Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

MINISTERE DE L’EDUCATION NATIONALE REPUBLIQUE DU MALI DE L’ENSEIGNEMENT SUPERIE

MINISTERE DE L’EDUCATION NATIONALE REPUBLIQUE DU MALI DE L’ENSEIGNEMENT SUPERIEUR ET -------------------- DE LA RECHERCHE SCIENTIFIQUE UN PEUPLE - UN BUT - UNE FOI ********************************** UNIVERSITE DES SCIENCES SOCIALES ET DE GESTION DE BAMAKO (USSGB) ********************************** FACULTE D’HISTOIRE ET DE GEOGRAPHIE (FHG) DER GEOGRAPHIE MASTER GEO_GATE MASTER I : GEOMATIQUE, AMENAGEMENT ET GESTION DES TERRITROIRE THEME Analyse Spatiale et multicritères de la vulnérabilité des communes de Bougouni Février 2020 Rapport de l’Analyse spatiale : Préparé et présenté par DIAKITE Nouhoum Professeur chargé du cours : Dr TRAORE Souleymane 1 F H G TABLE DES MATIERES I INTRODUCTION……………………………………………………………………..3 II METHODOLOGIE…………………………………………………………………...3 1. Présentation de la zone d’étude………………………………………………...3 2. Outils utilises……………………………………………………………………5 3. Description des données utilisées………………………………………………5 4. Démarche utilisée……………………………………………………………….6 III RESULTATS……………………………………………………………………...…6 5. Discussion……………………………………………………………………....14 6. Perspectives…………………………………………………………………......14 IV CONCLUSION……………………………………………………………………...14 REFERENCES……………………………………………………………………….…15 2 I-INTRODUCTION Vaste pays sahélien enclavé au cœur de l’Afrique de l’Ouest, le Mali vit dans une situation d’insécurité chronique et de vulnérabilité généralisée, principalement structurelle. Cette situation est liée à la pauvreté endémique, au caractère rudimentaire des systèmes de production, à l’insuffisance des aménagements dans le secteur de l’agriculture, de l’élevage. A cela s’ajoute une vulnérabilité liée aux aléas climatiques qui occasionnent des crises alimentaires conjoncturelles récurrentes. Dans le cadre de l’étude de la vulnérabilité à multicritères des communes de Bougouni dans la région de Sikasso le contexte de l’étude est de déterminer les communes qui sont en manque d’infrastructure socio économique et éducative pour leur développement et les faibles rendements lier aux alea climatique. Objectif Générale de l’étude est de caractériser le paramètre lié à la vulnérabilité des communes de Bougouni. Comme objectif spécifiques Calculer le Niveau de vulnérabilité de chaque commune de Bougouni. Avec ce résultat faire une représentation cartographique et multicritères des communes vulnérables dans Bougouni. II-METHODOLOGIE 1. Présentation de la zone d’étude Le cerclé de Bougouni est une collectivité territoriale du Mali dans la région de Sikasso situé à 170 km au sud-est de Bamako et 210 km à l’ouest de Sikasso (figure.1). Il compte 26 communes Bougouni est la quatorzième commune créée par les colonisateurs français au Soudan Le10 juillet 1894, Bougouni devient capitale administrative avec l’installation de son premier administrateur, le lieutenant Gouraud. La ville de Bougouni détenait un fonds important d'archives coloniales qui ont disparu dans un incendie lors des événements de mars1991 mettant fin à la dictature de Moussa Traore 3 Zone d’étude : Figure1 : Zone d’étude cercle de Bougouni dans la région de Sikasso 4 2. Outils utilisés Arcgis : utilisé pour la création et l’extraction des données de NDVI de température de pluviométrie et la cartographie des principaux facteurs de vulnérabilité de la commune de Bougouni. Excel : utilisé pour la création de la table d’information extraite de la base de donne, les différents calculs de normalisation, l’analyse en composante principale, et l’analyse de classification ascendante hiérarchique. World : utilisé pour la saisie du rapport (commentaire des différents résultats, cartes et tableaux). 3. Description des données utilisées : Dans le tableau (1) se trouvent les donnée leurs descriptions. Ce sont principalement les données de températures moyennes annuelles, du cumul de pluviométrie annuelle, de la situation des marchés agricoles du Mali, des d’indices normalisés de différenciation de la végétation (NDVI), Tableau.1 : Données utilisées Données Description Source NDVI Données d’indice normalisé de différenciation de la végétation Spot Végétation 1km Température Issues des mesures réelles de 20 stations synoptiques et spatialisées pour extraire les températures moyennes des autres stations où il n’y’avait pas de données Station du Mali Pluviométrie Issues des données d’estimation de la pluie du capteur ARC-2 (African RainfallClimatology version 2). Il s’agit des données journalières qui ont été combiné pour donner les valeurs annuelles de pluviométrie pour toutes les stations. ARC-2 Marché Situation des marchés agricoles du Mali OMA Ecole Situation des écoles du Mali MDRI Sante MDRI Population Les données de populations proviennent de la base de données du RGPH de 2009. Ces chiffres ont été actualisé pour 2015 et utilisé dans les travaux RGPH, 2009 Statistique agricole Production des céréales du coton par habitants FAO, 2010 4. Démarche utilisée : 5 Pour la réalisation de l’étude, nous avons procédé grâce au logiciel Arcgis défini l’entité de Bougouni et communes en fichier Shape file à partir de la base admin. Il a été ensuite déterminé la zone d’étude (Bougouni) sur l’image NDVI Spot végétation pour procéder au calcul des valeurs brutes NDVI qui ont été converties en valeurs réelles. De ces données il a été défini le minimum, le maximum, et le calcul la moyenne l’ecartype et le coefficients de variation. Ces différents résultats on été organisées dans Excel pour procéder aux différentes analyses statistiques (ACP ; CAH) Une base de données géographique a été ainsi développée dans ArcGis comprenant en plus des données citées dessus celles de la santé, des marchés, des écoles et des points d’eau. An final, une représentation cartographique est ensuite faite pour montrer les différentes communes vulnérables dans le cercle de Bougouni III RESULTATS: Selon le tableau 2, pour les corrélations positives on constate une bonne corrélation entre la Moyenne NDVI et le Minimum NDVI (0,843) ; entre la Moyenne NDVI, la pluie et le Minimum NDVI une corrélation de plus de 0,5 et une bonne corrélation entre la population en 2020 et les différentes infrastructures socio-économiques éducatives (école, santé, marché point d’eau). Entre l’écart type et le Maximum NDVI la corrélation est de 0,501 et celle entre le taux d’occupation et la production par habitant nous avons 0,688 Pour les corrélations négatives nous pouvons citer pour les plus marquantes : Celle entre la Moyenne NDVI et la covariance NDVI qui est de l’ordre -0,605, entre le Minimum NDVI et l’écart type (-0,667), entre le Minimum NDVI et la covariance NDVI (- 0,822), entre la température et la pluie (-0,727), entre la production et la population 2020 (- 0,671) et production et les différentes infrastructures socio-économiques éducatives (école, santé, marché point d’eau) 6 Tableau 2 : Matrice de corrélation de spearman Variables Moy_NDVI Max_NDVI MIN_NDVI StdNDVI CoVNDVI Taux_occ Pluie Temp Pop2020 Densité2020 Ecole Santé Eau Marché Prod_hbt Moy_NDVI 1 0,465 0,843 -0,411 -0,605 -0,416 0,538 -0,245 -0,193 -0,421 -0,082 -0,138 -0,288 -0,115 -0,126 Max_NDVI 0,465 1 0,097 0,501 0,311 -0,230 0,225 0,064 -0,257 -0,376 -0,204 -0,087 -0,319 -0,210 -0,020 MIN_NDVI 0,843 0,097 1 -0,667 -0,822 -0,368 0,592 -0,423 -0,004 -0,217 0,077 0,011 -0,161 -0,052 -0,158 STD_NDVI -0,411 0,501 -0,667 1 0,936 0,131 -0,201 0,091 -0,149 0,019 -0,208 -0,092 -0,118 -0,282 0,056 CoVNDVI_norm -0,605 0,311 -0,822 0,936 1 0,212 -0,361 0,201 -0,082 0,115 -0,120 -0,039 0,009 -0,128 0,104 taux occupation sol -0,416 -0,230 -0,368 0,131 0,212 1 -0,102 -0,073 -0,214 0,458 -0,314 -0,341 -0,261 -0,323 0,688 Pluie_normalise 0,538 0,225 0,592 -0,201 -0,361 -0,102 1 -0,727 -0,202 -0,225 -0,075 -0,333 -0,386 -0,378 0,001 Temperature -0,245 0,064 -0,423 0,091 0,201 -0,073 -0,727 1 0,170 -0,112 0,054 0,231 0,274 0,375 -0,045 Pop2020_Norma -0,193 -0,257 -0,004 -0,149 -0,082 -0,214 -0,202 0,170 1 0,515 0,907 0,648 0,860 0,575 -0,671 Densité2020 -0,421 -0,376 -0,217 0,019 0,115 0,458 -0,225 -0,112 0,515 1 0,395 0,349 0,451 0,246 -0,179 NBEcole -0,082 -0,204 0,077 -0,208 -0,120 -0,314 -0,075 0,054 0,907 0,395 1 0,645 0,874 0,672 -0,634 Santé -0,138 -0,087 0,011 -0,092 -0,039 -0,341 -0,333 0,231 0,648 0,349 0,645 1 0,687 0,673 -0,419 Point_Eau -0,288 -0,319 -0,161 -0,118 0,009 -0,261 -0,386 0,274 0,860 0,451 0,874 0,687 1 0,698 -0,590 Marché -0,115 -0,210 -0,052 -0,282 -0,128 -0,323 -0,378 0,375 0,575 0,246 0,672 0,673 0,698 1 -0,408 Prod_hbt_norma -0,126 -0,020 -0,158 0,056 0,104 0,688 0,001 -0,045 -0,671 -0,179 -0,634 -0,419 -0,590 -0,408 1 7 Tableau 3 : Variance expliqué par le modèle pour les échantillons Facteurs Valeur propre Variabilité % Cumulative % F1 5,054 33,694 33,694 F2 3 ,883 25,887 59,580 F3 2,083 13,885 73,446 F4 1,510 10,067 83,533 Composantes et variables Contribution en % Variance expliquative Socio Economimique 33,64 Pop2020 16,075 Ecole 15,265 Santé 12,287 Eau 17,636 Marché 12,597 Pord_hbt_norm 8,313 Climat Environementale 25,887 Moy_NDVI 17,301 Min_NDVI 22,999 STD_NDVI 13,677 COV_NDVI_norm 18,910 Pluie_norm 9,609 Demographie Environementale 13,885 Max_NDVI 29,718 Taux_occ_sol 21,142 Densité2020 12,873 Température 10,067 Temperature 32,661 Variance totale expliqué par la structure totale en% 83,533 Le tableau (3) expliqué la variance par le model pour les échantillons les valeurs de variance vont à 84 % de ma variabilité de satisfaction 8 Tableau 4 : Tableaux des différents facteurs de vulnérabilité Nom commune f1 f2 f3 f4 BELENI (ou DEBELEN) 1 1 1 1 BLADIE-TIEMALA 1 1 2 2 BOUGOUNI COMMUNE 2 1 3 3 CHANTOULA (ou SIENTOULA) 3 1 1 2 DANOU 2 2 1 2 DEFINA 3 1 1 2 DOGO 3 1 1 2 DOMBA 2 2 1 1 FARADIELE 3 1 1 3 FARAGOUARAN 3 1 1 3 GARALO 1 3 1 2 KELEYA 1 2 3 2 KOKELE 3 1 1 3 KOLA 3 1 1 2 KOUMANTOU 3 1 1 2 KOUROULAMINI 1 1 2 3 MERIDIELA 2 3 3 2 OUROUN 1 1 2 2 SANSO 1 1 3 3 SIBIRILA 2 3 1 2 SIDO 2 1 2 3 TIEMALA BANIMONOTIE 2 2 1 2 WOLA 2 1 1 3 YININDOUGOU uploads/Geographie/ diakite-nouhoum.pdf