Navigation – Plan du site
2018

Analyse spatiale multicritère et identification des sols propices à la production du maïs à Ouessè au Bénin

Olatondji Salomon Chabi Adimi, Joseph Oloukoi et Côovi Aimé Bernadin Tohozin

Résumés

Au Bénin, le maïs occupe une place prépondérante dans le tissu productif. Il constitue le principal aliment de base de toute la partie méridionale du pays soit les 2/3 de la population nationale. Malgré cette importance, son développement rencontre d’énormes difficultés. La présente étude vise à contribuer à une amélioration de la production du maïs dans la commune de Ouessè au Bénin. La méthodologie utilisée est basée sur les techniques des SIG couplées avec les méthodes d’analyse multicritère à partir des données des composantes physico-chimiques du sol. Les résultats obtenus révèlent que la commune de Ouessè présente un niveau d’aptitude des sols élevé à la production du maïs. Elle totalise environ 9,67 % de zone moyennement apte, 17,73 % de zone d’aptitude élevée et 72,62 % de zone d’aptitude très élevée.

Haut de page

Texte intégral

Introduction

1L’augmentation croissante de la population constitue un défi pour les pays en voie de développement. Ils doivent avoir recours à une agriculture de qualité afin de satisfaire les besoins nutritionnels de cette population (Konan-Waidhet et al., 2013). L'Afrique est la seule région du monde en développement où la production alimentaire moyenne par habitant a baissé au cours des 40 dernières années (FAO, 2001). Elle regroupe aujourd’hui le plus grand nombre de pays pauvres très endettés dans lesquels les populations souffrent de faibles revenus et de pénuries alimentaires. Pour une grande partie du secteur agricole africain, la croissance de la productivité et du commerce a été lente, et souvent négative (NEPAD, 2005).

2Le sol représente une dimension fondamentale des ressources en terres. Il est à la base du développement agricole et de la viabilité écologique. Il constitue un élément important pour la survie des êtres vivants, quels que soient leurs milieux de résidence (Fox et al., 2008). Le maintien, voire l’accroissement, de la fertilité des sols est un enjeu majeur (Sanchez, 2002). Selon Prévil (2009), il est localisé dans l’espace ce qui conditionne son accès, son utilisation et sa transformation. En Afrique de l'Ouest, l'amélioration de la fertilité des sols et de la productivité de l'agriculture sont deux objectifs prioritaires des politiques agricoles (CORAF/WECARD, 2008).

3La sécurité alimentaire et l’agriculture durable constituent une des composantes fondamentales du processus du développement durable. Ainsi une gestion durable des sols conditionne une agriculture durable (Darwish et al., 2015). Au Bénin, le secteur agricole est d’une importance capitale. Il contribue pour 35 % en moyenne au PIB et 75à 90 % aux recettes d’exportation agricole (MAEP/DPP, 2010). Il représente un poids stratégique dans le tissu social et économique du pays en termes de contribution à la sécurité alimentaire, d’emplois, de formation des revenus et de création des biens et services. Plus de 60 % des actifs masculins et 36 % des actifs féminins exercent une profession agricole.

4L’économie béninoise est tributaire de ses ressources en terres agricoles et de leur potentiel de production (Igué et al., 2013). Ce secteur génère globalement 70 % des emplois, et participe à hauteur de 15 % aux recettes de l’État (FAO-Bénin, 2012). Dans ce secteur assez vital se pratiquent les cultures de rente (le coton, le palmier à huile…) et les cultures vivrières comme le haricot, le mil et surtout le maïs.

5L’importance du maïs dans la sécurité alimentaire dans le monde n’est plus à démontrer. Il est l’une des cultures vivrières les plus importantes dans le monde. Il présente un potentiel de production extraordinaire. Bien que sa culture représente une surface inférieure à celle du blé ou du riz, il occupe la deuxième position en termes de production totale (Kling, 1991). Selon Baco et al. (2011), les études antérieures ont prédit que le maïs deviendra une culture commerciale et assurera la sécurité alimentaire mieux que toutes autres cultures.

6Au Bénin, le maïs occupe une place prépondérante dans le tissu productif. Il s’intègre aux systèmes de production et aux habitudes de toute la population. Il constitue le principal aliment de base de toute la partie méridionale du pays soit les 2/3 de la population nationale. Il est la seule céréale dont le pays dégage des excédents vers les pays voisins (Sohinto et Aïna, 2011). Malgré sa place importante dans le tissu productif, de nombreuses contraintes sont identifiées à son développement. On peut citer entre autres : les aléas climatiques, le manque d’un système d’information et d’appui technique, la baisse de la fertilité des sols, la faible capacité de financement, l’accès limité aux intrants agricoles, les difficultés de transport et l’attaque des maladies et ravageurs (Adegbola et Azelokonon, 2011).

7Il est clair qu’assurer une sécurité alimentaire de la population du Bénin sans affecter l’équilibre agroécologique exige l’adoption d’une agriculture durable connue également sous le nom d’agriculture de précision ; basée sur l’usage de la technologie géospatiale.

8Ainsi une agriculture de précision exige une estimation de la variabilité spatiale des composantes physico-chimiques du sol, éléments déterminants pour la croissance et le développement des plantes (Corstanje et al., 2006). Le potentiel d’hydrogène par exemple, constitue un élément essentiel dans la fertilisation des sols. Il influence très fortement la disponibilité de nutriments dans le sol. Ainsi un niveau donné de pH est nécessaire pour la croissance du maïs. L’importance du pH réside dans le fait qu’il influe également sur la disponibilité d’autres composantes physico-chimiques indispensables pour la croissance du maïs.

9L’importance de cette culture dans le Bénin de façon générale et dans la commune de Ouèssè en particulier est capitale. Mais des interrogations existent toujours quant à leur portée sur le plan spatial. Bien que l’utilisation des techniques géospatiales ne soit pas nouvelle, elles sont très peu appliquées à la recherche agricole au Bénin. Ainsi la question est de savoir si les zones propices à la culture du maïs existent dans la commune de Ouessè. L’hypothèse qui en découle est que la commune de Ouessè dispose de zones spécifiques à la culture du maïs. L’objectif de la présente étude au regard du sujet, des constats faits, de la question posée et de l’hypothèse formulée est d’identifier les zones spécifiques de culture du maïs dans un souci d’amélioration des rendements dans la commune de Ouèssè au Bénin. Ce travail illustre la méthodologie et les résultats obtenus par une modélisation géomatique conduisant à l’identification des sols favorables à la production du maïs.

Présentation du secteur d’étude

10Située entre 8°7’56’’ et 8° 46’7’’ de latitude Nord et entre 2°11’22’’ et 2°45’57’’ de longitude Est, la commune de Ouessè s’étend entre les fleuves Okpara à l’est et l’Ouémé à l’ouest sur une superficie d’environ 3200 km2, soit 2,56 % de la superficie nationale (figure 1). De par sa position géographique, la commune de Ouessè est située dans la cinquième zone agroécologique du Bénin qui jouit d’un climat soudano-guinéen. Le régime pluviométrique est à cheval sur celui de la distribution bimodale du Sud et celui de la distribution unimodale du Nord et est caractérisé par deux saisons (Oloukoi, 2012). La saison sèche dure de mi-novembre à mai. La saison pluvieuse s’étale de juin à mi-novembre. La pluviométrie annuelle varie entre 1100 et 1200 mm. Le relief est caractérisé par une pénéplaine modelée sur un matériel précambrien, dominé surtout à l’Est, par des collines granitiques d’environ 300 mètres d’altitude. Les sols ferrugineux tropicaux concrétionnés sont les plus dominants. On y rencontre également des sols ferrallitiques faiblement désaturés à faible échelle et des sols hydromorphes développés le long des cours d’eau. Elle fait partie des communes les plus arrosées avec environ 292 km de cours d’eau (Chabi Adimi, 2015).

Figure 1. Situation géographique de la commune de Ouessè.

Figure 1. Situation géographique de la commune de Ouessè.

Matériel et méthodes

Matériel

11La démarche adoptée est essentiellement basée sur une approche spatiale intégrant des analyses multicritères. Le matériel est constitué de données et des logiciels. Les données utilisées dans le cadre de cette étude sont des données issues des composantes physico-chimiques du sol. Ces composantes physico-chimiques du sol prises en compte sont : le Potentiel d’Hydrogène (pH), le Phosphore total (P), l’azote (N) et le potassium (K), obtenus à partir d’échantillons de sol. Le choix de ces paramètres repose sur l’importance et le rôle qu’ils jouent dans la production du maïs (Rilwani et Ikhuoria, 2011). Le prélèvement s’est fait entre la surface et une profondeur de 15 cm (0 à 15 cm). Pour le maïs, la couche du sol à prélever se situe entre 0 et 50 cm et la profondeur de 15 cm est largement suffisante pour des analyses (Rilwani et Ikhuoria, 2011). Selon Escalante et al. (2012), les racines, du type fasciculé, sont superficielles et ne dépassent pas 50 cm de profondeur. Des racines adventives aériennes ou crampons se forment sur les nœuds de la base des tiges. Au total, un prélèvement de 48 échantillons a été réalisé en tenant compte d’un quadrillage 10 km x 10 km (Fagbemi, 1985 cité par Rilwani et Ikhuoria (2011). Les coordonnées des différents points de prélèvement ont été prises. La figure 2 présente la distribution spatiale des points de prélèvement d’échantillonnage du sol.

Figure 2. Distribution spatiale des points d’échantillonnage de prélèvement de sol.

Figure 2. Distribution spatiale des points d’échantillonnage de prélèvement de sol.

Méthodes

12La méthode multicritère utilisée est basée sur la pondération des critères à partir de la méthode Processus de hiérarchisation analytique (PHA), qui permet d’attribuer des poids aux différents critères en fonction de leur importance. La pondération de ces critères est précédée par leur standardisation avant d’être agrégée pour la cartographie des sols propices à la production du maïs. Cette méthode exige un traitement bien précis des données qui constituent la base des critères.

Traitement des échantillonnages du sol

13Les échantillons du sol prélevés dans la zone d’étude ont fait l’objet d’une analyse au laboratoire pour extraire les valeurs du pH, potassium, phosphore, azote de chaque échantillon. Les valeurs du pH, du potassium, du phosphore et de l’azote ont été interpolées à l’aide de la technique de Kriging pour la prédiction de leurs valeurs dans les zones non échantillonnées en utilisant le logiciel ArcGis 10.3.

Standardisation des critères

14La mise en place des cartes critères exige une standardisation au préalable, ce qui permet de les quantifier en fonction de leurs aptitudes. Elle est basée sur une reclassification continue (Jiang et Eastman, 2000). La standardisation s’est basée sur les données du tableau 1. Ainsi sur la base de ce tableau, les différentes unités partielles constituant les critères ont été mises en place.

Tableau 1. Base de standardisation.

pH

Phosphore

Potassium

Azote

Quantité en mg/kg

Quantité en mg/kg

Quantité en mg/kg

Quantité en mg/kg

< 4

4

< 3

4

< 0.039

4

< 0.1

4

4,1 – 4.5

6

3,1 – 5

5

0.039 – 0,078

6

0,1 – 0,15

5,5

4.6 – 5

7

5,1 – 6,5

7

0.078 – 0.156

8

0,16 – 0,2

7

5.1 – 6

8

6,6 – 8,5

8

> 0.156

10

0,21 – 0,25

8,5

6.1 – 7

10

>8,6

10

>0,26

10

Source : (Fao, 1976 ; Gbadegesin et Nwagu, 1996 ; Onasanya et Ogunkunle, 1995 cité par Rilwani et Ikhuoria, 2011).

Tableau de pondération

15Le tableau de pondération a été dressé sur la base des études antérieurement réalisées et des travaux de terrain. Il a permis de pondérer chaque critère. La méthode AHP de Saaty (1980) a été utilisée. Elle a consisté à comparer les critères deux à deux en termes d’importance relative par rapport à l’objectif défini sur la base d’une échelle de pondération de Saaty. Le poids résultant de la comparaison de chaque paire de critères a été enfin déterminé. Afin de tester la cohérence de la réponse qui indique si les données ont un rapport logique entre elles, Saaty (2008) propose de suivre le procédé suivant les formules des équations 1, 2 et 3 :

16Valeur calculée sur la base d'indice de Saaty

17L’indice de cohérence (IC) :

18Le ratio de cohérence (RC) :

19

20C = colonne, n le nombre de facteur et λ max, une valeur calculée sur la base de la matrice de Saaty, IC l’indice de cohérence.

21Si RC> 10 %, il n’y a pas de cohérence dans la comparaison des critères par paire. La matrice doit être réévaluée. IA est un indice aléatoire fixé en fonction du nombre de critères. Le tableau 2 présente les indices aléatoires en fonction du nombre de critères.

Tableau 2. Indice aléatoire.

Agrégation

22Une fois les unités partielles mises en place et pondérées, elles ont fait l’objet d’une agrégation par combinaison linéaire pondérée sur la base de la formule de l’équation 4 en utilisant le logiciel ArcGIS.

23 (4)

24Avec x, le facteur, w le poids et c la contrainte.

25Cette formule est rendue possible en SIG par l’Algèbre des cartes qui est une méthode générale de modélisation cartographique. Les différentes opérations cartographiques élémentaires sont représentées sous une structure mathématique où les variables sont des plans d’information et les opérateurs sont ceux de l’analyse et la modélisation spatiale. Ces opérateurs, lorsqu’ils sont appliqués sur les différents plans d’information en entrée, permettent de générer de nouveaux plans d’information comme résultat. L’extension algébrique des cartes du module analyse spatiale du logiciel ArcGIS a permis d’effectuer cette opération.

Résultats

26Les résultats se déclinent en trois parties essentielles : l’élaboration des cartes critères, la pondération des critères et leur agrégation et l’identification des zones propices à la culture du maïs.

Élaboration des cartes critères

27Ces différentes cartes sont basées sur plusieurs critères :

Le potentiel d’hydrogène (pH)

28L’aptitude du sol à la culture du maïs fondée sur le pH du sol s’est basée sur une échelle allant de 0 à 10. Les sols ayant un pH supérieur à 6,1 sont les plus aptes à la culture du maïs et ont un indice d’aptitude maximal qui est 10. Plus la valeur du pH décroit, plus l’indice d’aptitude décroit. Ainsi, la figure 3 présente la distribution des valeurs du pH du sol de même que le degré d’aptitude de chaque zone à la culture du maïs.

Figure 3. Répartition et degré d'aptitude du pH dans la commune de Ouessè.

Figure 3. Répartition et degré d'aptitude du pH dans la commune de Ouessè.

29Le secteur d’étude dispose des sols qui peuvent être classés dans l’ensemble dans la catégorie des sols ayant un degré d’acidité modéré (5 - 6) et faible (6 - 7). Les unités pédologiques ayant un degré d’acidité modéré sont situées aux deux extrémités avec une valeur de pH inférieure à 6, tandis que les unités ayant un degré d’acidité faible dominent dans la commune avec une valeur comprise entre 6 et 7. Dans l’ensemble, la zone de Ouessè est caractérisée par un pH très favorable à la production du maïs. La quasi-totalité de la zone présente une aptitude de niveau 10 sur une échelle de 0 à 10. Les autres zones présentent une aptitude de niveau 8.

Le phosphore

30Le phosphore favorise la croissance de la plante, son action étant conjuguée à celle de l'azote. La figure 4 présente la répartition du phosphore du sol et le degré d’aptitude de la teneur en phosphore du sol à la production du maïs. Dans l’ensemble, les unités pédologiques de Ouessè sont riches en phosphore. L’extrême nord et le sud de la commune sont des zones qui présentent une teneur élevée. La quantité de phosphore dans chaque unité pédologique conditionne un bon rendement du maïs. Ainsi, lorsque le phosphore du sol dépasse un seuil de 8,6 mg/kg, la zone présente une aptitude élevée. La lecture de la figure 4 permet de constater qu’une petite partie du sud du secteur d’étude présente une valeur élevée supérieure à 20 ppm.

Figure 4. Répartition et degré d'aptitude du phosphore dans la commune de Ouessè.

Figure 4. Répartition et degré d'aptitude du phosphore dans la commune de Ouessè.

Le potassium

31L’analyse du potassium a permis de se rendre compte de sa présence et de sa participation effective dans la production du maïs. La figure 5 présente la distribution du potassium dans la commune de Ouessè et le degré d’aptitude à la production du maïs. De l’analyse de la figure 5, il ressort que le potassium n’est pas un facteur limitant à Ouessè avec une petite nuance. La grande partie de la commune est dominée par une teneur en potassium du sol supérieure à 0,4 méq/100g. Il est présent en grande quantité dans la partie nord-ouest du secteur d’étude. La partie restante se caractérise par une teneur comprise entre 0,079 méq/100g et 0,156méq/100g, correspondant à un degré d’aptitude 8 sur une échelle de 0 à 10.

Figure 5. Répartition et degré d'aptitude du potassium dans la commune de Ouèssè.

Figure 5. Répartition et degré d'aptitude du potassium dans la commune de Ouèssè.

L’azote

32Dans le sol, l'azote se trouve sous forme organique (humus) ou minérale (ammonium NH4+, nitrate NO3-). La figure 6 présente la spatialisation de la teneur d’azote du sol de la commune de Ouessè. L’azote n’est pas un facteur limitant dans l’ensemble de la commune. La teneur en azote varie entre 0,614167 et 0,846667 mg/kg. Comme la teneur en azote atteint un seuil de 0,26 mg/kg, le secteur présente 100 % d’aptitude à la production du maïs. Avec une teneur de 100 %, l’azote n’est plus un critère qui influence le modèle de l’identification des zones propices à la production du maïs à Ouessè. La présence de l’azote est beaucoup plus constatée dans le centre de la commune où il présente une forte valeur allant de 0,70 à 0,846667 mg/kg.

Figure 6. Répartition de l'azote du sol.

Figure 6. Répartition de l'azote du sol.

Pondération des critères

33Une analyse multicritère amène souvent le décideur à considérer que les facteurs n’ont pas la même importance. Il faut donc qu’un poids soit donc attribué à chacun d’eux. La pondération des critères constitue donc la base de toutes opérations multicritères, car elle influence de façon directe les résultats. Le tableau de pondération (tableau 3) a été établi à partir de la comparaison par paire de chaque critère.

Tableau 3. Comparaison par paire.

Critère

pH

Phosphore

Azote

Potassium

pH

1

1

3

3

Phosphore

1

1

3

3

Potassium

1/3

1/3

1

1

Azote

1/3

1/3

1

1

Total

2.66

2.66

8

8

34Le tableau de comparaison par paire a été mis en place à partir des exigences en composantes physico-chimiques du maïs et de l’échelle de pondération de Saaty. Ainsi, à partir du tableau de comparaison par paire, celui de pondération de chaque critère a été établi (tableau 4).

Tableau 4. Pondération.

Critère

pH

Phosphore

Azote

Potassium

Poids

pH

0,37

0.37

0,37

0,37

0,37

Phosphore

0,37

0,37

0,37

0,37

0,37

Potassium

0,12

0,12

0,12

0,12

0,12

Azote

0,12

0,12

0,12

0,12

0,12

Total

1

1

1

1

1

35De l’analyse du tableau 4, il ressort que le facteur relatif au pH et au phosphore détiennent un poids plus élevé que la teneur en azote et en potassium. Ceci est lié à leur importance dans le cycle végétatif du maïs.

Agrégation et identification des zones propices à la culture du maïs

36L’approche d’agrégation par combinaison additive a été utilisée. Cette méthode permet de générer une carte quantitative en raster dont la valeur des pixels porte le résultat de la combinaison additive des facteurs (figure 7). Dans l’ensemble, les sols de la zone présentent une aptitude élevée à la production du maïs. Elle totalise 28 401 ha de zones moyennement aptes soit environ 9,67 % de la superficie totale de la commune ; 51 785 ha de zones d’aptitudes élevées soit 17,73 % de sa superficie totale. Quant aux zones d’aptitudes très élevées, elles totalisent 213 507 ha soit 72, 62 % de l’aire communale.

Figure 7. Aptitude pédologique à la production du maïs dans la commune de Ouessè.

Figure 7. Aptitude pédologique à la production du maïs dans la commune de Ouessè.

Discussion

37Les sols constituent une dimension fondamentale des ressources en terres et sont à la base du développement agricole et de la viabilité écologique. Les composantes physico-chimiques des sols déterminent leur fertilité et l’aptitude de chaque zone aux différentes cultures, dont le maïs. Les mêmes constats ont été observés par Rilwani et Ikhuoria (2011). Pour ces 2 auteurs, les composantes physico-chimiques du sol les plus déterminantes dans la production du maïs sont le pH, le phosphore, le potassium et l’Azote. Konan-Waidhet et al. (2013) se sont contentés pour leur part de cinq critères principaux à savoir : la topographie, les types de sol, la densité de la population, la hauteur de pluie et l’occupation du sol pour l’étude des sites propices à la culture du riz sans pour autant détailler les composantes physico-chimiques du sol. Les procédures ou méthodes d'analyse spatiale basée sur des critères pour l’identification et le choix de l'emplacement d'un site ont déjà fait leurs preuves à travers diverses études (Banai, 1993 ; Eastman et al., 1993 ; Lili Chabaane et al., 2002 ; Malczewski, 2006 ; Bensaid et al., 2007 ; Dembélé et al., 2014).

38Les résultats obtenus sur l’agrégation des critères corroborent de façon générale les nombreuses études menées en Afrique et dans le reste du monde, notamment celles réalisées par Kêdowidé (2010), Kuria et al. (2011) et Feizizadeh et Blaschke (2012). Pour eux, un facteur d’aptitude faible pour une zone donnée peut être compensé par un autre ayant un degré d’aptitude élevée, car l’importance de chacun des facteurs est déterminée par le poids que l'on lui affecte. La technique la plus courante est la moyenne pondérée, qui intègre totalement tous les critères considérés en un seul.

39Malgré quelques limites relevées, la présente recherche a montré l’importance des SIG et des méthodes d’analyses multicritères dans la détermination des sols propices à la production du maïs. Le couplage du SIG avec l’Analyse multicritère (AMC) a favorisé considérablement cette étude. Des résultats similaires ont été obtenus par Kêdowidé (2010). Pour cet auteur, les méthodes d’AMC toutes seules sont incapables de tenir compte de tous les aspects des problèmes de décision à référence spatiale. Le SIG est bien adapté pour répondre à cette insuffisance de l’approche classique de l’analyse multicritère spatiale. L’intégration du SIG et l’AMC semble donc être la meilleure solution pour combler leurs lacunes respectives. Ouédraogo et al. (2012) ont confirmé les résultats extraordinaires qui peuvent subvenir de ce couplage. Pour ces auteurs, dans le renforcement du SIG comme un outil d’aide à la décision à référence spatiale, une solution possible consiste à son intégration à l’analyse multicritère (AMC). D’auteurs comme Jiang et Eastman (2000), Chakhar (2006), Estoque (2011), Feizizadeh et Blaschke (2012), Konan-Waidhet et al. (2013) ont abondé dans le même sens. Des difficultés ont été néanmoins rencontrées dans cette étude. L’une d’entre elles est le choix des facteurs. Le même constat a été fait par Jourda et al. (2006). En effet, pour eux, le choix s’opère en fonction d’une part, de la faculté de discernement de l’opérateur et de son sens de jugement, et d’autre part, des valeurs des critères.

40Les résultats obtenus dépendent en grande partie des données qui ont servi à la génération des critères. Ainsi, les limites résident dans la génération des facteurs physico-chimiques à partir des méthodes géostatistiques en occurrence le Kriging. Les méthodes de prédiction ne garantissent pas en effet une précision à 100 % et présentent des difficultés. Une des difficultés de cette méthode concerne le choix de l’échelle des notes allant de 1 à 9 avec leur correspondance réciproque (Belton, 1986). Cette méthode est cependant appropriée à cette étude, car elle est performante quand le nombre d’actions est réduit (Laaribi, 2000).

Conclusion

41Le SIG couplé avec les méthodes d’analyse multicritère offre de grandes possibilités dans la prise d’aide à la décision à caractère spatiale. Ils intègrent tous les paramètres relatifs à ces types d’aménagement. Les résultats issus de l’application de ces méthodes ont permis d’identifier les sols propices à la culture du maïs dans la commune. En général, Ouessè présente un degré d’aptitudes élevées à la production du maïs. Elle totalise environ 9,67 % de zones moyennement aptes, 17,73 % de zones d’aptitudes élevées et 72, 62 % de zones d’aptitudes très élevées.

Remerciements 

42Nous tenons à adresser nos remerciements aux réviseurs anonymes de VertigO. Leurs observations, leurs commentaires judicieux nous ont aidés à améliorer la qualité et l’organisation de cet article. Nous remercions aussi très sincèrement les autorités de la commune de Ouessè pour leur franche collaboration.

Haut de page

Bibliographie

Adegbola, P. Y. et O. Azelokonon, 2011, Point des études et des travaux de recherche effectués au Bénin sur la filière Maïs de 2000 à 2012, Rapport d’étude, INRAB/CNS-Maïs/PPAAO/Bénin, 126 p.

Baco, M. N., T. Abdoulaye, D. Sanogo et A. Langyintuo, 2011, Caractérisation des ménages producteurs de maïs en zone de savane sèche au Bénin, INRAB-IITA, Cotonou, 38 p.

Banai, R., 1993, Fuzziness in Geographical Information Systems : contributions from the analytic hierarchy process, International Journal of Geographical Information Systems, 7 :4, pp. 315-329, [en ligne] URL : http://dx.doi.org/10.1080/02693799308901964.

Belton, V., 1986, A comparison of the Analytic Hierarchy Process and a simple multiattribute value function, European Journal Operational Research, vol. 26 (1), pp. 228-230.

Bensaid, A., M. Barki, O.Talbi, K. Benhanifia et A. Mendas, 2007, L’analyse multicritère comme outil d’aide à la décision pour la localisation spatiale des zones à forte pression anthropique : le cas du département de Naâma en Algérie, Revue Télédétection, 2007, vol. 7, n 1-2-3-4, pp. 359-371.

Chabi Adimi, O. S., 2015, SIG et identification des sites propices à la production du maïs dans la commune de Ouessè au Bénin, Mémoire de Master, RECTAS, Obafemi Awolowo University, Ilé-Ifè, Nigeria, 121 p.

Chakhar, S., 2006, Cartographie décisionnelle multicritère : Formalisation et implémentation informatique, Thèse de Doctorat, Université Paris Dauphine, 288 p.

Conseil ouest et centre africain pour la recherche et le développement agricoles/West and Central African Council for Agricultural Research and Development (CORAF/WECARD), 2008, Plan opérationnel 2008 -2012, Déployer des systèmes agricoles innovants en Afrique de l'Ouest et du Centre, Dakar, Sénégal, CORAF/WECARD, 10 p.

Corstanje, R., S. Grunwald, K. R. Reddy, T. Z. Osborne et S. Newman, 2006, Characterization of the spatial distribution and uncertainty of soil properties in Water Conservation Area 1, South Florida. J. Environ. Qual. 35, pp. 938–949.

Darwish M., H. Abdulrahim, A. N. Mabrouk, A. Hassan et B. Shomar, 2015, Reclaimed wastewater for agriculture irrigation in Qatar, Global Science Research Journals, vol. 3(1), pp. 106-120, January, 2015, [en ligne] URL : http://www.globalscienceresearchjournals.org/

Dembélé M., I. Toko Mouhamadou et C. A. B. Tohozin, 2014, Identification des sites favorables à la production de mangues dans le cercle de Bougouni au Mali, Revue de Géographie de l’Université de Ouagadougou, num 3, septembre 2014, pp. 123-136.

Eastman J.R, P.A.K. Kyem , J. Toledano et J. Weigen, 1993, Exploration in Geographic Information Systems Technology, Volume 4, GIS and Decision making, UNITAR European office, Palais des Nations, CH-1211 Geneva 10, Switzerland.

Escalante M., T. Hoopen et A. Maïga, 2012, Production et transformation du maïs, collection PRO-AGRO, ISF-Cameroun et CTA, Wageningen, Pays-Bas, 2012, 32 p.

Estoque, R.C., 2011, GIS-based multi criteria decision analysis (in natural resource management). Division of spatial information science, University of Tsukuba, 24 p.

Fagbami, A., 1985, Soils of Bendel State, Lagos, Federal Department of Agricultural.

Food and Agriculture Organization-Bénin (FAO), 1976, a framework for land evaluation, FAO Soils Bulletin No. 32, Rome, FAO, 89 p.

Food and Agriculture Organization-Bénin (FAO), 2001, Le rôle de l'agriculture dans le développement des pays les moins avancés et leur intégration à l'économique mondiale, Document préparé en vue de la troisième Conférence des Nations unies sur les pays les moins avancés (Bruxelles, 14-20 mai 2001), [En ligne] URL : http://www.fao.org/docrep/003/Y0491f/y0491f00.htm#P-1_0

Food and Agriculture Organization-Bénin (FAO-Bénin), 2012, Premier rapport panorama, PROJET GCP/GLO/208/BMC Country Stat pour l’Afrique Sub-saharien, Cotonou, 110 p.

Feizizadeh B. et T. Blaschke, 2012, Land suitability analysis for Tabriz County, Iran : a multi-criteria evaluation approach using GIS, Journal of Environmental Planning and Management, pp. 1-23, [En ligne] URL : http://dx.doi.org/10.1080/09640568.2011.646964.

Gbadegesin, A. S. et U. Nwagwu, 1996, On the Suitability Assessment of the Forest and Savannah Ecological Zones of Southwestern Nigeria for Maize Production, Agricultural Ecosystems and Environment, 31, pp. 99-113

Igué A. M., A. Saidou, A. Adjanohoun, G. Ezui, P. Attiogbe, G. Kpagbin, H. Gotoechan-Hodonou, S. Youl, T. Pare, I. Balogoun, J. Ouedraogo, E. Dossa, A. Mando et J. M. Sogbedi, 2013, Evaluation de la fertilité des sols au sud et centre du Bénin, Bulletin de la Recherche Agronomique du Bénin (BRAB), Numéro spécial Fertilité du maïs, pp. 12-23.

Fox D., P. Carrega, J. Morschel et K. Emsellem, 2008, Dégradation des terres dans le monde, [en ligne] URL : http://unt.unice.fr/uoh/degsol/index.php

Jiang H. et J. R. Eastman, 2000, Application of fuzzy measures in multi-criteria evaluation in GIS, International Journal of Geographical Information Science 2000, vol. 14, n 2, pp. 173-184.

Jourda J. P., M. B. Saley, E. V. Djagoua , K. J.Kouamé , J. Biémi et M. Razack, 2006, Utilisation des données ETM+ de Landsat et d’un SIG pour l’évaluation du potentiel en eau souterraine dans le milieu fissuré précambrien de la région de Korhogo (nord de la Côte d’Ivoire) : approche par analyse multicritère et test de validation, Revue de Télédétection, vol. 5, n 4, pp. 339-357

Kêdowidé, C.M.G., 2010, Modélisation géomatique par évaluation multicritère pour la prospection des sites d’agriculture urbaine à Ouagadougou, VertigO - la revue électronique en sciences de l'environnement [En ligne], Volume 10 numéro 2, septembre 2010, mis en ligne le 30 septembre 2010, consulté le 09 septembre 2015, URL : http://vertigo.revues.org/10368 ; DOI : 10.4000/vertigo.10368

Kling, J. G., 1991, Morphologie et développement du maïs, Guide de phytotechnie de l'Iita NO. 1. Programme de la formation, Institut international d'agriculture tropicale (Iita), Ibadan, Nigéria. 25 p.

Konan-Waidhet, A. B., K. E. Kouadio B. Dibi, S. Bakayoko, I. Savane et G. Lazar, 2013, Apport d’un système d’information géographique et de l’évaluation multicritère dans la modélisation des sites propices à la riziculture dans le nord-ouest de la Côte d’Ivoire (Denguelé), 18 p., [en ligne]¸URL : http://www.geosp.net/ ?research =apport-dun-systeme-dinformation-geographique-et-de-levaluation-multicritere-dans-la-modelisation-des-sites-propices-a-la-riziculture-dans-le-nord-ouest-de-la-cote-d&lang =fr

Kuria D., D. Ngari et E. Withaka, 2011, Using geographic information systems (GIS) to determine land suitability for rice crop growing in the Tana delta. Journal of geography and regional planning, 4 (9), pp. 525–532.

Laaribi, A., 2000, SIG et analyse multicritère. Paris : Hermès Science Publications.

Lili Chabaane, Z., I. Friaa, A. Rhouma et M. Ferchichi, 2002, Proceedings of International Symposium on Environmental Pollution Control and Waste Management 7-10 January 2002, Tunis (EPCOWM'2002), p. 425-436.

Malczewski, J., 2006, Ordered weighted averaging with fuzzy quantifiers : GIS-based multicriteria evaluation for land-use suitability analysis, International Journal of Applied Earth Observation and Geoinformation, 8, pp. 270–277

Ministère de l’Agriculture de l’Élevage et de la Pêche/Recensement national de l’agriculture (MAEP/DPP), 2010, Stratégie nationale pour le développement de la riziculture au Bénin, MAEP/DPP, Cotonou, 30 p.

Nouveau Partenariat pour le développement de l'Afrique (NEPAD), 2005, Avantage comparatif des produits agricoles en Afrique, DOCUMENT DE TRAVAIL/TCP/SAF/2081, appui de la FAO au NEPAD, 100 p., [en ligne] URL : http://www.fao.org/docrep/008/y4675f/y4675f00.htm

Oloukoi, J., 2012, Utilisation de la télédétection et des systèmes d’information géographique dans l’étude de la dynamique spatiale de l’occupation des terres au centre du Bénin. Thèse de doctorat, Université d’Abomey-Calavi, 304 p.

Onasanya, S. O. et A. O. Ogunkunle, 1995, Accuracy of land suitability evaluation for maize and soybeans inter-crop along some toposequences in South-western Nigeria, dans : Agboola, A. A. (Ed). Proc. of 3rd African Soil Sci. Soc. Conf. held at the University of Ibadan, Nigeria. August 21st to 26th, 1995, pp. 563 -570.

Ouédraogo, L., O. Kaboré, P. I. Yanogo, B. Ouédraogo, T. P. Zoungrana et I. Bouzou Moussa, 2012, Changement climatique et modèle spatial de gestion de l’eau pluviale dans le bassin versant de Yakouta, Burkina Faso, Revue de Géographie de l’Université de Ouagadougou, 1 décembre 2012, pp. 1-20.

Prévil, C., 2009, Participation du public dans la gouvernance de l’environnement et du territoire : pour améliorer l’instrumentation, VertigO- La revue électronique en sciences de l’environnement [en ligne], vol. 9, n 1, URL : http://vertigo.revues.org/8580 ; DOI : 10.4000/vertigo.8580

Rilwani ,M. et I. Ikhuoria, 2011, Geoinformatics-based land suitability assessment of a rain forest river bassin for precision crop production in Nigeria. Lagos journal of geo-information Science, Vol 1 n 1, pp. 19-30.

Saaty T. L., 1980, The Analytic Hierarchy Process. McGraw-Hill, New York. (This book has been translated into Chinese by S. Xu et al. ; information is available from them at the Inst. of Systems Engineering, Tianjin Univ., Tianjin, China.) (A translation into Russian by R. Vachnadze is currently underway.)

Saaty, T.L., 2008, Decision making with the analytic hierarchy process, Int. J. Services Sciences, 1 (1), pp. 83-98.

Sanchez, P.A., 2002, Soil fertility and hunger in Africa, Science, 295, pp. 2019-2020

Sohinto, D. et M.S. Aïna, 2011, Etude documentaire sur la filière maïs et ses chaînes de valeurs ajoutées au Bénin, Fédération de l'Union des Producteurs du Bénin, 141 p.

Haut de page

Table des illustrations

Titre Figure 1. Situation géographique de la commune de Ouessè.
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-1.png
Fichier image/png, 265k
Titre Figure 2. Distribution spatiale des points d’échantillonnage de prélèvement de sol.
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-2.png
Fichier image/png, 73k
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-3.jpg
Fichier image/jpeg, 12k
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-4.jpg
Fichier image/jpeg, 8,0k
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-5.jpg
Fichier image/jpeg, 8,0k
Titre Figure 3. Répartition et degré d'aptitude du pH dans la commune de Ouessè.
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-6.png
Fichier image/png, 404k
Titre Figure 4. Répartition et degré d'aptitude du phosphore dans la commune de Ouessè.
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-7.jpg
Fichier image/jpeg, 964k
Titre Figure 5. Répartition et degré d'aptitude du potassium dans la commune de Ouèssè.
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-8.png
Fichier image/png, 294k
Titre Figure 6. Répartition de l'azote du sol.
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-9.png
Fichier image/png, 250k
Titre Figure 7. Aptitude pédologique à la production du maïs dans la commune de Ouessè.
URL http://journals.openedition.org/vertigo/docannexe/image/19885/img-10.png
Fichier image/png, 227k
Haut de page

Pour citer cet article

Référence électronique

Olatondji Salomon Chabi Adimi, Joseph Oloukoi et Côovi Aimé Bernadin Tohozin, « Analyse spatiale multicritère et identification des sols propices à la production du maïs à Ouessè au Bénin », VertigO - la revue électronique en sciences de l'environnement [En ligne], Regards / Terrain, mis en ligne le 25 mai 2018, consulté le 13 novembre 2018. URL : http://journals.openedition.org/vertigo/19885 ; DOI : 10.4000/vertigo.19885

Haut de page

Auteurs

Olatondji Salomon Chabi Adimi

Laboratoire de biogéographie et d’expertise environnementale, Université d’Abomey-Calavi (UAC), Bénin, courriel : tondji1948@gmail.com

Joseph Oloukoi

Département de cartographie, Institut Régional Africain des Sciences et Technologies de l’Information Géospatiale (AFRIGIST), Obafemi Awolowo University Campus. Off Road1, PMB 5545, Ilé-Ifè. Osun State, Nigeria, courriel : chabijos@yahoo.fr, oloukoi@rectas.org.ng

Articles du même auteur

Côovi Aimé Bernadin Tohozin

Département de cartographie, Institut Régional Africain des Sciences et Technologies de l’Information Géospatiale (AFRIGIST), Obafemi Awolowo University Campus. Off Road1, PMB 5545, Ilé-Ifè. Osun State, Nigeria, courriel : tohozin2003@yahoo.fr tohozin@rectas.org

Haut de page

Droits d’auteur

Licence Creative Commons
Les contenus de VertigO sont mis à disposition selon les termes de la Licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Pas de Modification 4.0 International.

Haut de page