MINISTERE DE L’EDUCATION NATIONALE REPUBLIQUE DU MALI
DE L’ENSEIGNEMENT SUPERIEUR ET --------------------
DE LA RECHERCHE SCIENTIFIQUE UN PEUPLE - UN BUT - UNE FOI
**********************************
UNIVERSITE DES SCIENCES SOCIALES
ET DE GESTION DE BAMAKO (USSGB)
**********************************
FACULTE D’HISTOIRE
ET DE GEOGRAPHIE (FHG)
DER GEOGRAPHIE
FHG
MASTER GEO_GATE
MASTER I : GEOMATIQUE, AMENAGEMENT ET
GESTION DES TERRITROIRE
THEME
Analyse Spatiale et multicritères de la
vulnérabilité des communes de Bougouni
Février 2020
Rapport de l’Analyse spatiale :
Préparé et présenté par
DIAKITE Nouhoum
Professeur chargé du cours :
Dr TRAORE Souleymane
1
TABLE DES MATIERES
I INTRODUCTION……………………………………………………………………..3
II METHODOLOGIE…………………………………………………………………...3
1. Présentation de la zone d’étude………………………………………………...3
2. Outils utilises……………………………………………………………………5
3. Description des données utilisées………………………………………………5
4. Démarche utilisée……………………………………………………………….6
III RESULTATS……………………………………………………………………...…6
5. Discussion……………………………………………………………………....14
6. Perspectives…………………………………………………………………......14
IV CONCLUSION……………………………………………………………………...14
REFERENCES……………………………………………………………………….…15
2
I-INTRODUCTION
Vaste pays sahélien enclavé au cœur de l’Afrique de l’Ouest, le Mali vit dans une situation
d’insécurité chronique et de vulnérabilité généralisée, principalement structurelle. Cette
situation est liée à la pauvreté endémique, au caractère rudimentaire des systèmes de
production, à l’insuffisance des aménagements dans le secteur de l’agriculture, de l’élevage.
A cela s’ajoute une vulnérabilité liée aux aléas climatiques qui occasionnent des crises
alimentaires conjoncturelles récurrentes. Dans le cadre de l’étude de la vulnérabilité à
multicritères des communes de Bougouni dans la région de Sikasso le contexte de l’étude est
de déterminer les communes qui sont en manque d’infrastructure socio économique et
éducative pour leur développement et les faibles rendements lier aux alea climatique.
Objectif Générale de l’étude est de caractériser le paramètre lié à la vulnérabilité des
communes de Bougouni. Comme objectif spécifiques Calculer le Niveau de vulnérabilité de
chaque commune de Bougouni. Avec ce résultat faire une représentation cartographique et
multicritères des communes vulnérables dans Bougouni.
II-METHODOLOGIE
1. Présentation de la zone d’étude
Le cerclé de Bougouni est une collectivité territoriale du Mali dans la région de Sikasso situé
à 170 km au sud-est de Bamako et 210 km à l’ouest de Sikasso (figure.1). Il compte 26
communes Bougouni est la quatorzième commune créée par les colonisateurs français au
Soudan Le10 juillet 1894, Bougouni devient capitale administrative avec l’installation de son
premier administrateur, le lieutenant Gouraud. La ville de Bougouni détenait un fonds
important d'archives coloniales qui ont disparu dans un incendie lors des événements de
mars1991 mettant fin à la dictature de Moussa Traore
3
Zone d’étude :
Figure1 : Zone d’étude cercle de Bougouni dans la région de Sikasso
4
2. Outils utilisés
Arcgis : utilisé pour la création et l’extraction des données de NDVI de température de
pluviométrie et la cartographie des principaux facteurs de vulnérabilité de la commune de
Bougouni.
Excel : utilisé pour la création de la table d’information extraite de la base de donne, les
différents calculs de normalisation, l’analyse en composante principale, et l’analyse de
classification ascendante hiérarchique.
World : utilisé pour la saisie du rapport (commentaire des différents résultats, cartes et
tableaux).
3. Description des données utilisées :
Dans le tableau (1) se trouvent les donnée leurs descriptions. Ce sont principalement les
données de températures moyennes annuelles, du cumul de pluviométrie annuelle, de la
situation des marchés agricoles du Mali, des d’indices normalisés de différenciation de la
végétation (NDVI),
Tableau.1 : Données utilisées
Données Description Source
NDVI Données d’indice normalisé de différenciation de la végétation Spot Végétation
1km
Température Issues des mesures réelles de 20 stations synoptiques et Station du Mali
spatialisées pour extraire les températures moyennes des autres
stations où il n’y’avait pas de données
Pluviométrie Issues des données d’estimation de la pluie du capteur ARC-2 ARC-2
(African RainfallClimatology version 2). Il s’agit des données
journalières qui ont été combiné pour donner les valeurs
annuelles de pluviométrie pour toutes les stations.
Marché Situation des marchés agricoles du Mali OMA
Ecole Situation des écoles du Mali MDRI
Sante MDRI
Population Les données de populations proviennent de la base de données RGPH, 2009
du RGPH de 2009. Ces chiffres ont été actualisé pour 2015 et
utilisé dans les travaux
Statistique Production des céréales du coton par habitants FAO, 2010
agricole
4. Démarche utilisée :
5
Pour la réalisation de l’étude, nous avons procédé grâce au logiciel Arcgis défini l’entité de
Bougouni et communes en fichier Shape file à partir de la base admin. Il a été ensuite
déterminé la zone d’étude (Bougouni) sur l’image NDVI Spot végétation pour procéder au
calcul des valeurs brutes NDVI qui ont été converties en valeurs réelles. De ces données il a
été défini le minimum, le maximum, et le calcul la moyenne l’ecartype et le coefficients de
variation.
Ces différents résultats on été organisées dans Excel pour procéder aux différentes analyses
statistiques (ACP ; CAH)
Une base de données géographique a été ainsi développée dans ArcGis comprenant en plus
des données citées dessus celles de la santé, des marchés, des écoles et des points d’eau. An
final, une représentation cartographique est ensuite faite pour montrer les différentes
communes vulnérables dans le cercle de Bougouni
III RESULTATS:
Selon le tableau 2, pour les corrélations positives on constate une bonne corrélation entre la
Moyenne NDVI et le Minimum NDVI (0,843) ; entre la Moyenne NDVI, la pluie et le
Minimum NDVI une corrélation de plus de 0,5 et une bonne corrélation entre la population en
2020 et les différentes infrastructures socio-économiques éducatives (école, santé, marché
point d’eau). Entre l’écart type et le Maximum NDVI la corrélation est de 0,501 et celle entre
le taux d’occupation et la production par habitant nous avons 0,688
Pour les corrélations négatives nous pouvons citer pour les plus marquantes :
Celle entre la Moyenne NDVI et la covariance NDVI qui est de l’ordre -0,605, entre le
Minimum NDVI et l’écart type (-0,667), entre le Minimum NDVI et la covariance NDVI (-
0,822), entre la température et la pluie (-0,727), entre la production et la population 2020 (-
0,671) et production et les différentes infrastructures socio-économiques éducatives (école,
santé, marché point d’eau)
6
Tableau 2 : Matrice de corrélation de spearman
Variables Moy_NDVI Max_NDVI MIN_NDVI StdNDVI CoVNDVI Taux_occ Pluie Temp Pop2020 Densité2020 Ecole Santé Eau Marché Prod_hbt
Moy_NDVI 1 0,465 0,843 -0,411 -0,605 -0,416 0,538 -0,245 -0,193 -0,421 -0,082 -0,138 -0,288 -0,115 -0,126
Max_NDVI 0,465 1 0,097 0,501 0,311 -0,230 0,225 0,064 -0,257 -0,376 -0,204 -0,087 -0,319 -0,210 -0,020
MIN_NDVI 0,843 0,097 1 -0,667 -0,822 -0,368 0,592 -0,423 -0,004 -0,217 0,077 0,011 -0,161 -0,052 -0,158
STD_NDVI -0,411 0,501 -0,667 1 0,936 0,131 -0,201 0,091 -0,149 0,019 -0,208 -0,092 -0,118 -0,282 0,056
CoVNDVI_norm -0,605 0,311 -0,822 0,936 1 0,212 -0,361 0,201 -0,082 0,115 -0,120 -0,039 0,009 -0,128 0,104
taux occupation sol -0,416 -0,230 -0,368 0,131 0,212 1 -0,102 -0,073 -0,214 0,458 -0,314 -0,341 -0,261 -0,323 0,688
Pluie_normalise 0,538 0,225 0,592 -0,201 -0,361 -0,102 1 -0,727 -0,202 -0,225 -0,075 -0,333 -0,386 -0,378 0,001
Temperature -0,245 0,064 -0,423 0,091 0,201 -0,073 -0,727 1 0,170 -0,112 0,054 0,231 0,274 0,375 -0,045
Pop2020_Norma -0,193 -0,257 -0,004 -0,149 -0,082 -0,214 -0,202 0,170 1 0,515 0,907 0,648 0,860 0,575 -0,671
Densité2020 -0,421 -0,376 -0,217 0,019 0,115 0,458 -0,225 -0,112 0,515 1 0,395 0,349 0,451 0,246 -0,179
NBEcole -0,082 -0,204 0,077 -0,208 -0,120 -0,314 -0,075 0,054 0,907 0,395 1 0,645 0,874 0,672 -0,634
Santé -0,138 -0,087 0,011 -0,092 -0,039 -0,341 -0,333 0,231 0,648 0,349 0,645 1 0,687 0,673 -0,419
Point_Eau -0,288 -0,319 -0,161 -0,118 0,009 -0,261 -0,386 0,274 0,860 0,451 0,874 0,687 1 0,698 -0,590
Marché -0,115 -0,210 -0,052 -0,282 -0,128 -0,323 -0,378 0,375 0,575 0,246 0,672 0,673 0,698 1 -0,408
Prod_hbt_norma -0,126 -0,020 -0,158 0,056 0,104 0,688 0,001 -0,045 -0,671 -0,179 -0,634 -0,419 -0,590 -0,408 1
7
Tableau 3 : Variance expliqué par le modèle pour les échantillons
Facteurs Valeur propre Variabilité % Cumulative %
F1 5,054 33,694 33,694
F2 3 ,883 25,887 59,580
F3 2,083 13,885 73,446
F4 1,510 10,067 83,533
Composantes et variables Contribution en % Variance
expliquative
Socio Economimique 33,64
Pop2020 16,075
Ecole 15,265
Santé 12,287
Eau 17,636
Marché 12,597
Pord_hbt_norm 8,313
Climat Environementale 25,887
Moy_NDVI 17,301
Min_NDVI 22,999
STD_NDVI 13,677
COV_NDVI_norm 18,910
Pluie_norm 9,609
Demographie Environementale 13,885
Max_NDVI 29,718
Taux_occ_sol 21,142
Densité2020 12,873
Température 10,067
Temperature 32,661
Variance totale expliqué par la structure totale en% 83,533
Le tableau (3) expliqué la variance par le model pour les échantillons les valeurs de variance
vont à 84 % de ma variabilité de satisfaction
8
Tableau 4 : Tableaux des différents facteurs de vulnérabilité
Nom commune f1 f2 f3 f4
BELENI (ou DEBELEN) 1 1 1 1
BLADIE-TIEMALA 1 1 2 2
BOUGOUNI COMMUNE 2 1 3 3
CHANTOULA (ou SIENTOULA) 3 1 1 2
DANOU 2 2 1 2
DEFINA 3 1 1 2
DOGO 3 1 1 2
DOMBA 2 2 1 1
FARADIELE 3 1 1 3
FARAGOUARAN 3 1 1 3
GARALO 1 3 1 2
KELEYA 1 2 3 2
KOKELE 3 1 1 3
KOLA 3 1 1 2
KOUMANTOU 3 1 1 2
KOUROULAMINI 1 1 2 3
MERIDIELA 2 3 3 2
OUROUN 1 1 2 2
SANSO 1 1 3 3
SIBIRILA 2 3 1 2
SIDO 2 1 2 3
TIEMALA BANIMONOTIE 2 2 1 2
WOLA 2 1 1 3
YININDOUGOU 1 3 1 2
YIRIDOUGOU 2 3 1 2
ZANTIEBOUGOU 3 1 1 2
A la lecture du tableau 4 on constate la vulnérabilité qui varie de facteur en facteur dont les
différents résultats ont été cartographiés.
9
Figure2 : Carte de vulnérabilités des communes de Bougouni au critère 1
Pour le facteur1, (figure 2) la vulnérabilité des communes de Bougouni se présente en trois
niveaux qui sont faible, moyen, élevé. Huit communes ont une faible vulnérabilité (Debelen,
Bladie-Tiemala, Garalo, Keleya, Kouroulamini, Ouroun, Sanso, Yinindougou), neuf ont une
vulnérabilité moyenne (commune urbaine de Bougouni, Danou, Domba, Merdiela, Sibirila,
Sido, Tiemala-Banimonotie, Wola, Yiridougou et neuf autres communes ont une vulnérabilité
élevée de Chantoula, Defina, Dogo, Faradiele,Faragouaran, Kokele, Kola, Koumantou,
Zantiebougou.
10
Figure 3 : Carte de vulnérabilité des communes de Bougouni au critère 2
Pour le facteur 2 (figure 3) les communes de Bougouni selon les trois niveaux de vulnérabilité
(faible, moyen, élevé) sont organisées comme suite :
-faible vulnérabilité (17) : les communes de Debelen, Bladie-Tiemala, Bougouni, Chantoula,
Defina, Dogo, Faradiele, Faragouaran, Kokele, Kola, Koumantou, Kouroulamini, Ouroun,
Sanso, Sido, Wola, Zantiebougou,
- moyenne vulnérabilité (4 ) : les communes de Danou, Domba, Keleya, Tiemela-
Banimonotie,
11
- vulnérabilité élevées (5) : les communes de Garalo, Merdiela, Sibirila, Yinidougou,
Yiridougou sont les communes à.
12
13
Figure 4 : Carte de vulnérabilité des communes de Bougouni au critère 3
Pour le facteur 3 (figure 4) les communes de Bougouni en fonction des trois niveaux de
vulnérabilité définis (faible, moyen et élevée) se regroupent comme suite ;
- faible vulnérabilité (18) : les communes de Debelen, Chantoula, Danou, Defina, Dogo,
Domba, Faradiele, Faragouaran, Garalo, Kokele, Kola, Koumantou, Sibirila, Tiemala-
Banimonotie, Wola, Yinindougou, Yiridougou, Zantiebougou,
- moyenne vulnérabilité (4) : les communes Bladie-Tiemala, Kouroulamini, Ouroun, Sido,
- vulnérabilité élevée (4) : les communes à, La commune de Bougouni, Keleya, Merdiela,
Sanso.
Figure 5 : Carte de vulnérabilité des communes de Bougouni au critère 4
Pour le facteur 4 (figure 5) les communes de Bougouni selon les trois niveaux de vulnérabilité
(faible, moyen, élevé) se présente comme suite :
14
- faible vulnérabilité (2) : les communes de Debelen, Domba,
- moyenne vulnérabilité (16) : les communes de Bladie-Tiemala, Chantoula, Danou, Defina,
Dogo, Garalo, Keleya, Kola, Koumantou, Merdiela, Ouroun, Sibirila, Tiemala-Banimonotie,
Yinindougou, Yiridougou, Zantiebougou,
-vulnérabilité élevée (8) : les communes de Bougouni, Faradiele, Faragouaran, Kokele,
Kouroulamini, Sanso, Sido, Wola.
15
1. Discussion
A partir de ces analyses faites à multicritères on constante que la valeur des différents facteurs
de vulnérabilité varie de facteur en facteur. Avec le facteur 4 les différents niveaux de la
vulnérabilité des communes sont supérieurs aux trois autres facteurs. Il n’ya que deux(2)
communes qui ont un niveau de vulnérabilité faible, seize (16) communes ont leur niveau de
vulnérabilité moyenne et huit (8) communes un niveau de vulnérabilité élevé.
2. Perspectives
Pour qu’il est moins de communes vulnérables dans le cercle de Bougouni, les habitants
doivent adopter les mêmes politiques de développement des deux communes (Debelen,
Domba) qui ont un niveau de vulnérabilité faible selon le facteur 4. Les décideurs doivent
prendre en compte dans les PDCES (plan de développement communal) l’équipement en
infrastructures socio-économiques et éducatives dans les 24 autres communes du cercle.
IV. CONCLUSION
Le facteur 4 est celui qui a permis de bien mettre en relief les différents niveaux de
vulnérabilité des communes de Bougouni. A travers l’outil SIG les résultats sont présentés
facilitant une bonne lecture pour une prise de décision en vu du développement des
différentes communes du cercle de Bougouni
16
REFERENCES :
-Alice M-D&(2005) analyse de la securité alimentaire et de la vulnérabilté (CFSVA) analyse
de la carthographies et de la vulnérabilité (UNICEF) au Mali 95 pages
-Kara-consult (2018) rapport final du plan d’ivestissements pour une economie verte et
resilente aux changements climatiques pour le Mali, cabinet d’étude et de consultation 172
pages
- Boulanger, P.M., (2004). Les indicateurs de développement durable : un défi scientifique, un
enjeu démocratique. Les séminaires de lIddri, n°12, 24p
17
