Abstract :
[en] Assessing ecological sustainability in agricultural landscapes requires approaches that integrate land-cover change, its ecological effects, and their spatial determinants. This study analysed changes between 2023 and 2024 across six agricultural landscapes in northern Benin using the Landscape Ecological Sustainability Index (LESI), calculated for 1 km2 landscape cells from Human Disturbance Coefficients (HDCs) assigned to satellite-derived land-cover classes. Interannual changes were assessed using ΔLESI, the Wilcoxon signed-rank test, Global Moran’s I, and the Local Indicators of Spatial Association (LISA). The contribution of land-cover transitions to HDC change was quantified and a Monte Carlo sensitivity analysis based on classification accuracy was additionally used to assess the robustness of the observed interannual changes to classification uncertainty, and complementary univariate and bivariate regression models examined the relationships between LESI variations and 11 biophysical and geographical variables, including their pairwise interactions. The interannual comparison between 2023 and 2024 showed a decrease in ecological sustainability in four sites, a slight increase in one, and relative stability in another. Significant spatial autocorrelation was detected in all sites (Moran’s I = 0.44–0.65; p < 0.001). Some spatially limited transitions exerted important effects on HDC change. Sensitivity analysis confirmed that the direction of ΔHDC was robust to classification uncertainty in five of the six landscapes. The low explanatory power of the univariate models (R2 ≤ 0.081) indicates that no single variable independently explains the observed changes. The bivariate interaction analyses further showed that some associations were context-dependent, although their explanatory power remained limited, with the best-performing model accounting for only 10.9% of the variation in ΔLESI. This integrated framework provides a reproducible approach for assessing, mapping, and prioritising interannual change of ecological sustainability from remote sensing data to support evidence-based agricultural landscape planning and sustainable land management.
[fr] L’évaluation de la durabilité écologique dans les paysages agricoles nécessite des approches qui intègrent les changements d’occupation du sol, leurs effets écologiques et leurs déterminants spatiaux. Cette étude a analysé les changements entre 2023 et 2024 dans six paysages agricoles du nord du Bénin à l’aide de l’indice de durabilité écologique du paysage (Landscape Ecological Sustainability Index, LESI), calculé pour des cellules paysagères de 1 km² à partir de coefficients de perturbation humaine (Human Disturbance Coefficients, HDC) attribués aux classes d’occupation du sol dérivées d’images satellitaires. Les changements interannuels ont été évalués à l’aide de ΔLESI, du test des rangs signés de Wilcoxon, de l’indice I global de Moran et des indicateurs locaux d’association spatiale (Local Indicators of Spatial Association, LISA). La contribution des transitions d’occupation du sol au changement de HDC a été quantifiée et une analyse de sensibilité de Monte Carlo fondée sur la précision de la classification a également été utilisée pour évaluer la robustesse des changements interannuels observés vis-à-vis de l’incertitude de classification, tandis que des modèles complémentaires de régression univariée et bivariée ont examiné les relations entre les variations du LESI et 11 variables biophysiques et géographiques, y compris leurs interactions deux à deux.
La comparaison interannuelle entre 2023 et 2024 a montré une diminution de la durabilité écologique dans quatre sites, une légère augmentation dans un site et une stabilité relative dans un autre. Une autocorrélation spatiale significative a été détectée dans tous les sites (I de Moran = 0,44–0,65 ; p < 0,001). Certaines transitions spatialement limitées ont exercé des effets importants sur le changement de HDC. L’analyse de sensibilité a confirmé que la direction de ΔHDC était robuste à l’incertitude de classification dans cinq des six paysages. Le faible pouvoir explicatif des modèles univariés (R² ≤ 0,081) indique qu’aucune variable prise individuellement n’explique les changements observés. Les analyses d’interactions bivariées ont en outre montré que certaines associations dépendaient du contexte, bien que leur pouvoir explicatif soit resté limité, le modèle le plus performant n’expliquant que 10,9 % de la variation de ΔLESI.
Ce cadre intégré fournit une approche reproductible pour évaluer, cartographier et hiérarchiser les changements interannuels de la durabilité écologique à partir de données de télédétection, afin de soutenir une planification des paysages agricoles fondée sur des données probantes et une gestion durable des terres.
Name of the research project :
OBSYDYA - Observatoire pilote des paysages et des dynamiques agricoles du Bénin
