marahoué. Du nord-ouest au sud-est, alternent des secteurs à pentes défavorables (4-30 %) et favorables (2-4 %). Au sud-est, où les altitudes atteignent 550 m dans les collines Baoulé, les pentes sont défavorables (4-30 %) sur les versants et dans les fonds de vallée ; sur les sommets, en revanche, elles peuvent s'avérer très faibles (0-2 %).

2 ) Cartes hydrographiques

30La puissance hydrologique des cours d'eau, telle qu'elle peut être traduite par leur rang, est synthétisée sur la figure 6. Le raster dérivé du traitement de ces tronçons de cours d'eau (Fig. 7) donne une délimitation des aires d'influence des différents types des cours d'eau. Sa résolution spatiale est de 20 m.

Figure 6 - Carte de hiérarchisation des cours d'eau.

Figure 6 - Carte de hiérarchisation des cours d'eau.

Figure 7 - Raster des aires d'influence des types de cours d'eau.

Figure 7 - Raster des aires d'influence des types de cours d'eau.

31Plus le rang est élevé, plus le cours d'eau prend de l'importance, et donc plus s'accroît la quantité d'eau pouvant entraîner la submersion et/ou l'engorgement des sols. Les cours d'eau qui s'écoulent vers l'est passent progressivement du rang 1 au rang 4, cette dernière valeur étant celle de la rivière Kan, qui parcourt 65 km dans la région étudiée. Les rivières allant vers le fleuve Marahoué atteignent également le rang 4. Le Marahoué est présent sur le terrain d'étude, à l'extrême sud-ouest, par un tronçon de 15 km de long seulement. Son rang est supérieur à 4.

32Les cours d'eau de rangs 1 et 2, 3 et ≥ 4 influencent, respectivement, 75, 15 et 10 % du terrain d'étude (voir Fig. 5). En référence aux seuils prédéfinis, ces aires sont dans le même ordre : défavorables, favorables et très favorables au développement de zones humides de fond de vallée.

3 ) Qualité des résultats

33La matrice de confusion illustrée par le tableau II permet d'évaluer la qualité statistique des noyaux (ROIs) élaborés, dont les caractéristiques topographiques et hydrographiques ont servi à calibrer le modèle. Sur un total de 2500 pixels, 2052 sont bien classés (valeurs en gras dans le tableau). La précision globale est donc de 82,08 %. L'indice Kappa obtenu, qui est estimé à 82,05 %, est l'expression que 82,05 % des prédictions faites par le modèle ne sont pas du ressort d'un hasard. Les zones potentiellement sèches ont été les mieux prédites, avec des précisions pour l'utilisateur et pour le réalisateur égales respectivement à 99,17 et 90 %.

Tableau II - Indices de précision interne du modèle prédictif.

Tableau II - Indices de précision interne du modèle prédictif.

ZPTH : zones potentiellement très humides. ZPH : zones potentiellement humides. ZPS : zones potentiellement sèches. Les valeurs en gras situées sur la diagonale du tableau indiquent les nombres de pixels bien classés.

34Ces résultats traduisent une très bonne discrimination d'ensemble des zones humides potentielles. Celles-ci regroupent les zones potentiellement très humides et les zones potentiellement humides. Les unes et les autres sont caractérisées par des précisions pour l'utilisateur presque identiques (respectivement : 76,16 et 77,14 %). Les précisions pour le réalisateur sont, en revanche, différentes (respectivement : 85,5 et 72,56 %).

35Dans le détail, sur un total de 607 pixels en réalité secs, 5 ont été classés comme potentiellement humides. À l'inverse, 67 des 1893 pixels correspondant à des zones humides ou très humides ont été classées comme potentiellement secs. Par ailleurs, le taux de confusion entre les sous-classes "zones potentiellement humides" et "zones potentiellement très humides" est de 15,5 % : 376 pixels de l'une et l'autre de ces sous-classes ont été mal prédits, sur un effectif total de 1893 pixels.

36Les indices synthétisés dans le tableau III sont ceux calculés à partir de 2425 données ponctuelles d'observations de terrain indépendantes du modèle. Ces indices, qui décrivent la précision externe du modèle prédictif élaboré, confirment la bonne qualité statistique des noyaux élaborés (précision globale = 69,23 %) ainsi que la conformité des prédictions avec la réalité du terrain (indice Kappa = 69,19 %). L'analyse des précisons pour l'utilisateur et pour le réalisateur des différentes classes montre que les zones potentiellement sèches ont été les mieux prédites, comme dans l'approche précédente. Le taux de confusion entre les deux sous-classes des zones humides potentielle est deux fois plus élevé (31,67 %).

Tableau III - Indices de précision externe du modèle prédictif.

Tableau III - Indices de précision externe du modèle prédictif.

ZPTH : zones potentiellement très humides. ZPH : zones potentiellement humides. ZPS : zones potentiellement sèches. Les valeurs en gras situées sur la diagonale du tableau indiquent les nombres de pixels bien classés.

37En définitive, les statistiques sur les données de calibration et les données indépendantes du modèle montrent que le plus souvent, par rapport aux situations références, le modèle distingue correctement les zones humides et très humides des zones sèches. Toutefois la différenciation entre les zones humides et les zones très humides est beaucoup moins performante.

4 ) Carte des zones humides potentielles

38Les zones humides potentielles couvrent 20,5 % du secteur d'étude (Fig. 8-b). Cette proportion est voisine de celle des zones humides (surfaces en eau, zones fréquemment inondées et sols très humides) de la carte référence d'occupation du sol (22,6 %). Par ailleurs, sur les deux cartes (Fig. 8-a et 8-b), les zones humides ont des positions très concordantes : sur les douze zones humides potentielles mises en évidence par le modèle (Fig. 8-b), dix correspondent à des zones humides références et les deux autres se trouvent à proximité (Fig. 8-c).

Figure 8 - Cartes de l'occupation du sol (a), de l'humidité potentielle des sols (b) et concordance entre zones humides potentielles et zones humides références (c).

Figure 8 - Cartes de l'occupation du sol (a), de l'humidité potentielle des sols (b) et concordance entre zones humides potentielles et zones humides références (c).

39La comparaison entre les figures 8-a et 8-b ne met en évidence que deux problèmes : d'une part, la sous-estimation des zones humides potentielles au sud-est de Tiébissou et, d'autre part, la mauvaise concordance des limites des zones humides potentielles avec celles des zones références (beaucoup moins étendues) dans la partie sud-est du terrain d'étude.

V - Discussion et conclusion

40Le modèle prédictif élaboré a une très bonne performance interne, la précision globale et l'indice Kappa dépassant légèrement 82 %. Sauf au sud-est de Tiébissou, où la superficie des zones humides potentielles est sous-estimée (Fig. 8-a et 8-b), la restitution des sites ayant servi à l'apprentissage se révèle très correcte.

41La performance externe du modèle est satisfaisante (précision globale et indice Kappa légèrement supérieurs à 69 %). On observe du reste une bonne concordance entre les zones humides potentielles et les zones humides références (Fig. 8-c).

42Au sud-est de Tiébissou, où les zones humides de la carte d'occupation du sol ne se traduisent pas par des zones humides potentielles, les pentes sont assez fortes, même au fond de la vallée du Kan. De ce fait, beaucoup de pixels sont considérés comme défavorables aux zones humides et les pixels favorables sont trop peu nombreux pour constituer des ensembles suffisamment étendus pour être cartographiés.

43À l'inverse, dans la partie sud-est du terrain d'étude, en l'absence actuelle de vérifications détaillées sur le terrain, on peut faire l'hypothèse que c'est la carte d'occupation du sol qui pose problème, la densité de la couverture végétale n'ayant peut-être pas permis au capteur ASTER de détecter l'ensemble de la zone humide.

44Malgré ces imperfections, auxquelles il faudra trouver des correctifs, l'étude affiche de bonnes performances. Elles sont dues à un ensemble de dispositions pratiques :

  • la bonne qualité statistique des noyaux (ROIs) élaborés, qui sont situés dans plusieurs parties de la région étudiée, afin que ces noyaux ne représentent pas qu'un secteur limité (B. LEMERCIER et al., 2013) ;

  • l'utilisation d'un nombre peu élevé de données discriminantes, ce qui simplifie l'interprétation des unités cartographiques obtenues et réduit ainsi les risques d'erreur (J.P. LEGROS et M. BORNAND, 1989) ;

  • l'utilisation de données de bonne résolution spatiale, ce qui permet d'obtenir des cartes thématiques plus détaillées (N. THIERSAULT et L. RODRIGUEZ, 1994 ; L. VACQUIE, 2011 ; etc.) ;

  • enfin, le mode de traitement réaliste dont la variable "hydrographie" a fait l'objet.

45 Pour prédire les zones humides, d'autres auteurs (N.J. LWAMBO et al., 1999 ; T. HANDZEL et al., 2003 ; A. KOUAMÉ et al., 2008) ont déjà intégré des données hydrographiques dans leur base de données géographiques. Ainsi ont-ils calculé et comparé les distances d'éloignement de ces zones par rapport aux tronçons des cours d'eau. Les zones potentiellement humides ont alors été assimilées aux zones les plus proches des cours d'eau. Mais cette classification, menée à l'aide de la fonction "find distance" de l'extension Spatial Analyst du logiciel ARCVIEW, ne prend pas en compte l'ordre hydrographique des tronçons des cours d'eau. Or cela peut constituer une source d'erreur importante. En effet, un tel modèle assigne systématiquement un même potentiel d'humidité à deux points différents situés à la même distance de deux tronçons de cours d'eau d'ordres différents, quelle que soit l'abondance des écoulements sur l'un et l'autre des tronçons. Le modèle prédictif élaboré dans le présent travail introduit la distinction nécessaire entre les conditions hydrologiques. Certes, la hiérarchisation des cours d'eau selon la classification de STRAHLER constitue, à cet égard, une approche empirique, mais elle va dans le bon sens et améliore les résultats.

46D'autres modèles encore, bâtis autour de six à plus de dix variables discriminantes, ont été élaborés pour localiser des zones inondables (H.N.B. VAMI et al., 2014) ou des zones humides à risques de développement des bilharzies (A. KOUAMÉ et al., 2008). En utilisant cette multiplicité de variables pour construire les modèles, les opérateurs obtiennent certes une information plus détaillée sur les zones, mais le croisement des données engendre une multiplicité de combinaisons, qui alourdit l'interprétation des unités cartographiques obtenues. Selon J.P. LEGROS et M. BORNAND (1989), cela augmente les risques d'erreurs. Dans les exemples cités, les résultats n'ayant pas fait l'objet de validation, il est impossible de discuter l'impact de ce nombre élevé de variables discriminantes sur la qualité des prédictions. Toutefois B. LEMERCIER et al., (2013), qui ont utilisé quatorze variables discriminantes pour prédire l'hydromorphie des sols et l'extension des zones humides potentielles de la région administrative de Bretagne, en France, sont parvenus à une précision globale du modèle et à un Kappa de 77 et 70 % respectivement. Ces valeurs, qui témoignent d'une bonne performance intrinsèque du modèle prédictif, sont nettement inférieures à celles qui caractérisent la présente recherche.

47Sur le terrain d'étude, l'approche mise en œuvre a fait la preuve de son efficacité. Simple, même si elle nécessite un gros travail de digitalisation, elle s'est révélée performante par rapport à l'exploitation des images satellitaires, financièrement plus coûteuse. Elle mérite donc d'être considérée avec sérieux pour la reconnaissance des zones humides de fond de vallée.

Top of page

Bibliography

Agence de l'Eau Loire-Bretagne (2010) - L'inventaire des zones humides dans les Sages. Guide méthodologique, 56 p. Site : http://www.eau-loire-bretagne.fr

AVENARD J.M. (1971) - Aspect de la géomorphologie. In : Le milieu naturel de la Côte d'Ivoire, Mémoires ORSTOM, n° 50, Paris, p. 7-72.

BROU Y.T. (2005) - Climat, mutations socio-économiques et paysages en Côte d'Ivoire. Habilitation à Diriger des Recherches, synthèse des activités scientifiques, Université des Sciences et Technologiesde Lille, 212 p.

CCT/BNETD (2007) - BDGEO 200© :cartes topographiques des degrés carrés de Bouaké (Feuille NB-30-XIX) et de Gagnoa (Feuille NB-30-XIII) au 1/200000. Édit. Centre de Cartographie et de Télédétection, Bureau National d'Études Technique et de Développement, Abidjan, Côte d'Ivoire.

COHEN J. (1960) -A coefficient of agreement for nominal scales. Educationnal and Psychological Measurement, vol. 20, n° 1, p. 37-46.

CONGALTON R.G. (1991) - A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, vol. 37, p. 35-46.

DCGTx (1978) - Carte des unités morpho-pédologiques au 1/100000, feuille de Gagnoa n° 4. Document de la Direction Centrale des Grands Travaux, Abidjan, Côte d'Ivoire, carte levée par A. PERRAUD.

GIRARD M.C. et GIRARD C.M. (1999) - Traitement des données de télédétection. Édit. DUNOD, Paris, première édition, 529 p. + CD-Rom.

HANDZEL T., KARANJA D.M.S., ADDISS D.G., HIGHTOWER A.W., ROSEN D.H., COLLEY D.G., ANDOVE J., SLUTSKER L. et SECOR W.E. (2003) - Geographic distribution of schistosomiasis and soil-transmitted helminths in western kenya: implications for anthelminthic mass treatment. American Journal of Tropical Medicine and Hygiene, vol. 69, n° 3, p. 318-323.

HUBERT-MOY L. (2003) - L'utilisation de la télédétection et des SIG dans le programme national de recherche sur les zones humides (PNRZH). Photo-interprétation, vol. 39, n° 1, p. 12-13.

KERGOMARD C. et LAGANIER R. (2000) - Contribution de la télédétection à la caractérisation des zones humides de la plaine de la Scarpe et de l'Escaut. Revue Internationale de Géomatique, vol. 10, p. 241-255.

KOLLIAS V.J., KALIVAS D.P. et YASSOUGLOU N.J. (1999) - Mapping the soils resources of a recent alluvial plain in Greece using fuzzy sets in GIS environment. European Journal of Soil Science, vol. 50, n° 2, p. 261-273.

KONÉ B. (2007) - La couleur comme indicateur de la fertilité des sols : utilisation des données pour l'étude de la fertilité potentielle des sols ferrallitiques au-dessus de la latitude 7° N de la Côte d'Ivoire. Thèse de Doctorat de l'Université de Cocody, Abidjan. 146 p.

KOUAMÉ A., AFFIAN K., N'GORAN K., DJAGOUA E. et MOBIO A. (2008) - La télédétection et les SIG comme moyen de hiérarchisation des localités dans une région endémique de bilharziose : cas de la région de l'Agnéby (Sud-Est de la Côte D'Ivoire). European Journal of Scientific Research, vol. 22, n° 1, p. 66-83.

LEGROS J.P. et BORNAND M. (1989) - Système d'informations géographiques et zonage agro-pédologique. In : Le zonage agro-climatique, Édit. INRA, Montpellier, p. 101-115.

LEMERCIER B., LACOSTE M., LOUM M., BERTHIER L., LE BRIS A.L. et WALTER C. (2013) - Apport à la cartographie numérique des sols pour prédire l'hydromorphie et l'extension des zones humides potentielles à l'échelle régionale. Étude et Gestion des Sols, vol. 20, n° 1, p. 47-66.

LWAMBO N.J., SIZA J.E., BROOKER S., BUNDY D.A.P. et GUYATT H. (1999) - Patterns of concurrent hookworm infection and schistosomiasis in schoolchildren in Tanzania. Transactions of the Royal Society of Tropical Medicine and Hygiene, vol. 93, n° 5, p. 497­502.

MEQUIGNON L., CROISILLE G. et LEJEUNE V. (2005) - Application de la télédétection et des SIG à l'étude des zones humides : identification des prairies, des roselières, des peupleraies et des gravières. Édit. Institut Français de l'Environnement et Office National de la Chasse et de la Faune Sauvage, Document technique, 132 p.

MOULIN J. et EIMBERCK M. (2011) - La cartographie des sols de l'Indre pour des applications thématiques diversifiées. Étude et Gestion des Sols, vol. 18, n° 2, p. 75-89.

STRAHLER A.N. (1957) - Quantitative Analysis of Watershed Geomorphology. EOS, Transactions American Geophysical Union, vol. 38, n° 6, p. 913-920.

THIERSAULT N. et RODRIGUEZ L. (1994) - Un modèle de prédiction de la distribution spatiale des sols hydromorphes à partir des critères topographiques. Mémoire DAA "Génie de l'Environnement, option Sol et Aménagement", ENSA-INRA Rennes et Université de Saint-Jacques de Compostelle, 64 p.

VACQUIE L. (2011). Évaluation des potentialités des images à Très Haute Résolution Spatiale (THRS) pour la cartographie des zones humides de montagne : application à la vallée du Haut-Vicdessos, Pyrénées. Mémoire de Master 2, Université Toulouse 2 Le Mirail, 100 p.

VAMI H.N.B., BACHIR S., SOULÈYE W., DJAGOUA E.V., KOUAMÉ F., KOUADIO A. (2014) - Cartographie du risque d'inondation par une approche couplée de la télédétection et des Systèmes d'Informations Géographiques (SIG) dans le département de Sinfra (centre-ouest de la Côte d'Ivoire). European Scientific Journal, vol. 10, no 2, p. 170-191.

YAO D.B. (1998) - Lithostratigraphie et pétrologie des formations birrimiennes de Toumodi-Fettekro (Côte d'Ivoire) : implications pour l'évolution crustale du Paléoprotérozoïque du craton Ouest africain. Thèse de l'Université d'Orléans, n° 737, 191 p.

ZRO B.G.F. (2012) - Utilisation de la télédétection et du Système d'Information Géographique (SIG) pour la cartographie et l'évaluation de la fertilité rizicole des sols hydromorphes (gleysols) : cas d'un périmètre de la région du Bélier (Centre de la Côte d'Ivoire).Thèse Unique de Doctorat, Université Félix HOUPHOUËT-BOIGNY d'Abidjan-Cocody, Côte d'Ivoire, 145 p.

ZRO B.G.F., OKAINGNI J.C. et KOUAMÉ K.F. (2011) - Cartographie des sols hydromorphes de la région des Lacs (Centre de la Côte d'Ivoire) par l'approche du Spectral Angle Mapper (SAM).Revue Française de Photogrammétrie et de Télédétection, n° 195, p. 31-41.

ZRO B.G.F., YAO-KOUAMÉ A. et KOUAMÉ K.F. (2012) - Évaluation spatiale et statistique de la fertilité rizicole des sols hydromorphes (gleysols) de la région du Bélier (Côte d'Ivoire). Tropicultura, vol. 30, n°4, p. 236-242.

Top of page

List of illustrations

Title Figure 1 - Carte de localisation et de description du terrain d'étude : composition colorée RVB (MNF1, MNF2, MNF3) des trois premières composantes de MNF (Minimum Noise Fraction) obtenues par la transformation de neuf bandes (les bandes du VNIR et du SWIR) des images ASTER.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-1.jpg
File image/jpeg, 592k
Title Photos 1 - Culture du riz au détriment de zones humides : en haut, à Zatta ; en bas, à Yabra. [clichés : Bi Gohi Ferdinand ZRO]
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-2.jpg
File image/jpeg, 908k
Title Photo 2 - Densité et variété de la végétation dans les zones humides de la région du Bélier. [clichés : Bi Gohi Ferdinand ZRO]
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-3.jpg
File image/jpeg, 884k
Title Figure 2 - Carte de localisation des parcelles d'entraînement.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-4.jpg
File image/jpeg, 120k
Title Tableau I - Classification des critères topographiques et hydrographiques en vue de la localisation des zones humides potentielles de fond de vallée.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-5.jpg
File image/jpeg, 176k
Title Figure 3 - Modèle Conceptuel de Données ayant conduit à la cartographie des zones humides potentielles de fond de vallée de la région d'étude.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-6.jpg
File image/jpeg, 68k
Title Figure 4 - Modèle Numérique de Terrain.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-7.jpg
File image/jpeg, 296k
Title Figure 5 - Raster des pentes.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-8.jpg
File image/jpeg, 160k
Title Figure 6 - Carte de hiérarchisation des cours d'eau.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-9.jpg
File image/jpeg, 264k
Title Figure 7 - Raster des aires d'influence des types de cours d'eau.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-10.jpg
File image/jpeg, 168k
Title Tableau II - Indices de précision interne du modèle prédictif.
Caption ZPTH : zones potentiellement très humides. ZPH : zones potentiellement humides. ZPS : zones potentiellement sèches. Les valeurs en gras situées sur la diagonale du tableau indiquent les nombres de pixels bien classés.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-11.jpg
File image/jpeg, 136k
Title Tableau III - Indices de précision externe du modèle prédictif.
Caption ZPTH : zones potentiellement très humides. ZPH : zones potentiellement humides. ZPS : zones potentiellement sèches. Les valeurs en gras situées sur la diagonale du tableau indiquent les nombres de pixels bien classés.
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-12.jpg
File image/jpeg, 236k
Title Figure 8 - Cartes de l'occupation du sol (a), de l'humidité potentielle des sols (b) et concordance entre zones humides potentielles et zones humides références (c).
URL http://journals.openedition.org/physio-geo/docannexe/image/4120/img-13.jpg
File image/jpeg, 328k
Top of page

References

Bibliographical reference

Bi Gohi Ferdinand Zro, Valère Kotchi, Dogniméton Soro, Charles Kouadio Niangoran, Sidiky Bakayoko and Fernand Koffi Kouamé, “Intégration de données topographiques et hydrographiques en vue de la localisation des zones humides potentielles de fond de vallée : cas d'un périmètre de la région du Bélier en Côte d'Ivoire”Physio-Géo, Volume 8 | -1, 231-249.

Electronic reference

Bi Gohi Ferdinand Zro, Valère Kotchi, Dogniméton Soro, Charles Kouadio Niangoran, Sidiky Bakayoko and Fernand Koffi Kouamé, “Intégration de données topographiques et hydrographiques en vue de la localisation des zones humides potentielles de fond de vallée : cas d'un périmètre de la région du Bélier en Côte d'Ivoire”Physio-Géo [Online], Volume 8 | 2014, Online since 29 August 2014, connection on 28 March 2024. URL: http://journals.openedition.org/physio-geo/4120; DOI: https://doi.org/10.4000/physio-geo.4120

Top of page

About the authors

Bi Gohi Ferdinand Zro

Université Jean Lorougnon Guédé, Département Agroforesterie, BP 150 DALOA, CÔTE D'IVOIRE.
Courriel : zraubi@yahoo.fr

Valère Kotchi

Université Jean Lorougnon Guédé, Département Agroforesterie, BP 150 DALOA, CÔTE D'IVOIRE.
Courriel : vkotchie@hotmail.com

Dogniméton Soro

Université Jean Lorougnon Guédé, Département Agroforesterie, BP 150 DALOA, CÔTE D'IVOIRE.
Courriel : dognysoro@gmail.com

Charles Kouadio Niangoran

Université Jean Lorougnon Guédé, Département Agroforesterie, BP 150 DALOA, CÔTE D'IVOIRE.
Courriel : kniangoran@hotmail.fr

Sidiky Bakayoko

Université Jean Lorougnon Guédé, Département Agroforesterie, BP 150 DALOA, CÔTE D'IVOIRE.
Courriel : sidiky_bakayoko@yahoo.fr

Fernand Koffi Kouamé

Université Félix Houphouët-Boigny, Centre Universitaire de Recherche et d'Application en Télédétection, 22 BP 801 ABIDJAN 22, ABIDJAN, CÔTE D'IVOIRE.
Courriel : kouamef@yahoo.fr

By this author

Top of page

Copyright

CC-BY-NC-ND-4.0

The text only may be used under licence CC BY-NC-ND 4.0. All other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search