Dynamique des ecosystèmes forestiers en contact avec les savanes dans le corridor forestier de Fianarantsoa (Sahabe- Ambohimahamasina ) à Madagascar

II.3.2. Analyse numérique

Les traitements numériques effectués sont de deux types, le test de similitude afin de distinguer l'affinité floristique des différentes stations et les analyses factorielles telles que l'AFC, l'ACP ainsi que l'ANOVA. Pour le deuxième type de traitement, les logiciels utilisés sont : ADE-4 et XLSTAT 7.0. L'AFC et l'ACP ont été utilisées pour déterminer la typologie et caractériser les groupements végétaux.

A. Test de similitude

Ce test permet de caractériser le degré de ressemblance entre les différents relevés étudiés en comparant deux à deux leurs listes floristiques. Il sert à estimer la similarité entre deux communautés végétales au moyen des pourcentages d'espèces qu'elles ont en commun.

Il est déterminé à l'aide du coefficient de communauté de Sorensen Ps (Sorensen, 1948) appelé également quotient de similarité ou coefficient de similitude :

P S

2 c ×100 ( ) a b +

Avec :

· Ps : coefficient de similitude de SORENSEN (%)

· a : nombre d'espèces inventoriées dans le relevé A

· b : nombre d'espèces inventoriées dans le relevé B

· c : nombre d'espèces communes aux deux relevés A et B.

La valeur du coefficient de similitude peut varier de 0 à 100%. Elle est nulle quand il n'y a pas d'espèce commune entre les 2 communautés, alors qu'elle est de 100% quand toutes les espèces sont rencontrées à la fois dans les 2 communautés.

B. Traitement numérique

a. Analyse de Variance (ANOVA)

L'analyse de variance permet de tester les effets de traitement c'est-à-dire de rechercher si l'effet « traitement » est significatif ou non (Gouet & Philippeau, 1989) au seuil de probabilité 5%. En analyse de variance, un même groupement homogène est repéré par une même lettre. Cette analyse permet de classifier et de déterminer le degré de perturbation de chaque type de forêt.

Avec le logiciel XLSTAT-7.0, les résultats sont obtenus avec un intervalle de confiance de 95%, c'est-à-dire que les risques d'erreur (ou probabilité p) sont de 0.05. Ainsi,

· La différence est non significative (NS) si p = 0.05 ;

· La différence est significative (S) si 0.01<p<0.05 ;

· La différence est hautement significative (HS) si p<0.01.

La richesse floristique et le biovolume ont été soumis à une analyse de variance (ANOVA) avec le test de Tukey (HSD).

b. Analyse multi variée

Cette méthode d'analyse permet de représenter graphiquement dans un plan les résultats obtenus et ce, soit à partir de caractères quantitatifs (variable-individus), c'est le cas de l'analyse en composantes principales (ACP), soit à partir de caractères qualitatifs (présence-absence), c'est le cas de l'analyse factorielle de correspondance (AFC). Les variables utilisées pour cette méthode sont les variables floristiques (richesse floristique, biovolume, densité) et les variables pédologiques (structure physique et chimique du sol).

Pour cette analyse factorielle, nous avons utilisé le logiciel ADE-4 (Analyse des Données Ecologiques : Méthodes Exploratoires et Euclidiennes en Sciences de l'Environnement), mis au point par l'unité Biométrique de l'Université de Lyon.

· Analyse factorielle de correspondance (AFC)

L'Analyse Factorielle des Correspondances ou AFC est une méthode d'analyse des données lorsque les variables à étudier sont de nature qualitative ou qualitative et quantitative à la fois (Benzécri, 1981).

L'AFC est basée sur la représentation sur un même plan de l'ensemble des individus et des variables. La richesse floristique de chaque relevé a été soumise à ce traitement. Ainsi, la méthode consiste :

· à rassembler toutes les données recueillies à traiter sur le terrain : liste des espèces de tous les relevés ;

· à établir un tableau de contingence sur le fichier EXCEL représentant les différents relevés en colonne et les espèces en lignes ;

· à adopter une codification : « 1 » pour les espèces présentes et « 0 » pour les espèces absentes.

Les résultats sont sous formes de graphes montrant l'ensemble des points regroupés ayant les mêmes caractéristiques appelées « nuage de forme interprétable ».

L'interprétation de ces graphes est basée sur :

· l'identification et signification des axes ;

· la proximité des points avec les axes ;

· la forme des nuages.

· Analyse en composantes principales (ACP)

L'Analyse en composantes principales ou ACP est une méthode d'analyse des données multidimensionnelles. Elle est utilisée si les informations obtenues sont de nature quantitative. En effet, c'est une méthode d'analyse des relations entre les caractères des peuplements végétaux et les paramètres quantitatifs (mesurables) qui influencent ces peuplements. C'est essentiellement une méthode de description et d'exploration pouvant révéler des regroupements. En d'autres termes, elle permet d'identifier les caractéristiques des groupements végétaux.

La méthodologie consiste à construire un tableau de contingence sur un tableur EXCEL représentant les variables (paramètres écologiques) et les observations (relevés écologiques). Ensuite, le tableau est transféré dans le logiciel en suivant des procédures préétablies. A la fin, les graphes ainsi obtenus après traitement se présentent sous deux formes :

les variables seront représentées sur un graphe appelé « cercle de corrélation » et les observations, sur une représentation plane, appelée « plan factoriel ». Les résultats ainsi obtenus sont donc représentés sur deux profils différents. Les proximités entre les variables s'interprètent en termes de corrélations ; les proximités entre les individus s'interprètent en termes de similitudes globales de valeurs observées.