EFFICACITÉ DES AIRES PROTÉGÉES DANS LA CONSERVATION D’HABITATS FAVORABLES PRIORITAIRES DE LIGNEUX DE VALEUR AU BÉNIN

Abstract

L’objectif de cette étude est d’évaluer au Bénin l’efficacité du réseau des aires protégées dans la conservation des habi- tats favorables et prioritaires de certaines espèces ligneuses d’importance socio-éco- nomique. Il s’agit de Afzelia africana, Anogeissus leiocarpa, Burkea africana, Daniellia oliveri, Detarium microcarpum, Prosopis africana et Khaya senegalensis. Les techniques basées sur le principe d’en- tropie maximale (Maxent) combinées avec les SIG ont été utilisées pour projeter les habitats favorables de ces sept espèces ; le logiciel Zonation a été utilisé pour la modé- lisation des habitats prioritaires. Les points de présence des espèces ont été collectés et associés aux variables bioclimatiques dérivées de la température mensuelle et de la pluviométrie obtenues à partir de la base de données en ligne de AfriClim, ainsi qu’à la variable édaphique (sol). En terme de déterminisme environnemental, les variables bioclimatiques telles que l’écart diurne moyen de la température (Bio2), les précipitations annuelles moyennes (Bio12), l’évapotranspiration potentielle (ETP) et la variable biophysique sol, sont prédictives pour les distributions des sept espèces. Les habitats protégés plus favo- rables aux sept essences dans la zone gui- néenne commencent aux limites de la forêt classée de Kétou (7°43’N), dans la zone soudano-guinéenne, à partir de la lati- tude de la forêt classée d’Agoua (8°30’N), et dans la zone soudanienne à partir de la latitude de la Pendjari (10°35’N). Pour la conservation des habitats prioritaires, l’étude de représentation révèle que, dans les zones soudaniennes (9°75’-12°27’N), guinéenne (6°50’-7°40’N) et soudano-gui- néenne, les aires protégées sont respec- tivement efficaces, peu efficaces et non efficaces.

Full text

Efficacité des aires protégées
dans la conservation
d’habitats favorables prioritaires
de ligneux de valeur au Bénin
Photo 1.
Daniellia oliveri dans la forêt classée des Trois Rivières.
Photo S. G. C. Adjahossou.
BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2) 67
HABITATS PRIORITAIRES DE CONSERVATION DE LIGNEUX DE VALEUR / LE POINT SUR…
Sessi Gilles Christian Adjahossou1, 2
Gérard Nounagnon Gouwakinnou2, 3
Dèhouégnon Thierry Houehanou2, 4, 6
Akoeugnigan Idelphonse Sode3, 6
Alain Sèakpo Yaoitcha2, 5
Marcel Romuald Benjamin Houinato2
Brice Sinsin2
1 Direction générale des forêts
et des ressources naturelles (DGFRN)
BP 393, Cotonou
République du Bénin
2 Université d’Abomey-Calavi (UAC)
Faculté des Sciences agronomiques (FSA)
Laboratoire d’écologie appliquée (LEA)
01 BP 526, Cotonou
République du Bénin
3 Université de Parakou
École nationale supérieure d’aménagement
et de gestion des aires protegées (ENSAGAP)
BP 287, Kandi
République du Bénin
4 Université de Parakou
École nationale supérieure des sciences
et techniques agronomiques de Djougou
BP 73, Djougou
République du Bénin
5 Institut national des recherches agricoles
du Bénin (INRAB)
01 BP 884, Cotonou
République du Bénin
6 Université d’Abomey-Calavi (UAC)
Faculté des Sciences agronomiques (FSA)
Laboratoire de biomathématiques
et d’estimations forestières (Labef)
01 BP 526, Cotonou
République du Bénin

RÉSUMÉ
EFFICACITÉ DES AIRES PROTÉGÉES
DANS LA CONSERVATION D’HABITATS
FAVORABLES PRIORITAIRES DE LIGNEUX
DE VALEUR AU BÉNIN
L’objectif de cette étude est d’évaluer
au Bénin l’efficacité du réseau des aires
protégées dans la conservation des habi-
tats favorables et prioritaires de certaines
espèces ligneuses d’importance socio-éco-
nomique. Il s’agit de Afzelia africana,
Anogeissus leiocarpa, Burkea africana,
Daniellia oliveri, Detarium microcarpum,
Prosopis africana et Khaya senegalensis.
Les techniques basées sur le principe d’en-
tropie maximale (Maxent) combinées avec
les SIG ont été utilisées pour projeter les
habitats favorables de ces sept espèces ; le
logiciel Zonation a été utilisé pour la modé-
lisation des habitats prioritaires. Les points
de présence des espèces ont été collectés
et associés aux variables bioclimatiques
dérivées de la température mensuelle et
de la pluviométrie obtenues à partir de la
base de données en ligne de AfriClim, ainsi
qu’à la variable édaphique (sol). En terme
de déterminisme environnemental, les
variables bioclimatiques telles que l’écart
diurne moyen de la température (Bio2),
les précipitations annuelles moyennes
(Bio12), l’évapotranspiration potentielle
(ETP) et la variable biophysique sol, sont
prédictives pour les distributions des sept
espèces. Les habitats protégés plus favo-
rables aux sept essences dans la zone gui-
néenne commencent aux limites de la forêt
classée de Kétou (7°43’N), dans la zone
soudano-guinéenne, à partir de la lati-
tude de la forêt classée d’Agoua (8°30’N),
et dans la zone soudanienne à partir de
la latitude de la Pendjari (10°35’N). Pour
la conservation des habitats prioritaires,
l’étude de représentation révèle que, dans
les zones soudaniennes (9°75’-12°27’N),
guinéenne (6°50’-7°40’N) et soudano-gui-
néenne, les aires protégées sont respec-
tivement efficaces, peu efficaces et non
efficaces.
Mots-clés : habitats favorables, détermi-
nisme environnemental, aires protégées,
habitats prioritaires, Bénin.
ABSTRACT
EFFECTIVENESS OF PROTECTED
AREAS FOR THE CONSERVATION OF
FAVOURABLE AND PRIORITY HABITATS
FOR VALUABLE TREE SPECIES IN BENIN
The aim of this study was to assess the
effectiveness of protected areas in Benin
for the conservation of favourable and
priority habitats for the following tree
species of socio-economic importance:
Afzelia africana, Anogeissus leiocarpa,
Burkea africana, Daniellia oliveri, Deta-
rium microcarpum, Prosopis africana
and Khaya senegalensis. We combined
maximum entropy (Maxent) techniques
with GIS to predict potentially favourable
areas for cultivating and conserving these
species. Zonation software was used
to model priority habitats. Data points
where the species were present were col-
lected and linked to bioclimatic variables
derived from monthly temperature and
rainfall figures from the Africlim database
and to edaphic (soil) variables. In term
of environmental determinism, the most
favourable areas were predicted by bio-
climatic variables such as mean diurnal
temperature range (Bio2), mean annual
rainfall (Bio12), potential evapotrans-
piration (PET) and a biophysical ground
variable. The most favourable protected
areas for the seven tree species extended
northwards from the Ketou listed forest
(7°43’N) in the Guinean zone, from the
Agoua listed forest (8°30’N) in the Suda-
no-Guinean zone and from the Pend-
jari National Park area (10°35’N) in the
Sudanian zone. Gap analysis of habitat
conservation showed that the protected
area network was effective in the Suda-
nian zone (9°75’-12°27’N), minimally
effective in the Guinean zone (6°50’-
7°40’N) and not effective at all in the
Sudano-Guinean zone.
Keywords: favourable habitats, environ-
mental determinism, protected areas,
priority habitats, Benin.
RESUMEN
EFICACIA DE LAS ÁREAS PROTEGIDAS
EN LA CONSERVACIÓN DE HÁBITATS
PROPICIOS PRIORITARIOS DE ESPECIES
LEÑOSAS DE VALOR EN BENÍN
Este estudio tenía como objetivo la eva-
luación en Benín de la eficacia de la red
de áreas protegidas en la conservación
de hábitats propicios y prioritarios de
algunas especies leñosas importantes
desde el punto de vista socioeconómico.
Se trata de Afzelia africana, Anogeissus
leiocarpa, Burkea africana, Daniellia oli-
veri, Detarium microcarpum, Prosopis
africana y Khaya senegalensis. Se utili-
zaron técnicas basadas en el principio de
máxima entropía (MaxEnt) combinadas
con SIG para predecir los hábitats propi-
cios de estas siete especies. Se utilizó el
software Zonation para la modelación de
hábitats prioritarios. Se recopilaron los
registros de presencia de especies y se
asociaron a las variables bioclimáticas,
derivadas de la temperatura mensual y
la pluviometría y extraídas de la base de
datos en línea de AfriClim, así como a
la variable edáfica. En término de deter-
minismo ambiental, las variables biocli-
máticas como el promedio de variación
diurna de la temperatura (Bio2), la preci-
pitación media anual (Bio12), la evapo-
transpiración potencial (ETP) y la variable
biofísica “suelo” sirven para predecir la
distribución de las siete especies. Las
áreas protegidas más idóneas para
dichas especies comienzan en los límites
del bosque reservado de Kétou (7°43’N),
en la zona climática guineana, a partir
de la latitud del bosque reservado de
Agoua (8°30’N), en la zona sudano-gui-
neana, y a partir del parque de Pendjari
(10°35’N), en la zona sudanesa. Para la
conservación de hábitats prioritarios, el
estudio de representación revela que las
áreas protegidas son eficaces en la zona
sudanesa (9°75’-12°27’N), poco eficaces
en la guineana (6°50’-7°40’N) y nada efi-
caces en la sudano-guineana.
Palabras clave: hábitats propicios, deter-
minismo ambiental, áreas protegidas,
hábitats prioritarios, Benín.
S. G. C. Adjahossou, G. N. Gouwakinnou,
D. T. Houehanou, A. I. Sode, A. S. Yaoitcha,
M. R. B. Houinato, B. Sinsin
68
BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2)
FOCUS / HABITAT CONSERVATION PRIORITY FOR VALUABLE TREES

BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2) 69
HABITATS PRIORITAIRES DE CONSERVATION DE LIGNEUX DE VALEUR / LE POINT SUR…
Introduction
Beaucoup d’espèces se raréfient dans leurs habitats
naturels à cause des menaces pesant sur la biodiversité.
Le principal facteur d’appauvrissement de la diversité spé-
cifique est représenté par la perte, la fragmentation ou la
modification des habitats naturels, dues à la surexploita-
tion, l’agriculture, aux feux de végétation et au surpâturage
(Hargitt, 1994 ; McNeely, 1996). Sala et al. (2001) ajoutent
à ces facteurs la pollution et le changement climatique,
devenu une menace additionnelle pour les populations
végétales et animales. Étant donné que les fluctuations
climatiques influencent la biodiversité et déterminent la
répartition spatiale des aires géographiques favorables, le
changement climatique constitue une question environne-
mentale cruciale qu’il importe d’intégrer dans la planifica-
tion de la conservation (Fandohan et al., 2013).
La mise en œuvre d’un schéma de développement
intégrant la conservation des ressources naturelles tout en
luttant contre leur dégradation constitue le seul moyen de
relever les défis socio-économiques du continent africain.
Alors qu’au sud du Sahara, plus de 200 espèces végétales
forestières sont considérées comme éteintes (Hilton-Taylor,
2000), au Bénin, 280 espèces végétales sont menacées
de disparition et 90 % présentent une probabilité élevée
d’extinction (Adomou, 2005). Parmi elles, 19 sont d’inté-
rêt régional pour la conservation et 10 figurent sur la Liste
rouge de l’UICN (Adomou, 2005). Afzelia africana et Khaya
senegalensis sont deux de ces espèces menacées, déjà ins-
crites sur la Liste rouge de l’UICN alors qu’elles semblent
même en danger critique d’extinction au Bénin (Adomou
et al., 2006). Au-delà de ces deux espèces assez connues
pour leur utilité comme source de fourrage pour le bétail
et comme bois d’œuvre très prisé dans le commerce inter-
national du bois, d’autres espèces comme Daniellia oli-
veri et Anogeissus leiocarpa se révèlent très vulnérables
aux pressions anthropiques et sont de plus en plus rares
(Houehanou et al., 2013).
L’exploitation est donc reportée vers d’autres espèces
végétales, parmi lesquelles peuvent être citées Detarium
microcarpum, Prosopis africana et Burkea africana. Pour
amoindrir les pressions sur ces ressources végétales en
particulier, et sur les ressources naturelles de manière plus
large, plusieurs stratégies de conservation ont été adoptées,
dont celle de la conservation in situ. Les aires protégées
représentent l’option la plus efficace et la plus couramment
adoptée pour cette forme de conservation.
Selon la Liste des Nations unies, le monde compte
209 429 aires protégées, avec une couverture totale de
32 868 673 km2 (soit une superficie plus grande que
l’Afrique), représentant 3,41 % des zones marines et 14,0 %
des zones terrestres, soit 15,4 % de la superficie totale
terrestre si l’on exclut l’Antarctique (Deguignet et al., 2014).
Cependant, les investigations récentes sur l’efficacité des
aires protégées ont révélé que, malgré l’extension géogra-
phique de la couverture de ces aires, celles-ci n’assuraient
pas la protection nécessaire aux espèces, écosystèmes et
sites clés (Butchart et al., 2015).
Face à cette problématique, il est important de se
demander jusqu’à quel point les aires protégées du Bénin
conservent efficacement la diversité biologique. Il s’agit
plus précisément d’évaluer l’aire favorable à la distribution
et à la conservation des espèces ligneuses citées plus haut,
de déterminer les aires abritant les niveaux de richesse spé-
cifique les plus élevés, et d’estimer l’étendue de l’aire cou-
verte par les aires protégées. L’identification des limites des
habitats favorables mais aussi des points de concentration
des espèces permet en particulier de connaître les endroits
propices à leur sylviculture (Fandohan et al., 2013). Elle
permet également de prendre des décisions sur les lieux où
les efforts de conservation doivent être concentrés pour un
impact optimal, et ce dans un contexte de ressources finan-
cières limitées.
Des scientifiques se sont investis dans le domaine de
la conservation spatiale à grande échelle en recourant à des
outils méthodologiques appropriés (ResNet, Zonation, par
exemple). En Guinée équatoriale, Zafra-Calvo et al. (2010)
ont utilisé le logiciel ResNet pour modéliser des aires prio-
ritaires de conservation et de restauration des paysages
post-cultivés dans le plan de réserve de biosphère de Bioko.
Le logiciel Zonation a été utilisé aux États-Unis (au Nord-
Ouest du Pacifique), en Italie et au Nord de l’Inde, respecti-
vement par Carlos et al. (2009) pour optimiser la résilience
du réseau de réserves face aux changements climatiques
dans le cadre de la planification de la conservation d’espèces
multiples, par Girardello et al. (2009) pour identifier des
aires prioritaires de conservation des papillons, et par Pawar
et al. (2007) pour évaluer la conservation des amphibiens et
reptiles dans les aires prioritaires.
Notre étude s’est appuyée sur le programme Zonation,
qui permet la modélisation des habitats prioritaires, d’une
part, en retenant simultanément la qualité d’habitat et
la connectivité de sept espèces cibles (Afzelia africana,
Anogeissus leiocarpa, Burkea africana, Daniellia oliveri,
Detarium microcarpum, Prosopis africana et Khaya sene-
galensis) et, d’autre part, en fournissant une méthode
quantitative de gestion durable de la biodiversité (Moilanen
et al., 2012). De façon spécifique, cette recherche avait
pour objet d’identifier les habitats naturels prioritaires à la
conservation des espèces cibles, d’une part, et d’apprécier
l’efficacité du réseau national des aires protégées dans la
conservation de ces habitats prioritaires, d’autre part.

Matériel et méthodes
Les données d’occurrence (coordon-
nées géographiques) des espèces cibles
(figure 1) ont été collectées à partir de
travaux de terrain. Afin de s’assurer que
les données de présence des espèces
étudiées couvraient le plus possible la
région où elles sont régies par les mêmes
facteurs climatiques (Fitzpatrick et al.,
2009), les coordonnées de présence de
chaque espèce ont été collectées dans
son aire de distribution en Afrique de
l’Ouest. Ces données additionnelles ont
été obtenues à partir de GBIF (Global
Biodiversity Information Facility, www.
gbif.org) et des articles publiés sur
certaines de ces espèces (tableau I).
Cependant, certains points de présence
figurant dans la base de données de GBIF
ne disposent pas de coordonnées géogra-
phiques (longitude et latitude) mais sont
en complément stockés avec la localité et
le pays dans lesquels ils ont été obtenus. Pour ces points,
les « Gazettiers »1 des pays dans lesquels ils se trouvent ont
été utilisés pour identifier leurs coordonnées géographiques
à l’aide de l’outil d’identification d’ArcGIS 10.1.
Les données d’occurrence provenant de GBIF et datant
d’avant 1950, ainsi que celles dont les coordonnées sortent
de l’aire de distribution naturelle de l’espèce, ont été
omises. Les données climatiques actuelles de résolution
30 secondes ont été obtenues en ligne sur le site AfriClim2.
Elles sont composées de 21 variables bioclimatiques rela-
tives à la température et l’humidité (Platts et Marchant,
2015). Les points de présence des espèces ont été asso-
ciés aux variables bioclimatiques, sélectionnées après
analyse de corrélation (Warren et al., 2010), ainsi qu’à la
variable édaphique (sol) pour simuler les aires favorables
aux espèces à partir de l’algorithme de Maxent (Phillips et
al., 2006). Pour chaque espèce, la simulation dans Maxent
a été répétée cinq fois en utilisant la méthode de validation
croisée au cours de laquelle 80 % des points ont servi à la
calibration et 20 % à la validation des modèles. La valeur
du 10 percentile training presence logistic threshold a été
utilisée comme seuil de probabilité pour définir les niveaux
de convenance d’habitat pour chaque espèce (Liu et al.,
2013). La probabilité d’occurrence en dessous du seuil est
considérée comme caractérisant un habitat moins favorable
pour l’espèce, et celle située au-dessus de ce seuil corres-
pond à un habitat plus favorable pour l’espèce (tableau II).
1 http://www.diva-gis.org/datadown
2 http://www.york.ac.uk/environment/research/kite/resources/
Figure 1.
Localisation des points de présence utilisés
pour la modélisation.
Tableau I.
Type de points de présence utilisés et sources.
Sources
Travaux de terrain GBIF
Espèces Nombre de points (%) Nombre de points (%)
Afzelia africana
50 54,45 41 45,55
Anogeissus leiocarpa
88 55,70 70 44,30
Burkea africana
60 74,07 21 25,93
Daniellia oliveri
50 57,47 37 42,53
Detarium microcarpum
69 56,09 54 43,91
Khaya senegalensis
48 65,75 25 24,25
Prosopis africana
162 61,60 74 38,40
Sources GBIF : Global Biodiversity Information Facility (www.gbif.org).
70
BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2)
FOCUS / FOCUS / HABITAT CONSERVATION PRIORITY FOR VALUABLE TREES

BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2) 71
HABITATS PRIORITAIRES DE CONSERVATION DE LIGNEUX DE VALEUR / LE POINT SUR…
Les résultats de la modélisation des habitats favo-
rables des sept espèces sous Maxent ont été utilisés comme
données d’entrée dans Zonation 3.1.10 (Moilanen et al.,
2005). L’analyse a été conduite en donnant une priorité
de conservation aux habitats favorables aux sept espèces
cibles. En effet, l’algorithme de Zonation produit un clas-
sement hiérarchique de la valeur biologique du paysage,
par l’enlèvement de façon itérative et une à une des grilles
de moindre valeur, en utilisant la minimisation de la perte
marginale comme critère de décision de la prochaine grille
à enlever. À la fin de l’opération, il est possible d’identifier
quelle partie de l’écosystème possède la plus forte priorité
de conservation (Moilanen et al., 2005).
Sur la base de la sortie du classement effectué dans
le cadre de la présente étude, deux classes d’habitats prio-
ritaires ont été définies. La classe ayant une probabilité en
dessous du seuil de 0,85 a été considérée comme relevant
d’un habitat non prioritaire aux espèces, et celle située
au-dessus de ce seuil correspondait à l’habitat prioritaire
(Moilanen et al., 2005). Une analyse des carences de repré-
sentation des habitats favorables et prioritaires à chaque
espèce cible à l’intérieur des aires protégées a été effectuée
en superposant la carte du réseau national des aires proté-
gées du Bénin aux cartes de distribution issues de Maxent.
ArcGIS 10.1 a été utilisé pour la cartographie.
Résultats et discussion
Validation du modèle et déterminisme environnemental
de présence des espèces
Au seuil de 80 %, l’analyse des corrélations a permis
d’identifier six variables moins corrélées et quatre plus
prédictives selon les modélisations (tableau III). Le test
de Jackknife effectué précise la contribution des variables
sélectionnées à la prédiction de la distribution des espèces.
Les valeurs moyennes de l’AUC au moins sensiblement
égales à 0,90 suggèrent une bonne capacité du modèle à
prédire les habitats favorables à chaque espèce. Les résul-
tats révèlent, en termes de déterminisme environnemental,
que l’écart diurne de la température (Bio2), les précipita-
tions annuelles moyennes (Bio12), l’évapotranspiration
potentielle (ETP) sont les variables les plus prédictrices
(tableau III). La variable biophysique sol prédit davantage
les distributions des sept espèces (tableau III).
Selon Guisan et Zimmermann (2000), les paramètres
directs tels que la température et les précipitations sont
plus efficaces lorsque la modélisation de la distribution des
espèces a une large étendue, contrairement aux paramètres
indirects comme le sol qui ne sont pas plus efficaces mais
sont plus enclins à introduire des erreurs dans le modèle.
Cependant, l’introduction de la variable sol a permis de
tenir compte des spécificités locales associées aux variables
directes auxquelles elle est corrélée. Par conséquent, cette
Tableau II.
Synthèse des probabilités de convenance selon le seuil 10 percentile training presence logistic threshold.
Espèces
Afzelia Anogeissus Burkea Daniellia Detarium Khaya Prosopis
africana leiocarpa africana oliveri microcarpum senegalensis africana
Seuils 0,1724 0,1741 0,1846 0,2490 0,2096 0,2670 0,4541
Tableau III.
Contribution des variables sélectionnées pour la modélisation et validation du modèle (%).
Essences
Variables
Afzelia Anogeissus Burkea Daniellia Detarium Khaya Prosopis
africana leiocarpa africana oliveri microcarpum senegalensis africana
Bio2 Écart diurne de la température ; 18,10 14,30 32,80 22,30 23,10 20,40 6,20
moyenne mensuelle (max-min)
Bio12 Précipitations annuelles moyennes 8,50 25,80 8,60 6,90 14,30 16,50 10,70
Bio13 Précipitations de la période la plus humide 1,70 0,10 12,40 8,80 1,60 5,40 0,20
ETP (Évaporanspiration potentielle) 2,40 4,20 33,00 7,80 6,00 3,00 0,60
Degré de l’humidité du trimestre humide 11,30 5,30 1,70 1,70 11,70 0,80 0,00
Sol 58,00 52,00 11,4 52,60 43,30 53,90 82,40

72
BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2)
FOCUS / FOCUS / HABITAT CONSERVATION PRIORITY FOR VALUABLE TREES
variable devrait être plus efficace à des échelles plus petites
que l’échelle nationale pour permettre d’ajouter aux distribu-
tions les détails qu’elles contiennent. Toutefois, selon Platts et
Marchant (2015), à une résolution plus fine de 30 secondes,
il n’y a ni agrégation ni réduction, ce qui corrobore la quantité
de détails que la variable sol apporte aux contributions.
Distribution des habitats favorables
Les résultats de modélisation montrent globalement
que :
b Afzelia africana
Les habitats qui sont actuellement plus favorables
à Afzelia africana sont d’étendue variable et localisés à la
fois dans les zones guinéo-congolaise (6°25’-7°30’N), sou-
dano-guinéenne (7°30’-9°45’N) et soudanienne (9°45’-
12°30’N) du Bénin (tableau IV).
b Anogeissus leiocarpa
Les habitats qui sont actuellement plus favorables
à Anogeissus leiocarpa ont une étendue variable et sont
localisés à la fois dans les zones guinéo-congolaise (6°25’-
7°30’N), soudano-guinéenne (7°54’-9°94’N) et souda-
nienne (10°10’-12°41’N) du Bénin (tableau IV).
b Burkea africana
Les habitats qui sont actuellement plus favorables à
Burkea africana ont une étendue variable et sont localisés
à la fois dans les zones guinéo-congolaise (7°43’-7°48’N),
soudano-guinéenne (7°80’-10°4N) et soudanienne (9°45’-
12°30’N) du Bénin (tableau IV).
b Daniellia oliveri
Les habitats qui sont actuellement plus favorables
à Daniellia oliveri sont d’étendue variable et localisés à la
fois dans les zones guinéo-congolaise (6°25’-7°40’N), sou-
dano-guinéenne (7°30’-9°45’N) et soudanienne (9°45’-
12°30’N) du Bénin (tableau IV).
b Detarium microcarpum
Les habitats qui sont actuellement plus favorables
à Detarium microcarpum ont une étendue variable et sont
localisés dans une partie de la zone guinéo-congolaise
(6°92’-7°60’N), soudano-guinéenne (7°30’-9°45’N) et sou-
danienne (9°45’-12°30’N) du Bénin (tableau IV).
b Khaya senegalensis
Les habitats qui sont actuellement plus favorables à
Khaya senegalensis sont d’étendue variable et localisés dans
une partie de la zone guinéo-congolaise (6°92’-7°60’N),
soudano-guinéenne (7°54’-9°94’N) et soudanienne (9°30’-
12°30’N) du Bénin (tableau IV).
Tableau IV.
Distribution des aires favorables selon les trois zones climatiques du Bénin.
Espèces Zones climatiques
Guinéo-congolaise Soudano-guinéenne Soudanienne
Habitats favorables Habitats favorables Habitats favorables
Latitudes Aires protégées Latitudes Aires protégées Latitudes Aires protégées
Afzelia africana
6°25’-7°30’N FC Djigbé, Lama et Kétou 7°30’-9°45’N FC Ouari Maro, Monts Kouffé, 9°45’-12°30’N Parcs W, Pendjari
(figure 2) Agoua, Dogo et Dassa et FC Goroubi, Goungou,
Mékrou et Trois Rivières
Anogeissus leiocarpa
6°25’-7°30’N
FC Lama et Kétou
7°54’-9°94’N
FC Monts Kouffé, Dogo,
10°10’-12°41’N
Parcs W et Pendjari
(figure 3) Atchérigbé, Dassa et Logozohè
Burkea africana
7°43’-7°48’N
FC Kétou
7°80’-10°4N
FC Ouari Maro, Agoua,
9°45’-12°30’N
Parcs W et Pendjari
(figure 4) Dassa et Logozohè
Daniellia oliveri
6°25’-7°40’N FC Kétou 7°30’-9°45’N FC Ouari Maro, Monts Kouffé, 9°45’-12°30’N FC Goroubi, Goungou,
(figure 5) Agoua, Ouémé supérieur, Mékrou et Trois Rivières
Boukou, Kilibo, Dogo et Dassa
Detarium microcarpum
6°92’-7°60’N FC Lama et Djigbé 7°30’-9°45’N FC Atchérigbé, Ouari Maro, 9°45’-12°30’N Parcs W, Pendjari
(figure 6) Monts Kouffé, Agoua, et FC Goroubi, Goungou,
Ouémé supérieur, Boukou, Mékrou et Trois Rivières
Kilibo, Dogo et Dassa
Khaya senegalensis
6°92’-7°60’N FC Kétou et Ahozon 7°54’-9°94’N FC Dassa, Atchérigbé 9°30’-12°30’N Parcs W, Pendjari
(figure 7) et Logozohè et FC Goroubi, Goungou,
Mékrou et Trois Rivières
Prosopis africana
6°75’-7°61’N FC Lama et Kétou 7°54’-10°10’N FC Dassa, Atchérigbé, 9°34’-12°40’N Parcs W, Pendjari
(figure 8) Logozohè, Agoua et FC Goroubi, Goungou,
Mékrou et Trois Rivières
FC = forêt classée.

BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2) 73
HABITATS PRIORITAIRES DE CONSERVATION DE LIGNEUX DE VALEUR / LE POINT SUR…
b Prosopis africana
Les habitats qui sont actuellement plus favorables
à Prosopis africana ont une étendue variable et sont
localisés dans une partie de la zone guinéo-congolaise
(6°75’-7°61’N), soudano-guinéenne (7°54’-10°10’N) et
soudanienne (9°34’-12°40’N) du Bénin (tableau IV).
Distribution des habitats prioritaires
L’analyse de cette représentation montre l’efficacité
du réseau des aires protégées dans la conservation des
aires prioritaires aux espèces, surtout dans la zone souda-
nienne du Bénin. Ainsi, il y a une forte concentration des
habitats prioritaires protégés en zone soudanienne (10°00’-
12°27’N). Il s’agit des forêts classées de Guéné, de Goroubi
et de Goungou, des zones tampons et cynégétiques de la
Pendjari, du Mékrou, et des noyaux des parcs nationaux
du W et de la Pendjari (figure 9). Ces aires prioritaires se
révèlent dotées d’un grand nombre des essences cibles trai-
tées, et sont donc d’une grande richesse spécifique. Il est
urgent que de bonnes politiques de gestion de la biodiver-
sité soient mises en œuvre pour assurer une conservation à
long terme des populations des espèces cibles. Dans la zone
guinéenne, seule la moitié supérieure (6°50’-7°00’N) de la
forêt classée de la Lama est prioritaire (figure 9). Les espèces
telles que Khaya senegalensis, Daniellia oliveri, Anogeissus
leiocarpa et Afzelia africana étant de potentielles espèces
agroforestières, leur utilisation dans les systèmes agrofores-
tiers en zone guinéenne, où il y a très peu d’aires protégées,
pourrait être envisagée dans les politiques de reboisement.
Figure 2.
Distribution de Afzelia africana.
Figure 6.
Distribution de Detarium microcarpum.
Figure 3.
Distribution de Anogeissus leiocarpa.
Figure 7.
Distribution de Khaya senegalensis.
Figure 4.
Distribution de Burkea africana.
Figure 8.
Distribution de Prosopis africana.
Figure 5.
Distribution de Daniellia oliveri.

Par ailleurs, en zone soudano-guinéenne, les habi-
tats prioritaires (8°04’-8°50’N) sont des écosystèmes non
protégés constitués de formations saxicoles de savanes
arborées et arbustives (figure 9). Ainsi, l’enrichissement
des aires non protégées dans lesquelles les espèces se
trouvent pourrait constituer l’une des mesures de conserva-
tion in situ des espèces.
Écosystèmes prioritaires et niveau d’anthropisation
Les courbes A et B de la figure 10 montrent la pro-
portion de la distribution restante des espèces lorsque les
grilles de moindre valeur sont enlevées de l’écosystème. Au
niveau de la courbe A, on observe l’évolution de l’aire des
habitats prioritaires de conservation des espèces sous l’em-
prise anthropique. Avec une diminution allant jusqu’à 40 %
de l’aire initiale de distribution favorable aux sept espèces,
l’aire de distribution prioritaire presque maximale connaît
une diminution de près de 35 %. Entre 40 et 90 % de perte
de l’aire initiale favorable aux sept espèces, l’aire prioritaire
totale est diminuée de près de 55 %. Au-delà de 90 % de
perte de l’aire initiale favorable aux sept espèces, l’aire de
distribution prioritaire tend vers zéro (figure 10).
La courbe B représente la moyenne sur toutes les espèces.
Lorsque la perte de superficie initiale des écosystèmes est com-
prise entre 0 et 10 %, presque toutes les sept espèces étudiées
sont rencontrées dans l’aire prioritaire ; mais entre 10 et 90 %
de perte de l’aire initiale favorable aux sept espèces, les interac-
tions interspécifiques conduisent à une diminution d’environ
70 % des sept espèces étudiées présentes dans les mêmes
habitats prioritaires. Au-delà de 90 % de perte de l’aire initiale
favorable aux sept espèces, à peine 20 % des espèces étudiées
occupent les mêmes habitats prioritaires (figure 10).
Écosystèmes prioritaires et vulnérabilité
des espèces étudiées
La courbe C de la figure 11 traduit l’évolution de la pro-
babilité d’extinction des espèces étudiées en fonction de la
perte des écosystèmes. Elle est basée sur le ratio entre le
nombre d’espèces cibles et la superficie des habitats com-
muns favorables (figure 11).
Pour une diminution proche de 80 % de la superficie
initiale des habitats naturels favorables aux sept espèces, les
essences étudiées semblent présenter un faible risque d’extinc-
tion à l’état sauvage. Par contre, à partir de 80 % de fragilisation
des écosystèmes, ces espèces ont un fort taux d’extinction à
l’état sauvage. En effet, entre 80 et 95 % de perte de superfi-
cie initiale des habitats naturels favorables aux sept espèces,
les espèces cibles restent vulnérables avec un taux d’extinction
avoisinant 40 %. Au-delà de 95 % de perte de superficie, leur
probabilité d’extinction est maximale et tend vers l’unité.
0
0,2
0,4
0,6
0,8
1
1,2
0 0,2 0,4 0,6 0,8 1
B
A
Pertes des terres
Habitats prioritaires
0
0,2
0,4
0,6
0,8
1
1,2
0 0,2 0,4 0,6 0,8 1
Extinction
Pertes des terres
C
Figure 9.
Réseau des aires protégées prioritaires.
Figure 10.
Aire prioritaire en fonction des pertes d’aires.
Figure 11.
Vulnérabilité en fonction des pertes d’aires.
74
BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2)
FOCUS / FOCUS / HABITAT CONSERVATION PRIORITY FOR VALUABLE TREES

BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2) 75
HABITATS PRIORITAIRES DE CONSERVATION DE LIGNEUX DE VALEUR / LE POINT SUR…
Les incertitudes liées aux distributions
Dans une étude de simulation, les jeux de données
dépendent des différentes procédures d’interpolation, des
algorithmes d’extraction par satellite ou de la modélisation
dynamique (Mackellar et al., 2010). Bien que les estima-
tions au niveau de l’enveloppe climatique puissent soulever
quelques incertitudes dans les distributions, ces dernières
donnent quand même une meilleure idée pour les prises de
décision en matière de conservation. À défaut de connais-
sance de l’adaptation génétique des espèces, on peut être
amené à supposer que ces écotypes locaux pourraient dans
une certaine mesure s’adapter aux variabilités du climat
lorsque leurs limites de tolérance le permettent. Enfin, cer-
taines données d’occurrence des espèces sont sujettes à
des erreurs spatiales et des biais géographiques pouvant
réduire l’exhaustivité des distributions. Néanmoins, même
avec un niveau modéré d’erreurs spatiales dans les données
d’occurrence, le logiciel Maxent qui a été utilisé dans notre
étude demeure particulièrement robuste en présence de ces
erreurs (Graham et al., 2008).
Conclusion
Les paramètres directs (précipitations annuelles
moyennes, évapotranspiration potentielle) et indirect (sol)
se sont révélés plus efficaces pour prédire les aires favo-
rables prioritaires dans la conservation des essences étu-
diées. Dans la zone guinéenne, les habitats plus favorables
aux essences étudiées débutent aux limites de la forêt clas-
sée de la Kétou (7°80’N). De plus, toutes les essences cibles
bénéficient d’habitats plus favorables dans la zone souda-
no-guinéenne à partir de la latitude de la forêt classée de
Dassa (7°8’N), et dans la zone soudanienne à partir de la
latitude de la forêt classée des Trois Rivières (10°31’N). Ces
zones semblent susceptibles de fournir aux sept essences
des conditions climatiques adéquates pour leur culture et
leur conservation.
La zone soudanienne (10°00’-12°27’N) se révèle plus
concentrée en habitats prioritaires, tandis que, dans la zone
soudano-guinéenne, la quasi-totalité des habitats protégés
(8°04’-10°50’N) sont non prioritaires pour ces espèces cibles.
Les politiques de restauration associant les stratégies
de conservation in situ des sept espèces devront privilégier
ces zones prioritaires non protégées car elles sont suscep-
tibles de fournir aux espèces des conditions climatiques
adéquates. Avec la faible étendue des aires protégées
prioritaires en zone guinéenne, l’enrichissement des aires
protégées dans lesquelles ces espèces se trouvent en faible
densité pourrait également constituer une mesure judi-
cieuse de conservation in situ des espèces.
Remerciements
Les auteurs remercient Arouna Basanda et Assouma
Bonkanon, éco-gardes du Parc national du W, pour l’aide pré-
cieuse apportée lors de la collecte de nos données de terrain.
Références bibliographiques
Adomou C. A., Sinsin B., van der Maesen L. J. G., 2006. Phy-
tosociological and chorological approaches to phytogeogra-
phy: a meso-scale study in Benin. Systematics and Geogra-
phy of Plants, 76: 155-178.
Adomou C. A., 2005. Vegetation patterns and environmental
gradients in Benin. Implications for biogeography and con-
servation. PhD thesis, Wageningen University, Wageningen,
136 p.
Arbonnier M., 2004. Trees, shrubs and lianas of West African
dry zones. Versailles, France, Éditions Quæ, 573 p.
Busby J. R., 1991. BioClima bioclimatic analysis and predic-
tion system. In: Margules C. R., Austin M. P. (eds). Nature
conservation: cost effective biological surveys and data
analysis. Canberra, Australie, CSIRO, 64-68.
Butchart S. H. M., Clarke M., Smith R. J., Sykes R. E., Schar-
lemann J. P. W., Harfoot M. et al., 2015. Shortfalls and solu-
tions for meeting national and global conservation area tar-
gets. Conservation Letters, 8 (5): 329-337.
Carlos C., Jeffrey R. D., Atte M., 2009. Optimizing resiliency of
reserve networks to climate change: multispecies conserva-
tion planning in the Pacific Northwest, USA. Global Change
Biology, 16: 891-904.
Chape S., Spalding M., Taylor M., Putney A., Ishwaran N.,
Thorsell J. et al., 2008. History, definitions, values and glob-
al perspective. In: Chape S., Spalding M., Jenkins M. (eds).
The World’s Protected Areas Status, Values and Prospects in
the 21st Century. Los Angeles, CA, USA, University of Califor-
nia Press, 1-35.
Deguignet M., Juffe-Bignoli D., Harrison J., MacSharry B., Bur-
gess N., Kingston N., 2014. Liste des Nations Unies des Aires
Protégées 2014. Cambridge, Royaume-Uni, UNEP-WCMC.
Elith J., Burgman M. A., Regan H. M., 2002. Mapping epis-
temic uncertainties and vague concepts in predictions of
species distribution. Ecological Modelling, 157: 313-329.
Fandohan B., Gouwakinnou G. N., Fonton N. H., Sinsin B., Liu
J., 2013. Impact des changements climatiques sur la répar-
tition géographique des aires favorables à la culture et à la
conservation des fruitiers sous-utilisés : cas du tamarinier
au Bénin. Biotechnologie, Agronomie, Société et Environne-
ment, 17 (3) : 450-462.
FAO, 2010. Évaluation des ressources forestières mondiales.
Rapport national Bénin. Rome, Italie, FAO.
Fitzpatrick M. C., Hargrove W. W., 2009. The projection of
species distribution models and the problem of non-analog
climate. Biodiversity Conservation, 18: 2255-2261.

76
BOIS ET FORÊTS DES TROPIQUES, 2016, N° 328 (2)
FOCUS / FOCUS / HABITAT CONSERVATION PRIORITY FOR VALUABLE TREES
Girardello M., Griggio M., Whittingham M. J., Rushton S. P.,
2009. Identifying important areas for butterfly conservation
in Italy. Animal Conservation, 12 (1): 20-28.
Graham H. G., Elith J., Hijmans R. J., Guisan A., Peterson A.
T., Loiselle B. A., The Nceas Predicting Species Distributions
Working Group, 2008. The influence of spatial errors in spe-
cies occurrence data used in distribution models. Journal of
Applied Ecology, 45: 239-247.
Guisan A., Hofer U., 2003. Predicting reptile distributions at
the mesoscale: Relation to climate and topography. Journal
of Biogeography, 30: 1233-1243.
Guisan A., Zimmermann N. E., 2000. Predictive habitat
distribution models in ecology. Ecological Modelling, 135:
147-186.
Hargitt D. L., 1994. Conservation of biodiversity: Corridors,
an alternative to fragmented ecosystems? Msc Thesis. Vrije
Universiteit Brussel, Belgique, 65 p.
Hilton-Taylor C., 2000. 2000 UICN red list of threatened spe-
cies. Gland, Suisse, UICN, 61 p.
Houehanou T. D., Glèlè Kakaï R. L., Assogbadjo A. E., Kin-
domihou V., Houinato M., Wittig R., Sinsin B. A., 2013.
Change in the woody floristic composition, diversity and
structure from protected to unprotected savannahs in Pend-
jari Biosphere Reserve (Benin, West Africa). African Journal
of Ecology, 51: 358-365.
Liu C., White M., Newell G., 2013. Selecting thresholds for
the prediction of species occurrence with presence-only
data. Journal of Biogeography, 40: 778-789.
Mackellar N., Christensen J. H., Lucas-Picher P., 2010.
Modèles, projections et incertitudes climatiques en Afrique
sub-saharienne. Introduction pour les chercheurs et les
décideurs. Programme CCDARE, Programme conjoint PNUE/
PNUD, 26 p.
McNeely J. A., 1996. Conservation and future: trends and
options toward the year 2025. A discussion paper. Gland,
Suisse, UICN, 66 p.
Moilanen A., Meller L., Leppänen J., Montesino Pouzols F.,
Arponen A., Kujala H., 2012. Zonation: spatial conservation
planning framework and software version 3.1. User manual.
Helsinki, Finlande, Edita, 287 p.
Moilanen A., Franco A. M. A., Early R., Fox R., Wintle B., Thom-
as C. D., 2005. Prioritising multiple-use landscapes for con-
servation: methods for large multi-species planning prob-
lems. Proceedings of the Royal Society of London, Series B,
Biological Science, 272: 1885-1891.
Noelia Z., Rowena C., Trevon F., Jorge M. L., Miguel Á. R.,
Sahotra S., 2010. Prioritizing areas for conservation and
vegetation restoration in post-agricultural landscapes: a
Biosphere Reserve plan for Bioko, Equatorial Guinea. Bio-
logical Conservation, 143: 787-794.
Pawar S., Koo M. S., Kelley C., Firoz Ahmed M., Chaudhury S.,
Sarkar S., 2007. Conservation assessment and prioritization
of areas in Northeast India: Priorities for amphibians and
reptiles. Biological Conservation, 136: 346-361.
Pearson R. G., Dawson T. P., 2003. Predicting the impacts of
climate change on the distribution of species: are bioclimate
envelope models useful? Global Ecology and Biogeography,
12: 361-371.
Phillips S. J., Anderson R. P., Schapire R. E., 2006. Maximum
entropy modelling of species geographic distributions. Eco-
logical Modelling, 190: 231-259.
Platts P. J., Marchant R. A., 2015. AFRICLIM: High-resolution
climate projections for ecological applications in Africa. Afri-
can Journal of Ecology, 53: 103-108.
Sala E., Ballesteros E., Starr R. M., 2001. Rapid decline of
Nassau grouper spawning aggregations in Belize: fishery
management and conservation needs. Fisheries, 26: 23-30.
Zafra-Calvo N., Cerro R., Fuller T., Lobo J. M., Rodríguez M.
Á., 2010. Prioritizing areas for conservation and vegetation
restoration in post-agricultural landscapes: A Biosphere
Reserve plan for Bioko, Equatorial Guinea. Biological Con-
servation, 143: 787-794.
Warren D. L., Glor R. E., Turelli M., 2010. ENMTools: a toolbox
for comparative studies of environmental niche models. Eco-
graphy, 33 : 607-611.