Modeling ecological niche of Parkia biglobosa (Jacq.) in South and Center of Benin (West of Africa)
FACHOLA O. Barthélémy, LOUGBEGNON O. Toussaint & AGOSSOU Noukpo
Résumé: La détermination de la niche écologique est importante pour la conservation des espèces. Cette étude couple les variations climatiques et la modélisation de l’habitat de l’arbre à farine ou mimosa pourpre (Parkia biglobosa), au Sud et au Centre-Benin. Les données de présence collectées et combinées aux variables bioclimatiques disponibles sur GBIF, ont servi à la modélisation de son habitat selon le principe d’entropie maximum. Les conditions environnementales demeurent moins favorables à la conservation de l’arbre à farine (Parkia biglobosa) à l’horizon 2050. Les deux scénarios (RCP4.5 et RCP8.5) projettent une réduction des habitats très favorables de 33,83% et de 40,30% et une réduction des habitats favorables de 20,31% et 6,64% au profit des aires peu favorables. Avant d’utiliser ces résultats en politique nationale du développement durable, ils devront être testés sur l’ensemble du Bénin.
Mots clés: Parkia biglobosa, niche écologique, changements climatiques, Bénin
Abstract: Determination of ecological niche is important for the conservation of species. This study pairs climatic variations and modeling of habitat of flour tree or purple Mimosa (Parkia biglobosa), in the south and central Benin. Presence data collected and combined with bioclimatic variables available on GBIF website were used to model its habitat according to maximum entropy principle. Environmental conditions remain less favorable to the conservation of the flour Tree (Parkia biglobosa) by 2050. Scenarios RCP 4.5 and RCP 8.5 project a reduction in very favorable habitats of 33, 83% and 40, 30%, and a reduction in favorable habitats of 20, 31% and 6, 64% for the benefit of unfavorable areas. Before using these results in the national sustainable development policy, they will have to be tested throughout Benin.
Keywords: Parkia biglobosa, ecological niche, climatic change, Benin
Plan
Introduction
Milieu d’étude
Matériel et méthodes
Matériel végétal
Collecte des données de présence de l’arbre à farine
Collecte des données environnementales
Traitement et analyse des données
Étapes de la modélisation de niche écologique
Validation du modèle
Distributions actuelle et future et impact des changements climatiques (horizon 2050) sur des habitats favorables à la culture et à la conservation de l’arbre à farine au sud et au centre du Bénin
Discussion
Modélisation et fiabilité du modèle
Contribution des variables environnementales
Conclusion
Texte intégral Format PDF
INTRODUCTION
L’accroissement rapide de la population, la recherche de nouveaux espaces agricoles, pastoraux et l’utilisation massive des ressources ligneuses (bois de chauffe et de construction) réduisent les possibilités de régénération des ligneux indigènes utilisés notamment en médecine traditionnelle et en alimentation. Cette réduction qui compromet la durabilité de leur exploitation, porte préjudice à la survie de nombreuses espèces végétales (Sinsin et al, 2004; Koukoubou, 2008; Vodouhè, 2010; Lougbegnon. et al, 2011). Ainsi constate-t-on que certaines espèces végétales utiles autrefois abondantes disparaissent rapidement et sont remplacées par des essences exogènes (IUCN, 2008; Djego et al, 2011). Préserver les espèces végétales autochtones très en demande autant dans les réserves forestières que dans les terroirs proches des utilisateurs devient une nécessité.
Au Bénin, la pression anthropique continue sur les ressources forestières constitue une menace pour les espèces végétales utiles comme le Caïcédrat ou acajou du Sénégal (Khaya senegalensis), le Doussie (Afzelia africana), le baobab (Adansonia digitata), le Néré (Parkia biglobosa), le prunier noir (Vitex doniana), la Pomme Étoile Blanche (Chrysophyllum albidum) et le karité (Vitellaria paradoxa), autrefois bien représentés au centre et au sud du Bénin (Sinsin et al, 2004). Outre ce constat, il importe de souligner que les changements climatiques constituent l’un des principaux dangers qui menacent la biodiversité (GIEC, 2013). Leurs conséquences sur la végétation ont retenu l’attention de nombreux scientifiques (Hughes, 2000 ; Ekue et al, 2004 ; Roman-Amat, 2007 ; Lebourgeois et al, 2010 ; Gbesso et al, 2012 ; Saliou et al 2015 ; Ayihouenou et al, 2016). Même si les menaces du changement climatique pèsent sur le néré (Parkia biglobosa) et que son importance socio-culturelle, économique ont été soulignées par les scientifiques, aucune étude n’a encore abordé la modélisation de sa niche écologique, qui en s’amenuisant limite sa régénération. Soulignant la valeur culturelle, médicinale des espèces végétales, nombreux sont les scientifiques qui suggèrent la nécessité d’inclure l’arbre à farine (Parkia biglobosa) dans les politiques formelles de protection et de conservation (Koura et al, 2011; Adomou et al, 2012 ; Assogbadjo et al, 2012; Dossou et al, 2012; Assongba et al, 2013; Djègo et al, 2013; Fachola, 2013).
La présente étude vise la modélisation de la niche écologique de l’arbre à farine (Parkia biglobosa). Génératrice de Produits Forestiers Non Ligneux (PFNL), son importance est bien connue en matière de propriétés alimentaires et médicinales comme en témoignent les recommandations et les plans d’action du groupe d’experts de la FAO sur les ressources forestières génétiques et du Programme Sahélien de Semences Forestières (Eyog Matig et al, 1999). Il devient logique de constituer une base de données sur l’impact éventuel des changements climatiques et la répartition spatiale de l’arbre à farine (Parkia biglobosa) au Sud et au Centre du Bénin. En modélisant ses aires de distribution, il sera ainsi possible de: (i) dégager les aires favorables à sa conservation et à sa culture, (ii) d’évaluer d’ici l’année 2050 l’impact des changements climatiques sur cette même distribution spatiale en tenant compte des différents modèles existants.
MILIEU D’ÉTUDE
Les observations de terrain ont été réalisées dans les localités du centre et du sud du Bénin où l’arbre à farine (Parkia biglobosa) a été inventorié (Figure 1). Elles s’inscrivent dans sept districts phytogéographiques (Côtier, Pobè, Plateau, Vallée de l’Ouémé, Zou, Borgou-Sud et Bassila) situés entre 6°30’ et 8°45’ de latitude Nord et entre 1°10’ et 2°45’ de longitude Est (Adomou et al, 2012).
Figure 1: Situation de la zone d’étude
Ces sept districts phytogéographiques se distinguent les uns des autres non seulement par des conditions environnementales particulières (le climat, les sols, la végétation) mais aussi par les traits humains et les différents groupes socio-culturels qui y pratiquent une vaste gamme d’activités économiques comme l’agriculture, l’élevage, la pêche, la chasse et l’artisanat (Gbesso et al, 2012).
MATÉRIEL ET MÉTHODES
MATÉRIEL VÉGÉTAL
L’arbre à farine (Parkia biglobosa) est une espèce végétale de la famille des Mimosaceae qui se présente en individus isolés. Elle est originaire des espaces géographiques tropicaux peu arrosés et à tendance sèche (photos 1 et 2). Arbre à feuillage caduc pendant la saison sèche, sa hauteur varie entre 7 et 20 m. La morphologie de l’arbre à farine est caractérisée par un port en parasol, un tronc droit et robuste, un fût cylindrique d’un diamètre de l’ordre de 130 cm, souvent ramifié à faible hauteur. Il produit de longues gousses suspendues en grappes. Elles contiennent des graines noires enrobées de pulpe jaune (Bonkoungou, 1987; Burkill, 1995; Hall et al, 1996; Prota, 2017).
Source: Image Fachola, 2017
Photo 1 : Arbre de P. biglobosa Photo 2 : Fruit de P. biglobosa
COLLECTE DES DONNÉES DE PRÉSENCE DE L’ARBRE À FARINE
Lors des sorties sur le terrain, un inventaire systématique de l’arbre à farine (Parkia biglobosa) a été réalisé dans les différents districts phytogéographiques (Gbesso et al, 2012). Ainsi 270 points de présence ont été consignés en utilisant le GPS (Global Positioning System). Tous ces points ont été ajoutés aux points de présence disponibles sur le site de Global Biodiversity Information Facility (GBIF).
COLLECTE DES DONNÉES ENVIRONNEMENTALES
La collecte des données environnementales nécessaires à la modélisation de la niche écologique de l’arbre à farine (Parkia biglobosa) sont d’ordre bioclimatique, altitudinale, végétatif et pédologique. Le tableau 1 présente les variables environnementales obtenues à partir des données brutes de Worldclim avec une résolution de 2,5 arc minute au sol (Hijmans et al, 2006). Elles proviennent des interpolations de données de plus de 20000 stations météorologiques installées sur les cinq continents (Koffi et al, 2008). Le choix des variables environnementales intégrées au modèle de distribution potentielle de l’arbre à farine (Parkia biglobosa) a été fait sur la base des expériences des travaux antérieurs (Saliou et al, 2015 ; Ayihouénou et al, 2016 ; Wembou et al, 2017), la disponibilité d’informations qui montrent les corrélations avec la distribution des espèces végétales et qui pourraient être des substituts pour des variables proximales. Les variables environnementales telles que le sol, l’élévation, l’humidité maximale disponible du sol et le couvert végétal sont extraites de différentes bases de données existantes et associées aux variables climatiques actuelles.
Source: Enquêtes de terrain, 2017
Tableau 1: Variables environnementales utilisées dans le modèle
Pour les projections climatiques futures, les scénarios les plus récentes (RCP), RCP 4.5 et RCP 8.5 ont été utilisés de préférence, car ils prédisent une situation extrême considérée plus probable pour l’Afrique à l’horizon 2050 (Williams et al, 2005). Compte tenu de l’étendue de la spécificité de leur microclimat, les couches climatiques de résolution 30 secondes (une grille de résolution d’approximativement 1 km x 1 km) sont utilisées. Les données sur les types de sols du Bénin sont extraites du Harmonized World Soil Data Base et combinées aux données bioclimatiques pour modéliser l’étendue géographique des habitats favorables à l’espèce sous les conditions actuelles et futures.
TRAITEMENT ET ANALYSE DES DONNÉES
ÉTAPES DE LA MODÉLISATION DE NICHE ÉCOLOGIQUE
Les coordonnées géographiques de présence de l’espèce converties en format csv (forme décimale) et les enveloppes bioclimatiques (données sur la précipitation et la température) de son aire de distribution en Afrique de l’Ouest, disponibles pour les scenarii du climat de 2000- 2050 ont été introduites dans l’algorithme de traitement MaxEnt. Les données intégrées à l’algorithme MaxEnt ont été évaluées suivant la composante Bioclim qui a permis de générer un modèle de niche écologique favorable. La prédiction est obtenue à partir de l’interpolation des caractéristiques bioclimatiques de chaque point de présence de l’espèce. Pour affiner la lecture du modèle, on a procédé à des délimitations géographiques en ajoutant les contours du Sud et du Centre-Bénin.
VALIDATION DU MODÈLE
Les variables bioclimatiques ont été soumises à un test de corrélation afin de sélectionner les moins corrélées (r < 0,85) compte tenu des biais que les corrélations ont sur les prédictions futures (Elith et al., 2011). Un test de Jackknife a été ensuite effectué sur les variables bioclimatiques considérées pour déterminer celles qui contribuent le plus à la modélisation. Pour évaluer le modèle, 25 % des points d’observation de l’arbre à farine (Parkia biglobosa) ont été utilisés pour tester le modèle et 75 % des points ont servi à la calibration du modèle. La validation croisée du modèle a été répétée cinq fois afin d’obtenir des estimations fiables des performances du modèle. La performance du modèle a été évaluée en utilisant la statistique AUC (Area Under the Curve) tel que souligné par Phillips et al (2006). Un modèle est dit de bonne qualité si la valeur de l’AUC est supérieure à 0,90 (Swets, 1988).
CARTOGRAPHIE ET ANALYSE SPATIALE
Les résultats de modélisation produits par MaxEnt ont été importés dans ArcGIS 10. Ils ont permis de procéder à la cartographie des habitats favorables à l’arbre à farine (Parkia biglobosa) aussi bien pour les conditions climatiques actuelles que pour les conditions climatiques futures (horizon 2050). L’analyse spatiale à l’aide d’ArcGIS a facilité la délimitation de la surface de chaque type d’habitat en tenant compte des conditions climatiques actuelles et futures. Cette délimitation repose sur le nombre de pixels occupés par chaque type d’habitat. Il a ensuite été possible d’évaluer le gain ou la perte dans l’aire favorable à l’espèce à l’échelle du pays (Bénin) suivant les projections climatiques.
RÉSULTATS ET DISCUSSIONS
CONTRIBUTION DES VARIABLES À LA PRÉDICTION DES HABITATS
Après la validation du modèle, cinq variables environnementales ont été retenues. Le tableau 2 présente la contribution des cinq variables à la prédiction des habitats de l’espèce. Il ressort de l’analyse du tableau que le sol (32,3 %) est la variable environnementale qui contribue le plus à la prédiction des habitats favorables à de l’arbre à farine (Parkia biglobosa). Elle est suivie de bio12 (14,2 %), bio10 (12,2 %), bio16 (10,2 %) et bio13 (5,3 %).
Source: Enquêtes de terrain, 2017
Tableau 2 : Contribution des variables sélectionnées au modèle de distribution des habitats favorables de l’arbre à farine (Parkia biglobosa) au Sud et au Centre du Bénin
Les valeurs de l’AUC obtenues sont supérieures à 0,90 pour la mise en œuvre du modèle et de son test. Ceci traduit une bonne fiabilité du modèle à prédire les habitats favorables au néré (Parkia biglobosa) (figure 2).
Source: Enquêtes de terrain, 2017
Figure 2: Courbe de la valeur moyenne de l’AUC du modèle de distribution du néré (Parkia biglobosa)
Le test de Jackknife effectué sur chacune des cinq variables, prise isolément, révèle que la variable nature du sol influence plus la distribution des habitats favorables du néré (Parkia biglobosa) dans le Sud et le Centre du Bénin (figure 3).
Source: Enquêtes de terrain, 2017
Figure 3 : Résultat du test de Jackknife sur la contribution des variables bioclimatiques au modèle de distribution des habitats favorables du néré (Parkia biglobosa)
DISTRIBUTIONS ACTUELLE ET FUTURE ET IMPACT DES CHANGEMENTS CLIMATIQUES (HORIZON 2050) SUR DES HABITATS FAVORABLES À LA CULTURE ET À LA CONSERVATION DE L’ARBRE À FARINE AU SUD ET AU CENTRE DU BÉNIN
En lisant le tableau 4 et la figure 5, on note que les résultats de la modélisation donnent une superficie de 13 525 km2 soit environ 11 % du territoire national, actuellement très favorables à l’arbre à farine (Parkia biglobosa). Ces habitats très favorables à la culture et à la conservation de l’arbre à farine (Parkia biglobosa) couvrent les districts phytogéographiques Zou, Borgou-Sud et Bassila. Les habitats peu favorables sont localisés dans les districts phytogéographiques Côtiers, Pobè, Plateau et Vallée de l’Ouémé. S’agissant des habitats fortement favorables, ils se retrouvent dans les districts Zou et Borgou-Sud (cf. tableau 4).
Source: Enquêtes de terrain, 2017
Tableau 3 : Tendance évolutive des habitats favorables à la distribution de l’arbre à farine (Parkia biglobosa)
La lecture de ce tableau montre que, avec les projections bioclimatiques du modèle MIROC 5, sous le scénario RCP4.5 (conditions démographique et climatique actuelle), l’espèce perdra respectivement 20,31 % et 33,83 % des habitats qui sont actuellement favorables et très favorables au profit des aires peu favorables.
Le scénario RCP8.5, projette des tendances similaires à l’horizon 2050 (Tableau 4). Ces deux scénarios (RCP4.5 et RCP8.5) projettent en 2050 une réduction respective des habitats très favorables à la dispersion et à la conservation du néré (Parkia biglobosa) de 33,83% et de 40,30 % et une réduction respective des habitats favorables de 20,31 % et 6,64 % au profit des aires peu favorables.
Source: Enquêtes de terrain, 2017
Figure 4: Distribution potentielle actuelle et future (2050) des habitats favorables du néré (Parkia biglobosa) sous scénario RCP4.5 et RCP8.5
D’ici 2050, les habitats très favorables et favorables à la culture, à la dispersion et à la conservation du néré (Parkia biglobosa) seront réduites sous les deux scénarios.
DISCUSSION
MODÉLISATION ET FIABILITÉ DU MODÈLE
La modélisation de l’habitat des espèces végétales a connu un essor récent en écologie, en biogéographie. Elle est de plus en plus considérée comme outil qui aide notamment à déterminer les exigences écologiques des espèces végétales à partir de leurs aires de distribution et à prédire les modifications éventuelles dans le temps en contexte de changement climatique (Basille et al, 2007 ; Ayihouenou et al, 2016). Ainsi, la modélisation des habitats a été utilisée pour estimer les changements d’aires de distribution induits par le réchauffement global (Araùjo et al, 2007), le taux des extinctions des espèces à venir (Williams et al, 2005 ; Thomas et al, 2004), l’efficacité des réserves de biodiversité déjà établies (Araujo et al, 2007), l’identification d’aires de conservation prioritaires des espèces et l’évaluation des invasions potentielles, (Thuiller et al, 2005). Toutefois, soulignons qu’il existe de nombreuses études comparatives de modèles sur les différents taxons et que la majorité d’entre elles porte sur les plantes, (Austin et al, 2006 ; Guisan et Thuiller, 2005 ; Wembou et al, 2017).
Malgré ces différentes recherches, aucun consensus sur la qualité prédictive d’un modèle par rapport à un autre n’existe. Mais plusieurs recherches ont en effet rapporté de faibles différences entre les performances des modèles. À titre d’exemple, Franklin (2009) a trouvé que les GAM (Generalized Additive Models), les GLM (Generalized Linear Models) et les CTA (Classification Trees Analysis) produisaient sensiblement les mêmes prédictions pour les plantes, tandis que Thuiller et al. (2003) ont montré que les CTA (Classification Trees Analysis) avaient une performance moindre que les autres modèles. Guisan et Thuiller (2005) considèrent les GBM comme étant les modèles les plus performants suivis de Maxent et de GAM (Generalized Additive Models). Dans cette étude Maxent a été utilisé parce que seules les données de présence sont disponibles.
CONTRIBUTION DES VARIABLES ENVIRONNEMENTALES
L’analyse des résultats indique que cinq variables environnementales qui ont contribué à différent niveau à la distribution de néré (Parkia biglobosa). Il s’agit de quatre variables bioclimatiques et d’une variable pédologique (sol). Avec un taux de 32,3 %, le sol a plus contribué dans la détermination des modèles. Des résultats similaires ont été obtenus par d’autres auteurs notamment sur le néré (Ayihouenou et al, 2016) et sur le Sapin et l’épicéa (Badeau et al, 2005). Ce résultat est différent de celui obtenu par Wembou et al (2017) pour l’igname sauvage (Dioscorea praehensilis Benth). Cette différence peut s’expliquer par le fait qu’il s’agit de deux espèces différentes qui ne partageraient pas les mêmes conditions écologiques.
Les variables édaphiques qui jouent un rôle important dans la physiologique de la plante permettent de rendre ces modèles plus fonctionnels, et d’éviter qu’une partie des informations sur les sols n’influence les résultats statistiques des variables climatiques qui leur sont corrélées (Ayihouenou et al, 2016). Toutefois, notons que l’intégration des variables liées au sol contribue à améliorer la qualité des cartes réalisées uniquement avec des variables climatiques, ce qui facilite par ailleurs une utilisation ciblée.
Ces résultats montrent qu’aussi bien les variables biophysiques (sol) que celles climatiques (précipitation et température) contribuent à la distribution des espèces ce qui est conforme aux résultats antérieurs. « Les conditions abiotiques, y compris les facteurs climatiques et les conditions du sol, sont des facteurs les plus importants dans la détermination de la zone de préférence des espèces » (Soberόn et Peterson, 2005). Les résultats similaires ont été obtenus par Ayihouenou et al (2016) pour le Parkia biglobosa en République du Bénin. Ils confirment nos trouvailles selon lesquelles la distribution spatiale du Néré est fortement influencée par des facteurs climatiques bio12, bio10, bio16, bio3. Ces résultats concordent avec ceux d’Ayihouenou et al (2016). La comparaison de ces résultats à ceux obtenus par Saliou et al, 2015 pour le Copalier africain (Daniella oliveri) dans le moyen-Bénin permettent-ils de dire que les deux espèces peuvent vivre le même milieu identiques et sous les mêmes conditions climatiques. Le test de Jackknife a montré que le sol est la variable environnementale qui augmente le gain d’informations et explique le mieux la distribution du néré (Parkia biglobosa) (figure 3). Le sol reste alors la variable qui détient le plus d’information non contenue dans les autres variables. Elle est suivie par les précipitations annuelles (bio 12), bio10, bio 16 et bio13 (Ayihouenou et al, 2016).
Relevons que l’espace géographique retenu pour la présente étude, l’écart diurne de la température » (Bio2) n’est pas déterminant dans la projection des habitats favorables au Parkia biglobosa. Cette remarque tranche avec celle mentionnée dans les résultats obtenus par Ayihouenou et al, (2016) dans «Biogéographie du néré dans les conditions environnementales actuelles et futures au Bénin ». Cette différence s’expliquerait notamment par l’échelle locale à laquelle l’étude a été réalisée et en raison d’une possible adaptation du néré au climat.
DISTRIBUTION ACTUELLE ET IMPACT DES CHANGEMENTS CLIMATIQUES (HORIZON 2050) SUR DES HABITATS FAVORABLES À LA CULTURE ET À LA CONSERVATION DES ESPÈCES
Les résultats de nos travaux montrent que les aires favorables à la culture et à la conservation de l’arbre à farine (Parkia biglobosa) dans le Sud du Bénin varient en fonction des deux scénarios (RCP 4.5 et RCP8.5). Les deux scénarios (RCP 4.5 et RCP8.5) projettent une réduction des habitats très favorables à la dispersion et à la conservation du néré (Parkia biglobosa) dans le Sud et le Centre du Bénin en 2050. Les domaines agroforestiers du Sud et du Centre-Bénin ne sont pas très propices à la dispersion et à la conservation du néré (Parkia biglobosa) d’ici 2050 ce qui confirme les résultats des travaux antérieurs menés sur les aires non protégés (Ayihouenou et al, 2016). Ainsi, les variations des aires favorables aux espèces que présentent nos résultats confirment ceux de nombreux auteurs qui ont modélisé l’évolution des aires de répartition potentielle des espèces dans le contexte d’un changement climatique rapide (Thuiller et al, 2003; Guisan et Thuiller, 2005). L’hypothèse selon laquelle les changements climatiques pourraient modifier l’aire de répartition des espèces telle que suggérée par (Hannah et al, 2002; Van Zonneveld et al, 2009; Bourou et al, 2012; Fandohan et al, 2013) est confirmée pour Parkia biglobosa.
CONCLUSION
L’évaluation de l’impact des changements climatiques sur l’étendue des habitats favorables du néré (Parkia biglobosa) est importante pour une protection judicieuse dictée par le programme de conservation durable, de domestication et de diversification des productions agricoles. Les résultats de cette recherche montrent que malgré les dynamiques spatiotemporelles projetées, liées aux changements climatiques et aux conditions socio-économiques, les conditions environnementales au Sud du Bénin demeureront peu favorables à l’arbre à farine (Parkia biglobosa) à l’horizon 2050. La prise en compte de ces résultats dans les politiques officielles de développement et d’aménagement contribuera à la conservation et à l’utilisation durable de cette espèce au Bénin.
Références bibliographiques
ASSONGBA Y. F., DJEGO, G.J., & SINSIN, B., (2013). « Distribution des habitats de Dialium guineense (willd) (Fabaceae: Caesalpinioideae) dans les phytodistricts Est du Sud-Bénin ». Bull. sci. Inst. natl. environ. conserv. Nat., vol.12, P. 1-16.
ASSOGBADJO, A.E., FANDOHAN, A. B., GLELA KAKAI, L. R., et SINSIN, B., (2012). «Genetic evidence of the contribution of ethnic migrations to the propagation and persistence of the rare and declining scrambling shrub Caesalpinia bonduc L. ». Hum. Ecol., 40, P. 117-128.
ADOMOU, A.C, YEDOMONHAN, H., DJOSSA, B., LEGBA, S.I., OUMOROU, V., & AKOEGNINOU, A., (2012). « Etude ethnobotanique des plantes médicinales vendues dans le marché d’Abomey-Calavi au Bénin». Int. J. Biol. Chem. Sci., vol. 6, n° 2, P. 55-78.
ARAÙJO, M. B. et LUOTO, M., (2007). « The importance of biotic interactions for modeling species distributions under climate change ». Global Ecology and Biogeography, Vol. 16, n° 6, P. 743–753.
AYIHOUENOU, E. B., FANDOHAN, A. B., SODE, A. I., GOUWAKINNOU N. G., et DJOSSA, A. B., (2016). « Biogéographie du néré dans les conditions environnementales actuelles et futures au Bénin», Bulletin de la Recherche Agronomique du Bénin (BRAB), 11, pp. 93-108.
BONKOUNGOU, E.G., (1987). Monographie du Néré, Parkia biglobosa (Jacq.) Benth.: espèce à usages multiples, IRBET, Ouagadougou, Burkina Faso.
BOUROU, S., BOWE, C., DIOUF, M., et VAN DAMME, P., (2012). « Ecological and human impacts on stand density and distribution of tamarind (Tamarindus indica L.) in Senegal », Afr. J. Ecol., vol. 50, P. 253-265.
BASILLE M., CALENGE C., MARBOUTIN E., ANDERSEN R. & GAILLARD J.M., (2007). Caractérisation de l’habitat à partir de données de présence : le cas du lynx dans les Vosges. ONCFS – Rapport scientifique, 5p.
BADEAU, V., DUPOUEY, J. L. CLUZEAU, C. et DRAPIER, J., (2005). « Aires potentielles de répartition des essences forestières d’ici 2100 », Forêt-Entreprise., vol. 162, P. 25-29.
BURKILL, H.M., (1995). The useful plants of West Tropical Africa, 2nd Edition. Volume 3, Families J–L. Royal Botanic Gardens, Kew, United Kingdom.
DOSSOU, M.E., HOUESSOU, G.L., LOUGBÉGNON, O.T., TENTÉ, A.H.B. et CODJIA, J.T.C., (2012). « Etude ethnobotanique des ressources forestières ligneuses de la forêt marécageuse d’Agonvè et terroirs connexes au Bénin ». Tropicultura., 30 (1), pp. 41-48.
DJEGO, J., DJEGO-DJOSSOU, S., CAKPO, Y., AGNANI, P. & SINSIN, B., (2011). « Evaluation du potentiel ethnobotanique des populations rurales au Sud et au centre du Bénin ». Int. J. Biol. Chem. Sci., 5(4), pp. 1432-1447
EKUÉ, M.R.M., ASSOGBADJO, A.E., MENSAH, G.A et CODJIA, J.T.C., (2004). « Aperçu sur la distribution écologique et le système agroforestier traditionnel autour de l’ackee (Blighia sapida) en milieu soudanien au Nord Bénin ». Bulletin de la Recherche Agronomique du Bénin., n° 44, pp. 34-44.
ELITH, J., PHILLIPS, S. J., HASTIE, T., DUDÍK, M., CHEE, Y. E., et YATES, C. J., (2011). «A statistical explanation of MaxEnt for ecologists ». Diversity and Distributions, vol. 17, P. 43-57.
EYOG MATIG, O., ADJANOHOUN, E., DE SOUZA, S., & SINSIN, B., (1999). Programme de ressources génétiques forestières en Afrique au Sud du Sahara (programme Saforgen). Compte rendu de la première réunion du Réseau, Station IITA, Cotonou, Bénin, 145 p.
FACHOLA, B.O., (2013). Biodiversité et formes d’utilisation des plantes alimentaires et médicinales utilisées par les populations riveraines de la forêt classée de Dogo-Kétou. Mémoire de DEA, FLASH/UAC.
FANDOHAN, B., GOUWAKINNOU, N.G., FONTON, N.H., SINSIN, B. & LIU, J., (2013). Impact des changements climatiques sur la répartition géographique des aires favorables à la culture et à la conservation des fruitiers sous-utilisés : cas du tamarinier au Bénin. Biotechnology. Agron. Soc. Environ., 17(3), pp. 450-462.
GBESSO, F., TENTÉ, B., GOUWAKINNOU N. G. & SINSIN B., (2012). « Influence des changements climatiques sur la distribution géographique de Chrysophyllum albidum G. Don (Sapotaceae) au Benin », Int. J. Biol. Chem. Sci., n° 7, vol. 5, P. 2007-2018.
GIEC., (2013). Changement climatiques: les éléments scientifiques. Contribution du Groupe de travail I au 5è rapport d’évaluation du GIEC, 34 p.
GUISAN, A., THUILLER, W., (2005). « Predicting species distribution: offering more than simple habitat models», Ecol. Let., 8(9), pp. 993- 1009.
HALL, J. B., TOMLINSON, H.F., ONI, P.I., BUCHY, M. & AEBISCHER, D.P., (1996). Parkia biglobosa: a monograph, School of Agricultural and Forest Sciences Publication No 9, University of Wales, Bangor, United Kingdom.
HANNAH, L., MIDGLEY, G.F. & MILLAR, D., (2002). « Climate change integrated conservation strategies», Global Ecol. Biogeogr., vol.11, P. 485-495.
HIJMANS, R. J. & GRAHAM, C. H., (2006). «The ability of climate envelope models to predict the effect of climate change on species distributions ». Glob. Chang. Biol., vol. 12, P. 1-10.
HUGHES, L., (2000). « Biological consequences of global warming is the signal already apparent » Trends in Ecology & Evolution., 15(2), pp. 56-61
KOFFI, K. J., BOYEMBA, F., NDJELE, M., MATE, M., ROBBRECHT, E., LEJOLY, J. & BOGAERT, J., (2008). « La distribution spatiale des Acanthaceae dans les secteurs phytogéographiques de Ndjele (1988) en R.D. Congo ». Annales de la Faculté des Sciences de Kisangani, 13: 1-8.
KOUKOUBOU, G. A., (2008). Contribution à l’étude ethnobotanique et caractérisation des populations de quatre espèces ligneuses (Afzelia africana smith ex pers., Daniellia oliveri (rolfe) hutch. et dalz., Pterocarpus erinaceus poir. et Khaya senegalensis (desr.) a. juss.) : cas de la réserve de biosphère de la Pendjari et ses terroirs riverains. Mémoire d’ingénieur agronome, UAC/FSA.
KOURA, K., GANGLO, C.J., ASSOGBADJO, A.E., & AGBANGLA, C., (2011). « Les différences ethniques dans les valeurs d’usage et les modes d’utilisation de Parkia biglobosa dans le Nord Bénin ». Journal of Ethnobiology and Ethnomedicine, 7(42), pp.
LOUGBÉGNON, T. O., TENTÉ, B. A. H., AMONTCHA, M. & CODJIA, J. T. C., (2011). « Importance culturelle et valeur d’usage des ressources végétales de la réserve forestière marécageuse de la vallée de Sitatunga et zones connexes ». Bulletin de la Recherche Agronomique du Bénin., vol. 70, P. 35-46.
LEBOURGEOIS, F., PIERRAT, J.C., PEREZ, V, PIEDALLU, C., CECCHINI, S., & ULRICH, E., (2010). « Simulating phenological shifts in French temperate forests under two climatic change scenarios and four driving GCMs », Int. J. Biometeorol.,Vol 54(5), pp. 563-581.
PHILLIPS S.J., ANDERSON R. P. & SCHAPIRED R.E., (2006). « Maximum entropy modeling of species geographic distributions », Ecological Modelling., vol. 190, P. 231–259.
PROTA U DATABASE, (2002). http://database.prota.org/dbtwwpd/ehttp://recherche.htm
ROMAN-AMAT, (2007). Préparer les forêts aux changements climatiques. Rapport, Ministères de l’agriculture et de la pêche et de l’écologie, du développement et de l’aménagement durable, France, Paris.
SALIOU A.R.A., OUMOROU, M. &. SINSIN B.A., (2015). « Modélisation des niches écologiques des ligneux fourragers en condition de variabilité bioclimatique dans le moyen-Bénin (Afrique de l’Ouest) », Revue d’Ecologie (Terre et Vie), vol. 70 4), pp. 342-353.
SOBERON J. & PETERSON A.T., (2005). « Interpretation of models of fundamental ecological niches and species distribution areas ».Biodiver. Informatics, vol. 2, P. 1-10
SINSIN B., EYOG MATIG, O., ASSOGBADJO, A. E., GAOUE, O. G., & SINADOUWIROU, T. (2004). «.Dendrometric characteristics as indicators of pressure of Afzelia Africana Sm.dynamic changes in trees found in different climatic zones of Benin», Biodiversity & conservation. , Vol. 13(8), pp.1555-1570.
SWETS, K.A., (1988). « Measuring the accuracy of diagnostic systems ». Science, vol. 240, P.1285 –1293.
THUILLER, W., RICHARDSON, D.M., PYSEK, P., MIDGLEY, G.F, HUGHES, G.O., & ROUGET, M., (2005). « Niche-based modeling as a tool for predicting the risk of alien plant invasions at a global scale», Global Change Biol., Vol 11, pp. 2234–2250.
THUILLER, W., (2003). «BIOMOD: Optimising predictions of species distributions and projecting potential future shifts under global change», Global Change Biol., Vol 9, pp. 1353-1362.
THOMAS C.D., CAMERON, A., GREEN, R.E., BAKKENES, M., BEAUMONT, L.J., COLLINGHAM, Y.C, ERASMUS, B.F.N., DE SIQUEIRA, M.F., GRAINGER, A., HANNAH, L., HUGHES, L., HUNTLEY, B., VAN JAARSVELD, A.S., MIDGLEY, G.F,.MILES, L, ORTEGA HUERTA, M.A., PETERSON, A.T., PHILLIPS, S.L., & WILLIAMS, S.E., (2004). «Extinction risk from climate change », Nature, vol. 427, p. 145-148.
UICN., (2008). The UICN Red list of Threatened Species. [En ligne], www.iucnredlist.orgup date of 2008.
VODOUHE F., (2010). Exploitation des Produits Forestiers Non Ligneux et conservation de la biodiversité au Bénin. Thèse de Doctorat unique /UAC, Bénin.
VAN ZONNEVELD, M., KOSKELA, J., VINCETI, B. & JARVIS, A., (2009). «Impact of climate change on the distribution of tropical pines in Southeast Asia », Unasylva., Vol 231/232, pp. 24-29.
WEMBOU, E.P., ATAKPAMA, W., FANDOHAN B., TOZO K. & AKPAGANA K., (2017). « Incidences des facteurs bioclimatiques sur la distribution et la conservation de Dioscorea praehensilis Benth dans la zone subhumide du Togo ». Revue canadienne de géographie tropicale/Canadian journal of tropical geography [En ligne], Vol. 4, n 1, P. 59-68.
WILLIAMS, P. H., HANNAH, L., ANDELMAN, S., MIDGLEY, G. F, ARAÚJO, M. B., HUGHES, G., MANNE, L. L., MARTINEZ-MEYER, E., & PEARSON, R. G., (2005). «Planning for climate change: identifying minimum-dispersal corridors for the Cape Proteaceae ». Conservation Biology, Vol. 19, P.1063-1074.
Pour citer cet article
Référence électronique
FACHOLA O. Barthélémy, LOUGBEGNON O. Toussaint & AGOSSOU Noukpo (2019). « Modélisation de la niche écologique de Parkia biglobosa (Jacq.) au Sud et au Centre du Bénin (Afrique de l’Ouest) ». Revue canadienne de géographie tropicale/Canadian journal of tropical geography [En ligne], Vol. (6) 1. En ligne le 15 septembre 2019, pp. 19-25. URL: http://laurentian.ca/cjtg
Auteurs
FACHOLA O. Barthélémy
Faculté des Sciences Humaines et Sociales (FASHS)
Université d’Abomey-Calavi (UAC)
Cotonou, Bénin
Email: facholabarthelemy@gmail.com
LOUGBEGNON O. Toussaint
École de Foresterie et d’Ingénierie du Bois (EFIB)
Université Nationale d’Agriculture (UNA)
Kétou, Bénin
Email: tlougbe@yahoo.fr
AGOSSOU Noukpo
Laboratoire d’Aménagement Régional et Développement (LARD)
Faculté des Sciences Humaines et Sociales (FASHS)
Université d’Abomey-Calavi (UAC)
Porto-Novo
Email: soxeajifiowowe@gmail.com
