I - Introduction

1Les zones humides constituent un réservoir de biodiversité et fournissent d'importants services écosystémiques aux populations avoisinantes. À l'échelle mondiale, elles couvrent 6 % des terres émergées et abritent 40 % des espèces animales et végétales (T. XU et al., 2019 ; E. MANDISHONA et J. KNIGHT, 2022). Cependant, depuis la seconde moitié du XX^ème siècle, on observe partout une altération de la répartition spatiale des écosystèmes et une réduction de la biodiversité (IUCN, 2009). Ces changements sont dus en partie à la croissance démographique, qui entraîne une extension, parfois incontrôlée, des zones urbanisées et qui exige toujours plus de terres agricoles pour répondre aux besoins des populations (F. THONFELD et al., 2020). Les zones humides échappent d'autant moins à cette évolution qu'elles sont particulièrement sensibles aux aléas et aux changements climatiques (I.R. ORIMOLOYE et al., 2020). Face à cette situation, il apparaît important de s'interroger sur les modes de gestion durable susceptibles de maintenir leurs fonctions socio-environnementales.

2Sur l'ensemble de l'Afrique, la part des zones humides est encore estimée à 10 % de la superficie totale, mais elles subissent d'énormes pertes à cause de la pression anthropique (N.C. DAVIDSON et C.M. FINLAYSON , 2018). Pour limiter cette réduction, certaines bénéficient d'un statut assurant leur conservation intégrale (RAMSAR, 2010 ; E. PADONOU et al., 2020). Les initiatives locales, ensuite relayées par des institutions nationales et/ou internationales, jouent un rôle essentiel dans la création de ces aires protégées (A.G. HADONOU-YOVO et al., 2019 ; A.S. AMADOU SIAKO et al., 2021). Ce fut le cas pour la Réserve de Biosphère de la Basse Vallée de l'Ouémé (RB-BVO) au Bénin, qui a été reconnu en 2020 par MAB UNESCO, au regard de la complexité de ses écosystèmes, de la diversité biologique des organismes vivants qui les composent, et de la dynamique socio-démographique et économique du milieu (C. LANGAN et al., 2018).

3Le delta du fleuve Ouémé est en outre inclus dans le site Ramsar 1018, inscrit en 2000, une zone de plus de 524 000 ha protégée par la convention sur les zones humides (O.F. HOUETO et al., 2013), ce qui lui confère un double statut de protection, pleinement justifié par l'importance, la valeur et la sensibilité de ses écosystèmes (A. BADAHOUI et al., 2010). La sauvegarde des milieux et de la biodiversité qu'il abrite, devraient donc être garantie (S.A. DAR et al., 2020 ; A. DIXON et al., 2021), en particulier dans les aires de conservation (4388 ha) et leurs zones périphériques (29396 ha). Mais la fertilité des sols est cause d'une expansion agricole, souvent incontrôlée, en réponse à des besoins alimentaires et socio-économiques croissants (A. BADIN et al., 1955 ; I. BIGA et al., 2020 ; O.V. AZONNAKPO et al., 2020). Ces perturbations ont pour conséquence une modification de l'occupation et de l'utilisation des terres (H. WASSWA et al., 2019), qui se traduit par une régression spatiale des écosystèmes humides et une mutation de leurs habitats écologiques (A. AYANLADE et U. PROSKE, 2016). De plus, l'érosion des sols dénudés et l'exacerbation des phénomènes hydrologiques provoquent la destruction du couvert végétal (I. DOUGLAS, 2018) et influencent négativement la biodiversité.

4Il en résulte une dégradation du paysage végétal en général et une diminution de la superficie des formations spontanées, pourvoyeuses de produits forestiers aux communautés locales, au profit des espaces agricoles et bâtis (R.A ONDIEK et al., 2020). L'évolution de la couverture végétale, dans le temps et dans l'espace, constitue à cet égard un élément pertinent de suivi écologique (G.G. TAPPAN et al., 1996 ; I. DIEDHIOU et al., 2020 ; O. MAREGA et al., 2021). Au sujet de la RB-BVO, l'inventaire forestier national (DFRN, 2007) présente l'état de l'occupation du sol à l'échelle du Bénin, mais sans traiter de la dynamique passée, ni de l'évolution future. L.E. BRUN et al., (2018) ont décrit l'occupation du sol des zones humides de la commune d'Allada, dans le site Ramsar 1018, en mettant l'accent sur l'implication de l'agriculture extensive dans la dégradation des ressources naturelles. Dans la même logique, S.H.S. HONVO et al. (2022) ont modélisé la dynamique des parcours de transhumants dans la basse et moyenne vallée de l'Ouémé. Mais aucune étude spécifique par télédétection n'a encore été réalisée pour mettre en évidence la dynamique du couvert végétal sur le territoire de la RB-BVO.

5C'est pour combler cette lacune que la présente étude a été initiée, avec pour objectif de reconstituer la dynamique spatio-temporelle de l'occupation du sol dans la RB-BVO et de prédire les changements futurs dans la perspective des initiatives définies par la Convention Ramsar pour conserver et mieux utiliser les zones humides (RAMSAR, 2010). Elle pourra ainsi servir de base de réflexion pour les décideurs et les communautés associées à la gestion de cette nouvelle aire protégée.

II - Matériel et méthodes

1 ) Milieu d'étude

6 D'une superficie de 328 000 ha environ, la RB-BVO (Fig. 1) est située entre les latitudes 6°20'19,3" N et 7°7'41,7" N et entre les longitudes 2°4'16,7" E et 2°4'22,1" E. Elle est partagée entre les communes d'Abomey-Calavi, Cotonou, Sèmè-Podji, Porto-Novo, Bonou, Adjohoun, Dangbo, Akpro-Missérété, Avrankou, Adjarra, Aguégués, Sô-Ava, Zogbodomè, Toffo et Zè, qui regroupent une population estimée à 1 571 290 habitants (INSAE, 2016), dont 70 % vivent de l'agriculture.

7La RB-BVO englobe le delta de l'Ouémé, qui débouche sur le lac Nokoué et la lagune de Porto Novo, eux-mêmes séparés de l'océan Atlantique par une plaine côtière, tranchée par un chenal à Cotonou (Fig. 1). La basse vallée de l'Ouémé, en pente très faible, est sujette aux inondations. Elle est dominée par des éléments de plateaux constitués de sédiments tertiaires, dont l'altitude maximale atteint 166 m sur le terrain d'étude, près d'Agon (A. CHIKOU, 2006).

8Le climat est de type guinéo-congolais, avec des précipitations annuelles moyennes comprises entre 900 et 1300 mm, qui se répartissent en deux saisons pluvieuses. La principale s'étend de mi-mars à mi-juillet, et l'autre de septembre à novembre. Les précipitations sont particulièrement abondantes en juin : plus de 300 mm en moyenne. Les données des stations de Cotonou, d'Adjohoun et de Bonou indiquent que la tendance pluviométrique a été à la hausse dans la basse vallée de l'Ouémé entre 1990 et 2017, mais avec toutefois quelques années sèches (G. KAWOUN ALAGBE et al., 2020). Selon la même source, la température moyenne annuelle avoisine 27°C dans la basse vallée de l'Ouémé.

9En suivant la nomenclature de l'occupation des sols du Bénin (DFRN, 2007), la végétation présente les formes suivantes : mangroves, fourrés du cordon littoral, prairies (Photo 1) et forêts (Photo 2) des bas-fonds inondés, forêts denses semi-décidues, forêts-galeries, savanes arborées et arbustives, agro-écosystèmes (champs, jachères et plantations ‒ Photo 3).

10L'économie s'appuie largement sur l'agriculture, l'élevage, la pêche, la chasse, la cueillette, l'exploitation du bois et l'extraction de sable. Pratiquées sans contrôle, ces activités sont cause de dégradation des milieux "naturels" de la vallée de l'Ouémé (O.V. AZONNAKPO et al., 2020), et notamment dans la RB-BVO.

2 ) Données et méthodes de reconstitution des unités d'occupation du sol dans la RB-BVO de 1990 et 2020

11Les données proviennent de plusieurs sources :

• D'une part, des feuilles topographiques du Sud Bénin au 1/200000, utilisées pour géolocaliser le cadre de référence et pour analyser les composantes environnementales du milieu d'étude.

• D'autre part, des images satellitaires Landsat disponibles en accès libre sur le site de l'USGS (United States Geological Studies ‒ lien 1). Une prévisualisation a permis de sélectionner les scènes 192-55, 191-55 et 191-56, sur trois années : 1990 (Landsat TM), 2005 (Landsat ETM+) et 2020 (Landsat OLI). L'étude portant sur une zone humide, des images de saison sèche ont été choisies, afin que les contrastes phénologiques ressortent de façon maximale (C.O. JUSTICE et al., 1985 ; E. SIMONETTI et al., 2014).

12Des relevés de terrain ont en outre été effectués en février et mars 2022 : quinze parcelles d'entraînement ont été explorées par unité d'occupation du sol.

13En vue de l'analyse des images satellitaires, il a été procédé à l'assemblage, sous la forme d'une mosaïque, des scènes couvrant la RB-BVO. Puis un rehaussement a été effectué pour augmenter le contraste entre les couleurs et pour établir des conditions d'illumination uniformes sur les scènes assemblées (A. LEBOEUF et al., 2015).

14Des compositions colorées en vraies couleurs ont été réalisées en combinant les bandes spectrales des capteurs. La relation entre les valeurs radiométriques des pixels (30 m sur 30 m) et les unités d'occupation du sol, a été testée et validée pour l'image de 2020 à partir des points de contrôle relevés sur le terrain en 2022.

15Une identification des unités d'occupation de sol a été menée par photo-interprétation à partir de la composition colorée en couleurs vraies. Outre les éléments du couvert végétal déjà indiqués, ont été distingués les agglomérations et les plans d'eau. Toutefois des regroupements ont ensuite été nécessaires pour faciliter les déterminations, les signatures spectrales de certaines unités étant très proches :

• Les mangroves, les fourrés du cordon littoral et les formations (forêts et prairies) des bas-fonds inondés du delta ont été regroupés sous l'appellation "formations de marécage".

• Les forêts denses ont été associées aux forêts-galeries.

• Les jachères anciennes ayant entamé le processus de régénération ont été rangées dans les savanes arborées et arbustives.

16Les signatures spectrales des formations de marécage et des forêts denses et galeries étant très proches, la position par rapport au lac Nokoué et à la lagune de Porto Novo, ainsi que la situation dans le delta, ont également été prises en compte pour les discriminer.

17Les images ont ensuite subi une classification supervisée à l'aide de l'algorithme du Maximum de Vraisemblance, qui calcule la probabilité d'appartenance d'un pixel à une unité donnée ou non.

18Pour valider cette opération, les résultats des classifications ont été confrontés aux données tirées de l'examen direct des images pour 210 secteurs géoréférencés et insérées dans des couches numériques (30 secteurs par unité d'occupation du sol en 2020).

19Des matrices de confusion ont été générées pour évaluer la qualité des classifications, à travers la précision globale et en fonction du coefficient de KAPPA. Une valeur de ce coefficient supérieure à 0,80 (80 %) indique un accord solide ou parfait, une valeur comprise entre 0,61 et 0,80 un accord substantiel ou bon, une valeur comprise entre 0,41 et 0,60 un accord modéré, et une valeur inférieure à 0,40 (40 %) un accord faible (S. CHALIFOUX et al., 2006).

20Pour finir, les données issues du traitement numérique ont été vectorisées et exportées vers ArcMap pour être intégrées dans le SIG, d'où le couvert végétal et les autres unités d'occupation du sol ont été extraits avec leurs superficies.

3 ) Description et analyse des changements d'état de l'occupation du sol entre 1990 et 2020

21Les changements intervenus entre 1990, 2005 et 2020 sont décrits par des matrices de transition. Dans ces matrices, les superficies des unités d'occupation du sol présentes à la date t1 sont portées verticalement, tandis que celles à la date t2 le sont horizontalement. Chaque ligne indique donc les origines en t1 de l'unité considérée en t2. Les unités étant rangées de l'anthropisation la plus poussée (agglomérations) à la situation naturelle la plus satisfaisante (formations de marécage), les cases situées à gauche de la diagonale du tableau traduisent une dégradation des milieux et les cases situées à droite une amélioration. La diagonale indique les surfaces inchangées. La place attribuée aux plans d'eau (entre les plantations et les savanes) peut être discutée, mais cette indécision est sans incidence, cette classe étant restée très stable de 1990 à 2020.

22Afin de mieux apprécier les changements, l'analyse a été complétée par la détermination des fluctuations du nombre de polygones pour chacune des unités.

23Les paramètres influençant les changements du couvert végétal sont naturels et/ou anthropiques (J.F. MAS et al., 2012 ; T. GASHAW et al., 2017). Ils peuvent être stables dans le temps (paramètres statiques) ou au contraire changeants (paramètres dynamiques). Il s'agit, par exemple, des distances aux routes et aux cours d'eau, des pentes et des altitudes, et des densités de la population et du bâti (N. MAESTRIPIERI et M. PAEGELOW, 2013). Dans le cas de cette étude, le choix s'est porté sur les types de sol et sur le réseau routier, dont l'importance a déjà été mise en évidence dans la zone d'étude (O.V. AZONNAKPO et al., 2020).

24Les sols de la basse vallée de l'Ouémé sont le plus souvent humides et présentent des caractères chimiques et biologiques (B. BADIN et al., 1955) favorables aux productions agricoles, notamment vivrières (A.M. IGUE et al., 2013). Le réseau routier est, lui, un paramètre dynamique. En effet, il a connu une forte densification entre 1993 et 2018, en lien avec le développement des zones urbaines. Facilitant l'accès aux agglomérations comme aux terres agricoles (J.F. MAS et al., 2011) et le renforcement des échanges économiques (S. HASAN et al., 2020), l'ouverture de nouvelles routes a participé à la fragmentation des entités forestières (A. ANSARI et M.H GOLABI, 2019).

4 ) Simulation de l'occupation du sol en 2035

25L'analyse des changements futurs repose sur une modélisation prédictive. Plusieurs méthodes existent, parmi lesquelles le modèle "Land Change Modeler" (LCM), disponible sur IDRISI et sous forme d'extension de ArcMap. Ce modèle a été largement expérimenté dans les études sur les changements d'occupation ou d'utilisation des terres (J.F. MAS et al., 2014 ; S. HASAN et al., 2020 ; ...).

26Dans le cas d'espèce, le scénario envisagé jusqu'en 2035 est la protection des formations spontanées dans le but de maintenir, sinon plus, leur état et leurs superficies. Le modèle a été calibré à partir des cartographies effectuées pour 1990 et 2005, et de la simulation qui en a été tirée concernant l'occupation du sol en 2020. La calibration a permis d'améliorer la concordance des résultats du modèle avec les données tirées de la classification supervisée, en procédant à un ajustement des paramètres du modèle (R.G. PONTIUS, 2000). Les superficies des entités d'occupation du sol simulées ont été confrontées à celles "observées" à partir du test du chi carré au seuil de 5 %, permettant d'apprécier le degré de similitude entre la simulation et la carte de référence (M.K. LETA et al., 2021). Une forte concordance est indispensable à la validation du modèle et à la poursuite de la simulation.

27La modélisation proprement dite se décline en trois étapes :

• Dans un premier temps, les cartes de référence 2005 et 2020 ont été importées dans le logiciel IDRISI.

• Les paramètres explicatifs disponibles ont été intégrés : les types de sols et les distances aux routes et aux zones bâties, qui sont parmi les facteurs reconnus déterminants de l'anthropisation des paysages (Y. MEGAHED et al., 2015).

• Enfin, grâce à la mise en relation des paramètres explicatifs et des changements entre les cartes de référence (V.N. MISHRA et P.K. RAI, 2016), l'automate cellulaire du modèle a produit des cartes de probabilité des changements pour 2035. Les surfaces correspondant à chaque type de transition sont localisées, quantifiées et portées sur une carte prospective de l'occupation du sol.

III - Résultats

1 ) Reconstitution des unités d'occupation du sol entre 1990 et 2020

28Les matrices de confusion, ainsi que les valeurs des indices statistiques ayant permis de valider les résultats des classifications (précision globale et coefficient de KAPPA), sont présentées dans les tableaux I à III.

29Les valeurs du coefficient de KAPPA et de la précision globale sont respectivement de 0,80 et 85,5 % pour le traitement de 1990, de 0,88 et 93,5 % pour le traitement de 2005 et de 0,90 et 94,1 % pour celui de 2020. Au sein des unités classifiées, les valeurs les plus élevées de la précision du producteur sont obtenues pour les plans d'eau en 1990, puis pour les champs et jachères en 2005 et 2020, alors que les valeurs les plus faibles sont enregistrées pour les champs et jachères en 1990, puis pour les plans d'eau en 2005 et 2020. Quant aux valeurs de précision de l'utilisateur, les plus élevées sont obtenues pour les plans d'eau et les plus faibles pour les agglomérations. De ces statistiques, il ressort que la qualité de la classification est bonne pour 1990 et parfaite pour 2005 et 2020, ce qui valide les résultats des reconstitutions spatiales.

30Les cartes des unités d'occupation du sol en 1990, 2005 et 2020 sont présentées sur la figure 2, les données quantitatives faisant ensuite l'objet du tableau IV et de la figure 3.

31En 2020 comme en 1990, la plupart des agglomérations sont concentrées au sud de la RB-BVO, en particulier les villes de Cotonou, d'Abomey-Calavi, de Sèmè-Podji et de Porto-Novo, les plus grands pôles urbains du Bénin.

32Les agglomérations et les champs et jachères se sont étendus de 1990 à 2005, puis de 2005 à 2020, passant de 8,4 à 11,8 % de la superficie totale pour les premières et de 8,7 à 24,7 % pour les seconds (16,7 % en 2005).

33En revanche, les formations végétales spontanées ‒ savanes arborées et arbustives, forêts denses et galeries, formations de marécage ‒ ont considérablement reculé. Alors qu'elles couvraient 70,9 % de la superficie totale en 1990, leur part est tombée à 62,0 % en 2005 et à 53,6 % en 2020, ce qui représente une perte relative de 24,4 % sur la période d'étude. Les formations de marécage sont passées de 35,0 % de la superficie totale en 1990 à 29,4 % en 2005 et à 25,2 % en 2020. L'évolution a été identique pour les forêts denses et galeries (17,3 %, puis 15,1 % et 14,1 %) et les savanes arborées et arbustives (18,6 %, puis 17,5 % et 14,3 %).

34Les plantations, essentiellement des palmeraies, se sont également rétractées au profit des champs (3,52 % en 1990, 3,04 % en 2005, 1,41 % en 2020). Selon les populations, leur déclin a fait suite à la dissolution des coopératives d'aménagement qui s'occupaient de leur gestion.

35Sur l'ensemble de la période d'étude, la superficie des plans d'eau est restée presque inchangée (8,4-8,5 %).

2 ) Analyse des conversions de l'occupation du sol de 1990 à 2020

36Entre 1990 et 2005, 5,3 % de la superficie totale du terrain d'étude est passée des formations de marécage aux champs et jachères (Tab. V). Aucune autre conversion n'a dépassé 1,8 % de la superficie totale. Globalement, les champs et jachères ont enregistré le gain le plus fort (+ 7,95 % en valeur absolue ‒ +91 % en valeur relative), alors que les formations de marécage ont subi la perte maximale (-5,5 % de la superficie totale ‒ -15,8 % en valeur relative).

37Les évolutions se sont accélérées entre 2005 et 2020 (Tab. VI). Toutefois aucune conversion n'a dépassé 7,5 % de la superficie totale du terrain d'étude : valeurs maximales de 7,5 et 5,1 % pour les pertes respectives des formations de marécage et des savanes au profit des champs et jachères. Au total, les formations spontanées ont reculé de 3,1 % de la superficie totale du terrain d'étude pour les savanes, de 1,1 % pour les forêts denses et galeries et de 4,2 % pour les formations de marécage, soit des pertes relatives de 17,9 %, 7,1 % et 14,3 % respectivement. Les agglomérations et les champs et jachères ont poursuivi leur extension, tandis que les plantations se sont énormément rétractées (-53,6 % par rapport à leur superficie de 2005).

38Les évolutions sur l'ensemble de la période d'étude (Tab. VII) combinent celles relevées pour les deux sous-périodes. Les formations spontanées et les plantations ont beaucoup régressé au profit des agglomérations et des champs et jachères. En ce qui concerne les mutations au sein des formations spontanées, les bilans sont relativement équilibrés pour les savanes arbustives et arborées (gains : 7,3 % de la superficie du terrain d'étude, pertes : 6,8 %) et les formations de marécage (gains : 9,4 %, pertes : 6,8 %). En revanche, les forêts denses et galeries présentent un solde fortement négatif (gains : 5,6 % de la superficie du terrain d'étude, pertes : 11,9 %).

39Le tableau VIII synthétise les évolutions de l'occupation du sol entre les différentes dates. La période 1990-2005 est caractérisée par une très grande stabilité, l'ensemble des conversions concernant 13,6 % seulement de la superficie totale, dont 11,5 % sous forme de dégradations. Les choses ont été bien différentes pour les années 2005-2020 : les surfaces stables sont tombées à 43 % de la superficie totale, avec des améliorations (24,5 % de la superficie totale) consécutives aux mises en défens inférieures aux dégradations sous l'effet de l'anthropisation (32,5 %). Pour l'ensemble de la période d'étude, les superficies stables (40,7 % de la superficie totale) avoisinent celles dégradées (38,9 %), lesquelles sont presque deux fois plus fortes que les superficies améliorées (20,4 %).

40La prise en compte du nombre de polygones et de leur superficie moyenne correspondant à chaque unité d'occupation du sol permet de préciser le degré de fragmentation des unités paysagères (Tab. IX et Fig. 4).

41Entre 1990 et 2020, et tout particulièrement sur la période 2005-2020, les formations spontanées ont subi une fragmentation, qui s'est traduite, outre par la diminution des superficies globales déjà soulignées, par une augmentation du nombre des polygones et une diminution des superficies moyennes. Pour l'ensemble de ces formations, le nombre total des polygones s'élève à 10653 pour 1990, 9496 pour 2005 et 16511 pour 2020, avec une superficie moyenne de 21,9 ha, 24,1 ha et 10,7 ha respectivement.

42L'extension des agglomérations s'est manifestée à travers l'augmentation de la superficie moyenne des polygones (10,2 ha en 1990, contre 15,6 ha en 2020) plus que par l'accroissement de leur nombre (2697 et 2982 respectivement). La situation est inverse pour les champs et jachères, dont le nombre de polygones est passé de 3300 environ en 1990 à plus de 8400 en 2020, mais avec des superficies moyennes redevenues très proches (9,7 ha et 8,7 ha respectivement) après l'augmentation notée en 2005 (15,6 ha).

43Le rétrécissement de la superficie totale des plantations est dû à l'effondrement du nombre des polygones (221 en 1990, 33 seulement en 2020), alors que la superficie moyenne a fortement augmenté (52,3 ha en 1990, 140 ha en 2020).

3 ) Facteurs explicatifs de la dynamique de l'occupation du sol

44Le développement des activités socio-économiques, avec pour corollaires la croissance des agglomérations et l'extension des terres cultivées, a causé le rétrécissement des formations de marécage, des forêts denses et galeries, et des savanes arborées et arbustives. Plusieurs facteurs expliquent cette dynamique, parmi lesquels la distance aux routes et le type de sol ont été pris en compte dans cette étude.

45Selon les données de l'Institut Géographique National du Bénin, le réseau routier est passé de 1119 km en 1993 à 2056 km en 2018. Cette augmentation de près de 84 % en 25 ans s'est faite surtout par une densification des routes secondaires reliant les principales agglomérations aux zones agricoles (Fig. 5-a).

46Concernant le facteur pédologique, une grande partie des sols du terrain d'étude portant encore des formations spontanées se sont déjà révélés propices à l'agriculture (Fig. 5-b), ce qui laisse un fort potentiel d'expansion aux champs et jachères.

4 ) Simulation des mutations spatiales de l'occupation du sol à l'horizon 2035

47La simulation réalisée avec le modèle Land Change Modeler (LCM) prend pour hypothèse qu'en dehors des aires écologiques de conservation, les évolutions préalablement observées vont se poursuivre sous le contrôle des mesures de protection déjà appliquées.

48La précision de la méthode a été évaluée en comparant la cartographie référence de 2020 à celle simulée pour la même année (Fig. 6). La simulation tend à surestimer les unités d'occupation du sol là où elles sont bien représentées et à les sous-estimer ailleurs. Toutefois les superficies simulées sont assez proches de celles déterminées à partir de l'image satellitaire (Tab. X). Les écarts relatifs les plus élevés concernent les plantations (+65,1 %, mais avec des superficies relativement faibles), les savanes arborées et arbustives (+16,3 %) et les agglomérations (-7,3 %).

49L'application de la méthode à la période 2020-2035 donne des résultats en rapport avec les évolutions passées et avec les deux paramètres explicatifs considérés, dont un seul est variable dans le temps : l'évolution du réseau routier (Fig. 7 et Tab. XI). Le modèle prédit une nouvelle réduction des formations spontanées, mais dans des proportions moindres que sur es périodes 1990-2005 et 2005-2020. L'extension des agglomérations devrait se poursuivre, mais la tendance s'inverserait pour les champs et jachères (Fig. 8). Enfin, les plantations sont annoncées en sensible extension relative (+21,7 %, soit un gain de 1006 ha).

50Les probabilités, calculées par le modèle, pour qu'une occupation du sol en un point donné reste inchangée ou évolue vers une autre classe entre 2020 et 2035, sont données dans le tableau XII. Parmi les couverts végétaux spontanés, les formations de marécage devraient être les plus stables (p = 0,40), devant les forêts denses et galeries (p = 0,34) et les savanes arbustives et arborées (p = 0,25). Les plans d'eau devraient rester quasi identiques (p = 0,93). Les agglomérations existantes devraient se maintenir (p = 0,71) et même s'étendre, en particulier au détriment des champs et jachères (p = 0,70), dont les pertes seraient compensées en rognant sur les différentes formations spontanées (p = 0,14 à 0,22). À noter aussi que des pertes sont annoncées pour les champs et jachères au profit des formations spontanées (p = 0,24 à 0,28), ce qui est surprenant dans un contexte d'anthropisation. Enfin, les gains des plantations affecteraient les formations spontanées, et surtout celles de marécage (p = 0,22).

IV - Discussion

1 ) Dynamique de l'occupation du sol dans la RB-BVO de 1990 à 2020

51L'indice de KAPPA et la précision globale sont recommandés pour évaluer l'exactitude de la classification des images satellitaires (A. SITTHI et al., 2016). Pour le premier, les valeurs trouvées dans cette étude sont plus élevées pour les dates les plus récentes. Cela pourrait être lié à une meilleure qualité des images, notamment à leur contraste lumineux plus élevé (M.K. LETA et al., 2021). En ce qui concerne la précision globale, la connaissance du terrain d'étude et le nombre relativement réduit des unités d'occupation du sol retenues garantissent des niveaux élevés (Y.S.S. BARIMA et al., 2016).

52Parmi les sept types d'occupation du sol distingués, les formations spontanées (savanes arborées et arbustives, forêts denses et galeries, formations de marécage) ont le plus fort potentiel de biodiversité dans la RB-BVO. Ces formations, qui apparaissent en combinaison dans les zones humides (O.F. HOUETO et al., 2013 ; I. DIEDHIOU et al., 2020), étaient largement dominantes en 1990 (près de 71 % de la superficie totale). Mais de nombreuses conversions se sont produites depuis sous l'effet de l'anthropisation, de l'urbanisation et du développement des activités socio-économiques, ce qui est favorable à la fragmentation des habitats écologiques (R. ADADE et al., 2017 ; B. JAZIRI, 2020).

53Le nombre des unités correspondant aux milieux "naturels" aurait pu être plus grand, en considérant à part les différents types de savanes, les prairies, les forêts-galeries ou les sols nus, comme cela est proposé par P. MAYAUX et al. (2003) pour la cartographie des zones humides d'Afrique de l'Ouest (P. MAYAUX et al., 2003) et dans le document de création de la RB-BVO (MCVDD, 2020). Toutefois la faible résolution des images utilisées exclut cette option (R. DESJARDINS et F. CAVAYAS, 1991). La démarche retenue correspond à celle utilisée par O.F. HOUETO et al. (2013) et L.E. BRUN et al. (2018) dans les zones humides Ramsar 1017 et 1018.

54Sur le plan de la dynamique spatiale, les principales observations portent sur la fragmentation et la rétractation des formations spontanées soumises à l'extension des agglomérations et des zones en culture ou en jachère. La forte demande en terrains agricoles est à la base de la généralisation spatiale de l'anthropisation du milieu (T. AGBANOU et al., 2018 ; V.T. ASSOMA et al., 2021). Ce constat a déjà été fait par L.E. BRUN et al. (2018) à proximité du terrain d'étude, dans la commune d'Allada. Parmi les facteurs qui expliquent cette dynamique spatiale, la proximité des routes et le support pédologique se sont révélés déterminants. Si ces paramètres ont permis d'expliquer les changements spatio-temporels dans la RB-BVO, ils ne représentent que deux éléments parmi tous ceux qu'il pourrait être utile de prendre en compte. Beaucoup de données sont disponibles, mais elles ne correspondent pas forcément aux dates considérées, ce qui pourrait fausser le calibrage du modèle (N. MAESTRIPIERI et M. PAEGELOW, 2013). Quoi qu'il en soit, les deux paramètres retenus ont contribué, à travers leur combinaison avec les cartes de l'occupation du sol par les techniques de la télédétection et du SIG (L.H. NGUYEN et al., 2020), à expliquer de façon rétrospective la dynamique spatiale de la RB-BVO. Cette approche fournit en outre l'opportunité d'amorcer un processus d'observation sur le long terme (I. DIEDHIOU et al., 2020), appuyé sur une base de données de référence et sur des indicateurs de suivi des actions de conservation des ressources (A.G. HADONOU-YOVO et al., 2019).

55Si elles sont directement responsables des mutations de l'occupation du sol, l'urbanisation et l'extension des terrains agricoles n'en sont pas moins sous la dépendance de la dynamique démographique (parmi une multitude de références : Q. XU et al., 2021). À cet égard, il n'existe pas de données propres à la RB-BVO. Toutefois celle-ci représente 80,5 % de la superficie totale des quinze communes sur lesquelles elle s'étend. Pour l'ensemble de ces communes, le nombre d'habitants par km² était de 490 en 2002 et de 700 en 2013. Entre ces deux dates, la population a augmenté de 30,0 %, donc beaucoup moins que pour l'ensemble du Bénin (47,8 %), et le taux d'accroissement annuel moyen a été de 3,29 %. Des disparités se cachent derrière ces valeurs. En 2013, par exemple, les densités de population allaient de 112 hab./km² pour la commune de Zogbodomey (831 km²) à 8303 hab./km² pour celle de Cotonou (82 km²). Entre 2002 et 2013, la population a augmenté de 53,1 % dans la commune de Abomey-Calavi (540 km² ‒ 656 358 habitants en 2013) et de 2,05 % seulement dans celle de Cotonou, qui est restée de peu la plus peuplée (679 012 habitants). Les autres communes ont connu des taux d'accroissement allant de 15,4 % (Porto-Novo ‒ 50 km² ‒ 264 320 habitants en 2013) à 48,25 % (Sèmè-Kodji ‒ 220 km² ‒ 222 701 habitants en 2013).

56Même si elle est relativement faible par rapport à celle de l'ensemble du Bénin, une telle croissance démographique s'est traduite par une pression plus forte sur les ressources et par une multiplication de l'habitat. Il s'en est suivi la création de marchés de produits agricoles, l'émergence de zones d'activités économiques, et l'amélioration ou la création de voies de communication pour faciliter les échanges (W. MO et al., 2017 ; A. FAROOQ et al., 2018), autant d'éléments qui ont stimulé les évolutions de l'occupation du sol au détriment des formations spontanées.

2 ) Fiabilité du modèle LCM pour la prédiction de l'occupation du sol

57Le modèle utilisé exige le traitement préalable de deux périodes d'observation antérieures à la période ciblée (C. KWAN et al., 2020). Il a d'abord été testé et validé à partir des données de 1990 et de 2005, la prédiction obtenue pour 2020 étant comparée à la classification réalisée pour la même année. Il apparaît ainsi quelques dissemblances sur le plan de la distribution spatiale des unités d'occupation du sol, mais les superficies sont globalement proches entre la classification et la simulation, ce qui témoigne a priori d'une assez bonne fiabilité du modèle (T. AGBANOU et al., 2018).

58Si le modèle n'a pas prédit parfaitement la spatialisation de l'occupation du sol en 2020, il a bien traduit l'accélération des évolutions sur la période 2005-2020 par rapport à 1990-2005. Au cours des quinze premières années, 13,6 % de la superficie de la RB-BVO a subi des mutations, ce qui est suffisant pour déceler une tendance (S. MUNISHI et G. JEWITT, 2019 ; A. ILBOUDO et al., 2020), mais les mutations ont concerné 57,0 % du terrain d'étude au cours de la période suivante. Cette distorsion entre les deux périodes aurait conduit à des résultats bien différents de ceux obtenus, si l'extension considérable du réseau routier n'avait poussé le modèle dans le sens d'une forte évolution.

59À cet égard, plusieurs réflexions s'imposent :

• Une protection stricte ou forte des espaces "naturels" n'est assurée que sur une toute petite partie de la RB-BVO (aires protégées et zones périphériques), soit 10,3 % de sa superficie totale. En dehors de ces secteurs, le développement socio-économique est dorénavant partout mieux assuré et mieux encadré, mais sans qu'il soit fait d'hypothèse à cet égard.

• La modélisation 2005-2020 intégrait comme seule variable temporelle, l'accroissement massif du réseau routier, alors que celle pour la période 2020-2035 fait l'hypothèse d'un réseau routier stable.

• Avec un réseau routier stable, le modèle ne peut prédire que des mutations de l'occupation du sol faibles. Et c'est ce qu'il fait bien évidemment pour 2035.

• Le réseau routier de 2020 intégré à la modélisation influence la spatialisation des mutations, mais il n'en est pas le moteur comme sur la période 2005-2020. Les évolutions modélisées pour la période 2020-2035 sont celles que le modèle prédit à partir des cartes de 2005 et 2020 après avoir éliminé le rôle de l'accroissement du réseau routier entre ces deux dates. Grosso modo, on retombe sur une évolution du type de celle montrée par les cartes de 1990 et 2005, à ceci près que les occupations initiales du sol sont différentes, que le réseau routier est dorénavant plus étendu et que des biais ont pu se faire jour lors de la rétrogradation des effets de l'extension des routes pour définir l'influence globale des autres facteurs, notamment démographique, administratif et économique.

60En conséquence, il est légitime de douter des résultats obtenus pour 2035... en attendant qu'ils soient confrontés aux futures réalités.

V - Conclusion

61En 1990, les formations végétales spontanées, savanes arborées et arbustives, forêts denses et galeries, formations de marécage, étaient largement dominantes dans ce qui allait devenir la RB-BVO. Mais au cours des trois décennies suivantes, le développement de l'agriculture extensive a provoqué une forte diminution de leurs superficies, et cela malgré la création, en 2000, du site Ramsar 1018, dont le terrain d'étude est l'une des composantes.

62Cette évolution a été particulièrement marquée entre 2005 et 2020, période qui a servi au calibrage de la modélisation de l'évolution de l'occupation du sol sur la période 2020-2035 à l'aide du logiciel LCM. Pour 2020, la modélisation fournit un rendu proche de la carte tirée de l'image satellitaire. Mais ce résultat satisfaisant doit certainement beaucoup au paramétrage, en particulier pour le réseau routier, qui a été considérablement développé entre 2005 et 2020. Or la modélisation pour la période 2020-2035 fait l'hypothèse d'une totale stabilité de ce réseau.

63La projection annonce un ralentissement de l'anthropisation et des mutations de l'occupation du sol. Mais elle doit être considérée avec une extrême réserve. Seul l'avenir dira à quel point le double statut actuel du site (site Ramsar 1018, puis Réserve de Biosphère depuis 2020) influence favorablement la gestion des ressources naturelles et la conservation de la biodiversité des écosystèmes dans la RB-BVO.