|
Application de la modélisation spatiale multifactorielle pour l?évaluation de la dynamique et la vunérabilité des écosystèmes forestiers face aux changements globaux: cas de la forêt de maâmora( Télécharger le fichier original )par Koffi Dodji NOUMONVI Ecole Nationale Forestière d'Ingénieurs (ENFI-Salé) - Ingénieur des eaux et forêts, option: Géomatique des ressources naturelles 2015 |
2014 ÏæÏÍ ìáÇ 41% ÉÈÓäÈ ÖÇÎäÇ Çåíáí 34 %ÉÈÓäÈ ØäÓáÇ ÉÍÇÓã ÚÇÊÑÇ æ 2014 ÉíÇÛ ìáÇ 11 %ÉÈÓäÈ ßááÐ ÑÓí ÉíÓÇÓÍ ÑËßáÇ æå Çåäã ÉíÑÇÞáÇ äÇ ÇíáÌ äíÈÊ ÏÞ ÉíÌÑÍáÇ ÉíÌæáæßáÇÇ ãÙäáÇ ÉíÓÇÓÍÈ ÞáÚÊí Çãí ÉíÈíßÑÊáÇ ÉíÓÇÓÍáÇ äÇ íÖä áÇÈÞÊÓã ÏÇÏÒÊ ÇåÊíÓÇÓÍ äÇ Çãß )å( æ )Ï( ÊÇäæÊäÇßáÇ äã äíááÇ ÑÌÔá ÁÇÊÎÇÈ
ÇÚÇÊÑÇ ÑÊßÇ ìáÇ ÉØÓæÊã ÉíÓÇÓÍ äã áÞÊäÊ ÊÇÚæãÌãáÇ áß äÇ ÊÇÑíÛÊ ÉÑæãÚã ÉíßíãÇäíÏ ÑííÇÚãáÇ ÏÏÚÊã íäÇßã áíáÍÊ ÉíæÈÇÛ ÉíÌæáæßíÇ ãÙä ÉíÓÇÓÍ : 4+lis.%a11 ûLa1111 .ÉíÎÇäã vi SOMMAIRE
i ii Résumé iii Abstract iv v LISTE DES FIGURES x LISTE DES TABLEAUX xii LISTE DES ANNEXES xii LISTE DES ABBREVIATIONS xiii INTRODUCTION 1 Chapitre 1 : LES CHANGEMENTS CLIMATIQUES ET LA VULNÉRABILITÉ DES ÉCOSYSTÈMES FORESTIERS 3 1.1 Les changements climatiques : aspects généraux, causes et conséquences, cas du Maroc 3 1.1.1. Aspects généraux 3 1.1.2 Causes des changements climatiques 4 1.1.3. Conséquences des changements climatiques 5 1.1.4. Le Maroc et les changements climatiques 6 1.1.4.1. Les impacts des changements climatiques au Maroc 6 1.1.4.1.1. Sur les ressources en eau 6 1.1.4.1.2. Sur l'agriculture 6 1.1.4.2. Mesures prises contre les changements climatiques au Maroc 7 1.2. Vulnérabilité des écosystèmes forestiers aux changements climatiques 7 1.2.1. Définitions 7 1.2.1.1. Ecosystèmes forestiers 7 1.2.1.2. Vulnérabilité 8 1.2.2. Généralités sur la vulnérabilité des écosystèmes forestiers face aux changements climatiques 9 1.2.3. Quelques méthodes d'évaluation de la vulnérabilité des écosystèmes forestiers face aux changements globaux 10 1.2.3.1. Les Systèmes Experts 10 1.2.3.2. L'analyse spatiale multicritère 11 Chapitre 2 : LA FORÊT DE LA MAÂMORA 13 2.1. Présentation de la forêt 13 2.1.1. Situation géographique, administrative et forestière 13 VII 2.1.2. Climat 14 2.1.3. Topographie 16 2.1.4. Pédologie 16 2.1.5. Hydrographie 17 2.1.6. Végétation forestière 17 2.1.7. Faune 18 2.1.8. Activités anthropiques 18 2.2. Aperçu sur la gestion antérieure de la forêt 19 2.2.1. Plan dit de "Sauvetage" (1918 - 1950) 19 2.2.2. Aménagement VIDAL (1951-1971) 19 2.2.3. Aménagement Danois (1973-1992) 20 2.2.4. Aménagement sylvo-pastoral (FAO 1993-2012) 21 2.2.5. Aménagement en vigueur (A partir de 2013) 22 Chapitre3 : APPROCHE METHODOLOGIQUE 24 3.1. Sources de données et Outils de traitement 24 3.1.1. Sources de données 24 3.1.2. Outils de traitement 24 3.2. Analyse de la dynamique de la forêt 25 3.2.1. Cartographie de la répartition des principales espèces 26 3.2.1.1. Choix des classes 26 3.2.1.2. Classification des images 26 3.2.2. Détection du changement 28 3.3. Evaluation de la vulnérabilité 29 3.3.1. Identification et caractérisation des facteurs considérés 30 3.3.1.1. Le type de sols 30 3.3.1.2. La pente du terrain naturel 31 3.3.1.3. La profondeur du plancher argileux ou l'épaisseur du sable 32 3.3.1.4. La pente du plancher argileux 33 3.3.1.5. Le déficit hydrique 34 3.3.1.6. La continentalité 36 3.3.1.7. Les besoins en bois de feu 37 3.3.1.8. La pression pastorale 37 3.3.1.9. La densité de la population 38 3.3.1.10. L'âge des peuplements ou le vieillissement 38 3.3.1.11. L'état sanitaire de la forêt 38 3.3.2. Combinaison des différents facteurs 38 VIII 3.3.2.1. Aperçu sur la méthode AHP 39 3.3.2.2. Vulnérabilité des écosystèmes forestiers de la forêt de Maâmora en 2010 41 3.3.2.3. Vulnérabilité des écosystèmes forestiers de la forêt de Maâmora aux horizons 2045 et 2070 42 Chapitre 4 : RESULTATS ET DISCUSSIONS 43 4.1. Analyse de la dynamique des écosystèmes forestiers 43 4.1.1. Cartes et tableaux issus de la classification et du contrôle 43 4.1.2. Analyse et interprétation des changements 50 4.1.3. Facteurs de changements 58 4.2. Evaluation de la vulnérabilité des écosystèmes forestiers 60 4.2.1. Seuillage et spatialisation des différents facteurs 60 4.2.1.1. Le type de sols 60 4.2.1.2. La pente du terrain naturel 61 4.2.1.3. Epaisseur du sable 62 4.2.1.4. Pente du plancher argileux 63 4.2.1.5. Le déficit hydrique 63 4.2.1.6. La continentalité 64 4.2.1.7. Besoins en bois de feu 65 4.2.1.8. Pression pastorale 66 4.2.1.9. La densité de la population 67 4.2.1.10. Le vieillissement 68 4.2.1.11. L'état sanitaire de la forêt 69 4.2.2. Vulnérabilité des écosystèmes forestiers en 2010 70 4.2.2.1. Vulnérabilité factorielle biophysique 70 4.2.2.2. Vulnérabilité factorielle climatique 71 4.2.2.3. Vulnérabilité factorielle anthropozoogène 72 4.2.2.4. Vulnérabilité factorielle sylvicole 73 4.2.2.5. Vulnérabilité synthétique à l'année de référence (2010) 74 4.2.3. Vulnérabilité des écosystèmes forestiers à l'horizon 2045 75 4.2.3.1. Le facteur climatique 75 4.2.3.2. Le facteur anthropozoogène 78 4.2.3.4. Le facteur sylvicole 79 4.2.3.5. Vulnérabilité synthétique à l'horizon 2045 81 4.2.4. Vulnérabilité des écosystèmes forestiers à l'horizon 2070 82 4.2.4.1. Le facteur climatique 82 4.2.4.2. Le facteur anthropozoogène 85 ix 4.2.4.4. Le facteur sylvicole 85 4.2.4.5. Vulnérabilité synthétique à l'horizon 2070 87 4.2.5. Discussions 88 CONCLUSION GENERALE 92 REFERENCES BIBLIOGRAPHIQUES 95 WEBOGRAPHIE 98 ANNEXES 99 X LISTE DES FIGURESFigure 1. L'effet de serre 4 Figure 2. Concept de base d'un système expert 11 Figure 3. Schéma simplifié de la modélisation spatiale multifactorielle 12 Figure 4. Situation générale de la forêt de Maâmora 13 Figure 5. Diagrammes ombrothermiques de Bagnouls et Gaussen 16 Figure 6. Comparaison entre la prévision et la réalisation des superficies à régénérer dans la subéraie de la Maâmora de 1992 à 2009. 22 Figure 7. Méthodologie de l'Analyse de la dynamique de la forêt. 25 Figure 8. Séparateurs à vaste marge. 27 Figure 9. Carte des groupes de la forêt de Maâmora. 30 Figure 10. Carte pédologique de la Maâmora. 31 Figure 11. Carte des pentes du terrain naturel de la Maâmora. 32 Figure 12. Carte de l'épaisseur du sable de la forêt de Maâmora. 33 Figure 13. Carte des pentes du plancher argileux de la forêt de Maâmora. 34 Figure 14. Carte des précipitations en forêt de Maâmora. 37 Figure 15. Echelle de Saaty (1977) pour la pondération des facteurs par paires. 39 Figure 16. Schéma de l'application de la modélisation spatiale multicritère pour l'évaluation de la vulnérabilité des écosystèmes forestiers de la forêt de Maâmora. 41 Figure 17. Carte de la répartition des principales essences forestières en Maâmora en 1987. 44 Figure 18. Carte de la répartition des principales essences forestières en Maâmora en 2000. 46 Figure 19. Carte de la répartition des principales essences forestières en Maâmora en 2014. 48 Figure 20. Superficie du chêne liège en Maâmora entre 1951 et 2011 52 Figure 21. Carte de changement de la forêt de Maâmora entre 1987 et 2000. 55 Figure 22. Carte de changement de la forêt de Maâmora entre 2000 et 2014. 56 Figure 23. Facteurs de changement en Maâmora. 59 Figure 25. Carte de vulnérabilité par groupe des écosystèmes de la Maâmora en considérant les classes de pente du terrain naturel. 61 l'épaisseur du sable. 62 pente de la couche d'argile. 63 nombre de jours de déficit hydrique. 64 l'effet de la continentalité. 65 déficit en bois de feu. 66 xi Figure 31. Carte de vulnérabilité par groupe des écosystèmes de la Maâmora en considérant la pression pastorale. 67 densité de la population. 68 l'âge des peuplements. 69 l'état sanitaire. 70 Figure 35. Carte de vulnérabilité factorielle biophysique. 71 Figure 36. Carte de vulnérabilité factorielle climatique (2010). 72 Figure 37. Carte de vulnérabilité factorielle anthropozoogène (2010). 73 Figure 38. Carte de vulnérabilité factorielle sylvicole (2010). 74 Figure 39. Carte de vulnérabilité synthétique des écosystèmes forestiers de la forêt de Maâmora aux changements globaux (2010) 75 Figure 40. Carte de vulnérabilité de la forêt au déficit hydrique, scénario 1 (2045). 76 Figure 41. Carte de vulnérabilité de la forêt au déficit hydrique, scénario 2 (2045). 77 Figure 42. Carte de vulnérabilité factorielle climatique de la forêt, scénario 1 (2045). 77 Figure 43. Carte de vulnérabilité factorielle climatique de la forêt, scénario 2 (2045). 78 Figure 44. Carte de vulnérabilité factorielle anthropozoogène de la forêt de Maâmora (2045). 79 Figure 45. Carte de vulnérabilité de la forêt due au vieillissement (2045). 80 Figure 46. Carte de vulnérabilité factorielle sylvicole de la forêt (2045). 80 Figure 47. Vulnérabilité synthétique de la forêt de Maâmora aux changements globaux en 2045, scénario climatique 1. 81 scénario climatique 2. 82 Figure 49. Carte de vulnérabilité de la forêt au déficit hydrique, scénario 1 (2070). 83 Figure 50. Carte de vulnérabilité de la forêt au déficit hydrique, scénario 2 (2070). 83 Figure 51. Carte de vulnérabilité factorielle climatique de la forêt, scénario 1 (2070). 84 Figure 52. Carte de vulnérabilité factorielle climatique de la forêt, scénario 2 (2070). 84 Figure 53. Carte de vulnérabilité factorielle anthropozoogène de la forêt de Maâmora (2070). 85 Figure 54. Carte de vulnérabilité de la forêt due au vieillissement (2070). 86 Figure 55. Carte de vulnérabilité factorielle sylvicole de la forêt (2070). 86 Figure 56. Vulnérabilité synthétique de la forêt de Maâmora aux changements globaux en 2070, scénario climatique 1. 87 scénario climatique 2. 88 XII LISTE DES TABLEAUXTableau 1. Précipitations et Températures moyennes mensuelles entre 1980 et 2013 15 Tableau 2. Evolution de la composition des peuplements entre le début et la fin de l'aménagement VIDAL 20 l'aménagement Danois 21 Tableau 4. Valeurs du facteur de correction F de la formule de Thornthwaite en Maâmora 35 Tableau 5. Signification de l'échelle de Saaty 40 Tableau 6. Précision globale et Coefficient Kappa des classifications 43 Tableau 7. Ventilation des superficies des principales espèces en 1987 45 Tableau 8. Ventilation des superficies des principales espèces en 2000 47 Tableau 9. Ventilation des superficies des principales espèces de la forêt en 2014 49 Tableau 10. Matrice de changement entre 1987 et 2000 50 Tableau 11. Matrice de changement entre 2000 et 2014 51 Tableau 12. Rythme de changement de la forêt entre 1987 et 2000 53 Tableau 13. Rythme de changement de la forêt entre 2000 et 2014 53 Tableau 14. Synthèse de l' évolution des superficies des principales espèces 57 Tableau 15. Classes de vulnérabilité des différents types de sols 60 Tableau 16. Classes de vulnérabilité des différentes classes de pente du terrain naturel 61 Tableau 17. Classes de vulnérabilité des différentes classes d'épaisseur de la couche d'agile 62 Tableau 18. Classes de vulnérabilité des différentes classes de pente de la couche d'agile 63 Tableau 19. Classes de vulnérabilité des différentes classes de déficit hydrique 64 Tableau 20. Classes de vulnérabilité selon la continentalité 65 Tableau 21. Classes de vulnérabilité selon le niveau de déficit en bois de feu 66 Tableau 22. Classes de vulnérabilité selon le niveau de pression pastorale 67 Tableau 23. Classes de vulnérabilité en fonction de la densité de la population 68 Tableau 24. Classes de vulnérabilité selon l'âge des peuplements 69 Tableau 25. Classes de vulnérabilité en fonction de l'état sanitaire de la forêt 70 Tableau 26. Poids d'agrégation des facteurs biophysiques 71 Tableau 27. Poids d'agrégation des facteurs climatiques 71 Tableau 28. Poids d'agrégation des facteurs anthropozoogènes 72 Tableau 29. Poids d'agrégation des facteurs sylvicoles 73 Tableau 30. Poids d'agrégation des vulnérabilités factorielles 74 Tableau 31. Bilan des superficies et pourcentages par catégorie de vulnérabilité 91 LISTE DES ANNEXESAnnexe 1. Données sur la pression anthropique (Besoin en bois de feu) par communes 99 Annexe 2. Données sur la pression pastorale par communes 99 Annexe 3. Note sur les scénarios RCP 100 xiii LISTE DES ABBREVIATIONSAHP : Processus d'Analyse Hiérarchique ASMC : L'analyse spatiale multicritère CC : Changement(s) Climatique(s) CCNUCC : Convention Cadre des Nations Unies sur les Changements Climatiques CDER : Centre de Développement des Energies Renouvelables CIAT : Comité interministériel pour l'aménagement du territoire CIEDE : Centre d'Information sur l'Energie Durable et l'Environnement CNCC : Comité National des Changements Climatiques CNST-CC : Comité National Scientifique et Technique sur les Changements Climatiques CNUED : Conférence des Nations Unies sur l'Environnement et le Développement CRTS : Centre Royal de Télédétection Spatiale CSEC : Conseil supérieur de l'Eau et du Climat DH : Déficit Hydrique DMN : Direction de la météorologie Nationale DREFLCD : Direction Régionale aux Eaux et Forêts et à la Lutte Contre la Désertification FAO : Food and Agriculture Organisation GES : Gaz à effet de serre GIEC : Groupe d'experts Intergouvernemental sur l'Evolution du Climat HCC : Humidité à la Capacité au Champ HCEFLCD : Haut-Commissariat aux Eaux et Forêts et à la Lutte Contre la Désertification HPF : Humidité au Point de Flétrissement INRA : Institut National de Recherche Agronomique IPCC : Intergovernmental Panel on Climate Change MMU : Minimum Mapping Unit MNT : Modèle Numérique de Terrain ONF : Office National des Forêts PANE : Plan d'Action National pour l'Environnement RCP : Representative Concentration Pathway ROI : Region Of Interest RU : Réserve Utile SIG : Système d'Information Géographique SVM : Support Vector Machine ETP : EvapoTranspiration Potentielle 1 INTRODUCTIONA partir des années 1950, beaucoup de changements observés sans précédent depuis des décennies à savoir le réchauffement de l'atmosphère et de l'océan, la diminution de la couverture de neige et de glace, l'élévation du niveau des mers, la concentration des gaz à effet de serre, font penser sans équivoque à un réchauffement du système climatique (GIEC, 2013). Toutefois, ce n'est qu'au début des années 1990 que le thème des changements climatiques est devenu une préoccupation scientifique entrée dans le domaine de la conscience publique (Beniston, 2009). Le Maroc n'est pas épargné par ces changements. Sa situation dans le bassin méditerranéen qui implique déjà des irrégularités dans le climat le rend d'autant plus vulnérable aux impacts des changements climatiques qui sont visibles et quantifiables par la diminution des ressources en eaux, la baisse des rendements agricoles et le déséquilibre des écosystèmes, particulièrement les écosystèmes forestiers (Anonyme, 2001). La forêt de Maâmora s'inscrit dans cette délicatesse du climat méditerranéen associée aux conditions écologiques notamment le type de sol et du substrat (sables sur argiles) (Aafi, 2007), qui peut selon la profondeur du sable et la pente du plancher argileux diminuer la rétention en eau. Depuis 1951, des programmes d'aménagements inadaptés (selon la vision actuelle) de cette forêt se sont succédés, conduisant à une régression du chêne liège (Benabid, 1989 in Aafi, 2007). L'activité anthropique dans la forêt notamment le ramassage des glands et le parcours a rendu difficile la régénération naturelle du chêne liège. Les gestionnaires forestiers ont répondu à ce manque de régénération naturelle par la régénération artificielle par voie de plantation et de semis. Jusqu'à récemment, les efforts de régénération du chêne liège par les gestionnaires forestiers étaient confrontés à des échecs. Les objectifs économiques poursuivis par les différents aménagements ont conduit au remplacement du chêne liège par des espèces à croissance rapide et faciles à reboiser (principalement les Pins, Acacias et Eucalyptus). Cette dynamique régressive de la forêt naturelle (subéraie) certes attribuée à l'inadéquation des aménagements serait entre autres raisons due à la non-considération de la vulnérabilité de ces écosystèmes aux différents facteurs qui les influencent y compris les changements climatiques. 2 Il n'est pas à douter que certaines parcelles reboisées à base d'autres espèces auraient pu être favorables au développement du chêne liège et que l'échec des reboisements sur d'autres parcelles pourrait simplement être évité en tenant compte de la vulnérabilité. Une prise en compte du facteur climatique dans son contexte de changement ainsi que des autres facteurs pouvant influencer les écosystèmes forestiers au sein de la Maâmora permettrait d'évaluer la vulnérabilité de ces écosystèmes face aux changements globaux pour servir d'aide à la décision dans les aménagements futurs. C'est dans ce but que s'inscrit ce sujet de mémoire de fin d'étude de 3è cycle de l'ENFI sur « l'Application de la modélisation spatiale multifactorielle pour l'évaluation de la dynamique et la vulnérabilité des écosystèmes forestiers face aux changements globaux: cas de la forêt de Maâmora ». Ce travail vise à produire une base de données cartographique servant d'outil d'aide à la décision dans le cadre de l'orientation des aménagements futurs de la forêt de Maâmora tenant compte de la vulnérabilité des écosystèmes forestiers face aux changements globaux. Pour cela, nous nous sommes assigné les objectifs spécifiques suivants : V' Cartographier la répartition des principales espèces de la forêt de Maâmora à différentes dates sur la période considérée (1987-2014), V' Etudier le changement de la végétation sur la période considérée, V' Identifier les facteurs agissant avec le facteur climatique en termes de vulnérabilité des écosystèmes forestiers, V' Evaluer la vulnérabilité des écosystèmes forestiers face aux changements globaux à l'année de référence 2010 et la vulnérabilité aux horizons 2045 et 2070. Le présent document s'articule ainsi en 4 parties. Après une succincte revue de la bibliographie sur les changements climatiques et la vulnérabilité des écosystèmes forestiers, nous présenterons brièvement la forêt de la Maâmora dans son contexte avant d'exposer la méthodologie adoptée pour enfin aboutir aux résultats. 3 Chapitre 1 :LES CHANGEMENTS CLIMATIQUES ET LA
VULNÉRABILITÉ
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mois |
||||||||||||||
Total 557,3 503,7 403,6
13,2
-
13,2
Source : DMN (1980-2013).
Stations meteo
J
F
M
A
M
J
J
A
S
O
N
D
Pmm
KENITRA
88,1
70,7
50,6
47,1
21,5
4,4
0,3
0,6
20,5
51,4
105,8
96,3
RABAT-SALE
76,7
59,2
54,1
45,1
21,0
3,7
0,3
1,1
12,6
47,4
95,5
87,0
SIDI-SLIMANE
60,1
49,1
44,0
37,6
21,2
5,8
0,9
1,3
10,6
38,4
70,2
64,4
T°C
KENITRA
11,9
13,0
14,9
16,1
18,4
21,0
22,8
23,1
22,0
19,4
15,9
RABAT-SALE
11,9
12,7
14,5
15,4
17,5
20,0
21,9
22,3
21,3
18,9
15,6
13,3
SIDI-SLIMANE
11,8
13,3
15,7
17,3
20,0
23,5
26,1
26,3
24,3
20,6
16,1
En analysant ce tableau, on peut dire que Les précipitations augmentent en général
quand on va du sud (Rabat-Salé) vers le nord (Kenitra) de la forêt, et elles diminuent
quand on s'éloigne de l'océan (En allant vers Sidi Slimane). Quant aux températures,
elles augmentent quand on gagne en latitude (en allant vers le Nord) et quand on rentre
dans le continent (Ouest-Est). On comprend ainsi mieux le rôle adoucissant de l'océan et
l'influence de la continentalité.
Le bioclimat de la zone d'étude est de type semi-aride à hiver tempéré dans la partie
orientale de la forêt et subhumide à hiver chaud dans sa partie occidentale (Aafi, 2007).
Le régime saisonnier de la forêt de Maâmora est de type HPEA (Hiver-Printemps-Eté-
Automne). Si on s'intéresse à l'Eté, sa définition varie. L'été suit le printemps et précède
l'automne. D'aucuns ramènent l'été à un trimestre (trois mois), mais on va surtout retenir
la définition de la période sèche selon Bagnouls et Gaussen (1953) qui définissent la
période sèche comme étant l'ensemble des mois où Pmm = 2T°C.
La figure ci-après présente les diagrammes ombrothermiques de Bagnouls et Gaussen
obtenus pour nos trois stations à partir des données de la DMN sur la période 1980-
2013.
? Les sables beiges peu profonds sur argile, fréquents dans le sud des cantons C, D et E ;
16
Figure 5. Diagrammes ombrothermiques de Bagnouls et Gaussen
D'après ces graphes, on déduit que la période sèche va de 4,5 à 5 mois pour Kenitra et Rabat-Salé, et elle dépasse les 5 mois (5,5 mois) pour Sidi-Slimane. Ceci confirme encore l'effet de la continentalité mentionné plus tôt en ceci que la période sèche est plus longue à l'intérieur du continent que sur la côte.
La topographie de la forêt de Maâmora est très faiblement accidentée. Les pentes sont très faibles en moyenne. La pente, doucement inclinée vers la plaine du Gharb, varie de 0,6 à 0,8 % en moyenne, sauf dans la Maâmora orientale où elle est suffisamment forte pour provoquer une érosion importante (Abourouh et al., 2005).
En Maâmora, les sols sont en général de type sable sur argiles (Lepoutre, 1965 in Bagaram, 2014). La nature des sables et leur profondeur ont permis à Lepoutre de distinguer les types de sols suivants :
17
V' Les sables profonds sur argile, présents sur tous les comblements des creux de la surface des argiles et dans la zone d'épandage au Nord des cantons C, D et E ;
V' Les sables rouges sur argile qui caractérisent les reliefs dunaires ;
V' Les sols hydromorphes, présents soit dans des terrains subhorizontaux (nord du canton D) où le drainage latéral est faible, soit dans des bas-fonds.
De manière générale en Maâmora, le type de sol est déterminant en matière de rétention en eau. En effet, selon l'épaisseur des sables, l'eau peut devenir indisponible à l'utilisation des plantes. Avec les changements climatiques, ce facteur (type de sol) peut devenir de plus en plus limitant étant donné que déjà, la réserve d'eau utilisable par les plantes est faible et elle diminuera si les précipitations diminuent.
Comme dit précédemment, la forêt est naturellement subdivisée en cantons par des cours d'eau. Ces cours d'eau sont au nombre de cinq et sont orientés Nord-Est Sud-Ouest. Il s'agit de l'Oued Fouarat, Oued Foui, Oued Smento, Oued Tiflet et Oued Touirza. Le réseau hydrographique est assez simple en raison du substrat et des pentes qui sont assez faibles (Bagaram, 2014).
Mis à part les cours d'eau, la forêt présente des points d'eau appelés les Dayas et les Merjas. Les Dayas ne sont pas toujours pérennes contrairement aux Merjas. Les Dayas sont des retenues d'eau de pluies sur couches imperméables. Ils indiquent une hydromorphie (Mounir, 2002). Les Merjas quant à elles sont des mares plus grandes et apparaissent en fonds de vallées, alimentées par la nappe phréatique.
La forêt de Maâmora qui était à l'origine une subéraie a fait place pour une bonne part à des reboisements divers. Actuellement, la végétation forestière arborée de cette forêt est représentée par les espèces comme :
V' Quercus suber et Pyrus mamorensis (Seules espèces arborées naturelles);
V' Les eucalyptus (Eucalyptus rostrata pour la production de la cellulose, Eucalyptus gomphocephala pour la production de bois de scie, Eucalyptus gigantea, Eucalyptus cladocalyx, Eucalyptus camaldulensis et Eucalyptus clonal);
V' Les pins (Pinus pinaster, Pinus Canariensis, Pinus halepensis, Pinus pinea) ;
18
? Les acacias (Acacia mollissima principalement pour la production du tanin, mais aussi Acacia cyanophylla pour l'alimentation du cheptel et Acacia horrida pour la construction de haies) (Mounir, 2002).
La végétation arbustive quant à elle est représentée par les espèces comme Citisus linifolia, Chamerops humilis, Thymelaea lythroides, Daphne gnidium et Solanum sodomeum (Mounir, 2002).
Toute forêt naturelle quand elle est dégradée ou remplacée par d'autres espèces devient plus vulnérable. En effet, la capacité d'adaptation de l'espèce naturelle est souvent plus importante que celle des espèces reboisées. Aussi, les changements climatiques accentueront la vulnérabilité des écosystèmes forestiers non naturels.
La forêt de Maâmora compte en principe parmi sa faune le sanglier, le chacal, la bécasse, la palombe, le lapin, la tourtelle, le lièvre et le perdreau (Mahdouani, 1985 in Mounir, 2002). Toutefois, hormis les réserves où l'accès est interdit ou réglementé, la forêt de Maâmora contient actuellement peu d'animaux comparée aux temps passés. Les raisons avancées pour expliquer ce problème sont selon Mounir (2002) :
? La fréquentation excessive de la forêt par l'Homme et les troupeaux domestiques, ? La raréfaction estivale de l'eau en Maâmora.
Depuis plusieurs décennies, de nombreuses contraintes anthropiques pèsent sur le système de gestion de la forêt de Maâmora, ayant ainsi de nombreuses répercussions néfastes sur la régénération naturelle du chêne liège et conséquemment sur la dynamique et la santé de son écosystème. En 1993, La population riveraine de la forêt était d'environ 300000 habitants, soit 4,5 habitants par ha de subéraie; l'effectif du cheptel s'élevait à 173000 têtes ovines et 52000 têtes bovines faisant une charge animale de 6,4 UPB/ha (Abourouh et al., 2005). La charge pastorale est assez importante vu que la forêt ne produit que 400 UF/ha au mieux. Cette charge a augmenté avec le temps et les besoins ont suivi. Dernièrement, les statistiques du HCEFLCD (2012) donnent une population de 341360 habitants soit 5 habitants par ha de subéraie, 336518 têtes ovines et 90553 unités bovines, soit 7,1 UPB/ha.
19
Les activités comme le ramassage des glands, la coupe (illicite) de bois de feu, le parcours sont les principales activités anthropiques qui s'effectuent en forêt de Maâmora. Ces activités ont beaucoup d'impacts sur la forêt et, rajoutées à d'autres problèmes comme le vieillissement, la fragilisent davantage et la rendent plus vulnérable. Les activités anthropiques limitent la régénération naturelle en forêt de Maâmora. Le ramassage de glands ne permettra pas d'avoir de jeunes pieds de chêne liège issus de régénération naturelle. Pourtant, toute forêt où il y a absence de régénération naturelle est plus vulnérable et l'avenir d'une telle forêt est critique.
La forêt de Maâmora a connu un plan de sauvetage et divers aménagements qui se sont succédés depuis le début du XXème siècle en 1918 (HCEFLCD, 2012).
Ce plan a été initié par le protectorat français après le constat de l'état critique de la forêt marqué par le dépérissement des arbres de chêne liège et l'extraction assez importante du tanin pour des besoins économiques.
L'objectif de ce plan était d'assurer le renouvellement des peuplements de chêne liège par des coupes de recépages. La concrétisation de cet objectif a été remarquable par des coupes sur environ 60000 ha (1926 - 1938) sur les cantons C, D et E surtout. Malheureusement, le résultat attendu (régénération) n'a pas été atteint, causant ainsi par la perte de souches une grande dédensification de la forêt de chêne liège.
Ce premier aménagement entamé en 1951 alors que la superficie du chêne liège était de 100000 ha avait pour objectifs de :
y' Maintenir, par tous les moyens, le chêne liège là où la densité est jugée suffisante pour justifier et espérer sa perpétuité ;
y' Mettre en valeur, par des essences exotiques, les vides, les clairières ne contenant que quelques pieds de chêne liège et les terrains occupés par des poiriers ou des essences secondaires ;
y' Produire le maximum de liège de reproduction et tirer un nombre de récoltes aussi grand que possible.
20
Quelques efforts de régénération du chêne liège étaient envisagés aussi bien par reboisements que recépages. Toutefois, aux termes de cet aménagement, la superficie de chêne liège a encore régressé.
Le tableau ci-après montre l'évolution de la superficie des différentes espèces entre le début et la fin de l'aménagement VIDAL.
D'après ce tableau, on peut voir que malgré les efforts de sauvegarde des peuplements de chêne liège, il y a eu une baisse dans sa superficie (de 100000 ha à 87000 ha) au profit d'autres espèces jugées plus rentables comme l'Eucalyptus, le Pin et l'Acacia. On peut comprendre ainsi que les efforts de régénération n'ont pas été fructueux.
Tableau 2. Evolution de la composition des peuplements entre le début et la fin de l'aménagement VIDAL
|
Formations |
Superficie 1951 (ha) |
Superficie 1972 (ha) |
|
Chêne liège |
100000 |
87000 |
|
Eucalyptus |
31000 |
38000 |
|
Acacias |
0 |
1000 |
|
Pins |
1000 |
6000 |
|
Autres |
1000 |
1000 |
|
Total |
133000 |
133000 |
Source : HCEFLCD, 2012
Faisant suite à l'aménagement VIDAL et ayant égard aux échecs rencontrés dans la régénération du chêne liège, l'aménagement Danois s'est fixé pour objectifs de :
y' Maintenir le chêne-liège sur la plus grande étendue possible avec un rendement économique acceptable et avec le souci de conserver le peuplement naturel le plus longtemps possible, là où la densité du chêne liège est supérieure à 100 arbres/ha et le périmètre terrier supérieur à 80 mètres linéaires notamment dans la Maâmora occidentale et centrale;
y' Remplacer le chêne liège par des essences introduites à croissance rapide feuillues et résineuses, selon la vocation du sol, là où son maintien ou sa reconstitution est difficile voire impossible. La priorité était accordée aux résineux par rapport aux feuillus;
y' Satisfaire le marché local en écorce à tanin d'acacia ;
y' Maintenir et accroître le rôle récréatif de la forêt à proximité des centres urbains ;
y' Respecter les droits d'usage et de parcours et sauvegarder les intérêts des usagers. Aux vues des objectifs de cet aménagement, on peut comprendre que le gestionnaire avait perdu espoir en ce qui concerne la possibilité de régénérer le chêne liège. Il n'est
21
donc pas étonnant de voir d'une part la baisse de la superficie de chêne liège et d'autre part l'augmentation de la superficie des espèces reboisées comme le montre le tableau ci-après.
Tableau 3. Evolution de la composition des peuplements entre le début et la fin de l'aménagement Danois
|
Formations |
Superficie (ha) |
|
|
1972 |
1992 |
|
|
Chêne liège |
87000 |
60000 |
|
Eucalyptus |
38000 |
54000 |
|
Acacias |
1000 |
5500 |
|
Pins |
6000 |
12500 |
|
Autres |
1000 |
1000 |
|
Total |
133000 |
133000 |
Source : HCEFLCD, 2012
Inspiré de l'expérience de la péninsule Ibérique en matière de gestion agro-sylvo-pastorale de la subéraie, cet aménagement s'est fixé pour objectifs : y' La régénération et la reconstitution des peuplements de chêne liège par le biais des
reboisements artificiels de chêne liège (semis directs des glands et plantations) ; y' Le maintien et la reconstitution de la subéraie actuelle ;
y' L'encouragement de l'aspect participatif de la population au développement de la forêt ;
y' L'amélioration pastorale et l'utilisation rationnelle des potentialités fourragères ; y' L'extension de la multifonctionnalité de la forêt de la Maâmora (chasse, tourisme, récréation et éducation environnementale).
Cet aménagement a plus ou moins porté du fruit en ceci que les superficies régénérées en chêne liège ont grimpé comme le montre la figure ci-après. D'ailleurs, selon la DREF de Kenitra, la superficie de chêne liège en 2011 était de 70400 ha, confirmant une fois encore le travail fait lors de cet aménagement.
Il ressort par ailleurs de cet aménagement que l'espoir de la subéraie de Maâmora passe surtout par la régénération par semis de glands d'autant plus que c'est surtout ce moyen qui a donné des fruits assez satisfaisants.
22
Figure 6. Comparaison entre la
prévision et la réalisation des superficies à
régénérer
dans la subéraie de la Maâmora
de 1992 à 2009 (source : HCEFLCD, 2012).
Ce dernier aménagement proposé a pour objectifs :
y' D'accélérer le rajeunissement de la vieille subéraie par voie artificielle ;
y' De valoriser la qualité du liège de reproduction issu des jeunes plantations de chêne-
liège ;
y' D'assurer un rendement soutenu en matière de bois d'Eucalyptus, en particulier le
bois cellulose et perches ;
y' De produire suffisamment de bois résineux ;
y' De produire en quantités suffisantes l'écorce d'Acacia pour répondre aux besoins de
l'artisanat du cuire ;
y' D'améliorer la production fourragère pour atténuer la pression sur la forêt ;
y' De développer l'infrastructure d'accueil du public au niveau des sites récréatifs,
pour maintenir et accroitre le rôle récréatif de la forêt, particulièrement à proximité
des centres urbains.
Il s'agit d'objectifs simples et réalisables qui pourront permettre, si bien atteints, de
redynamiser la forêt de Maâmora.
On peut remarquer que les conditions écologiques de la forêt de Maâmora sont assez spéciales et délicates, donnant lieu à une végétation et une faune particulière. Ces
23
ressources naturelles restent fragiles non seulement à cause de la délicatesse des conditions écologiques, mais aussi à cause de l'activité anthropique.
Retenons de tous ces aménagements qu'a connu la forêt de Maâmora, qu'ils étaient inadaptés car les gestionnaires avaient du mal à reconstruire la subéraie. Mais au fil du temps, ils se rendent compte que même si les conditions de station sont difficiles, des techniques de régénération comme la régénération par semis de glands donnent des résultats acceptables et pourront être pour l'instant le meilleur moyen de régénérer la subéraie.
24
Afin d'atteindre l'objectif principal qui est de produire une base de données cartographique, outil d'aide à la décision aux aménagements futurs de la forêt de Maâmora tenant compte de la vulnérabilité des écosystèmes arborés face aux changements globaux, la méthodologie adoptée dans ce travail se décline en deux grands axes : l'analyse de la dynamique et l'évaluation de la vulnérabilité. Avant d'explorer la méthodologie détaillée de ces deux parties, on verra la source des données utilisées ainsi que les outils qui ont servi à les traiter.
Les images satellites utilisées ont été acquises par téléchargement sur le site www.glovis.usgs.gov. Il s'agit d'images Landsat de résolution 30 m. Ce choix est justifié par la disponibilité des images anciennes et récentes. Des images prises entre Juin et Septembre ont été choisies afin d'éliminer les confusions de classification dues à la végétation herbacée et arbustive qui peut être dense en dehors de cette période. Après le téléchargement, les bandes isolées sont réunies pour obtenir l'image multi-bandes. Pour cette période (Juin-Septembre) d'une même année, si plusieurs images sont disponibles, on a procédé à une composition d'images. La composition d'images consiste en une opération arithmétique sur différentes images pour en ressortir une seule image d'une plus grande qualité car elle permet de réduire certains défauts radiométriques qui peuvent exister si on considère seulement une image.
Les données climatiques ont été acquises auprès de la DMN (Direction de la Météorologie Nationale) sous forme de données de précipitations, températures, etc. journalières depuis 1980 jusqu'en 2013.
Les logiciels SIG comme Quantum GIS 2.4 et ArcGIS Desktop 10.2.1, le logiciel de traitement d'images ENVI 5 ainsi que le tableur excel ont été d'une grande utilité pour ce travail.
25
La période considérée pour l'analyse de la dynamique de la forêt de Maâmora est de 1987 à 2014. Ce choix est directement lié à la disponibilité des images satellitaires de la zone. Pour évaluer la dynamique de la végétation, on a procédé par une détection du changement de la végétation après avoir cartographié la répartition des principales espèces de la forêt.
La figure ci-après donne un aperçu général sur la méthode d'analyse de la dynamique de la forêt.
Figure 7. Méthodologie de l'Analyse de la dynamique de la forêt.
26
A partir d'une carte de type de peuplement établie lors de la dernière révision d'aménagement de la forêt de Maâmora (HCEFLCD, 2012), on a identifié 12 classes en tenant compte d'une part des principales espèces de la forêt (Chêne liège, Eucalyptus, Pins et Acacia) et d'autre part de la faculté de discernement entre les classes de densité vu que la définition des zones d'entrainement pour la classification ainsi que le contrôle de la classification sont faits par interprétation visuelle.
On a ainsi distingué les classes suivantes: Quercus suber dense (Qs1), moyennement dense (Qs2), clair (Qs3), épars (Qs4); Eucalyptus dense (Eu1), moyennement dense (Eu2), clair (Eu3), épars (Eu4); Acacia, Pin, Quercus suber en mélange avec les résineux (QsR) et enfin les vides. Les classes de densité « dense », « moyennement dense », « clair » et « épars » correspondent respectivement aux taux de recouvrement (R) suivant : R > 75%, 50% < R < 75%, 25% < R < 50% et R < 25%.
L'algorithme de classification adopté est le SVM pour Support Vector Machine. Cet algorithme a été adopté pour son efficacité à classifier les données complexes et en tirer de bons résultats.
Principe de la méthode :
La méthode SVM est une méthode de classification supervisée qui permet de résoudre des problèmes de discrimination et de régression. Elle passe par un entrainement sur un jeu de données duquel elle détermine de façon optimale un plan de séparation comme indiqué dans la figure 8. Pour les données non linéaires, Il y a d'abord une transformation à l'aide de fonctions Kernel. Le plan déterminé n'est pas absolu vu qu'il y a plusieurs plans qui permettent de séparer entre les jeux de données. Pour des questions d'optimisation, une marge sépare les données de 2 classes. Par exemple, dans la figure ci-après, la distance (d+)+(d-) constitue cette marge. A cause de cette marge, cette méthode est également appelée Séparateur à vaste marge. Les points situés sur les plans H1 et H2 sont appelés les vecteurs de support.
27
Figure 8. Séparateurs à vaste marge (Source : Berwick, 2003).
Dans le cas de la classification d'images satellites, des ROIs sont fournis et l'algorithme fait un apprentissage sur ces données. Pendant l'entrainement de l'algorithme, la séparation entre les pixels des classes fournies en ROIs se fait sur la base de l'information spectrale. Les plans ainsi que les marges de séparation sont déterminés donnant lieu à un modèle. Pendant la classification de l'entièreté de l'image, chaque pixel est classé dans une catégorie en fonction de son information spectrale à l'aide du modèle déterminé lors de l'entrainement.
Définition des ROIs : le SVM est un algorithme de classification supervisée, et comme toutes les autres méthodes de classification supervisée, il a nécessité la définition des zones d'entrainements ou ROI (Regions Of Interest). Disposant d'un shapefile des types de peuplements, on a alors procédé à la délimitation des ROIs en visualisant le shapefile sur l'image. Ce ne fut pas un travail automatique car il a fallu s'assurer de la correspondance entre la classe donnée par le shapefile et celle obtenue par interprétation visuelle de l'image satellitaire.
Le problème majeur est celui de la classification des images plus anciennes. Pour pallier à ce problème, on a commencé par l'image la plus récente avant de remonter progressivement aux plus anciennes permettant ainsi de s'habituer aux signatures spectrales des différentes classes pendant l'interprétation visuelle.
Dans QGIS, la définition des ROIs n'est rien d'autre que la création d'une couche de polygones des différentes classes.
Calcul des statistiques de l'image : C'est l'étape qui suit la définition des ROIs. Il s'agit du calcul de la moyenne et de l'écart-type de chaque bande de l'image. Le fichier résultant est stocké dans un fichier XML et utilisé dans les étapes suivantes.
28
Apprentissage de l'algorithme : A partir des ROIs fournis ainsi que les statistiques de l'image, l'algorithme produit un modèle qui servira à classifier dans la suite les autres pixels non inclus dans les ROIs.
Classification proprement dite : C'est ici que, sur la base du modèle produit précédemment, l'image est classifiée donnant lieu aux classes prédéfinies dans les ROIs.
Tamisage de l'image classifiée : L'algorithme "sieve" permet de tamiser l'image afin de ne pas avoir des pixels isolés. Pour cela, il est à fournir la taille de la plus petite entité à
considérer ou MMU (Minimum Mapping Unit) qui est de 1ha au moins en matière de cartographie forestière (ONF, 2014). On a considéré environ 2ha soit 20 pixels d'une image Landsat 30m.
Contrôle et validation de la classification : Vu que la qualité de la classification est tributaire de plusieurs facteurs comme par exemple le choix des classes, la qualité des
ROIs définis pour ne citer que ceux-ci, il convient de contrôler la classification. La
méthode de contrôle adoptée est en partie celle proposée par l'ONF. Après le tamisage de l'image classifiée, on a procédé à la génération aléatoire de 60 points de contrôle par
classe. Ensuite, par interprétation visuelle, on a renseigné dans un champ la classe à
laquelle devrait appartenir le point. Ceci a servi plus tard de vérité terrain pour le calcul de la matrice de confusion. Une fois la classe de chaque point renseignée, on procède au
calcul de la matrice de confusion qui permettra de calculer le coefficient Kappa via une
table de calcul excel. Selon Landis et Koch (1977), le coefficient Kappa permet d'apprécier la qualité de la classification et dire qu'elle est excellente si K > 0,8, bonne si
0,8 > K > 0,6, modérée quand 0,6 > K > 0,2 et mauvaise quand K < 0,2. Dans notre cas, la classification est validée si le coefficient Kappa excède 80%. Faute de quoi, il a fallu soit redéfinir les ROIs dans le cas où il y a trop de confusion entre les classes, ou soit redéfinir les classes si elles ne sont pas bien définies dans le choix des classes jusqu'à l'obtention d'une précision de classification satisfaisante.
Pour l'image de 2014 où il a été possible d'effectuer un contrôle sur terrain, un second contrôle basé sur des vérités terrain (polygones) recueillies sur quelques sites en forêt de Maâmora a été réalisé. Ces polygones ont été utilisés pour un second calcul du coefficient Kappa.
Pour la détection du changement, afin d'avoir des périodes quasi égales, on a retenu 3 années, ce qui donne 2 périodes pour l'étude des changements. Il s'agit de la période de
29
1987 à 2000 puis de 2000 à 2014. La carte de changement a été réalisée en faisant l'union des fichiers de forme issus de la classification des images à ces différentes dates. Les classes de changement retenues sont : Evolution, régression et constance du chêne liège et de l'Eucalyptus, les vides reboisés, la dénudation de zones boisées, la conversion entre espèces et les zones inchangées autres que le chêne liège et l'Eucalyptus.
Pour plus de détails sur les changements, on a procédé à la génération de statistiques dans des matrices de changement.
La vulnérabilité a été calculée non pas en considérant uniquement les changements climatiques (diminution des précipitations et augmentation de la température dans notre étude) mais en considérant les autres facteurs déterminant en Maâmora en matière de vulnérabilité des écosystèmes forestiers. On qualifie ainsi la vulnérabilité obtenue comme étant une vulnérabilité des écosystèmes forestiers face aux changements globaux. Divers facteurs ont été pris en compte selon la disponibilité des données mais aussi leur importance dans l'évaluation de la vulnérabilité des écosystèmes forestiers. Les facteurs considérés sont en partie ceux identifiés comme déterminants du changement à l'issu de l'analyse de la dynamique de la végétation. Ces facteurs individuels une fois identifiés ont été seuillés avant de les agréger pour obtenir la vulnérabilité des écosystèmes forestiers de la forêt. Sur consensus d'experts, l'unité retenue pour l'évaluation de la vulnérabilité des écosystèmes forestiers de la forêt de Maâmora est le groupe (groupe d'aménagement). La carte ci-après (figure 9) présente les 33 groupes de la forêt de Maâmora répartis sur ses 5 cantons.
30
Figure 9. Carte des groupes de la forêt de Maâmora.
Le type de sols est déterminant dans la rétention en eau et en matières organiques et est important en matière de vulnérabilité des forêts aux changements globaux. Ce facteur a été extrait d'une carte pédologique élaborée par Heusch et Billaux (1966) et disponible à l'INRA. Elle a ensuite été récupérée sous format papier, vectorisée puis rastérisée avec une taille de pixel de 30m (Bagaram, 2014). Afin d'avoir ce facteur par groupe, on a procédé à la détermination de statistiques par zone (groupes), ce qui a permis de retenir le type de sol majoritairement représenté par groupe.
La carte ci-après donne les différents types de sol présents en Maâmora.
31
Figure 10. Carte pédologique de la Maâmora (Heusch et Billaux, 1966).
La pente du terrain est un facteur déterminant dans la vocation d'un sol. En effet, plus la pente est forte, plus le ruissellement est important au détriment de l'infiltration donnant ainsi une disponibilité en eau faible pour les plantes. La pente du terrain naturel (figure 11) a été dérivée d'un MNT ASTER GDEM téléchargeable via le site http://gdex.cr.usgs.gov/gdex/. Pour obtenir ce facteur par groupe, on a procédé d'abord au seuillage avant de faire des statistiques par zone (groupes), ce qui a permis de retenir la classe de pente majoritaire par groupe.
32
Figure 11. Carte des pentes du terrain naturel de la Maâmora.
Ce facteur a été déterminé à partir des cartes d'isoprofondeurs (élaborées en 1993 à partir des travaux de Lepoutre) et des données de sondages à la tarière pédologique issues de la dernière révision d'aménagement (HCEFLCD, 2012) de la forêt de Maâmora. Ces données ont été plus tard analysées et complétées par les travaux de Bagaram (2014) qui, après interpolation par traitement géostatistique notamment le Krigeage a déterminé la carte de profondeur du plancher argileux (voir figure 12). La spatialisation de ce facteur par groupe a été faite de la même façon que pour la pente du terrain naturel, c'est à dire un seuillage suivi de statistiques zonales.
33
Figure 12. Carte de l'épaisseur du sable de la forêt de Maâmora.
Ce facteur a été déterminé à partir d'un MNT de la zone et la carte de profondeur du plancher argileux précédemment citée. En effet, dans un premier temps, en procédant à une soustraction de la profondeur du plancher argileux du MNT du terrain naturel, on obtient l'élévation du plancher argileux qui au même titre qu'un MNT permet d'extraire dans un deuxième temps la pente de la couche d'argile (Bagaram, 2014) (voir figure 13). La spatialisation de ce facteur par groupe a été faite de la même façon que pour la pente du terrain naturel et l'épaisseur du sable, c'est à dire un seuillage suivi de statistiques zonales afin de le représenter par groupes qui constituent la base de l'analyse.
34
Figure 13. Carte des pentes du plancher argileux de la forêt de Maâmora.
Le déficit hydrique a été calculé par groupe de la forêt de Maâmora à partir de la réserve utile et l'évapotranspiration.
? Détermination de la réserve utile
La réserve utile a été calculée par la même formule que celle utilisée par El Mansouri (2004). Elle donne la réserve utile en fonction de l'humidité à la capacité au champ (HCC), l'humidité au point de flétrissement permanent (HPF4.2) et la profondeur du sol (Pr) en mm.
RU (mm) = (HCC - HPF4.2) * Pr
L'humidité à la capacité au champ (HCC) est la quantité d'eau retenue par le sol après ressuyage de l'eau libre. L'humidité au point de flétrissement permanent (HPF4.2) quant à elle correspond à l'humidité du sol à partir de laquelle la plante ne peut plus prélever d'eau car la réserve utile en eau du sol a été entièrement consommée.
L'HCC et l'HPF ont été déterminées par les équations de régression issues des travaux de Merzouk et al. (1987) :
HCC (%)= 43,638 - 0,31 (%Sable) avec r2=0,81
HPF4.2 (%)= -0,83 + 0,77 (%Argile) - 0,0054 (%Argile)2, avec r2=0,94.
35
L'humidité à la capacité au champ et au point de flétrissement sont fonction du type de sol, notamment sa texture.
V' Détermination de l'Evapotranspiration
On a estimé l'Evapotranspiration potentielle (ETP) en utilisant la formule de Thornthwaite (1944) utilisée également par Bouteldjaoui et al. (2011) qui est comme suit :
Où :
? ETP(m) : l'évapotranspiration moyenne du mois m (m = 1 à 12) en mm,
? T : moyenne interannuelle des températures du mois, °C
? a : 0,016 * I + 0,5
? I indice thermique annuel :
Mois
Jan
Fev
Mar
Avr
Mai
Jui
Juil
Aou
Sep
Oct
Nov
Fcorr
0,88
0,85
1,03
1,09
1,2
1,2
1,22
1,16
1,03
0,97
0,87
? F(m,?) : facteur correctif fonction du mois (m) et de la latitude.
Pour la forêt de Maâmora se situant sur la latitude 34°, les valeurs de F sont celles du tableau ci-après :
Tableau 4. Valeurs du facteur de correction F de la formule de Thornthwaite en Maâmora
Dec
0,86
V' Calcul du nombre de jours de déficit hydrique
Le déficit hydrique est calculé par la formule suivante :
DH (mm) = (Pmm + RU) - ETP
Avec: Pmm = Précipitions, RU = Réserve Utile et ETP = Evapotranspiration Potentielle.
Les données de précipitations et de températures utilisées dans les calculs de l'évapotranspiration et du déficit hydrique sont les données de la DMN. Il s'agissait à l'état brut de données de précipitations et températures journalières depuis 1980 pour
36
trois stations (Rabat, Kenitra et Sidi Slimane). Ces données ont été traitées afin d'avoir les moyennes mensuelles sur toute la période avant de faire une interpolation par Krigeage pour obtenir une grille régulière de températures et de précipitations moyennes mensuelles de toute la forêt de Maâmora. Enfin, par intersection avec la carte des groupes, et en faisant la moyenne pondérée par la superficie des valeurs de précipitation ou de température au sein de chaque groupe, on a obtenu la carte de précipitations et celle de températures par groupe servant ainsi au calcul du déficit hydrique et de l'ETP.
Ensuite, le nombre de jours de déficit hydrique a été calculé par la formule suivante : Nbre jours DH = SDH/M(ETP/J)
Avec SDH étant le cumul des déficits hydriques des mois présentant un déficit hydrique et M(ETP/J) étant la moyenne des ETP moyennes journalières des mois présentant un déficit hydrique.
La continentalité est définie comme étant la distance ou l'éloignement par rapport à l'océan. Elle constitue un facteur très important en Maâmora et conditionne par exemple la régénération du chêne liège. En effet, la continentalité est principalement marquée par un gradient des précipitations moyennes annuelles qui va de 557,3 mm (Kenitra) à 403,6 mm (Sidi Slimane) en passant par 503,7 mm à Rabat-Salé (synthèse de données climatiques de la DMN entre 1980-2013). Plus on s'éloigne de l'océan, c'est-à-dire de l'Ouest vers l'Est, plus les précipitations diminuent et on note également une augmentation dans les températures moyennes annuelles ainsi que l'amplitude thermique annuelle (différence entre la moyenne du mois le plus chaud et celle du mois le plus froid).
La continentalité a caractérisée par la carte des précipitations (voir figure 14). Afin de spatialiser ce facteur par groupe, on a procédé par transformation de la carte des isohyètes en zones homogènes (polygones) de précipitations délimitées par les isohyètes avant de faire un calcul de statistiques par zone (groupes). Chaque groupe prend la valeur de précipitations majoritaire.
37
Figure 14. Carte des précipitations en forêt de Maâmora.
Les besoins en bois de feu sont parfois la cause des coupes délictueuses en forêts. Ce facteur a été déduit des données acquises auprès de la direction régionale aux eaux et forêts (DREF) de Kenitra. Il s'agit de données des besoins et de production en bois de feu par commune. A partir de ces données, on a fait le rapport Besoins/Production pour estimer l'ampleur de la pression humaine en termes de besoins en bois de feu. Pour ramener les données de la commune au groupe, On a fait l'intersection de la carte de Besoins/Production avec celle des groupes avant de faire une moyenne pondérée par la surface des besoins des communes se retrouvant dans chacun des groupes.
Le parcours est un ennemi notoire pour la régénération naturelle. En Maâmora, le pâturage est important et constitue donc un facteur important en termes d'évaluation de la vulnérabilité. Dans le but d'intégrer ce facteur, On a calculé comme pour les besoins en bois de feu un rapport Besoins/Production cette fois-ci en termes d'unités fourragères. Les données sont issues de la révision d'aménagement (HCEFLCD, 2012). La méthode pour ramener les données de la commune au groupe est la même que précédemment.
38
Les besoins en bois de feu ainsi que la pression pastorale précédemment cités constituent tous des facteurs anthropozoogènes. Il reste toutefois un certain nombre d'actions humaines qu'on ne peut pas exhaustivement énumérer. A titre d'exemple, il y a le ramassage des glands. Pour englober tous les autres facteurs qui ont rapport avec l'activité humaine, on a choisi la densité de la population usagère de la forêt. Des données du nombre d'habitants par communes élaborées lors de la dernière révision d'aménagement (HCEFLCD, 2012) ont permis d'élaborer une carte de densité par commune. Cette dernière intersectée avec la carte des groupes suivie par un regroupement avec moyenne pondérée par la surface des communes à l'intérieur de chacun des groupes a permis d'obtenir la carte de densité de la population par groupe.
Un peuplement vieux est par nature moins vigoureux et plus vulnérable aux différents aléas comparé à un peuplement jeune ou adulte. Ainsi, le pourcentage de peuplements vieux par groupe a été considéré comme étant un facteur pour apprécier l'âge des peuplements. A partir de la carte des types de peuplements issue du dernier aménagement de la forêt, on a déterminé le pourcentage (en termes de superficie occupée) de peuplements vieux dans chaque groupe.
Un peuplement en bon état est naturellement plus apte à faire face aux divers évènements naturels et artificiels qu'il aura à subir. Ce facteur a été estimé à partir de la carte de mortalité des branches réalisée lors des travaux de Elmansouri (2013). On a donc considéré que plus le taux de mortalité des branches est élevé, le peuplement est mal portant. Après seuillage du taux de mortalité des branches, l'état sanitaire a été spatialisé par groupe en prenant la classe de mortalité des branches majoritaire par groupe dans un calcul de statistiques par zones (groupes).
Les facteurs ont été agrégés à deux niveaux. Un premier niveau par affinité des divers facteurs individuels pour obtenir les vulnérabilités factorielles et un deuxième pour obtenir la vulnérabilité synthétique. L'agrégation s'est faite par pondération selon la formule suivante :
39
L
V= > Wi* Fi
1
Où V représente la vulnérabilité résultant de l'agrégation à un niveau donné, Wi étant le poids donné au facteur Fi pendant l'intégration.
Que ce soit pour les vulnérabilités à l'année de référence 2010, à l'horizon 2045 ou à l'horizon 2070, l'agrégation des facteurs a été faite par la méthode AHP pour Analytic Hierarchy Process ou Processus d'Analyse Hiérarchique de Saaty.
Cette méthode est due au mathématicien Thomas Saaty en 1980. Ce dernier, au travers de sa méthode appelée AHP ou Processus d'Analyse Hiérarchique propose une façon simple mais efficace de résoudre les problèmes complexes de décision intégrant plusieurs critères. L'avantage de la méthode réside dans sa capacité à structurer un problème complexe multicritère en procédant par comparaisons binaires. La comparaison par paires des facteurs se base sur l'échelle de Saaty qui est présentée dans la figure ci-après :
Figure 15. Echelle de Saaty (1977) pour la
pondération des facteurs par paires
(Eastman, 2004 in
Bagaram, 2014).
Cette échelle permet d'attribuer un degré d'importance relative aux différents facteurs par paires. Le tableau ci-après donne la signification des différents degrés d'importance :
40
Tableau 5. Signification de l'échelle de Saaty
|
Degrés d'importance |
Définitions |
Explications |
|
1.0 |
Importance égale des deux éléments |
Deux éléments contribuent autant à la propriété |
|
3.0 |
Un élément est un peu plus important que l'autre |
L'expérience et l'appréciation personnelles favorisent légèrement un élément par rapport à un autre |
|
5.0 |
Un élément est plus important que l'autre |
L'expérience et l'appréciation personnelles favorisent fortement un élément par rapport à un autre |
|
7.0 |
Un élément est beaucoup plus important que l'autre |
Un élément est fortement favorisé et sa dominance est attestée dans la pratique |
|
9.0 |
Un élément est absolument plus important que l'autre |
Les preuves favorisant un élément par rapport à un autre sont aussi convaincantes que possible |
Source : Guesdon (2011)
Sur avis d'experts, les degrés d'importance relative par paires de facteurs ont été déterminés dans une matrice carrée dont les facteurs sont les lignes et les colonnes. Ensuite, certains calculs ont été nécessaires afin d'obtenir à partir des degrés d'importance par paires les poids pour l'agrégation. Ces calculs se font en trois étapes comme indiquées par Guesdon (2011). Il s'agit :
y' d'additionner les colonnes de la matrice. Tous les éléments d'une même colonne sont additionnés ;
y' de normaliser ensuite la matrice. Chaque entrée de la matrice est divisée par le total de sa colonne. La normalisation de la matrice permet alors des comparaisons significatives entre les éléments ;
y' enfin de calculer la moyenne des lignes. Tous les éléments d'une même ligne de la matrice normalisée sont additionnés et ensuite divisés par le nombre d'entrées
41
qu'elle comporte. La valeur obtenue correspond au poids pour agréger les différents facteurs.
Ce travail a été fait aussi bien pour combiner les différents facteurs individuels afin d'obtenir les vulnérabilités factorielles que pour l'agrégation des vulnérabilités factorielles pour en déduire la vulnérabilité synthétique.
3.3.2.2. Vulnérabilité des écosystèmes forestiers de la forêt de Maâmora en 2010 L'année de référence 2010 a été choisie car c'est presque la fin de l'aménagement sylvopastoral donnant ainsi lieu à plusieurs études d'où la disponibilité d'un certain nombre de données utiles pour ce travail.
La méthodologie adoptée est en partie celle proposée par la GIZ (2013) et reprise par Anonyme (2013). Elle a été adaptée au contexte de la Maâmora en fonction des données disponibles et des facteurs qui sont déterminants en Maâmora en matière de vulnérabilité des écosystèmes forestiers.
La figure 16 donne une vue d'ensemble sur la méthodologie adoptée pour l'évaluation de la vulnérabilité des écosystèmes forestiers de la Maâmora face aux changements globaux. Le détail concernant la détermination des facteurs est donné plus haut dans l'identification et la caractérisation des différents facteurs considérés.
Figure 16. Schéma de l'application de
la modélisation spatiale multicritère pour
l'évaluation
de la vulnérabilité des écosystèmes forestiers de
la forêt de Maâmora.
42
Dans un premier temps, les facteurs changeants ont été projetés pour chaque horizon. Ceci n'a pas été le cas pour certains facteurs considérés comme invariants significativement sur la période considérée (2010-2070) comme les facteurs biophysiques par exemple.
La vulnérabilité factorielle climatique a été recalculée après projection des données de températures et de précipitations aux différents horizons suivant 2 scénarios différents, l'un dit optimiste (scénario RCP4.5 ou scénario 1) et l'autre dit pessimiste (scénario RCP8.5 ou scénario 2). Ces scénarios ont été conçus sur la base de la prédiction des trajectoires possibles de concentration des GES (voir annexe 2). L'interface web disponible sur http://climexp.knmi.nl/plot_atlas_form.py a permis de déterminer les variations de température et de précipitation pour chaque mois sur la période 2010-2045 puis 2010-2070 pour un endroit indiqué par sa latitude et longitude en se basant sur ces scénarios, permettant ainsi de projeter les données climatiques aux horizons 2045 et 2070.
La vulnérabilité factorielle anthropozoogène a été recalculée en projetant les différents facteurs en considérant notamment l'accroissement de la population en monde rural et l'accroissement du cheptel.
La vulnérabilité factorielle sylvicole a été recalculée en projetant notamment le facteur "Age des peuplements", en supposant qu'aucune activité d'aménagement n'ait lieu entre temps.
La vulnérabilité synthétique des écosystèmes forestiers est à nouveau recalculée avec les vulnérabilités factorielles obtenues après projections aux 2 horizons 2045 et 2070. On obtient ainsi 2 cartes de vulnérabilité synthétique pour chaque horizon selon le scénario climatique.
43
La classification a été suivie par le contrôle et on a obtenu les cartes des figures 3, 4 et 5 respectivement pour les années 1987, 2000 et 2014. Le tableau 6 donne les précisions globales ainsi que les coefficients Kappa des classifications. Le contrôle a donné plus de 80% pour le coefficient Kappa, permettant ainsi de valider les classifications. Le second contrôle de l'image 2014 a donné 70% pour le coefficient Kappa et 74% pour la précision globale de classification. Ce coefficient inférieur à celui obtenu lors du premier contrôle est explicable par le fait que certains peuplements jeunes comme des jeunes plantations de chêne liège n'ont pas suffisamment de réflectance dans le spectre de la végétation arborée pour être bien distingués dans l'image. Ceci a pour conséquence par exemple une confusion entre classes de densité d'une même espèce et le coefficient Kappa est faible de ce fait.
Tableau 6. Précision globale et Coefficient Kappa des classifications
|
Images |
1987 |
2000 |
2014 |
|
|
Précision globale(%) |
90,15 |
90,42 |
89,65 |
74,73 |
|
Coefficient Kappa(%) |
90,12 |
89,55 |
88,71 |
69,70 |
Il est à signaler que le contenu de la forêt de Maâmora n'est pas exhaustivement représenté sur ces cartes issues de notre classification. Il y a par exemple des cultures, du matorral, des points d'eau, des routes, des agglomérations pour ne citer que ceux-ci, qui ne sont pas considérés dans la classification étant donné qu'on ne pas les distinguer et qu'il s'agit de petites unités. Les cartes d'occupation du sol donnent ainsi juste les principales espèces forestières en Maâmora.
On peut remarquer que pendant toute la période considérée, le chêne liège est surtout important dans le canton A et B, et peu dans le canton C. Dans les autres cantons (D et E), il n'y a pratiquement plus de chêne liège. La superficie totale de la forêt de Maâmora est d'environ 131000 ha en excluant les enclaves.
44
Précision globale = 90,15% Kappa = 90,12%
Figure 17. Carte de la répartition des principales essences forestières en Maâmora en 1987.
45
Tableau 7. Ventilation des superficies des principales espèces en 1987
|
Occupations |
Superficie 1987 (ha) |
Taux de couverture(%) par |
Total classe |
% par rapport à la |
|
|
Qs |
Qs1 |
8910,5 |
13,82 |
64461,38 |
49,20 |
|
Qs2 |
18885,3 |
29,30 |
|||
|
Qs3 |
29758,61 |
46,17 |
|||
|
Qs4 |
6906,97 |
10,71 |
|||
|
Eu |
Eu1 |
24580,2 |
54,97 |
44719,49 |
34,13 |
|
Eu2 |
6619,81 |
14,80 |
|||
|
Eu3 |
9652,57 |
21,58 |
|||
|
Eu4 |
3866,91 |
8,65 |
|||
|
QsR |
QsR |
9806,18 |
- |
9806,18 |
7,48 |
|
Pin |
Pin |
5769,73 |
- |
5769,73 |
4,40 |
|
Acacia |
Acacia |
3849,94 |
- |
3849,94 |
2,94 |
|
Vides |
Vides |
2413,61 |
- |
2413,61 |
1,84 |
|
Total |
131020,33 |
- |
131020,33 |
100 |
|
Qs : Quercus suber, Eu : Eucalyptus, QsR : Qs en mélange avec résineux. Classes de densité 1, 2, 3 et 4 : dense, moyennement dense, clair et épars respectivement.
Selon la figure 17 (Répartition des principales espèces de la forêt en 1987) et le tableau précédent (Tableau7), la situation de la forêt de Maâmora en 1987 est comme suit :
y' Environ 49% de la superficie totale de la forêt était occupée par le chêne liège soit une superficie de 64461 ha, avec prédominance de la classe de densité 3 (Chêne liège clair) qui fait environ 46% de la superficie du chêne liège,
y' Environ 34% de la superficie totale de la forêt était occupée par l'Eucalyptus soit une superficie de 44719 ha avec prédominence de l'Eucalyptus dense qui fait environ 55% de la superficie de l'Eucalyptus,
y' Environ 7,5% de la superficie totale de la forêt était occupée par le Chêne liège en mélange avec les résineux, soit une superficie de 9800 ha,
y' Environ 4,4% de la superficie totale de la forêt était occupée par le pin, ce qui fait une superficie de 5770 ha, environ 3% de la superficie de la forêt était occupée par l'Acacia, donc une superficie de 3850 ha et les vides occupaient une superficie d'environ 2413,61 ha, ce qui fait 1,8% de la superficie totale de la forêt.
46
Précision globale = 90,42% Kappa = 89,55%
Figure 18. Carte de la répartition des principales essences forestières en Maâmora en 2000.
47
Tableau 8. Ventilation des superficies des principales espèces en 2000
|
Occupations |
Superficie 2000 (ha) |
Taux de couverture (%) par rapport à la classe |
Total classe |
% par rapport à la superficie totale |
|
|
Qs |
Qs1 |
11746,73 |
20,63 |
56937,40 |
43,46 |
|
Qs2 |
11693,76 |
20,54 |
|||
|
Qs3 |
26441,42 |
46,44 |
|||
|
Qs4 |
7055,49 |
12,39 |
|||
|
Eu |
Eu1 |
22218,38 |
49,22 |
48073,75 |
36,69 |
|
Eu2 |
13060,78 |
27,17 |
|||
|
Eu3 |
8205,86 |
17,07 |
|||
|
Eu4 |
4588,73 |
9,55 |
|||
|
QsR |
QsR |
14392,00 |
- |
14392,00 |
10,98 |
|
Pin |
Pin |
7091,44 |
- |
7091,44 |
5,41 |
|
Acacia |
Acacia |
2553,82 |
- |
2553,82 |
1,95 |
|
Vides |
Vides |
1971,92 |
- |
1971,92 |
1,51 |
|
Total |
131020,33 |
- |
131020,33 |
100 |
|
Qs : Quercus suber, Eu : Eucalyptus, QsR : Qs en mélange avec résineux. Classes de densité 1, 2, 3 et 4 : dense, moyennement dense, clair et épars respectivement.
On peut retenir eu égars à la figure 18 et au tableau 8 qu'en 2000,
y' Environ 43,5% de la superficie totale de la forêt était occupée par le chêne liège soit une superficie de 56937 ha, avec prédominance de la classe de densité 3 (Chêne liège clair) qui fait environ 46% de la superficie du chêne liège,
y' Environ 37% de la superficie totale de la forêt était occupée par l'Eucalyptus soit une superficie de 48074 ha avec prédominence de l'Eucalyptus dense qui fait environ 49% de la superficie de l'Eucalyptus,
y' Environ 11% de la superficie totale de la forêt était occupée par le Chêne liège en mélange avec les résineux, soit une superficie de 14392 ha,
y' Environ 5,4% de la superficie totale de la forêt était occupée par le pin, ce qui fait une superficie de 7091 ha,
y' Environ 2% de la superficie de la forêt était occupée par l'Acacia, donc une superficie de 2553 ha, les vides occupaient une superficie d'environ 1972 ha, ce qui fait 1,5% de la superficie totale de la forêt.
48
Précision globale = 89,65% Kappa = 88,71%
Figure 19. Carte de la répartition des principales essences forestières en Maâmora en 2014.
49
Tableau 9. Ventilation des superficies des principales espèces de la forêt en 2014
|
Occupations |
Superficie 2014 (ha) |
Taux de couverture (%) par |
Total classe |
% par rapport à la |
|
|
Qs |
Qs1 |
12200,42 |
19,85 |
61471,65 |
46,92 |
|
Qs2 |
14996,75 |
24,40 |
|||
|
Qs3 |
23315,21 |
37,93 |
|||
|
Qs4 |
10959,27 |
17,83 |
|||
|
Eu |
Eu1 |
22881,21 |
53,67 |
42635,13 |
32,54 |
|
Eu2 |
9858,97 |
23,12 |
|||
|
Eu3 |
7448,36 |
17,47 |
|||
|
Eu4 |
2446,59 |
5,74 |
|||
|
Pin |
Pin |
10012,84 |
- |
10012,84 |
7,64 |
|
QsR |
QsR |
9740,49 |
- |
9740,49 |
7,43 |
|
Acacia |
Acacia |
3600,9 |
- |
3600,9 |
2,75 |
|
Vides |
Vides |
3559,32 |
- |
3559,32 |
2,72 |
|
Total |
131020,33 |
- |
131020,33 |
100 |
|
Qs : Quercus suber, Eu : Eucalyptus, QsR : Qs en mélange avec résineux. Classes de densité 1, 2, 3 et 4 : dense, moyennement dense, clair et épars respectivement.
On peut retenir eu égard à la figure 19 et au tableau 9 qu'actuellement,
y' Environ 46,92% de la superficie totale de la forêt est occupée par le chêne liège soit une superficie de 61471,65 ha, avec prédominance de la classe de densité 3 (Chêne liège clair) qui fait environ 38% de la superficie du chêne liège,
y' Environ 32,54% de la superficie totale de la forêt est occupée par l'Eucalyptus soit une superficie de 42635 ha avec prédominence de l'Eucalyptus dense qui fait environ 54% de la superficie de l'Eucalyptus,
y' Environ 7,64% de la superficie totale de la forêt est occupée par le pin, ce qui fait une superficie de 10012,8 ha,
y' Environ 7,43% de la superficie totale de la forêt est occupée par le Chêne liège en mélange avec les résineux, soit une superficie de 9740,5 ha,
y' Environ 2,75% de la superficie de la forêt est occupée par l'Acacia, donc une superficie de 3600,9 ha, les vides occupent une superficie d'environ 3559,3 ha, ce qui fait 2,72% de la superficie totale de la forêt.
50
L'analyse des cartes de changements aussi bien entre 1987 et 2000 qu'entre 2000 et 2014 des figures 21 et 22 (cartes de changements) ainsi que les tableaux 10 et 11 (matrices de changements) permettent de dire que la forêt de la Maâmora a subi beaucoup de changements, c'est à dire qu'elle est très dynamique. Il y a eu aussi bien des changements de classe de densité (densification-dédensification) que des conversions entre espèces. Avant d'aller plus loin, il est à souligner que la détection du changement entre le début et la fin d'une période donnée (méthode diachronique) ignore les variations intermédiaires d'une classe sur ladite période. Par exemple, si la superficie d'une classe donnée a diminué sur toute la période, on ne peut pas affirmer sans preuves que le changement a été homogène sur toute la période.
Tableau 10. Matrice de changement entre 1987 et 2000
2000
1987
|
Classes |
Qs1 |
Qs2 |
Qs3 |
Qs4 |
Acacia |
Eu1 |
Eu2 |
Eu3 |
Eu4 |
Pin |
QsR |
Vide |
Sup.1987 (ha) |
|
Qs1 |
51 |
15 |
2 |
5 |
9 |
2 |
1 |
0 |
0 |
7 |
0 |
1 |
8910,5 |
|
Qs2 |
39 |
43 |
14 |
9 |
16 |
4 |
7 |
2 |
1 |
8 |
8 |
2 |
18885,3 |
|
Qs3 |
6 |
21 |
56 |
22 |
23 |
11 |
14 |
17 |
14 |
17 |
13 |
9 |
29758,61 |
|
Qs4 |
0 |
1 |
4 |
9 |
5 |
4 |
4 |
11 |
10 |
8 |
8 |
12 |
6906,97 |
|
Acacia |
2 |
3 |
3 |
3 |
27 |
1 |
2 |
2 |
1 |
10 |
0 |
1 |
3849,94 |
|
Eu1 |
1 |
5 |
5 |
12 |
2 |
55 |
34 |
19 |
23 |
4 |
14 |
10 |
24580,2 |
|
Eu2 |
0 |
2 |
1 |
9 |
1 |
8 |
13 |
10 |
9 |
2 |
3 |
22 |
6619,81 |
|
Eu3 |
0 |
6 |
4 |
6 |
8 |
5 |
13 |
24 |
23 |
8 |
3 |
19 |
9652,57 |
|
Eu4 |
0 |
3 |
1 |
8 |
6 |
2 |
4 |
5 |
6 |
5 |
2 |
14 |
3866,91 |
|
Pin |
0 |
1 |
3 |
10 |
3 |
3 |
2 |
7 |
10 |
25 |
2 |
5 |
5769,73 |
|
QsR |
0 |
1 |
7 |
5 |
0 |
3 |
3 |
3 |
2 |
2 |
41 |
1 |
9806,18 |
|
Vide |
0 |
0 |
0 |
2 |
0 |
2 |
3 |
2 |
1 |
3 |
5 |
4 |
2413,61 |
|
Total |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
Total: 131020,33 |
|
Sup. 2000(ha) |
11746,7 |
11693,8 |
26441,4 |
7055,5 |
2553,8 |
22218,4 |
13060,8 |
8205,9 |
4588,7 |
7091,4 |
14392 |
1971,92 |
Qs : Quercus suber, Eu : Eucalyptus, QsR : Qs en mélange avec résineux. Classes de densité 1, 2, 3 et 4 : dense, moyennement dense, clair et épars respectivement.
51
Tableau 11. Matrice de changement entre 2000 et 2014
2014
2000
|
CLASSES |
Qs1 |
Qs2 |
Qs3 |
Qs4 |
Acacia |
Eu1 |
Eu2 |
Eu3 |
Eu4 |
Pin |
QsR |
Vide |
Sup. 2000(ha) |
|
Qs1 |
60 |
27 |
2 |
4 |
11 |
0 |
1 |
0 |
1 |
1 |
0 |
5 |
11746,73 |
|
Qs2 |
25 |
29 |
4 |
8 |
24 |
3 |
4 |
2 |
7 |
7 |
0 |
3 |
11693,76 |
|
Qs3 |
2 |
23 |
57 |
18 |
17 |
7 |
15 |
17 |
10 |
8 |
11 |
11 |
26441,42 |
|
Qs4 |
2 |
4 |
5 |
15 |
7 |
3 |
3 |
6 |
5 |
9 |
3 |
5 |
7055,49 |
|
Acacia |
3 |
2 |
1 |
4 |
18 |
0 |
0 |
1 |
7 |
1 |
0 |
2 |
2553,82 |
|
Eu1 |
2 |
1 |
8 |
8 |
3 |
48 |
25 |
17 |
20 |
21 |
7 |
17 |
22218,38 |
|
Eu2 |
2 |
3 |
7 |
6 |
3 |
16 |
24 |
9 |
16 |
13 |
8 |
14 |
13060,78 |
|
Eu3 |
1 |
3 |
5 |
6 |
4 |
5 |
12 |
18 |
13 |
8 |
4 |
5 |
8205,86 |
|
Eu4 |
0 |
1 |
2 |
3 |
3 |
3 |
6 |
10 |
11 |
8 |
1 |
1 |
4588,73 |
|
Pin |
4 |
4 |
2 |
18 |
9 |
1 |
1 |
2 |
5 |
15 |
2 |
26 |
7091,44 |
|
QsR |
0 |
2 |
8 |
4 |
0 |
12 |
6 |
14 |
4 |
6 |
62 |
9 |
14392 |
|
Vide |
1 |
1 |
1 |
5 |
2 |
1 |
1 |
4 |
2 |
2 |
1 |
2 |
1971,92 |
|
Total |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
Total: 131020,33 |
|
Sup, 2014(ha) |
12200,42 |
14996,8 |
23315,2 |
10959,3 |
3600,9 |
22881,2 |
9858,97 |
7448,36 |
2446,6 |
10012,8 |
9740,5 |
3559,32 |
Qs : Quercus suber, Eu : Eucalyptus, QsR : Qs en mélange avec résineux. Classes de densité 1, 2, 3 et 4 : dense, moyennement dense, clair et épars respectivement.
Pendant toute la période de 1987 à 2014, il y a eu beaucoup de fluctuations entre les classes. Néanmoins, On peut retenir :
? Une diminution de la superficie du chêne liège entre 1987 et 2000 puis une augmentation de cette superficie entre 2000 et 2014. Cette superficie est passée de 64461,4 ha à 56937,4 ha puis de 56937,4 ha à 61471,65 ha. L'aménagement a joué un rôle primordial dans ces changements de la superficie du chêne liège et celle des autres espèces. En effet, l'Amenagement Dannois(1972-1992) de la forêt de Maâmora conformément à ses objectifs a prôné entre autres le remplacement du chêne liège par des essences introduites à croissance rapide feuillues et résineuses là où sa reconstitution est difficile, avec priorité aux résineux (HCEFLCD, 2012).
Le schéma suivant montre un peu l'évolution de la supericie du chêne liège dans la forêt de Maâmora entre 1951 et 2011 :
52
Figure 20. Superficie du chêne
liège en Maâmora entre 1951 et 2011
(source : DREFLCD
Nord-Ouest, 2012)
On remarque d'après le graphe précédent (Figure 20) que la superficie du chêne liège a diminué jusqu'en 1992 (de 100000 ha à 60000 ha) puis, on voit une augmentation en 2006 (65000 ha). En confrontant ce résultat au notre, on constate qu'il ya une concordance parfaite entre les 2 résultats, notamment en ce qui concerne la diminution de la superficie du Chêne liège entre 1951 (100000 ha) et 2000 (57000 ha). Par contre, pour la période 2000-2014, on constate une augmentation de la superficie de chêne liège due à la nouvelle politique de reboisement qui a tracé pour objectif la reconstitution de l'écosystème forestier en utilisant les essences autochtones, ce qui se traduit dans la forêt de Maâmora par le reboisement du chêne liège. Toutefois, le rythme de l'augmentation de la superficie de chêne liège pour ladite période (2000-2014) obtenu par les résultats de l'analyse par télédétection ne reflètent pas celui des données de la DREFLCD Nord-Ouest, 2012 (Figure 20). En effet, les données de cette figure donnent une superficie de 70400ha en 2011, alors que la superficie obtenue suite à l'analyse par télédétection donne une superficie de 61500 ha. Cette différence est due à plusieurs raisons. Entre autres, on peut citer la confusion qui peut avoir lieu entre le terrain vide et les jeunes plantations de Chêne liège vu que ces dernières n'ont pas suffisamment de réflectance dans le spectre de la végétation arborée pour apparaitre clairement dans l'image satellitaire et par conséquent, une bonne partie de cette plantation notamment pour les 4 dernières années risque de ne pas être prise en considération dans la classification de la dernière image satellitaire.
? Les tableaux 12 et 13 ci-après donnent le rythme de changement de chaque classe. Notons qu'il y a surtout des changements entre classes d'une même espèce (Chêne liège ou Eucalyptus) ou des changements de classe de densité.
53
Classe
Qs1
Qs2
Qs3
Qs4
Acacia
Eu1
Eu2
Eu3
Eu4
Pin
QsR
Vides
Tableau 12. Rythme de changement de la forêt entre 1987 et 2000
|
Superficies (ha) |
Différence |
Rythme moyen annuel |
||||
|
1987 |
2000 |
Ha |
% |
|||
|
8910,50 |
11746,73 |
2836,23 |
31,83 |
218,17 |
||
|
18885,30 |
11693,76 |
-7191,54 |
-38,08 |
-553,20 |
||
|
29758,61 |
26441,42 |
-3317,19 |
-11,15 |
-255,17 |
||
|
6906,97 |
7055,49 |
148,52 |
2,15 |
11,42 |
||
|
3849,94 |
2553,82 |
-1296,12 |
-33,67 |
-99,70 |
||
|
24580,20 |
22218,38 |
-2361,82 |
-9,61 |
-181,68 |
||
|
6619,81 |
13060,78 |
6440,97 |
97,30 |
495,46 |
||
|
9652,57 |
8205,86 |
-1446,71 |
-14,99 |
-111,29 |
||
|
3866,91 |
4588,73 |
721,82 |
18,67 |
55,52 |
||
|
5769,73 |
7091,44 |
1321,71 |
22,91 |
101,67 |
||
|
9806,18 |
14392,00 |
4585,82 |
46,76 |
352,76 |
||
|
2413,61 |
1971,92 |
-441,69 |
-18,30 |
-33,98 |
||
|
Total |
131020,33 |
|||||
Classe
Qs1
Qs2
Qs3
Qs4
Acacia
Eu1
Eu2
Eu3
Eu4
Pin
QsR
Vides
Tableau 13. Rythme de changement de la forêt entre 2000 et 2014
|
Superficies (ha) |
Différence |
Rythme moyen annuel (ha/an) |
||||
|
2000 |
2014 |
Ha |
% |
|||
|
11746,73 |
12200,42 |
453,69 |
3,86 |
34,90 |
||
|
11693,76 |
14996,75 |
3302,99 |
28,25 |
254,08 |
||
|
26441,42 |
23315,21 |
-3126,21 |
-11,82 |
-240,48 |
||
|
7055,49 |
10959,27 |
3903,78 |
55,33 |
300,29 |
||
|
2553,82 |
3600,90 |
1047,08 |
41,00 |
80,54 |
||
|
22218,38 |
22881,21 |
662,83 |
2,98 |
50,99 |
||
|
13060,78 |
9858,97 |
-3201,81 |
-24,51 |
-246,29 |
||
|
8205,86 |
7448,36 |
-757,50 |
-9,23 |
-58,27 |
||
|
4588,73 |
2446,59 |
-2142,14 |
-46,68 |
-164,78 |
||
|
7091,44 |
10012,84 |
2921,40 |
41,20 |
224,72 |
||
|
14392,00 |
9740,49 |
-4651,51 |
-32,32 |
-357,81 |
||
|
1971,92 |
3559,32 |
1587,40 |
80,50 |
122,11 |
||
|
Total |
131020,33 |
|||||
Qs : Quercus suber, Eu : Eucalyptus, QsR : Qs en mélange avec résineux. Classes de densité 1, 2, 3 et 4 : dense, moyennement dense, clair et épars respectivement.
On note également :
? Une fluctuation dans la superficie des Eucalyptus explicable par leur dynamique due aux coupes aussi bien d'exploitations que de délits et aux reboisements. On peut retenir néanmoins une augmentation de 7% (de 44719ha à 48073ha) entre 1987 et 2000 puis une diminution de 11% (de 48073ha à 42635ha) entre 2000 et 2014. En
54
voyant de plus près la carte de changements entre 2000 et 2014 (Figure 22) et la matrice de changements entre 2000 et 2014 du tableau 11, une grande partie des conversions d'Eucalyptus qu'on peut remarquer ont été faites au profit du pin ;
? Une augmentation des superficies reboisées en pins entre 1987 et 2014. Cette augmentation est sans doute le fruit du succès dans le reboisement des pins. On peut ainsi comprendre le résultat de certaines études sur la forêt de Maâmora qui attribuent la vocation de 44407ha, soit 33,35% de la superficie de la forêt aux reboisements de pins (HCEFLCD, 2012). On note une diminution de la superficie des acacias jusqu'en 2000 suivie d'une augmentation entre 2000 et 2014, une augmentation de la superficie du chêne liège en mélange avec les résineux avant de diminuer entre 2000 et 2014 ;
? Une diminution des vides entre 1987 et 2000 de 18% puis une augmentation entre 2000 et 2014 de 80%. La diminution constatée est sans doute due aux reboisements des vides. Ensuite, l'augmentation constatée est attribuable aux quelques échecs de reboisements, aux peuplements très jeunes de chêne liège n'ayant pas encore suffisamment de réflectance dans le spectre de la végétation arborée, et les vides dus à des coupes comme des coupes d'Eucalyptus. Rappelons qu'en Maâmora, les exploitations du bois d'Eucalyptus sont fréquentes, et il y a en général un temps qui sépare les reboisements de l'exploitation.
Nous rappelons que dans cette évolution, on a considéré les enclaves comme existant depuis le début de la période considérée c'est à dire 1987 afin de faire les comparaisons entre les différentes dates, quoi que l'institution de certaines enclaves soit récente.
Les cartes des figures 21 et 22 ci-après permettent de visualiser les changements. Ces cartes disent une fois encore combien la forêt de Maâora est très dynamique. Cette dynamique est attribuable en grande partie aux actions d'aménagement, mais aussi aux actions anthropiques telles que les coupes d'Eucalyptus pour charbonières, le bois de feu, le paturâge, etc.
Le tableau 14 résume un peu toutes les statitistiques en termes de superficies et de pourcentages des différentes espèces sur la période considérée.
55
|
380000 390000 400000 410000 |
380000 |
Carte de Changement de la Forêt de Maâmora entre 1987 et 2000 E = 1/250 000 390i000 400000 410000 420000 430000 440000 |
l 380000 39d000 40d000 410000 |
|||||||||
|
s |
1 |
~,, 4 2,5 0 |
N ` 0- r1' ' .440, 9:~ . '. ; 5. 4 fe r P s 10 |
K ~ 1 - -- _# + f r.~ z r . `_' } ' r`~ hk,., ;mei '' . -.:14.r.fti -.0 1 ~, 15 Km |
` __;,
1. v |
, P |
1j ,~ l .T1 f`j. if,`1,-,,,e1) ` . Y i s ill.' :V '` |
yyyiy es+ . : - _ |
Légende: i Reboisements de vides - Qs++ Pas de changement Qs -- Qs inchangé Conversion Dénudation "Th.-- Limites _ 1 _ Eu inchangé |
|||
|
r r . .- . ... ; ? . ii.. . c14: . 0 ` - met f 11.. .- . . , `. ' . 41).6' p ';,kr " . ,0
|
||||||||||||
|
Datum: Merchich Projection: Lambert conique conforme Merchich Nord Maroc Réalisée le 19/11/2014 |
||||||||||||
|
3801000 |
390000 |
400000 |
410b00 |
420000 |
430000 440b00 |
|||||||
Figure 21. Carte de changement de la forêt de Maâmora entre 1987 et 2000.
56
380000
390[000
400000
410[000
420000
430000
4401000
0 o o 0
2,5 0 5 10 15
Datum: Merchich
Projection: Lambert conique conforme Merchich Nord Maroc Réalisée le 19/11/2014
Km
Carte de Changement de la Forêt de Maâmora entre 2000 et 2014
E = 1/250 000
410000
380000
390000
400000
420000
430000
Légende:
440000
Reboisements de vides Pas de changement
Conversion
Dénudation
..---- Limites forêt
Qs++
Qs--
Os inchangé
Eu++
Eu--
Eu inchangé
Figure 22. Carte de changement de la forêt de Maâmora entre 2000 et 2014.
57
Tableau 14. Synthèse de l' évolution des superficies des principales espèces
|
1987 |
2000 |
2014 |
|||||||||||
|
Occupations |
Superficie 1987 |
Taux de |
Total classe |
% par rapport |
Superficie 2000 |
Taux de |
Total classe |
% par rapport |
Superficie 2014 |
Taux de |
Total classe |
% par rapport à |
|
|
Qs |
Qs1 |
8910,5 |
13,82 |
64461,38 |
49,20 |
11746,73 |
20,63 |
56937,4 |
43,46 |
12200,42 |
19,85 |
61471,65 |
46,92 |
|
Qs2 |
18885,3 |
29,30 |
11693,76 |
20,54 |
14996,75 |
24,40 |
|||||||
|
Qs3 |
29758,61 |
46,17 |
26441,42 |
46,44 |
23315,21 |
37,93 |
|||||||
|
Qs4 |
6906,97 |
10,71 |
7055,49 |
12,39 |
10959,27 |
17,83 |
|||||||
|
Acacia |
Acacia |
3849,94 |
- |
3849,94 |
2,94 |
2553,82 |
- |
2553,82 |
1,95 |
3600,9 |
- |
3600,9 |
2,75 |
|
Eu |
Eu1 |
24580,2 |
54,96 |
44719,49 |
34,13 |
22218,38 |
46,22 |
48073,75 |
36,69 |
22881,21 |
53,67 |
42635,13 |
32,54 |
|
Eu2 |
6619,81 |
14,80 |
13060,78 |
27,17 |
9858,97 |
23,12 |
|||||||
|
Eu3 |
9652,57 |
21,58 |
8205,86 |
17,07 |
7448,36 |
17,47 |
|||||||
|
Eu4 |
3866,91 |
8,65 |
4588,73 |
9,55 |
2446,59 |
5,74 |
|||||||
|
Pin |
Pin |
5769,73 |
- |
5769,73 |
4,40 |
7091,44 |
- |
7091,44 |
5,41 |
10012,84 |
- |
10012,84 |
7,64 |
|
QsR |
QsR |
9806,18 |
- |
9806,18 |
7,48 |
14392 |
- |
14392 |
10,98 |
9740,49 |
- |
9740,49 |
7,43 |
|
Vides |
Vides |
2413,61 |
- |
2413,61 |
1,84 |
1971,92 |
- |
1971,92 |
1,51 |
3559,32 |
- |
3559,32 |
2,72 |
|
Total |
131020,33 |
- |
131020,33 |
100 |
131020,33 |
- |
131020,33 |
100 |
131020,33 |
- |
131020,33 |
100 |
|
Qs : Quercus suber, Eu : Eucalyptus, QsR : Qs en mélange avec résineux. Classes de densité 1, 2, 3 et 4 : dense, moyennement dense, clair et épars respectivement.
58
On a commencé l'identification des facteurs de changements pendant l'interprétation de la dynamique observée dans la forêt. Comme dit plus haut, le chêne liège couvrait entièrement la forêt de Maâmora jusqu'à peu de temps avant le protectorat français. Mais actuellement, sa superficie ne dépasse pas les 70000 ha. Le remplacement du chêne liège s'est fait au profit d'autres espèces comme les pins, les eucalyptus et les acacias. Plusieurs facteurs sont la cause de ces changements. Entre autres, on peut citer :
y' les facteurs climatiques : l'aridité du climat et le gradient de continentalité se reflètent dans la quantité des précipitations et les températures, donnant ainsi des conditions limites de développement du chêne liège qui s'aggraveront avec les changements climatiques;
y' les facteurs biophysiques : le type de substrat (sable sur argile) peut être parfois très défavorable de par la faible rétention en eau du sol qui dépend du type de sol (ce qui sous-entend sa texture); la profondeur du sable joue sur l'infiltration de l'eau et donc, plus la couche de sable est épaisse, moins l'eau est disponible pour les plantes; les pentes du terrain naturel et du plancher argileux conditionnent le ruissellement car plus la pente est forte, plus le ruissellement est important et moins importante est la réserve utile pour les plantes;
y' les facteurs relatifs à l'état sanitaire comme les attaques parasitaires et le vieillissement affaiblissent le chêne liège, ce qui conduit à son dépérissement;
y' les actions anthropozoogènes, principalement les coupes illicites de bois (pour charbonières, bois de feu, etc.), la pression pastorale croissante à cause de l'importance du cheptel, le ramassage de glands, le pompage d'eau pour la mise en culture, etc. entrainent la dégradation du chêne liège.
Tous ces facteurs dégradent l'état de la suberaie et défavorisent la régénération naturelle. Les aménagements inadaptés qui se sont succédés depuis 1951 ont aggravé cette dégradation. En effet, suite aux échecs rencontrés lors des aménagements, les plantations se sont tournées vers d'autres espèces à croissance rapide et faciles à reboiser. Ce n'est que récemment (2003) que la régénération du chêne liège a connu plus de succès avec la bonne conduite de la régénération par semis de glands.
Le Schéma de la figure 23 ci-après présente un peu une vue globale de ces facteurs de changements.
59
|
Conditions climatiques |
Conditions |
Attaques parasitaires + |
Actions |
|||||
|
défavorables |
biophysiques |
vieillissement |
anthropozoogènes |
|||||
|
Continentalité + |
Nature du substrat |
|||||||
|
Aridité du climat |
(Sable/Argile) |
|||||||
Augmentation de la
Population + Cheptel
|
Dépérissement du |
Coupes |
Ramassage |
Pression |
|||
|
chêne liège |
illicites de bois |
de glands |
pastorale |
Réserve utile - -
Changements
climatiques :
Pmm -- et T°C ++
Changements
climatiques : Pmm --
et T°C ++
Affaiblissement du
chêne liège
Rétention en eau - -
+
Conditions de
développement du
chêne
liège de + en + limites
Difficultés de régénération naturelle du chêne liège
Aménagements
Aménagements
inadaptés
Reboisements d'autres
d'espèces au
détriment
du chêne liège
Figure 23. Facteurs de changement en Maâmora.
60
En considérant les différents types de sols selon leur aptitude à la régénération du chêne
liège, on a distingué 5 seuils comme présentés dans le tableau ci-après :
Tableau 15. Classes de vulnérabilité des différents types de sols
|
Variable |
Classes |
Signification |
Note |
Arguments |
|
Type de sol |
1 |
Pas vulnérable |
1 |
Les écosystèmes forestiers sont plus vulnérables en allant des sols lessivés aux sols peu évolués et hydromorphes. |
|
2 |
Faiblement vulnérable |
2 |
||
|
3 |
Moyennement vulnérable |
3 |
||
|
4 |
Vulnérable |
4 |
||
|
5 |
Très vulnérable |
5 |
1: Sol lessivé modal sur cailloutis à matrice argilo-sableuse acide, et Sol lessivé hydromorphe à pseudogley de profondeur. 2: Sol lessivé modal sur sable argileux acide, reposant sur argile sableuse marmorisée. 3: Sol à sesquioxides. 4: Sol isohumique.
5: Sol peu évolué non climatique et Sol hydromorphe.
La carte ci-après (figure 24) obtenue après spatialisation par groupe donne la vulnérabilité des écosystèmes forestiers au facteur individuel type de sol.
Figure 24. Carte de vulnérabilité par groupe des
écosystèmes de la Maâmora en
considérant les
différents types de sol.
61
On retient qu'une pente est faible entre 0 et 10%, moyenne entre 10 et 15% et forte quand elle est supérieure à 15%. On considère dans notre cas une classe supplémentaire, c'est à dire qu'on considère la pente comme étant très faible quand elle est inférieure à 6%. Le tableau ci-après présente les classes de vulnérabilité selon les différentes classes de pente.
Tableau 16. Classes de vulnérabilité des différentes classes de pente du terrain naturel
|
Variable |
Seuils(%) |
Signification |
Note |
Arguments |
|
Pente du |
0 - 6 |
Pas vulnérable |
1 |
Plus le terrain est pentu, plus le ruissellement est favorisé au détriment de l'infiltration. |
|
6 -10 |
Faiblement vulnérable |
2 |
||
|
10 -15 |
Moyennement vulnérable |
3 |
||
|
>15 |
Vulnérable |
4 |
Après spatialisation, On a obtenu la carte ci-après. Elle indique que plus on s'éloigne de l'océan, la pente est plus forte rendant les écosystèmes plus vulnérables.
Figure 25. Carte de
vulnérabilité par groupe des écosystèmes de la
Maâmora en
considérant les classes de pente du terrain
naturel.
62
Le tableau ci-après donne les seuils retenus pour la profondeur du plancher argileux ou encore l'épaisseur du sable :
Tableau 17. Classes de vulnérabilité des différentes classes d'épaisseur de la couche d'agile
|
Variable |
Seuils(m) |
Signification |
Note |
Arguments |
|
Profondeur |
0,44-1,25 |
Pas vulnérable |
1 |
Plus le plancher argileux est profond, plus l'eau s'infiltrera profondément et sera moins disponible pour la plante. |
|
1,25-1,72 |
Faiblement vulnérable |
2 |
||
|
1,72-2,13 |
Moyennement vulnérable |
3 |
||
|
2,13-2,61 |
Vulnérable |
4 |
||
|
2,61-3,39 |
Très vulnérable |
5 |
Après spatialisation, on a obtenu la carte ci-après qui indique par groupe la vulnérabilité des écosystèmes forestiers en considérant l'épaisseur du sable :
Figure 26. Carte de
vulnérabilité par groupe des écosystèmes de la
Maâmora en
considérant l'épaisseur du sable.
63
Les seuils retenus pour la pente du plancher argileux sont consignés dans le tableau ci-après :
Tableau 18. Classes de vulnérabilité des différentes classes de pente de la couche d'agile
|
Variable |
Seuils(%) |
Signification |
Note |
Arguments |
|
Pente de la |
<5% |
Pas vulnérable |
1 |
Le ruissellement du sous-sol est favorisé par l'importance de la pente du plancher argileux. |
|
5-9% |
Faiblement vulnérable |
2 |
||
|
9-15% |
Moyennement vulnérable |
3 |
||
|
>15% |
Vulnérable |
4 |
Après spatialisation, on a obtenu la carte ci-après qui présente la vulnérabilité des écosystèmes forestiers en considérant uniquement la pente de la couche d'argile.
Figure 27. Carte de
vulnérabilité par groupe des écosystèmes de la
Maâmora en
considérant la pente de la couche d'argile.
Après le calcul du déficit hydrique par groupe, on a procédé à son seuillage selon le tableau ci-après avant de le représenter sous forme de carte.
64
Tableau 19. Classes de vulnérabilité des différentes classes de déficit hydrique
|
Variable |
Seuils(nbre_jrs) |
Signification |
Note |
Arguments |
|
Déficit |
<146 |
Faiblement vulnérable |
1 |
Plus le nombre de jours de déficit est élevé, plus la forêt est vulnérable. |
|
146 -152 |
Moyennement vulnérable |
2 |
||
|
152 -158 |
Vulnérable |
3 |
||
|
>158 |
Très vulnérable |
4 |
Une représentation par groupe du nombre de jours de déficit hydrique donne la carte ci-après, qui montre que plus on va vers l'Est, le nombre de jours de déficit hydrique devient plus important.
Figure 28. Carte de vulnérabilité par groupe des écosystèmes de la Maâmora en considérant le nombre de jours de déficit hydrique.
Les classes de précipitations délimitées par les isohyètes ont été attribuées à des niveaux de vulnérabilité comme dans le tableau ci-après :
65
Tableau 20. Classes de vulnérabilité selon la continentalité
|
Variable |
Seuils (mm) |
Signification |
Note |
Arguments |
|
Continentalité |
600 |
Pas vulnérable |
1 |
Moins il y a de pluie, plus les écosystèmes sont vulnérables à l'effet des changements climatiques |
|
550 |
Très faiblement vulnérable |
2 |
||
|
500 |
Faiblement vulnérable |
3 |
||
|
450 |
Moyennement vulnérable |
4 |
||
|
400 |
Vulnérable |
5 |
||
|
350 |
Très vulnérable |
6 |
Après spatialisation par groupe on a obtenu la carte ci-après :
Figure 29. Carte de
vulnérabilité par groupe des écosystèmes de la
Maâmora en
considérant l'effet de la continentalité.
Quand la production égale la consommation, on considère que les prélèvements n'affectent pas les écosystèmes forestiers en mal. Plus le déficit est grand, plus les écosystèmes sont affectés vu qu'ils sont exploités au-delà de leur possibilité. Le tableau ci-après donne la correspondance en termes de vulnérabilité du rapport Besoins/Production.
66
Tableau 21. Classes de vulnérabilité selon le niveau de déficit en bois de feu
|
Variable |
Seuils (Besoin / Production) |
Signification |
Note |
Arguments |
|
Déficit |
1 |
Pas vulnérable |
1 |
Plus les besoins dépassent la production, plus les écosystèmes sont vulnérables. |
|
2 |
Moyennement vulnérable |
2 |
||
|
3 |
Vulnérable |
3 |
||
|
4+ |
Très vulnérable |
4 |
1: Besoins = Production 2: Besoins = 2*Production
3: Besoins = 3*Production 4+:Besoins = 4*Production et plus.
Après avoir ramené les données de déficit en bois de feu de la commune au groupe, on a obtenu la carte ci-après :
Figure 30. Carte de
vulnérabilité par groupe des écosystèmes de la
Maâmora en
considérant le déficit en bois de feu.
Tout comme pour le déficit en bois de feu, le tableau ci-après montre les seuils retenus pour la pression pastorale.
67
Tableau 22. Classes de vulnérabilité selon le niveau de pression pastorale
|
Variable |
Seuils (Besoin / Production) |
Signification |
Note |
Arguments |
|
Pression |
1 |
Pas vulnérable |
1 |
Plus les besoins dépassent la production, plus les écosystèmes sont vulnérables. |
|
2 |
Moyennement vulnérable |
2 |
||
|
3 |
Vulnérable |
3 |
||
|
4+ |
Très vulnérable |
4 |
1: Besoins = Production 2: Besoins = 2*Production
3: Besoins = 3*Production 4+:Besoins = 4*Production et plus.
La carte ci-après donne la vulnérabilité des écosystèmes forestiers de la Maâmora en considérant uniquement la pression pastorale.
Figure 31. Carte de
vulnérabilité par groupe des écosystèmes de la
Maâmora en
considérant la pression pastorale.
La pression humaine est plus élevée si la densité est élevée. Le tableau ci-après donne les classes de vulnérabilité selon les seuils de densité retenus.
68
Tableau 23. Classes de vulnérabilité en fonction de la densité de la population
|
Variable |
Seuils (hbts/km2) |
Signification |
Note |
Arguments |
|
Densité de |
<54 |
Pas vulnérable |
1 |
Plus la densité est élevée, plus les ressources sont convoitées. |
|
54 -95 |
Moyennement vulnérable |
2 |
||
|
95 -135 |
Vulnérable |
3 |
||
|
>135 |
Très vulnérable |
4 |
La carte ci-après donne la vulnérabilité des écosystèmes forestiers de la Maâmora en considérant uniquement la densité de la population.
Figure 32. Carte de
vulnérabilité par groupe des écosystèmes de la
Maâmora en
considérant la densité de la population.
Le pourcentage de peuplements vieux par groupe a été seuillé comme indiqué dans le tableau ci-après.
69
Tableau 24. Classes de vulnérabilité selon l'âge des peuplements
|
Variable |
Seuils (%vieux) |
Signification |
Note |
Arguments |
|
Vieillesse |
<30% |
Pas vulnérable |
1 |
Un peuplement vieux est plus vulnérable qu'un peuplement jeune ou adulte. |
|
30-55% |
Moyennement vulnérable |
2 |
||
|
55-70% |
Vulnérable |
3 |
||
|
>70% |
Très vulnérable |
4 |
La carte ci-après montre pour chaque groupe sa vulnérabilité en considérant uniquement le facteur vieillissement avec les seuils du tableau précédent.
Figure 33. Carte de
vulnérabilité par groupe des écosystèmes de la
Maâmora en
considérant l'âge des peuplements.
Le seuillage élaboré pour ce facteur est fait en fonction du taux de mortalité des branches comme dit plus haut dans la méthodologie. Le tableau ci-après donne les seuils retenus.
70
Tableau 25. Classes de vulnérabilité en fonction de l'état sanitaire de la forêt
|
Variable |
Classes |
Signification |
Note |
Arguments |
|
Etat sanitaire de |
1 |
Pas vulnérable |
1 |
Plus de mortalité des branches ==> forêt en mauvais état ==> forêt plus vulnérable. |
|
2 |
Faiblement vulnérable |
2 |
||
|
3 |
Moyennement vulnérable |
3 |
||
|
4 |
Vulnérable |
4 |
||
|
5 |
Très vulnérable |
5 |
1. Mortalité des branches nulle 2. Mortalité des branches faible
3. Mortalité des branches modérée 4. Mortalité des branches sévère 5. Terrains non boisés.
La représentation spatiale par groupe de ce facteur a donné la carte ci-après :
Figure 34. Carte de
vulnérabilité par groupe des écosystèmes de la
Maâmora en
considérant l'état sanitaire.
Le tableau ci-après donne les poids (déterminés par AHP) des différents facteurs biophysiques qui ont permis de calculer la vulnérabilité factorielle biophysique:
71
Tableau 26. Poids d'agrégation des facteurs biophysiques
|
Facteur biophysique |
||||
|
Facteur individuel |
Profondeur du sol |
Pente du |
Pente du |
Type de |
|
Poids |
0,26 |
0,51 |
0,16 |
0,07 |
La pente du plancher argileux a le poids le plus important (0,51) comme on le voit dans le tableau 26. En appliquant ces poids, on obtient la carte suivante pour le facteur biophysique:
Figure 35. Carte de vulnérabilité factorielle biophysique.
Le tableau ci-après donne les poids (déterminés par AHP) des facteurs climatiques qui ont permis de calculer la vulnérabilité factorielle climatique:
Tableau 27. Poids d'agrégation des facteurs climatiques
|
Facteur climatique |
||
|
Facteur individuel |
Déficit |
Continentalité |
|
Poids |
0,88 |
0,12 |
72
L'agrégation de ces 2 facteurs avec ces poids donne la carte de vulnérabilité factorielle climatique comme représentée par groupe dans la figure ci-après :
Figure 36. Carte de vulnérabilité factorielle climatique (2010).
Le tableau ci-après donne les poids des facteurs anthropozoogènes qui ont permis de calculer la vulnérabilité factorielle anthropozoogène:
Tableau 28. Poids d'agrégation des facteurs anthropozoogènes
|
Facteur anthropozoogène |
|||
|
Facteur individuel |
Densité |
Déficit bois |
Déficit |
|
Poids |
0,19 |
0,42 |
0,39 |
L'agrégation de ces facteurs avec les poids donnés dans le tableau précédent donne la carte de vulnérabilité factorielle anthropozoogène comme représentée par groupe dans la figure ci-après :
73
Figure 37. Carte de vulnérabilité factorielle anthropozoogène (2010).
Le tableau ci-après donne les poids des facteurs sylvicoles qui ont permis de calculer la vulnérabilité factorielle sylvicole :
Tableau 29. Poids d'agrégation des facteurs sylvicoles
|
Facteur sylvicole |
||
|
Facteur |
Vieillissement |
Etat |
|
Poids |
0,90 |
0,10 |
L'agrégation de ces 2 facteurs avec les poids du tableau précédent donne la carte de vulnérabilité factorielle sylvicole comme représentée par groupe dans la figure ci-après :
74
Figure 38. Carte de vulnérabilité factorielle sylvicole (2010).
Une fois les vulnérabilités factorielles calculées, on a procédé à leur agrégation pour obtenir la vulnérabilité synthétique à l'année de référence qui est l'année 2010. Les poids utilisés pour cette agrégation sont déterminés par AHP et donnés dans le tableau ci-après.
Tableau 30. Poids d'agrégation des vulnérabilités factorielles
|
Vulnérabilité synthétique |
||||
|
Vulnérabilités |
Facteur |
Facteur |
Facteur |
Facteur |
|
Poids |
0,56 |
0,12 |
0,08 |
0,24 |
L'agrégation donne la carte ci-après :
75
Figure 39. Carte de
vulnérabilité synthétique des écosystèmes
forestiers de la forêt de
Maâmora aux changements globaux
(2010).
La carte de vulnérabilité synthétique précédente indique que le groupe DGI était le plus vulnérable en 2010 (vulnérabilité élevée). Notons qu'il n'y a pas de groupes non vulnérables. En effet, à cause de la panoplie de facteurs jouant sur les forêts, celles-ci sont forcément vulnérables jusqu'à un certain niveau.
Notons également que pendant l'agrégation, le facteur climatique a eu le poids le plus élevé (0,56). Ceci se reflète plus ou moins dans la vulnérabilité synthétique finale qui présente à l'instar de la vulnérabilité factorielle climatique une vulnérabilité d'autant plus importante qu'on va de l'Ouest vers l'Est.
Etant donné que les facteurs biophysiques ont été considérés comme invariants sur la période considérée, seules les vulnérabilités factorielles climatique, anthropozoogène et sylvicole ont été recalculées.
Comme explicité dans la méthodologie, 2 scénarios différents ont été appliqués, et selon le scénario d'évolution du climat, on a obtenu une estimation différente du déficit
76
hydrique à l'horizon 2045. Les figures 40, 41, 42 et 43 représentent les cartes de vulnérabilité des écosystèmes forestiers en considérant uniquement le déficit hydrique projeté et les vulnérabilités factorielles climatiques correspondantes. On note que le scénario 2 (RCP 8.5) dit pessimiste donne des vulnérabilités plus élevées que celles obtenues par le scénario 1 (RCP 4.5) dit optimiste. C'est pour cela d'ailleurs qu'avec le scénario 2, on n'obtient pas de vulnérabilité faible, et par exemple les groupes du canton C sont passés d'une vulnérabilité moyenne (scénario 1) à une vulnérabilité élevée (scénario 2). Il en est de même pour la vulnérabilité factorielle, c'est à dire que le scénario 2 permet de prédire une vulnérabilité plus élevée des groupes à l'horizon 2045 que le scénario 1.
Figure 40. Carte de vulnérabilité de la forêt au déficit hydrique, scénario 1 (2045).
77
Figure 41. Carte de vulnérabilité de la forêt au déficit hydrique, scénario 2 (2045).
Figure 42. Carte de vulnérabilité factorielle climatique de la forêt, scénario 1 (2045).
78
Figure 43. Carte de vulnérabilité factorielle climatique de la forêt, scénario 2 (2045).
Le taux d'accroissement démographique appliqué pour la projection du nombre d'habitants provient des études de l'évolution de la population en zones rurales effectuées par le Haut-Commissariat au Plan (RGPH, 2004). Le taux d'accroissement appliqué est de 0,5% d'accroissement par an (moyenne des taux donnés par le Haut-Commissariat au Plan). Pour ce qui est du cheptel, un taux de 1% d'accroissement par an (Anonyme, 2014) a été appliqué. Que ce soit pour la densité de la population, les besoins en bois de feu ou la pression pastorale, la vulnérabilité obtenue pour tous les groupes sans exception est élevée. La carte de la vulnérabilité factorielle anthropozoogène résultant de ces 3 facteurs présente aussi une vulnérabilité élevée de tous les groupes comme le montre la carte ci-après :
79
Figure 44. Carte de vulnérabilité factorielle anthropozoogène de la forêt de Maâmora
(2045).
En considérant que les peuplements adultes deviendront vieux en 2045 abstraction faite de toute activité d'aménagement, le facteur sylvicole a été recalculé après projection du facteur vieillissement (cartes des figures 45 et 46).
80
Figure 45. Carte de vulnérabilité de la forêt due au vieillissement (2045).
Figure 46. Carte de vulnérabilité factorielle sylvicole de la forêt (2045).
81
Selon le scénario climatique appliqué, on a obtenu 2 cartes différentes de vulnérabilité synthétique des écosystèmes forestiers de la forêt de Maâmora à l'horizon 2045. Celle obtenue en appliquant au facteur climatique le scénario 1 (figure 47) indique que les groupes AGI, AGII, AGIV et BGV sont faiblement vulnérables face aux changements globaux à l'horizon 2045, les autres groupes du canton A et B ainsi que les groupes du canton C et le groupe DGVI sont moyennement vulnérables alors que les autres groupes du canton D et les groupes du canton E sont très vulnérables aux changements globaux.
Figure 47. Vulnérabilité
synthétique de la forêt de Maâmora aux changements
globaux
en 2045, scénario climatique 1.
La carte de la figure 48 indique la vulnérabilité par groupe des écosystèmes arborés de la forêt de Maâmora à l'horizon 2045 en appliquant au facteur climatique le scénario pessimiste (scénario 2) de prédiction du climat. On peut remarquer que les groupes des cantons A et B sont cette fois-ci moyennement vulnérables et ceux des cantons C, D et E sont très vulnérables. Notons également le fait que pour les 2 scénarios, il y a un gradient croissant dans la vulnérabilité des écosystèmes forestiers face aux changements globaux en allant de l'Ouest vers l'Est, laissant ainsi les groupes des cantons les plus à l'Est (D et E) toujours plus vulnérables.
82
Figure 48. Vulnérabilité
synthétique de la forêt de Maâmora aux changements
globaux
en 2045, scénario climatique 2.
Tout comme pour l'évaluation de la vulnérabilité des écosystèmes forestiers à l'horizon 2045, les facteurs considérés changeants ont été projetés avant de recalculer la vulnérabilité synthétique.
Les figures 49, 50, 51 et 52 donnent les cartes de vulnérabilité des écosystèmes forestiers en considérant uniquement le déficit hydrique projeté et les vulnérabilités factorielles climatiques correspondantes. Tout comme à l'horizon 2045, on note que le scénario 2 dit pessimiste donne plus de groupes à vulnérabilité élevée comparé au scénario 1 dit optimiste. Il en est de même pour la vulnérabilité factorielle, c'est à dire que le scénario 2 permet de prédire une vulnérabilité plus élevée des écosystèmes forestiers à l'horizon 2070 que le scénario 1. Toutefois, comme on aurait pu le supposer d'ailleurs, les vulnérabilités sont plus élevées à l'horizon 2070 qu'en 2045.
83
Figure 49. Carte de vulnérabilité de la forêt au déficit hydrique, scénario 1 (2070).
Figure 50. Carte de vulnérabilité de la forêt au déficit hydrique, scénario 2 (2070).
84
Figure 51. Carte de vulnérabilité factorielle climatique de la forêt, scénario 1 (2070).
Figure 52. Carte de vulnérabilité factorielle climatique de la forêt, scénario 2 (2070).
85
Les taux d'accroissement de la population et du cheptel appliqués étant les mêmes que pour l'horizon 2045, les vulnérabilités obtenues en considérant les facteurs anthropozoogènes individuellement ainsi que la vulnérabilité factorielle résultante sont élevées dans tous les groupes. La carte ci-après montre la vulnérabilité factorielle anthropozoogène à l'horizon 2070. Elle n'est en rien différente de celle obtenue pour l'horizon 2045.
Figure 53. Carte de vulnérabilité factorielle anthropozoogène de la forêt de Maâmora
(2070).
En considérant que les peuplements adultes ainsi qu'environ 1/4 des jeunes deviendront vieux en 2070 abstraction faite de toute activité d'aménagement, le facteur sylvicole a été recalculé après projection du facteur vieillissement (cartes des figures 54 et 55).
86
Figure 54. Carte de vulnérabilité de la forêt due au vieillissement (2070).
Figure 55. Carte de vulnérabilité factorielle sylvicole de la forêt (2070).
87
Selon le scénario climatique appliqué, les 2 cartes obtenues pour la vulnérabilité synthétique des écosystèmes forestiers de la forêt de Maâmora à l'horizon 2070 sont présentées dans les figures ci-après. Celle obtenue en appliquant au facteur climatique le scénario 1 (Figure 56) indique que les groupes des cantons A et B sont moyennement vulnérables face aux changements globaux à l'horizon 2070, alors que ceux des 3 autres cantons (C, D et E) sont très vulnérables.
Figure 56. Vulnérabilité synthétique de la forêt de Maâmora aux changements globaux en 2070, scénario climatique 1.
La carte de la figure 57 montre la vulnérabilité par groupe des écosystèmes forestiers de la forêt de Maâmora à l'horizon 2070 en appliquant au facteur climatique le scénario pessimiste (scénario 2) de prédiction du climat. On peut remarquer que les groupes BI, BII, BIII, BVI et BVII qui étaient moyennement vulnérables avec le scénario 1 sont devenus très vulnérables en appliquant le scénario climatique 2.
88
Figure 57. Vulnérabilité synthétique de la forêt de Maâmora aux changements globaux en 2070, scénario climatique 2.
Notons enfin qu'à l'instar de la vulnérabilité obtenue pour l'horizon 2045, celle de 2070 présente également selon la continentalité un gradient croissant Ouest-Est de vulnérabilité pour les 2 scénarios (RCP4.5 ou optimiste et RCP8.5 ou pessimiste). Ceci laisse ainsi les groupes des cantons les plus à l'Est (D et E) toujours plus vulnérables.
? Vulnérabilité des écosystèmes forestiers face aux changements globaux en 2010
La vulnérabilité des écosystèmes forestiers en 2010 après combinaison de tous les facteurs donne des groupes tous vulnérables à différents niveaux de vulnérabilité, confirmant ainsi le fait qu'il n'y ait pas de risque zéro. Il n'y a donc pas de groupes non vulnérables. En 2010, un seul groupe (DGI) était à vulnérabilité élevée. Tous les autres groupes avaient une vulnérabilité faible à moyenne.
La contribution des différents facteurs individuels biophysiques au calcul de la vulnérabilité factorielle biophysique est telle que la pente de la couche d'argile a le poids le plus élevé (51%) suivie par la profondeur du sable (26%). Ceci est
89
compréhensible car en Maâmora, le type de sol (sable/argile) favorise l'infiltration et donc, l'importance de la réserve utile se jouera d'une part sur le degré d'inclinaison de la couche d'argile qui accentuera le ruissellement au-dessus du plancher argileux et d'autre part sur la profondeur du sable qui limite l'utilisation de la réserve d'eau par les racines des plantes.
La vulnérabilité factorielle climatique reflète le gradient de continentalité comme c'est le cas pour les 2 facteurs individuels qui ont permis de la calculer. Vis-à-vis du facteur climatique, les écosystèmes les plus continentaux sont les plus vulnérables. Ceci n'est que normal vu que les précipitations diminuent et la température augmente quand on va de l'Ouest vers l'Est.
La vulnérabilité factorielle anthropozoogène est telle que tous les groupes de la forêt sont vulnérables. Ceci témoigne de l'activité anthropique importante dans la forêt de Maâmora.
La vulnérabilité factorielle sylvicole est en moyenne faible. En Maâmora, il y a certes des peuplements vieux et des arbres mal portants, mais il y a aussi des peuplements jeunes, surtout les espèces autres que le chêne liège qui ont une rotation/révolution plus courte. On peut donc supposer que les peuplements forestiers en Maâmora sont plus jeunes que vieux et de point de vue état de santé, ils se portent pas mal en général.
Le facteur climatique a le poids le plus élevé (56%) dans le calcul de la vulnérabilité synthétique expliquant le gradient de vulnérabilité selon la continentalité comme pour le facteur climatique.
? Vulnérabilité des écosystèmes forestiers face aux changements globaux aux horizons 2045 et 2070
Le facteur climatique donne une vulnérabilité de plus en plus élevée à l'Est quand on va de 2010 à l'horizon 2045 puis 2070. Le scénario 1 donne des vulnérabilités plus modérées comparé au scénario 2.
Le facteur anthropozoogène quand il est projeté aux horizons 2045 et 2070 donne une vulnérabilité élevée pour tous les groupes. Ceci sera vérifié si la tendance d'accroissement de la population et du cheptel continue.
90
Le facteur sylvicole indique des groupes faiblement à très vulnérables aux horizons 2045 et 2070 alors que la vulnérabilité factorielle sylvicole était en moyenne faible en 2010. La vulnérabilité factorielle sylvicole étant recalculée après projection de l'âge des peuplements, on peut dire que l'hypothèse émise en projetant l'âge des peuplements (aucune activité de régénération sur toute la période) est la base du résultat obtenu. Toutefois, en forêt de Maâmora, les aménagements ne peuvent pas laisser tous les peuplements vieillir sur toute cette période.
Pour les vulnérabilités synthétiques, en 2045 avec le scénario 1, 3 groupes du canton A et 1 groupe du canton B sont faiblement vulnérables, les autres groupes des cantons A et B ainsi que les groupes du canton C sont moyennement vulnérables alors que les groupes des cantons D et E ont une vulnérabilité élevée. En 2045 avec le scénario 2 et en 2070 avec le scénario 1, tous les groupes des cantons C, D et E sont très vulnérables alors que ceux des cantons A et B restent moyennement vulnérables. Avec le scénario 2 en 2070, certains groupes du canton B passent aussi à une vulnérabilité élevée.
On comprend donc que les groupes les plus à l'Est (cantons D et E) sont plus vulnérables et que la vulnérabilité future est assez importante et l'est plus encore pour le scénario 2. C'est ce qui se passera si les projections des facteurs considérés est « juste » et si les températures augmentent et les précipitations diminuent comme le prévoient les changements climatiques au niveau du Maroc.
? Statistiques des vulnérabilités par catégorie en 2010 et aux horizons 2045 et 2070 pour les 2 scénarios
Le tableau ci-après (tableau 31) montre un bilan de superficies et pourcentages par catégorie de vulnérabilités pour l'année de référence (2010) mais aussi pour les horizons 2045 et 2070 selon le scénario climatique.
Il ressort clairement de ce tableau qu'avec le scénario RCP 8.5, plus d'écosystèmes sont vulnérables aux changements globaux. Aussi, la vulnérabilité des écosystèmes augmente avec le temps (2010 - 2045 puis 2070), avec une augmentation plus ou moins importante selon le scénario.
La vulnérabilité synthétique d'aucun groupe de la forêt n'est nulle en 2010 comme aux horizons 2045 et 2070. Alors que les groupes à vulnérabilité faible représentaient 53% de la superficie de la forêt en 2010, seulement 11% en 2045 restent faiblement
91
vulnérables avec le scénario 1 et le reste des groupes est passé à une vulnérabilité soit moyenne, soit élevée. En 2045 avec le scénario 2 et en 2070 indépendamment du scénario, tous les groupes sont passés à une vulnérabilité moyenne à élevée.
Tableau 31. Bilan des superficies et pourcentages par catégorie de vulnérabilité
|
Niveau de vulnérabilité climatique des écosystèmes forestiers de la Maâmora |
Situation de référence (2010) |
2040-2050 Scénario RCP 4,5 |
2040-2050 Scénario RCP 8,5 |
2060-2080 Scénario RCP 4,5 |
2060-2080 Scénario RCP 8,5 |
|
Vulnérabilité nulle |
|||||
|
Superficie (ha) |
0 |
0 |
0 |
0 |
0 |
|
Pourcentage |
0 |
0 |
0 |
0 |
0 |
|
Vulnérabilité faible Superficie (ha) |
69357,07 |
13969,38 |
0 |
0 |
0 |
|
Pourcentage |
52,79 |
10,63 |
0 |
0 |
0 |
|
Vulnérabilité moyenne |
|||||
|
Superficie (ha) |
58194,22 |
58672,49 |
54192,63 |
54192,63 |
35227,83 |
|
Pourcentage |
44,29 |
44,65 |
41,25 |
41,25 |
26,81 |
|
Vulnérabilité élevée Superficie (ha) |
3840,69 |
58750,12 |
77199,35 |
77199,35 |
96164,15 |
|
Pourcentage |
2,92 |
44,71 |
58,75 |
58,75 |
73,19 |
92
Les changements climatiques sont d'actualité depuis plusieurs décennies. Plusieurs aspects flagrants rendent sans équivoque l'existence de changements quoique les experts et les acteurs du domaine du climat discutent encore sur la terminologie. Les changements climatiques ont plusieurs impacts sur les populations, les biens et les ressources naturelles dans le monde entier mais aussi le Maroc particulièrement. Certaines mesures sont prises pour ce qui est du Maroc tout comme dans nombre de pays pour lutter contre ce fléau.
Les forêts répondent à ce phénomène par des migrations d'espèces aussi bien animales que végétales, des régressions, etc. Les forêts sont donc vulnérables aux effets des changements climatiques. Parmi les méthodes les plus utilisées pour évaluer la vulnérabilité, on peut citer les systèmes experts et l'analyse spatiale multicritère.
La forêt de Maâmora située en bordure de l'océan atlantique est caractérisée par un bioclimat allant du semi-aride à l'est au subhumide à l'ouest. Les sols sont en général de type sable sur argile, ce qui implique une faible rétention en eau. L'activité anthropique est assez importante dans la forêt. Tout ceci, rajouté aux changements climatiques rend les écosystèmes de la forêt d'autant plus vulnérables.
Cette forêt qui était à l'origine une subéraie toute entière est maintenant à moitié reboisée d'autres espèces comme l'eucalyptus, l'acacia et le pin principalement. Ceci est le résultat des aménagements qui se sont succédés depuis 1951. Très récemment, des efforts de régénération du chêne liège surtout par voie de semis de glands ont donné lieu à quelques réussites.
La première partie de ce travail qui a concerné l'évaluation de la dynamique de la forêt a consisté en une classification d'images satellites avant d'étudier les changements de la végétation. L'étude de la dynamique d'une forêt est essentielle afin de faire le point sur la tendance de cette forêt et de mettre en exergue les facteurs principaux qui sont la cause des changements constatés. La deuxième partie a consisté en une analyse spatiale multicritère qui a considéré les 4 groupes de facteurs précédemment énumérés. Il n'est pas à rappeler que les écosystèmes forestiers sont affaiblis par divers facteurs, les uns les prédisposant naturellement aux effets des autres.
93
Les principaux résultats de notre étude sont comme suit :
? L'étude de la dynamique de la forêt de Maâmora ressort que cette dernière connait une grande dynamique. Les principaux changements concernent surtout la diminution de la superficie du chêne liège de 1987 (64461 ha) à 2000 (57000 ha) due au remplacement du chêne liège par des espèces feuillues et résineuses à croissance rapide, suivie d'une augmentation de cette superficie jusqu'à maintenant (61500 ha en 2014) grâce à une prise de conscience globale qui s'est matérialisée par le rétablissement des essences autochtones, d'où la régénération du chêne liège en Maâmora. La superficie des autres principales espèces était comme suit en 1987 : 44719 ha pour les Eucalyptus, 5770 ha pour le pin et 3850 ha pour les Acacia. Les changements observés entre 1987 et 2000 puis 2000 et 2014 varient selon les espèces. On peut citer la diminution de 11,6% de la superficie du chêne liège entre 1987 et 2000 suivie d'une augmentation de 4,6% entre 2000 et 2014 ; l'augmentation des superficies reboisées en pins (73% sur la période 1987-2014), une augmentation de 7,5% de la superficie des Eucalyptus entre 1987 et 2000 suivie d'une diminution de 11% jusqu'en 2014 et une augmentation de 34% de la superficie des Acacia entre 1987 et 2000 suivie d'une diminution de 41% entre 2000 et 2014.
Les aménagements ont joué un rôle très important dans ces changements, sans oublier que c'est un certain nombre de facteurs qui sont eux-mêmes à l'origine des décisions des aménagements. On retient 4 groupes de facteurs: les facteurs biophysiques, les facteurs climatiques, les facteurs anthropozoogènes et les facteurs sylvicoles.
? L'étude de la vulnérabilité des écosystèmes de la forêt de Maâmora permet de prédire que ces écosystèmes sont différemment vulnérables selon le groupe auquel ils appartiennent. En effet, on peut retenir que les groupes les plus continentaux sont plus vulnérables face aux changements globaux. Il n'est pas alors étonnant que ce soit dans ces parties de la forêt (cantons D et E) que la subéraie ait le plus régressé. Rien qu'en se projetant de 2010 à 2045, on remarque le changement dans la vulnérabilité des écosystèmes. Alors qu'en 2010, seulement un groupe (DGI) était très vulnérable, en 2045, tous les groupes des cantons D et E voire C (avec le scénario 2) passent à une vulnérabilité élevée. Ces constats sont encore plus frappants quand on passe à l'horizon 2070. Les groupes à vulnérabilité faible
94
représentaient 53% de la superficie de la forêt en 2010 et seraient de 11% en 2045 avec le scénario 1. En 2045 avec le scénario 2 et en 2070 indépendamment du scénario, tous les groupes passeront à une vulnérabilité moyenne à élevée.
Tout ceci ne signifie pas que les écosystèmes forestiers disparaitront d'ici 2070. Ce travail attire toutefois l'attention des gestionnaires sur la condition future de la forêt de Maâmora afin que des dispositions soient prises dans le but d'atténuer les impacts possibles des différents facteurs, notamment le facteur climatique sur la forêt de Maâmora. Aussi, une prise de conscience est requise en vue de continuer à assurer la production des biens et services issus de cette forêt très importante pour les populations riveraines, mais aussi pour toute la nation.
S'inspirant de ces résultats, On recommande ce qui suit:
y' mettre en place et encourager les activités génératrices de revenus, réglementer le parcours par des mises en défens et le contrôle des quotas par usager, envisager des alternatives à l'usage du bois de feu, tout ceci en vue de diminuer l'activité anthropique sur la forêt pour favoriser la reprise de la régénération naturelle sans quoi, les écosystèmes forestiers ne peuvent être pérennisés ;
y' réduire le reboisement des espèces autres que le chêne liège et mettre l'accent sur le rétablissement de la subéraie par des régénérations artificielles par semis de glands dans les cantons les plus occidentaux (A, B et C) où le chêne liège est encore plus ou moins bien représenté, et le faire avec beaucoup plus d'attention dans les cantons les plus à l'est (D et E) où les conditions biophysiques mais aussi climatiques sont plus difficiles.
95
Aafi A., 2007. Etude de la diversité floristique de l'écosystème de chêne-liège de la forêt de la Maâmora. Rabat: Thèse de Doctorat d'Etat Es-Sciences Agronomiques, IAV Hassan II, 190p.
Abourouh M., Taleb M., Makhloufi M., Boulmane M., et Aronson J., 2005. Biodiversité et dynamique de la végétation dans la subéraie de la Maâmora (Maroc) Effet de la durée de clôture. Forêt méditerranéenne t. XXVI, n° 4, décembre 2005.
Anonyme, 2001. Communication Nationale Initiale à la Convention Cadre des Nations Unies sur les Changements Climatiques. Rapport du ministère de l'Aménagement du Territoire, de l'Urbanisme, de l'Habitat et de l'Environnement, Maroc. Octobre 2001, 100p.
Anonyme, 2013. Guide méthodologique pour l'analyse de la vulnérabilité au changement climatique des sites pilots retenus par le projet FFEM « optimiser la production de biens et services par les écosystèmes boisés méditerranéens dans un contexte de changements globaux » en Algérie, Liban, Maroc, Tunisie et Turquie.
Anonyme, 2014. Communication personnelle avec le Professeur Qarro.
Bagaram B. M., 2014. Elaboration d'une base de données géographiques et catalogue des stations de la subéraie de la Maâmora, Mémoire de troisième cycle, ENFI, Salé.
Bagnouls, F., & Gaussen, H. (1953). Saison sèche et indice xérothermique. Bulletin Société Histoire Naturelle, Toulouse, Tome 88, 193-239.
Balzarini R., Davoine P. et Ney M., 2011. Evolution et développement des méthodes d'analyse spatiale multicritère pour des modèles d'aptitude : l'exemple des applications en Géosciences. Conférence Francophone ESRI, Oct 2011, Versailles, France. 25 p.
Beniston M., 2009. Changements climatiques et impacts. Presses polytechniques et universitaires romandes, 247p.
Berwick R., 2003. An Idiot's guide to Support vector machines (SVMs). 25p.
Bouteldjaoui F., Bessenasse M., Guendouz A., 2011. Etude comparative des différentes méthodes d'estimation de l'évapotranspiration en zone semi-aride (cas de la région de Djelfa). Université de Djelfa, Algérie.
96
Chastan B., Gilard O., Givone P., Oberlin G., 1995. Elément de réflexion pour une meilleure prise en compte du risque d'inondation, Ingénieries-EAT, N°2, pp. 13-20.
DREFLCD Nord-Ouest, 2012. Evolution de la superficie du chêne liège dans la Maamora. Présentation PowerPoint.
El Mansouri B., 2004. Calcul de la réserve utile des sols pour une gestion rationnelle des eaux de l'irrigation. Recherche et Développement en Gestion intégrée des ressources hydriques au Sud-Est du Maroc, Conférence internationale du 1er au 2 avril 2004, Ouarzazate, Maroc.
Elmansouri A., 2013. Analyse basée télédétection pour la mise en place d'un système d'information géographique pour le suivi de l'état sanitaire et l'exploitation du liège en Maâmora. Mémoire de troisième cycle, ENFI, Salé.
Fischesser B. et Dupuis-Tate M-F, 2007. Le guide illustré de l'écologie. Éditions de la Martinière & CEMAGREF. Paris
GIEC, 1995. Deuxième rapport d'évaluation du GIEC, Changements climatiques 1995,
rapport du groupe d'experts intergouvernemental sur l'évolution du climat. GIEC, 2005. Analyse scientifique et technique des incidences de l'évolution du climat,
mesures d'adaptation et d'atténuation.
GIEC, 2007. Bilan 2007 des changements climatiques: Rapport de synthèse. 103 p.
GIEC, 2013. Résumé à l'intention des décideurs, Changements climatiques 2013: Les éléments scientifiques. Contribution du Groupe de travail I au cinquième Rapport l'évaluation du Groupe d'experts intergouvernemental sur l'évolution du climat. Cambridge University Press, 27p.
GIZ, 2013. Guide méthodologique de l'approche spatiale multifactorielle d'analyse de vulnérabilité des écosystèmes face au changement climatique.
Guesdon G., 2011. Méthodes et outils d'aide multicritère à la décision-Comparaison de Saaty. 5è, Cours d'Evaluation des impacts environnementaux (EIE). Faculté des sciences et de génie, Université Laval.
HCEFLCD, 2012. Procès-verbal d'aménagement de la forêt de la Maâmora. 200 p. Heusch B., et Billaux P., 1966. Carte pédologique du Rharb, de la Maâmora
Septentrionale et de leur bordure orientale. Ministère de l'agriculture et de la
réforme agraire.
Jouzel J. et Debroise A., 2007. Le climat : jeu dangereux. Dernières nouvelles de la planète.
97
Kimmins J.P., 2003. Ecosystem management and landscape ecology: The ultimate focus in forest ecology. In Forest ecology. A foundation for sustainable forest management and environmental ethics in forestry, Chap. 19. 3rd edit., Upper Saddle River, N.J., Prentice Hall. Sous presse.
Landis J. R. et Koch G. G., 1977. "The measurement of observer agreement for categorical data" in Biometrics. Vol. 33, pp. 159-174.
Loudiyi M., 2009. Evaluation de la vulnérabilité et mesures d'adaptations aux changements climatiques (Cas des communes limitrophes de la lagune de Nador-Nord du Maroc). Mémoire de troisième cycle, ENFI, Salé. 100p.
Malek M., 2008. Systèmes experts - Notes de cours. Editions 2008. Cycle d'Ingénieur, 2ème année. Département systèmes informatiques formels & intelligents. 37p.
Medlyn B.E., McMurtrie R.E., Dewar R.C. et Jeffreys M.P., 2000. Soil processes dominate the longterm response of forest net primary productivity to increased temperature and atmospheric CO2 concentration. Canadian Journal of Forst Research.
Merzouk A., Badraoui M., Benyelloul A., 1987. Estimation des caractéristiques hydriques de quelques sols marocains I. HCC et pF 4,2.
Mollicone D, Eva H.D, Achard F. Human, 2006. Impact on `wild' fires in boreal Eurasian forests.
Mounir F., 2002. Conception d'un système d'information géographique pour l'aménagement et la gestion forestière au Maroc. Intégration des critères et indicateurs du développement durable, Application à la forêt de Maâmora. Thèse de doctorat. 192p.
Olivry F., 2012. Exploration d'une méthode d'évaluation de la vulnérabilité des systèmes essentiels d'une région face aux extrêmes météorologiques dans un contexte de changements climatiques. Mémoire de maîtrise en sciences appliquées (Génie industriel). Août 2012. 129p.
ONF, 2014. Protocole de validation des cartographies forestières, ONF International. Présentation PowerPoint de Anne-Cécile Capel. 30 Juin 2014.
Parmesan C., 2003. A globally coherent fingerprint of climate change impacts across natural systems.
RGPH, 2004. Recensement général de la population et de l'habitat, Haut-Commissariat au Plan.
WRI, 2008. Annual Carbon Dioxide Inventory Report. World Ressource Inventory.
98
WEBOGRAPHIE
(Sites internet vérifiés et trouvés actifs le 06/07/2015)
1. http://ec.europa.eu/europeaid/evaluation/methodology/tools/too cri def fr.htm
2. http://serres.u-bourgogne.fr/article.php3?id article=203
3. http://www.fao.org/docrep/ARTICLE/WFC/XII/MS18-F.HTM
environnement.com/ae/dictionnaire_environnement/definition/changement_climatiq ue.php4
5. http://www.fondation-lamap.org/fr/page/14373/s-quence-3-quelles-sont-les-origines-du-changement-climatique
7. http://hmf.enseeiht.fr/travaux/bei/beiere/book/export/html/1583
8. http://climexp.knmi.nl/plot atlas form.py
9. http://gdex.cr.usgs.gov/gdex/
10. http://www.hcp.ma/Taux-d-accroissement-de-la-population-du-Maroc-en-par-periode-et-milieu-de-residence-1960-2050 a683.html
99
|
Evaluation de la pression anthropique par CR (Besoin en bois de feux ) |
||||||
|
BF (stères) |
Besoins/Pro duction |
Classe de pression précédante |
||||
|
AIN JOHRA |
1 717 |
6 801 |
10057 |
6 |
4 |
4 |
|
AIT MALEK |
82 |
3 077 |
4550 |
56 |
4 |
4 |
|
AMEUR SEFLIA |
10 853 |
22 190 |
32813 |
3 |
3 |
4 |
|
DAR BELAMRI |
12 375 |
15 097 |
22324 |
2 |
2 |
2 |
|
ELKANSERA |
3 026 |
6 702 |
9910 |
3 |
3 |
4 |
|
HADDADA |
4 618 |
8 892 |
13149 |
3 |
3 |
4 |
|
HSAIN |
210 |
311 |
4 |
4 |
||
|
KCEIBIA |
6 043 |
14 860 |
21974 |
4 |
4 |
4 |
|
KENITRA |
584 |
1 541 |
2279 |
4 |
4 |
4 |
|
MQAM TOLBA |
7 004 |
13 235 |
19571 |
3 |
3 |
4 |
|
OULED SLAMA |
195 |
11 952 |
17674 |
91 |
4 |
4 |
|
SEHOUL |
9 262 |
13696 |
4 |
4 |
||
|
SIDI ABDERRAZZAK |
14 274 |
12 289 |
18172 |
1 |
1 |
2 |
|
SIDI ALLAL BAHRAOUI |
3 326 |
5 144 |
7606 |
2 |
2 |
4 |
|
SIDI BOUKHALKHAL |
2 523 |
6 480 |
9582 |
4 |
4 |
4 |
|
SIDI BOUKNADEL |
515 |
13 712 |
20276 |
39 |
4 |
4 |
|
SIDI TAIBI |
1 913 |
3 791 |
5606 |
3 |
3 |
4 |
|
Total (stères) |
Production 69 050 |
Effectif de la 155 235 |
Besoins en 229 548 |
Rapport : 3 |
Classe de 3 |
4 |
CR
Besoins en B.F par personne (stères) : 1,478712692
population
usagères
Classe 1 : Prélévement = production
Classe 2 : Prélévement = 2 fois la production
Classe 3 : Prélévement = 3 fois la production
Classe 4 : Prélévement = 4 fois la production ou plus
|
Evaluation de la pression pastorale par CR |
||||||||||
|
CR |
Production UFcheptel |
des sagers (UBP) |
Effectif duRapport Besoins en UBesoins/Pro |
: duction |
Classe de pression |
|||||
|
AIN JOHRA |
658 |
810 |
31 |
881 |
7 |
651 |
440 |
12 |
4 |
|
|
AIT MALEK |
1 |
047 |
686 |
14 |
015 |
3 |
363 |
600 |
3 |
3 |
|
AMEUR SEFLIA |
1 |
602 |
144 |
45 |
659 |
10 |
958 |
198 |
7 |
4 |
|
DAR BELAMRI |
442 |
954 |
12 |
431 |
2 |
983 |
334 |
7 |
4 |
|
|
ELKANSERA |
18 |
967 |
4 |
552 |
080 |
|||||
|
HADDADA |
2 |
024 |
045 |
19 |
077 |
4 |
578 |
480 |
2 |
2 |
|
HSAIN |
133 |
306 |
3 |
530 |
847 |
200 |
6 |
4 |
||
|
KCEIBIA |
1 |
043 |
030 |
25 |
514 |
6 |
123 |
264 |
6 |
4 |
|
KENITRA |
223 |
382 |
2 |
720 |
652 |
680 |
3 |
3 |
||
|
MQAM TOLBA |
865 |
546 |
27 |
570 |
6 |
616 |
800 |
8 |
4 |
|
|
OULED SLAMA |
211 |
526 |
20 |
252 |
4 |
860 |
540 |
23 |
4 |
|
|
SEHOUL |
354 |
413 |
44 |
887 |
10 |
772 |
964 |
30 |
4 |
|
|
SIDI ABDERRAZZAK |
537 |
082 |
31 |
202 |
7 |
488 |
480 |
14 |
4 |
|
|
SIDI ALLAL BAHRAOUI |
2 |
156 |
304 |
25 |
461 |
6 |
110 |
640 |
3 |
3 |
|
SIDI BOUKHELKHAL |
365 |
136 |
24 |
598 |
5 |
903 |
520 |
16 |
4 |
|
|
SIDI BOUKNADEL |
2 |
987 |
597 |
26 |
092 |
6 |
262 |
176 |
2 |
2 |
|
SIDI TAIBI |
1 |
378 |
426 |
9 |
322 |
2 |
237 |
280 |
2 |
2 |
|
Total |
16 |
031 |
386 |
383 |
178 |
91 |
962 |
677 |
6 |
4 |
Besoins annuels d'un UPB en U.F: 240
Classe 1 : Prélévement = production
Classe 2 : Prélévement = 2 fois la production
Classe 3 : Prélévement = 3 fois la production
Classe 4 : Prélévement = 4 fois la production ou plus
100
Annexe 3. Note sur les scénarios RCP
Les scénarios RCP pour Representative Concentration Pathway sont 4 scénarios basés sur les trajectoires prédictives possibles de la concentration des gaz à effet de serre. Ces trajectoires ont été adoptées par l'IPCC en 2014. Les trajectoires prédites servent dans la modélisation du climat et dans la recherche.
Tenant compte de l'évolution possible des émissions le graphe ci-après indique les prédictions de la quantité de gaz à effet de serre dans l'atmosphère en équivalent de CO2 selon les différents scénarios.
Tous ces scénarios prédisent une augmentation moyenne de la température entre 0,3 et 4,8°C et une élévation du niveau moyen des mers entre 0,26 et 0,82 m à la fin du XXIè siècle. (Source : http://en.wikipedia.org/wiki/Representative_Concentration_Pathways).
