Cartographie de l occupation du sol

Transcription

1 OBSERVATOIRE DU SAHARA ET DU SAHEL REPSAHEL Amélioration de la Résilience des Populations Sahéliennes aux Mutations Environnementales Cartographie de l occupation du sol Guide Pratique

2 Contenu Introduction... 4 I. Présentation générale et conseils pratiques Hardware et software Données Chaine de production Méthodologie... 9 II. Processus de classification Ajout des bandes Regroupement des bandes Classification non-supervisée Identification des classes Fusion des classes III. Validation des résultats de la classification Export vers un format raster (GeoTiff) Dernière vérification et élaboration d une matrice de confusion IV. Mise en forme et production des cartes Mosaïquage des tuiles Habillage des cartes Conclusion Annexe

3 Liste des illustrations Figure 1: Tuilage des scènes... 8 Figure 2: Exemple d'arborescence de dossiers... 8 Figure 3: Ajout des bandes Figure 4: Les 8 bandes ajoutées Figure 5: Regroupement des bandes Figure 6: Donnée d'entrée de la classification Figure 7: Paramètres de la méthode K-means Figure 8: exemple de fichier généré Figure 9: Comparaison avec les images Google Earth Figure 10: Synchronisation des deux vues Figure 11: Changement des noms des classes Figure 12: Fusion des classes Figure 13: Export GeoTIFF Figure 14: installation d une nouvelle extension pour QGIS Figure 15: lancement du plugin OpenLayers Figure 16: Ajout de la couche raster Figure 17: Superposition des 2 couches Figure 18:Mosaïquage des tuiles Figure 19: Exemple d'habillage d'une carte

4 Introduction La collecte et la diffusion de données pertinentes, précises et actualisées sont d une importance capitale pour améliorer la connaissance de l environnement. Disposer rapidement de la donnée est une condition indispensable pour le développement de stratégies et de politiques efficaces en vue de l adaptation au changement climatique, de la lutte contre la désertification et de la protection de l environnement de manière générale. C est dans ce cadre que s inscrit le projet REPSAHEL mené par l Observatoire du Sahara et du Sahel et dont l objet est l Amélioration de la résilience des populations sahéliennes aux mutations environnementales. Il a pour objectif principal d améliorer les conditions d existence des populations de l espace sahélien à travers le renforcement de leur résilience aux mutations environnementales, au changement climatique en particulier, et à travers une meilleure gestion des ressources naturelles. Il vise à développer et/ou renforcer les dispositifs et outils de surveillance environnementale au niveau de la sous-région de l Afrique de l Ouest en valorisant les acquis méthodologiques et techniques développés par l OSS dans le cadre de ROSELT 1 (premier réseau régional africain d institutions en collaboration Sud-Sud-Nord pour le partage des compétences et des connaissances) et des DNSE 2. De cet objectif principal, émanent les objectifs spécifiques suivants : Intégration des changements environnementaux dans les politiques et les planifications sectorielles ; Renforcement des systèmes de suivi-évaluation à travers l adaptation et la valorisation des produits de la surveillance environnementale ; Instauration de mécanismes et renforcement des outils permettant une meilleure implication des populations dans la résolution des problèmes environnementaux (planification, mise en œuvre et suivi-évaluation). Afin d atteindre ces objectifs, le projet REPSAHEL est structuré autour de quatre composantes principales : Composante 1 : Mise en place des outils de surveillance et de caractérisation environnementale Composante 2 : Diffusion et Circulation de l information à travers le renforcement et la diversification des canaux Composante 3 : Intégration et appropriation des résultats par les politiques et les acteurs concernés Composante 4 : Renforcement du rôle de la population dans le processus décisionnel en vue d une meilleure prise en compte de ses capacités et de ses attentes Le dispositif de surveillance environnementale à mettre en place dans le cadre de la première composante du projet valorisera les acquis des outils et des systèmes existants et générera des 1 ROSELT : Réseau d Observatoires de Surveillance Ecologique à Long Terme 2 DNSE: Dispositif National de Surveillance Environnementale 4

5 produits pertinents pour les niveaux sub-national et national. Il se basera essentiellement sur l utilisation de données géo-référencées actualisées permettant de mieux cibler les interventions aussi bien au niveau spatial que du point de vue des priorités stratégiques et thématiques/techniques. En plus des produits de la surveillance environnementale au niveau local, il s agira aussi d utiliser les données issues des satellites d observation de la terre (données moyenne et haute résolution), pour réaliser des produits cartographiques tels ceux d occupation des sols, de l état de dégradation des terres et du couvert végétal, mais aussi pour renforcer les capacités des pays impliqués pour la mise à jour régulière des cartes, à des fréquences compatibles avec les rythmes de développement et sur la base de méthodologies acceptées par tous. En définitive, l ensemble des produits de la surveillance environnementale et de la cartographie thématique sera utilisé comme outil pour la planification, la mise en œuvre et le Suivi-Evaluation des projets de développement aux différents niveaux. Ils alimenteront également les Systèmes d Information Environnementale dédiés aux Programmes d Action environnementaux, notamment ceux élaborés dans le cadre des Accords Multilatéraux sur l Environnement (UNCCD, UNFCCC et UNCBD). Ceci constituera un véritable cadre synergique pour la mise en œuvre des AME au niveau des pays concernés La cartographie de l occupation du sol pour la totalité de la zone d action à réaliser dans le cadre de la première composante du REPSAHEL, et qui constitue l un de ses produits phares, va permettre aux décideurs par une vision d ensemble de mieux appréhender et spatialiser les problématiques environnementales à l échelle de la sous-région et de mieux mettre en exergue l aspect transfrontalier de ces problématiques. La méthodologie de cartographie et la légende ont été adoptées en utilisant une approche participative et font l objet de notes précédentes. Ce guide technique a pour objectif d appuyer les équipes nationales chargées de l élaboration des cartes d occupations du sol. D autre part, l OSS assurera l accompagnement de ces équipes à distance ( , Skype ) ou à travers des missions d appui auprès des partenaires nationaux. L objet de ce document n est pas de fournir un manuel de formation complet sur la méthodologie de cartographie d occupation du sol, mais il s agit plutôt d un guide pratique (tutorial) qui détaille les étapes nécessaires pour la classification des images satellitaires et l élaboration des cartes d occupation des terres. 5

6 I. Présentation générale et conseils pratiques Cette partie aborde les aspects liés aux matériels / logiciels nécessaires, les données, l organisation du chantier du travail ainsi que la méthodologie proposée. 1. Hardware et software Le stockage, le traitement et la classification des images satellitaires nécessitent des espaces de stockages importants ainsi que des capacités matériels considérables pour exécuter des algorithmes itératifs et complexes. Pour cela, il faut utiliser un ordinateur/poste de travail assez puissant capable d exécuter rapidement les différentes taches. Nous recommandons certaines spécifications de système pour l obtention des meilleurs résultats : - Système d'exploitation: Indiffèrent : windows, Linux (dépend du logiciel à utiliser) - Mémoire système (RAM) : 4Go - Espace disque :500 Go et plus - Processeur : Intel Pentium 4 ou supérieur - Mémoire graphique : 2 Go minimum - Disque dure externe 1 To Pour la partie Software, Il existe un éventail de logiciels commerciaux et libres pour le traitement et la classification des images satellitaires. Voici une liste des utilitaires qui intègrentles fonctionnalités nécessaires pour réaliser cet exercice : - Logiciels commerciaux : ERDAS IMAGINE, ENVI, IDRISI - Logiciels libres :ORFEO Toolbox (OTB), ILWIS Même chose pour les logiciels de cartographie / SIG : commerciaux (MapInfo, ArcGIS ), Libres (QGIS, GvSIG, ). 2. Données L imagerie satellitaire LANDSATest choisie pour la cartographie de l occupation du sol, elle offre un niveau de détail suffisant pour repérer les caractéristiques de la couverture terrestretout en offrant une couverture plus ou moins complète de la zone d action du REPSAHEL, généralement à plusieurs dates. La résolution spatiale des images utilisées est de 30 m (Encadré 1). LANDSAT, le programme américain de télédétection spatiale (géré par NASA et USGS) a été le premier programme civil d'observation de la Terre par satellite. Il a commencé avec le lancement du premier LANDSAT en 1972 et se poursuit encore actuellement avec LANDSAT 8 LDCM opérationnel à partir d Avril-Mai Les images acquises pour cet exercice proviennent de deux plateformes différentes : - LANDSAT 5, équipé de 2 capteurs multi-spectral (Multispectral Scanner - MSS et Thematic Mapper Plus - TM), elle effectue un survol complet de la planète en 16 jours. Chaque jeu d'image porte sur une étendue de 185 km, avec une résolution spatiale de 30 mètres (120m : Infrarouge thermique). 6

7 - LANDSAT 8 est équipé de 2 capteurs : "Operational Land Imager" (OLI) et "Thermal InfraRedSensor" (TIRS) et offre des résolutions de 15m, 30m et 100 m (panchromatique, multispectrale et thermique). Encadré 1 : Caractéristiques technique des capteurs utilisés Caractéristiques Landsat 5 Landsat 8 LDCM Instruments MSS et TM : radiomètre OLI et TIRS : radiomètre Bandes spectrales 0,45-0,52 µm 0,52-0,6 µm 0,63-0,69 µm 0,76-0,9 µm 1,55-1,75 µm 2,08-2,35 µm 0,433-0,453 µm 0,45-0,515 µm 0,525-0,6 µm 0,63-0,68 µm 0,845-0,885 µm 1,56-1,66 µm 1,36-1,39 µm 2,1-2,3 µm Infrarouge thermique 10,4-12,5 µm 10,3-11,3 µm µm Panchromatique - 0,5-0,68 µm Résolution Spatiale Générale : 30 m Infrarouge thermique :120 m Générale : 30 m Panchromatique : 15 m Infrarouge thermique : 60 m Résolution temporelle 16 jours 16 jours 3. Chaine de production Organisation générale Pour pouvoir gérer le grand nombre de données et pour que la chaine de production soit opérationnelle et performante, on doit dès le départ organiser notrechantier de travail. Il est recommandé de : 1. Garder deux (02) copie des données brutes (compressées) : une sur la machine et l autre sur un support externe (back-up). 2. Créer des répertoires par scène et par date : bandes initiales, composition multi-date (stacking), image classée On peut se référer aux scènes par leurs noms (Encadré 2). 7

8 Encadré 2 : Convention de nommage des Scènes Landsat Une Scène Landsat est constituée de : 11 bandes pour LANDSAT 8 (9 OLI + 2 TIR) 7 bandes pour LANDSAT 5 (7 TM) Le nommage des scènes et des bandes suit une structure standard : [Instrument] [Path] [Row] [Année] [Jour] [Station]_ [N de la bande] N.B : Les coordonnées WRS (Path&Row) permettent de localiser géographiquement chaque scène, ceci permet ainsi d identifier les prises des différentes dates. Pour chaque scène on a 2 dates : Saison sèche [Janvier Avril] et Saison humide [Juillet Octobre]. Tuilage des scènes Afin d éviter les effets de l éclairage lors de prises des scènes, on propose de découper chaque images en plus petites tuiles, les classer puis les mosaïquer. Un script va être développé à cet effet (et vous sera transmis), il faut donc numéroter ces tuiles et les mettre dans des sous-dossiers qui faits référence à la scène originale. Il est possible aussi d utiliser la grille des tuiles (vous sera transmis) comme masque. C est à dire lancer la classification sur une seule tuile à la fois. Figure 1: Tuilage des scènes Figure 2: Exemple d'arborescence de dossiers 8

9 4. Méthodologie La présente méthodologie tient compte des spécificités des données satellitaires utilisées ainsi que des produits escomptés. Elle combine l utilisation de deux techniques : la classification nonsupervisée et la photo-interprétation d images très haute résolution disponible gratuitement en ligne. 9

10 II. Processus de classification Les équipes concernées peuvent utiliser n'importe quel utilitaire de traitement et classification des images satellitaires. Cependant, pour des raisons pratiques et pédagogiques les illustrations utilisent l interface ENVI (version 4.7) 1. Ajout des bandes Dans la barre de menu principal ENVI, sélectionnez File > Open External File > Landsat > GeoTIFF (1), naviguez jusqu'au dossieroù vous avez mis votre scène (tuiles) et sélectionnez les bandes voulues (2). Nous allons utiliser une combinaison de 4 bandes par date: Visible + Proche inrarouge (rouge, vert, bleu, PIR) (3) c est-à-dire les bandes 5,4,3,2 pour Landsat 8 et 4,3,2,1 pour Landsat 5. (1) (2) Figure 3: Ajout des bandes On ajoute maintenant à la liste les bandes RVB et PIR de la date 2 (Saison humide). Encadré 3 : Signature spectrale des différents objets : (3) Figure 4: Les 8 bandes ajoutées 10

11 2. Regroupement des bandes La classification multi-date consiste à traiter simultanément des canaux prévenants de différentes dates afin de prendre en compte les variations des paysages entre les saisons. Cette étape consiste donc à construire un fichier qui regroupe toutes les bandes ajoutées (Layer Stacking), ce fichier sera utilisé dans le reste du traitement (lancer la classification sur les 8 bandes). Menu Basic Tools > Layer Stacking > Import File (pour ajouter les 8 bandes) Figure 5: Regroupement des bandes 11

12 3. Classification non-supervisée Dans cette approche, l'ordinateur analyse l'ensemble des signatures spectrales de tous les pixels de l'image, et détermine des groupements naturels, c'est-à-dire regroupe les pixels sur la base de signatures spectrales similaires. On effectuera une classification non supervisée de l'image précédemment créée et ce, en utilisant l'algorithme K-means, et le module Classification >Unsupervised> K-means. La méthode des K-means (Encadré 4)est une méthode de classification géométrique bien adaptée aux espaces vectoriels de grande dimension. Elle est d'ailleurs régulièrement utilisée pour effectuer des classifications non-supervisées d'images multispectrales. Encadré 4 : Principe de la méthode K-means : Source : UMR TETIS Cemagref-CIRAD-ENGREF (2007) 12

13 Figure 6: Donnée d'entrée de la classification L'algorithme des K-means s'efforce de trouver les centroïdes les plus représentatifs de l espace de données depuis itérativement groupe les pixels dans la classe la plus proche à l'aide d'une technique de distance minimale. Chaque itération recalcule des nouvelles moyennes de classes et reclasse les pixels par rapport ces nouvelles moyennes. Ce processus se poursuit jusqu'à ce que le nombre de pixels dans chaque classe varie de moins du seuil de changement sélectionné ou le nombre maximum d'itérations soit atteint. L'algorithme des K-means requiert donc comme paramètres d'entrée : (1) Nombre de classes= 50 (2) Seuil de changement = 0.1 % (3) Nombre d'itérations : 50 (4) Nom de fichier de sortie : _kmean Remarque : Selon la puissance de votre ordinateur, cette étapenécessite environ ½ heure (voire plus). Figure 7: Paramètres de la méthode K-means 13

14 Résultat de la classification Le résultat est un fichier raster mono-canal qui représente les différents groupements des pixels (classes) dégagés par l algorithme de classification automatique. Figure 8: exemple de fichier généré 4. Identification des classes Le raster généré donne des noms par default aux classes (class1, class2,...). Dans cette étape on va les identifier avec leurs «vrais noms» (conformément à la légende arrêtée Encadré 5 et Annexe 1). Pour ce faire, des sources externes peuvent être utilisées pour la spatio-interprétation, nous utilisons dans cet exercice les images très haute résolution de Google Earth ou BING. Etape 1 : Photo-interprétation (comparaison avec des images très haute résolution) Méthode 1 : en utilisant ENVI et Google Earth Avec SPEAR TOOLS d ENVI on a deux possibilités (figure 9): - Option (1) Exporter l emprise de la classification vers Google Earth. - Option (2) Exporter le fichier entier de la classification au format KML vers Google Earth. Apres la superposition de notre classification avec les images GE, on procède à l identification des noms des classes (on peut s appuyer aussi sur des cartes topographiques ou thématiques existantes) 14

15 Figure 9: Comparaison avec les images Google Earth 15

16 Méthode 2 : en utilisant ArcGIS et BING MAPS Cette méthode consiste à ouvrir notre fichier de classification sur ArcGIS (version 10.0 ou supérieur) et comparer les résultats avec les images très haute résolution de BING MAPS. Pour pouvoir lire le fichier ENVI sur ArcGIS il faut lui changer l extension en *.DAT (renommer le fichier en «205048_kmean.dat»). Sur ArcGIS : on insert deux blocs de données (data frames) Insert > Data Frame, un pour la classification et l autre pour l imagerie BING (Add Data >Add Base MapouAdd Data from ArcGIS Online). On synchronise ensuite les deux vuesen passant en mode mise en page (Layout). On peut maintenant identifier nos classes en se basant sur les images BING et en modifiant les noms à partir de la liste des couches Figure 10: Synchronisation des deux vues 16

17 Etape 2 : Changementdes noms des classes (suite de la méthode 1) Si vous avez choisi la méthode 1, vous devez changer le nom de chaque classe identifiée en modifiant les attributs de la classification. Cette option est accessible à partir de la boite Available Bands List : Edit Header>Edit Attributes> Classification Info Figure 11: Changement des noms des classes 17

18 Encadré 5 : Légende - nom des classes Classes Forêt claire Forêt dense Forêt galerie de type guinéen Forêt galerie de type sahélien Savane arborée Savane boisée Savane arbustive Savane herbacée Steppe arborée Steppe arbustive (épineux) Steppe herbacée Affleurement rocheux Glacis Etendue dunaire Plage Culture céréalière Culture maraîchère Arboriculture Riziculture / Pisciculture Plan d'eau douce Plan d'eau saumâtre ou salée Cour d eau Bâtis 18

19 5. Fusion des classes Après l étape de spatio-interprétation, on remarquera que certains types d occupation de sol sont représentés par plusieurs classes. Pour éviter ces redondances, on doit combiner (fusionner) certaines classes. Classification > Post Classification > Combine Classes Figure 12: Fusion des classes III. Validation des résultats de la classification 1. Export vers un format raster (GeoTiff) Une fois qu on a effectué la classification d'image et dans le besoin d'évaluer la précision du travail, on a besoin d'exporter ce fichier versun format raster utilisé par les logiciels SIG (pour cet exemple : GeoTIFF). Dans la barre de menu principal, sélectionnez File > Save as >GeoTiff et sélectionnez votre classification. 19

20 Figure 13: Export GeoTIFF 2. Dernière vérification et élaboration d une matrice de confusion Dans cette étape, Nous utiliserons les données très hautes résolution disponible gratuitement sur «Google Earth» ou «Bing Maps» pour effectuer une dernière vérification des résultats et élaborer la matrice de confusion. Pour ce faire, on peut utiliser le logiciel SIG open source «QuantumGIS (1)» avec son plug-in «OpenLayers» qui permet d afficher les images très hautes résolution comme fonds de plan. Remarque : cette fonctionnalité est disponible dans ArGIS 10 : outil «Basemaps» La première étape est d installer le plugin, à partir de la barre de menu principale de QGIS : Extension > Installateur d extensions python Le logiciel fait alors automatiquement la liste de toutes les extensions qu il trouve dans les dépôts en ligne. On va filtrer cette liste avec le mot clé Openlayers, on sélectionne Openlayers plugin et on l installe. 20

21 Figure 14: installation d une nouvelle extension pour QGIS Par défaut les extensions ajoutées à l'aide de l'installateur d'extensions sont activées. Pour vérifier les extensions actives, ouvrir le gestionnaire d'extensions avec la commande Extension > Gestionnaire d'extensions. Notre extension est prête à être utilisée à partir du menu «Extension», on peut choisir entre plusieurs fonds disponibles (Google sattelite et Bing Arial sont les plus adaptés à notre besoin) (1) QuantumGIS est disponible au téléchargement à l adresse suivante : 21

22 Figure 15: lancement du plugin OpenLayers Maintenant il faut ajouter notre classification au format shapefile. Pour ajouter un vecteur, allez dans le menu Couche > Ajouter une couche rasteret choisissez le fichier geotiff exporté. Figure 16: Ajout de la couche raster 22

23 On a maintenant les deux couches superposées, il faut donc naviguer, zoomer et vérifier les classes d occupation du sol par rapport aux images de très haute résolution de Google Earth (ou Bing Aerial). Figure 17: Superposition des 2 couches A la fin de cette étape et en s appuyant sur d autres données de références (vérifications terrain, cartes ), on peut élaborer les matrices de confusion pour estimer le pourcentage et le nombre de pixels correctement classés à l intérieur de chaque zone test. La matrice de confusion (Encadré 6) sert à évaluer la qualité d'une classification. Elle est obtenue en comparant les données classées avec des données de référence qui doivent être différentes de celles ayant servi à réaliser la classification. Encadré 6 : Principe d une matrice de confusion : Classification Référence Classe 1 Classe i Classe n Total lignes Classe 1 x11 x1i x1n N1 Classe i xi+ xii x+i Ni Classe n xn1 xni Xnn Nn Total colonnes M1 Mi Mn N 23

24 IV. Mise en forme et production des cartes 1. Mosaïquage des tuiles Apres le traitement et la classification des tuiles séparément, il est temps de les regrouper dans un seul raster. On utilise l utilité gdal_merge disponible à partir du Quantum GIS via le menu : Raster > Divers > Fusionner. Il s agit tout simplement de mettre toutes les tuiles classées en tant que Fichiers Source(1) puis préciser le nom et le format du Fichier de sortie(2) et lancer le traitement(3). Figure 18:Mosaïquage des tuiles 2. Habillage des cartes Pour produire la version papier des cartes, on propose de découper le produit en feuilles à une échelle de 1/ (ce découpage peut être adapté selon les normes nationales). Les couleurs attribuées aux différentes classes d occupation du sol doivent être bien évidement conformes à la légende arrêtée. En outre il faut ajouter les différents éléments de la mise en page : Titre, N de la feuille, l'échelle, les éléments d'orientation et de localisation, la légende, la projection cartographique utilisée, les sources, les logos, copyrights 24

25 A titre d exemple, vous trouvez ci-dessous un habillage d une carte d occupation du sol au 1/ élaborée par le consortium BRGM-FIT pour le programme du système d information pour le développement rural et l aménagement de territoire (P-SIDRAT) du Tchad. Figure 19: Exemple d'habillage d'une carte 25

26 Conclusion L un des objectifs du projet REPSAHEL est la production de cartes sur la base d une approche harmonisée, qui devrait par ailleurs aboutir à des produits homogènes et comparables entre les différents pays impliqués dans le projet. Pour ce faire, une démarche commune de contrôle qualité doit être suivie. L étude sur cette démarche est en cours d élaboration et permettrait ainsi d évaluer la pertinence du produit final ainsi que toutes les étapes d élaboration des cartes. La méthodologie de cartographie de l occupation du sol décrite dans ce manuel est apte à être adaptée par les équipes nationales chargées de la cartographie tout en tenant compte des outils disponibles et des normes appliquées dans leurs pays. Les cartes d occupation du sol élaborées serviront à alimenter les bases de données géographiques nationales permettant ainsi d appréhender les tendances des changements de la couverture terrestre tout en les comparant avec des produits antérieurs. L information portée par les cartes demeure d importance capitale pour les acteurs du développement durable tant au niveau national que local. Les cartes d occupation des sols constituent l'un des principaux intrants pour l'analyse de la vulnérabilité des écosystèmes et des populations en vue de mieux identifier les alternatives et options de renforcement de leurs résilience au Changement Climatique. Pour assurer la durabilité et l efficacité de cette information et pour pouvoir l intégrer dans les divers systèmes de circulation de l information, il est primordial de prévoir une documentation précise sur les méthodologies de production, les spécifications et les modalités d utilisation et ce, à travers l élaboration des fiches de métadonnées détaillées. Enfin et de par son souci d appuyer ses pays membres et plus particulièrement ceux impliqués dans le projet REPSAHEL, l OSS assurera le soutien technique nécessaire pour le démarrage du processus de cartographie, le suivi périodique des activités et la validation du produit, qui fera l objet d un atelier national de restitution. 26

27 Annexe 1 Légende arrêtée Classe Forêt claire Forêt dense Descriptif Végétation ligneuse de stature moyenne, à couvert ouvert et clair, et laissant largement filtrer la lumière. La plupart des espèces a le feuillage caduc. La strate graminée est en général peu dense ou en mélange avec une autre végétation herbacée. Le sous-bois est ordinairement discontinu et très largement ouvert ou nul. Le volume est compris en 60 et 100 m3/ha. Dans les formations non dégradées, la hauteur dominante est supérieure à 12 m (source Normes Techniques d'inventaire forestier, DNEF-Mali). Ce type de forêt ne se situe pas sur le réseau hydrographique. Ce type de forêt aurait les mêmes caractéristiques que les forêts galeries mais éloignées du réseau hydrographique. Forêt galerie de type guinéen Forêt galerie de type sahélien Savane arborée Végétation à couvert fermé, de stature moyenne, constituée de plusieurs strates qui forment un couloir de verdure accompagnant les cours d'eau permanents et temporaires ou les dépressions de terrain en zone d savane. Elle forme une frange étroite, large de 30 à 180 m à couvert transversalement non interrompu et à voûte nettement nettement plus supérieure à celle des peuplements avoisinants. Le volume moyen dans ces types de formation est compris entre 90 et 250 m3/ha. La hauteur dominante est souvent supérieure à 17m (source Normes Techniques d'inventaire forestier, DNEF-Mali). Ce type de végétation se trouve dans la zone guinéenne et pré-guinéenne. Mêmes caractéristiques que plus haut mais présentes dans les zones soudanienne et sahélienne Les arbres et arbustes sont disséminés parmi le tapis graminéen, ils sont moyennement nombreux et atteignent 6 à 8 m de haut, exceptionnellement plus. Le Volume moyen est inférieur à 20 m3/ha et la hauteur dominante supérieure à 7m (source Normes Techniques d'inventaire forestier, DNEF-Mali). Les formations végétales dues à l action humaine sont les savanes verger ou savanes parc. Ce type de végétation apparait dans la limite de l aire de Vitellariaparadoxa, Parkiabiglobosa et Faidherbiaalbida, dans des zones d agriculture permanente ou à jachère courte. Ces trois espèces ont en commun d être considérées comme des arbres utiles et donc d être protégées lors des défrichements. Lors des mises en cultures et jachères successives, ils sont préservés du défrichement, ce qui explique qu à la longue ils soient les seuls arbres présents. La formation se présente sous l aspect d un peuplement modérément dense, parsemé d arbres de taille moyenne (quelque fois très gros) appartenant aux espèces citées plus haut dans leur grande majorité. Ce peuplement domine une culture (mil, sorgho, arachide) ou bien un recrû arbustif composé essentiellement d héliophiles pionnières (PIRL). savane boisée Arbre et arbuste y forment un couvert généralement clair qui laisse largement pénétrer la lumière. La hauteur de la strate arborescente est de 8 à 13m, exceptionnellement plus. Les arbres y sont plus nombreux qu'en savane arborée. Le volume moyen est supérieur à 20m 3/ha et la hauteur dominante supérieure à 7m. (source Normes Techniques d'inventaire forestier, DNEF-Mali). Savane arbustive Les végétaux ligneux sont représentés presque uniquement par les arbustes et arbrisseaux, disséminés dans le tapis graminéen continu. Le volume est inférieur à 20 m3 et la hauteur dominante inférieure à 7m. 27

28 Classe Descriptif Savane herbacée Steppe arborée (ou arbustive) : Formation herbeuse, à couvert très irrégulier, où les petits arbres, arbustes et arbrisseaux sont présents. Le volume moyen est inférieur à 10 m3/ha et la hauteur dominante est inférieure ou égale à 7m (source Normes Techniques d'inventaire forestier, DNEF-Mali). Pour le Nord-Mali, la steppe arborée / arbustive est une formation issue de la dégradation des fors claires et, bien souvent, maintenue par les feux de brousse. Elle est la formation végétale la plus fréquente de l'ensemble de la zone soudanienne Elle est caractérisée par une strate continue de graminées héliophiles de la famille des Andropogonées dominée par une strate ligneuse ouverte. Son couvert, dépassant rarement les 15% est constitué des espèces les plus tolérantes de la forêt claire de hauteur inférieure et supérieure à 7 m comme Burkéaafricana, Combretumspp., Terminaliaspp., Pterocarpuserinaceus, Bombax costatum, Danielliaoliveri, etc. (source Normes Techniques d'inventaire forestier, DNEF-Mali). Steppe arbustive (épineux) Steppe herbacée (/graminéenne) : Végétation herbacée et / ou graminéenne où les végétaux ligneux sont pratiquement absents (source Normes Techniques d'inventaire forestier, DNEF-Mali). Affleurement rocheux Glacis Etendue dunaire Plage Présents dans les plaines ce sont des sols endurés où la végétation est absente Concernent les formations dunaires présentes dans la zone désertique Sableuses et rocheuses Culture céréalière Culture maraîchère Arboriculture Riziculture / Pisciculture Plan d'eau douce Plan d'eau saumâtre ou salée Cour d eau Estuaires, marais salants, lagunes, lacs Fleuve, rivière bâtis 28