Distribution des éléments traces métalliques dans les eaux du lac Mboli (Dizangue, littoral Cameroun)

II.3.2. Traitement des données

Les données physico-chimiques sont saisies et traitées à l'aide des logiciels Microsoft Excel et Word. Par la suite, les données physico-chimiques sont traitées et analysées à partir d'une combinaison des méthodes hydrochimiques et de statistiques multivariées. L'utilisation de ces méthodes permet de connaître les principaux facteurs environnementaux à l'origine de la qualité physico-chimiques des eaux ainsi que leurs aptitudes.

II.3.2.1. Méthode hydrochimique

L'étude du chimisme des eaux a pour objectif d'identifier les faciès des eaux et l'origine des principaux éléments chimiques ; il se réalise par l'exploitation des rapports caractéristiques qui sont considérés comme des indicateurs de la qualité de l'eau. Le Diagramme de Piper (1994) est l'une des représentations les plus classiques pour comparer les compositions chimiques des eaux naturelles. Il permet une représentation des cations et anions sur deux triangles spécifiques dont les côtés témoignent des teneurs relatives de chacun des ions majeurs par rapport au total

24

des ions. La position relative d'un résultat analytique sur chacun de ces triangles permet de préciser en premier lieu la dominance cationique et anionique. A ces deux triangles, est associé un losange sur lequel est reportée l'intersection des deux lignes issues des points identifiés sur chaque triangle. Ce point d'intersection représente l'analyse globale de l'échantillon. Cette position permet de préciser le faciès de l'eau naturelle concernée. Cette étude a été possible grâce au logiciel DIAGRAMME (Simler, 2005) version 6.61. Ce même logiciel a permis dans le cadre de cette étude, de faire une analyse des données physicochimiques des eaux afin de mettre en évidence leurs aptitudes à l'irrigation au travers les digrammes de Wilcox (1948) et de Richards (1954).

II.3.2.2. Analyse Statistique Multivariée (ASM)

L'analyse statistique Multivariée est une méthode qui a pour but de faciliter la visualisation des données, de révéler leurs structures sous-jacentes et d'extraire certaines variables importantes (Gournay, 2012 ; Glèlè Kakai et al., 2016).

Cette méthode est couramment utilisée dans les domaines des sciences de l'eau et donne des résultats très satisfaisants (Yao et al., 2012 ; Mfonka et al., 2015 ; Kanohin et al., 2017)

II existe plusieurs étapes et/ou techniques dans la chaine d'analyse hydrochimique par la méthode d'Analyse Statistique Multivariée (ASM). Il s'agit notamment de la matrice de corrélation (MC), l'Analyse en Composante Principale (ACP), et la Classification Ascendante Hiérarchique (CAH). Dans le présent travail, seule la matrice de corrélation (MC) et l'Analyse en Composante Principale (ACP) ont été utilisées. Pour faciliter ce type d'analyse, les ASM sont réalisées à l'aide du logiciel XLSTAT 2020 mis à disposition sur le site w.vw.xlstat.com et logiciel Excel version 2019.

Pour ce qui est de la matrice de corrélation, elle est obtenue à partir des coefficients calculés sur plusieurs variables prises deux à deux et qui permet de noter des associations entre variables qui peuvent montrer la cohérence globale de l'ensemble de données (Guler et al., 2002 ; Everitt et Horthorn, 2011).

L'analyse en composantes principales (ACP) est une méthode d'analyse multi-variée permettant l'étude simultanée d'un grand nombre de variables dont l'information totale ne peut pas être visualisée à cause d'un espace à plus de trois dimensions. Cette méthode permettrait de préciser les relations entre les variables et les phénomènes à l'origine de ces relations. (Mfonka et al., 2015 ; Kanohin et al., 2017). La réduction des données est effectuée en transformant les données en un nouvel ensemble de variables (composantes principale) dérivées

25

des combinaisons linéaires des variables d'origine et classées de telle sorte que les premières composantes principales (typiquement deux ou trois) soient responsables de la plupart des variations de données originales (Mfonka et al., 2015 ; Kanohin et al., 2017).