- Site officiel

Post-Doctorats passés

 

Post-Doctorats Eloi Grau
Published: juin 15, 2018

Eloi Grau

Estimation de la hauteur des arbres à l'échelle régionale : application à la Guyane française.

Post-doctorant : Eloi Grau
Organisme d'accueil : Irstea
Encadrement à Tetis : Sylvie Durrieu 
Tetis concerné(s) : ATTOS, AMoS
Début – Fin : 09/2013 - 08/2014
Contexte/Cadre du Post-Doctorant : Projet Steam-LEAF


Résumé  

Ce post-doctorat s’inscrit dans le cadre du projet STEM-LEAF soumis au TOSCA CNES. Ce projet propose de développer des méthodes et des études pour apporter une partie des éléments nécessaires à la préparation d’une mission spatiale Lidar destinée à l’observation de la végétation et à l’optimisation de certains paramètres systèmes. Il s’agit de mieux définir les spécifications d’un capteur Lidar spatial capable d’estimer les caractéristiques du couvert (en particulier sa hauteur et sa biomasse), aussi bien pour des forêts de climat tempéré que pour des forêts très denses en milieu tropical humide. Une part importante du travail peut reposer sur la modélisation du signal par la simulation du transfert radiatif, sous réserve que les modèles soient fiables, précis et réalistes. Les objectifs principaux du post-doctorat sont d’une part de participer au développement, de valider et d’optimiser des méthodes de modélisation permettant de simuler un signal Lidar pour différents types de végétation et différentes configurations émetteur/capteur et d’autre part d’utiliser ces méthodes pour étudier l’impact de certains paramètres d’acquisition d’un système Lidar sur la qualité du signal et sur la précision des paramètres forestiers qui pourront en être dérivés par traitement du signal.


Optimisation et validation des méthodes de modélaisation : 

Ce travail s’appuiera en partie sur des outils et modèles existants. Deux modèles ont été retenus pour ce projet : le modèle DART développé au CESBio et le modèle ART (AMAP RayTracing), développé par l'UMR AMAP dans le cadre du projet TOSCA ExFOLIO.
Pour les simulations par lancer de rayon, un des points critiques est de trouver un niveau de représentation de la végétation suffisamment simple mais permettant une description réaliste et fiable du transfert radiatif au sein de la végétation.
Ceci en vue d’optimiser les temps de calcul, mais aussi de trouver le nombre minimal de paramètres permettant de caractériser la canopée, ce qui permettra aussi d’optimiser et de guider par la suite les mesures terrain pour créer des scènes forestières correspondant à des cas d’étude réels. En premier lieu, un premier niveau de validation des modèles sera réalisé au travers de l’inter comparaison des 2 modèles.
L’analyse comparative des signaux simulés par les deux approches devrait permettre d’améliorer la fiabilité de chacun des modèles et donc la qualité des signaux simulés.
Il faudra en parallèle définir la représentativité optimale du paysage pour la simulation de données Lidar, et fournir un ensemble de simulations de référence pour la suite du projet.
En pratique, pour atteindre ces objectifs le travail de post-doctorat inclura plusieurs tâches :
       ♦ le développement d’un module permettant la création d’une même scène dans les deux modèles.
       ♦ la mise en place d’un banc de simulation complet afin de tester une large gamme de scènes / caractéristiques capteur.
       ♦ la définition de critères de comparaison des signaux modélisés.
L’ensemble de ces tâches sont un préalable indispensable à la mise en place du second niveau de validation basé sur la confrontation des résultats des simulations à des données expérimentales.


Etude de sensibilité des paramètres forestiers dérivés du signal Lidar :   

Une fois la fiabilité du simulateur confirmée, les études en vue d’optimiser certaines composantes d’une mission Lidar pourront débuter.
Une des premières attentes du CNES est l’identification des conditions d’acquisition qui permettront de mesurer la hauteur du couvert à partir de signaux Lidar. Cela nécessite en premier lieu de pouvoir localiser le sol dans le signal et d’étudier dans quelles conditions ce signal peut être identifié clairement compte tenu de la densité du couvert et du relief local.
Il faut aussi être capable de définir les seuils ou indices dérivés des formes d’onde qui puissent caractériser la canopée. L’étude de la capacité d’un Lidar à mesurer les hauteurs impliquera donc le développement et la validation de méthodologie permettant d’extraire des informations sur la hauteur du peuplement (hauteur moyenne, maximale, hétérogénéité de la hauteur du couvert).
Cette étude complexe fera appel au banc de simulation développé dans la première partie de ce projet postdoctoral.
Il est envisagé de tester l’influence des différents paramètres à l’aide des différentes simulations, afin de fournir une étude de sensibilité globale.

Post-Doctorant Fabio NOR GUTTLER
Published: juin 15, 2018

Fabio Nor Guttler

Estimation de la hauteur des arbres à l'échelle régionale : application à la Guyane française.

Post-doctorant : Fabio Nor Guttler
Organisme d'accueil : Irstea
Encadrement à Tetis : Maguelonne Teisseire (Irstea)
Autre(s) encadrant(s) : Dini Ienco ( Irstea)
Financement du post-doctorat : GEOSUD
Tetis concerné(s) : SISO
Début – Fin : 06/2013 - 11/2014
Contexte/Cadre du Post-Doctorant : Ce sujet de recherche s'insère dans le cadre du projet GEOSUD, plus particulièrement dans le WP3 (Workpackage-3) "Développements méthodologiques amont pour le traitement de gros volumes de données image".


Résumé  

Les travaux du post-doctorant seront consacrés à la mise au point d'une approche de détection des changements afin d'extraire et de caractériser les objets qui évoluent dans les séries temporelles d'images.
La première étape sera liée à l'étude des différentes techniques de segmentation permettant d’obtenir des objets cohérents à partir des images et des méthodes de détection de changement (par pixel ou par objet) proposées dans la littérature.
Dans l’étape 2, le post-doctorant définira les caractéristiques et les indicateurs adaptés à la tâche de détection de changement selon les résultats précédents et mettra en œuvre les méthodes permettant de les extraire automatiquement. Plusieurs descripteurs (textures, NDVI, …) pourront être utilisés pour enrichir la représentation des objets.
Il faudra également lors de cette étape de se soucier des informations complémentaires mais également des données redondantes pouvant pénaliser le processus d’analyse dans le contexte de gros volume de données. Une fois l'espace de représentation défini, nous devons lier les objets dans les différentes estampilles temporelles afin de suivre les entités conceptuelles associées.
Nous souhaitons utiliser des techniques de logique floue afin de reconnaître de façon souple les entités d'intérêt. En effet, une approche trop stricte ne peut être adaptée.
En particulier, les techniques floues nous permettront :
       i) de rejeter les informations non pertinentes ;
       ii) de lier des objets similaires entre les différentes estampilles temporelles avec un degré de qualité associé à chaque possible liaison ;
       iii) d'introduire des connaissances de l’expert à travers les fonctions floues pour guider le processus.
La dernière étape est la définition d'une approche pour extraire les patrons (patterns) de modification avec la période associée dans laquelle les changements se produisent.
Dans cette étape nous voulons employer des techniques de fouille des données pour détecter à la fois : des comportements anormaux et également des profils plus généraux qui nous permettront de mieux caractériser les données et les objets suivis. En particulier, pour l’aspect fouille des données, nous souhaitons employer des techniques de classification non supervisée (clustering).
Ces types des techniques sont capables de détecter des groupes de patrons qui ont des caractéristiques similaires.
En particulier, les patrons sont regroupés lorsqu'il existe une forte similarité entre eux, ainsi qu'une faible similarité avec ceux qui appartiennent à d'autres groupes.

Bibliographie

BLASCHKE, T. (2010). Object based image analysis for remote sensing, ISPRS Journal of Photogrammetry and Remote Sensing, vol. 65, n° 1, pp. 2-16.
DRUSCH, M., DEL BELLO, U., CARLIER, S., COLIN, O., FERNANDEZ, V., GASCON, F., HOERSCH, B., ISOLA, C., LABERINTI, P., MARTIMORT, P., MEYGRET, A., SPOTO, F., SY, O., MARCHESE, F. et BARGELLINI, P. (2012). Sentinel-2: ESA's Optical High-Resolution Mission for GMES Operational Services, Remote Sensing of Environment, vol. 120, n° 0, pp. 25-36.
EIKVIL, L., AURDAL, L. et KOREN, H. (2009). Classification-based vehicle detection in highresolution satellite images, ISPRS Journal of Photogrammetry and Remote Sensing, vol. 64, n° 1, pp. 65-72.
GIRARD, M.C. et GIRARD, C.M. (2010). Traitement des données de télédétection - Environnement et ressources naturelles, Paris, Dunod, 553 p.
EL HAJJ, M. BEGUE, A. and GUILLAUME, S. (2009). Integrating spot-5 time series, crop growth modeling and expert knowledge for monitoring agricultural practices - the case of sugarcane harvest on reunion island. Remote Sensing of Environment, 113(10):2052-2061.
LILLESAND, T.M., KIEFER, R.W. et CHIPMAN, J.W. (2008). Remote Sensing and image interpretation, John Wiley & Sons, 755 p.
MELGANI, F. (2004) Classification of Multitemporal Remote-Sensing Images By a Fuzzy Fusion of spectral and spatio-temporal contextual information. IJPRAI vol 18, n° 2, pages 143-156
PING, L., STUMPF, A., KERLE, N. et CASAGLI, N. (2011). Object-Oriented Change Detection for Landslide Rapid Mapping, Geoscience and Remote Sensing Letters, IEEE, vol. 8, n° 4, pp. 701-705. WITTEN, I., FRANK, E ., Data Mining : Practical Machine Learning Tools and Techniques, Second Edition. 2003, Morgan Kaufmann Publishers Inc.

Mots clés :   télédétection optique, séries temporelles, détection de changements, fouille de données, cartographie des habitats naturels, artificialisation des sols, OBIA.

Post-Doctorant Valérie Laurent
Published: juin 15, 2018

Valérie Laurent

Quasius : quality and uncertainty assesment for spatial indicators of urban sprawl - Evaluation de la qualité et des incertitudes des indicateurs spatiaux de l’étalement urbain.

Post-doctorant : Valérie Laurent
Organisme d'accueil : Irstea
Encadrement à Tetis : Nathalie Saint-Geours (Irstea)
Autre(s) encadrant(s) : Jean-Stéphane Bailly (AgroParisTech) et Jean-Pierre Chéry (AgroParisTech)
Tetis concerné(s) : AMoS
Début – Fin : 07/2013 - 12/2014
Contexte/Cadre du Post-Doctorant : GEOSUD


Résumé  

Ce post-doctorat fait partie du projet EQUIPEX GEOSUD et se situe dans la tâche n°3 qui concerne les développements méthodologiques amont. L’objectif du projet QUASIUS (Quality and Uncertainty Assesment for Spatial Indicators of Urban Sprawl) est d’évaluer la qualité des indicateurs de l’étalement urbain.
A terme, ces indicateurs, et leurs incertitudes associées pourraient être utilisés en tant que produit de démonstration des possibilités de l’infrastructure GEOSUD.
Partant du constat que 160 ha de terres sont artificialisées (zones résidentielles, commerciales, industrielles, ou infrastructures de transport) chaque jour en France, une réflexion s’est engagée sur la durabilité de l’urbanisation et de la périurbanisation. L’un des axes majeurs de cette réflexion concerne la perte des zones agricoles qui constituent 80 % des terres converties.
Souvent, comme en Languedoc-Roussillon, l’artificialisation se fait sur les zones les plus productives de la région, ce qui pose le problème du maintien de l’agriculture en zone périurbaine.
De nombreuses recherches ont été menées sur la délimitation cartographique des zones artificialisées (tache artificialisée) et sur le développement d’indicateurs de l’étalement urbain.
Dans le cadre d’un projet DRAAF-Languedoc-Roussillon, une approche opérationnelle a été mise en place.
Une cartographie de l’occupation des sols est obtenue par segmentation objet, puis classification d’images satellitaires (IRS, RapidEye) et de données cartographiques des infrastructures routières (BD-Carto).
Des zones tampons sont ensuite appliquées pour relier les objets artificialisés distants de moins de 100 m. La zone obtenue constitue la tache artificialisée.
Celle-ci est ensuite croisée avec les limites administratives et des données de population (INSEE) pour calculer les indicateurs. Les données d’entrée contiennent des incertitudes, qui se propagent ensuite dans la chaîne de production des cartes d’indicateurs.
Des méthodes de type Monte Carlo seront utilisées pour quantifier les incertitudes des cartes des indicateurs. Les cartes des indicateurs seront ainsi accompagnées d’une couche contenant les incertitudes, précisant leur domaine d’utilisation.
En se basant sur ces couches d’incertitudes et sur les analyses effectuées en amont, des recommandations pourront être faites quant au choix des résolutions spatiales et temporelles pour le suivi de l’étalement urbain.

 

Bibliographie

Balestrat, M. (2011). Système d’indicateurs spatialisés pour la gouvernance territoriale: Application à l'occupation des sols en zone périurbaine languedocienne. Université Paul Valéry Montpellier III, Cemagref, UMR TETIS.
Cardoso, J. S., & Corte-Real, L. (2005). Toward a generic evaluation of image segmentation. IEEE Transactions on Image Processing, 14(11), 1773–1782.
Clinton, N., Holt, A., Scarborough, J., Yan, L., & Gong, P. (2010). Accuracy assessment measures for object-based image segementation goodness. Photogrammetric Engineering & Remote Sensing, 76(3), 289–299.
Dupuy, S., Barbe, E., & Balestrat, M. (2012). An Object-Based Image Analysis Method for Monitoring Land Conversion by Artificial Sprawl Use of RapidEye and IRS Data. Remote Sensing, 4(12), 404–423. doi:10.3390/rs4020404
Heuvelink, G. B. M., Burroughs, P. A., & Stein, A. (1989). Propagation of errors in spatial modelling with GIS. Int. J. Geogr. Inf. Sys., 3(4), 303–322. Lee, S. U., Yoon Chung, S., & Park, R. H. (1990). A comparative performance study of several global thresholding techniques for segmentation. Computer Vision, Graphics and Image Processing, 52(2), 171–190.
Martin, D., Fowlkes, C., Tal, D., & Malik, J. (2001). A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics. In Proceedings of the IEEE International Conference on Computer Vision (Vol. 2, pp. 416–423).
Möller, M., Lymburner, L., & Volk, M. (2007). The comparison index: A tool for assessing the accuracy of image segmentation. International Journal of Applied Earth Observation and Geoinformation, 9(3), 311–321. doi:10.1016/j.jag.2006.10.002 Monteiro, F. C., & Campilho, A. C. (2006). Performance Evaluation of Image Segmentation. In ICIAR 2006, LNCS 4141 (pp. 248–259). Springer-Verlag Berlin Heidelberg.
Radoux, J., Bogaert, P., Fasbender, D., & Defourny, P. (2011). Thematic accuracy assessment of geographic object-based image classification. Int. J. Geogr. Inf. Sci., 25(6 (SI)), 895–911.
Saint-Geours, N. (2012). Sensitivity analysis of spatial models: application to cost-benefit analysis of flood risk management plans. Université Montpellier 2.
Yasnoff, W. A., Mui, J. K., & Bacus, J. W. (1977). Error measures for scene segmentation. Pattern Recognition, 9(4), 217–231.
Zhang, Y. J. (1995). Influence of segmentation over feature measurement. Pattern Recognition Letters, 16(2), 201–206.
Zhang, Y. J. (1996). A survey on evaluation methods for image segmentation. Pattern Recognition, 29(8), 1335–1

Mots clés :   artificialisé, indicateurs, étalement urbain, incertitudes.

Post-Doctorant Gwenaëlle Raton
Published: juin 15, 2018

Gwenaëlle Raton

Diversité régionale des relations entre la croissance démographique et les formes de peuplement, d’une part, et la croissance des productions agricoles et les différentes modalités de cette croissance, d’autre part. Contribution à l’analyse de la sécurité alimentaire en Afrique de l’Ouest 

Post-doctorant : Gwenaëlle Raton
Organisme d'accueil : Cirad
Encadrement à Tetis : Jacques Imbernon (Cirad)

Tetis concerné(s) : USiG
Début – Fin : 15/10/2012 - 14/10/2013
Contexte/Cadre du Post-Doctorant : BTP « Production agricole et sécurité alimentaire en Afrique de l’ouest »


Résumé  

Les espaces ruraux en Afrique de l’Ouest continuent à se peupler et l’agriculture n’a jamais fait vivre autant de personnes que maintenant : +146 % de population agricole au Niger entre 1980 et 2010 et +57 % au Mali. Cette augmentation de la population rurale couplée à l’explosion de la population des villes africaines est à la fois la cause et la conséquence de l’accroissement de la production agricole, et elle modifie les conditions de l’insécurité alimentaire.
Mais cet espace régional qu’est l’Afrique de l’Ouest est loin d’être homogène ; il comporte une grande diversité d’évolutions agraires et démographiques, et cette diversité est une opportunité pour analyser les liens de causalités entre ces évolutions et analyser la viabilité des théories antagoniques de Malthus et de Boserup qui lient l’intensification de la production agricole et la démographie.
La démographie est à considérer dans sa dimension rurale, mais aussi urbaine avec l’affirmation des primaties métropolitaines (" métropolisation par le haut") et la prolifération de nouvelles petites agglomérations ("urbanisation par le bas").
Ce lien entre l’intensification de la production agricole et la démographie constitue un des enjeux majeurs de la sécurité alimentaire dans cette région. Objectifs Pour mieux comprendre les modalités de la croissance de la production agricole, le post-doctorat a pour objectif d'étudier les apports de l’analyse géographique dans la mise en évidence des disparités territoriales pour comprendre les relations entre la démographie (densité et croissance de la population) et l’agriculture (production agricole sur les séries annuelles les plus longues possibles, parfois depuis les années 60).
Pour représenter et analyser la diversité de ces situations, la représentation cartographique est largement mobilisée. La carte constitue dans ce travail un des supports privilégiés de représentation de l’information.
L’analyse sur ces données spatiales et temporelles cherche à identifier les différentes formes d’organisations spatiales du peuplement et de la production agricole, et les mettre en relation avec des éléments géographiques structurants de cet espace régional (pôles urbains, axes de communications…). Enfin, la dimension temporelle de ces évolutions agraires et démographiques est considérée. Les trajectoires de croissance des productions sont mises en relation statistique avec les évolutions démographiques, en considérant la variabilité spatiale des situations agricoles et démographiques dans cet espace régional. Des segmentations statistiques (typologies) sont réalisées à ce niveau pour améliorer la pertinence et la qualité de ces analyses, confronter les théories de Malthus et de Boserup, et mieux en comprendre les facteurs de différenciation. Cette dimension temporelle est prise en compte dans les représentations cartographiques : des cartes animées seront réalisées représentant les variations dans l’espace et dans le temps de la production de maïs essentiellement et permettant d’"investiguer" plusieurs niveaux d’information sur les dynamiques en jeu.
De manière plus spécifique, le programme de travail du post-doc répond à quatre objectifs opérationnels :
 
       → Production d’un fichier de données de recensements des localités du Burkina Faso et du Benin (1975-2006) en collaboration avec le programme eGeopolis
       → Acquisition des données Faostat, Countrystat, UN data, homogénéisation et correction des données existantes
       → Traitement des données et analyse de la diversité régionale des relations entre peuplements et production céréalière
       → Réalisation d’une cartographie des dynamiques agricoles et démographiques à l’échelle régionale et à l’échelle des provinces du Burkina Faso.


  Valorisation effectuée ou prévue   

Collaboration à l’atlas du Nepad « Une nouvelle ruralité émergente : regards croisés sur les transformations rurales africaines « (Losch, Magrin, Imbernon, 2013). 
Rédaction et cartographie du feuillet : "Les relations villes-campagnes en Afrique de l'ouest : une densification à valoriser" (Raton, 2013). 
Rédaction d’un numéro spécial Mappemonde " Peuplements et production agricole en Afrique de l’ouest " Coordination du numéro en binôme avec Cathy Chatel (Université Avignon) 
 Articles :
         → Faire du multidate en Afrique - Localisation de la population et chiffres de recensement du Burkina Faso
         → Qualité des données de production agricole en Afrique de l’ouest
         → Trajectoires d’évolution de la population et de la production en Afrique de l’ouest : entre croissance rapide et stagnation.

 

Bibliographie

AFD (2011), Les cultures vivrières pluviales en Afrique de l'Ouest et du Centre, AFD, CIRAD, FIDA, A savoir n°6, 195 p.
AFRICAPOLIS (2009), Dynamique de l'urbanisation de 1950 à 2020 : approche geo-statique Afrique de l'Ouest, AFD, 124 p.
BENOIT-CATTIN M, B. DORIN (2012), Disponible alimentaire et productivité agricole en Afrique Subsaharienne. Une approche dynamique comparative (1961-2003), Cahiers Agric, vol.21, pp. 337-347
BOSERUP E. (1981), Population and Technological Change. A study of Long-Term Trends, The University of Chicago Press, 260 p.
BRICAS N, M.C THIRION, ZOUNGRANA B. (2009), Bassins de production et de consommation des cultures vivrieres en Afrique de l’ouest et du centre, Rapport provisoire, CIRAD, AFD, CILLS, 51 p.
CAMBREZY L, G. SANGLI (2001), Les effets géographiques de l’accroissement de la population en milieu rural africain : l’exemple du sud-ouest du Burkina-Faso, CFC, n°207, pp. 75-93
CILSS, CSAO, FEW-NET, OCHA, PAM, RESIMAO, UNICEF (2006), Sécurité alimentaire et échanges transfrontaliers dans la zone de Kano – Katsina – Maradi, rapport de mission conjoint, 50 p.
CLEAVER K.M, G.A SHREIBER (1994), Reserving the spiral : the population , agriculture and environment nexus in sub-Saharan Africa. The international Bank for Reconstruction and Development/ The World Bank, Washington, D.C
CNC (2001), Rapport du forum national Mil/sorgho, Burkina Faso, projet IMS, 29 p, n.p
COUR J.M, SNERCH S (1998), Pour préparer l'avenir de l'Afrique de l'Ouest : une vision à l'horizon 2020, Etude des perspectives à long terme en Afrique de l'Ouest, OCDE, Club du Sahel, Paris, 160 p.
DIALLO B., N. DEMBELE, J. StAATZ (2012), Compétitivité du maïs local en Afrique de l'ouest depuis la hausse des prix alimentaires mondiaux, PRESAO, n°2, 13 p.DURY S. I. BOCOUM (2012), Le "paradoxe de Sikasso (Mali) : pourquoi "produire plus" ne suffit-il pas pour bien nourrir les enfants des familles d'agriculteurs? , in Cahiers Agricultures "La sécurisation alimentaire en Afrique : enjeux, controverses et modalités" Vol.21 n°5, pp. 324-336.
FOK M., M. KONE, H. DJOUARA, A. DOLO (2000), Combined and changing effects of market incentives, technical innovations and support on maize production in southern Mali, International Conference "tommorow's agriculture : Incentives, Instituations, Insfrastrcuture and Innovation", Berlin, 12 p.
GBOKO K.C. (2012), Urbanisation en Afrique de l’Ouest et ses implications pour l’agriculture et l’alimentation : Une analyse rétrospective de 1960 à 2010, Mémoire de Master, Université Montpellier I, SupAgro, OCDE/CSAO, 58 p.
JANIN P. (2008), L’insécurité alimentaire en Afrique de l’Ouest : cadres politiques et options techniques pour l’action, 32 p.
KOFFI-TESSIO E. (s.d), Expériences positives autour des exploitations familiales : cas de la filière maïs au Togo, CTOP, 49 p.
LEBEAU R. (1996), Les grands types de structures agraires dans le monde, ed. Masson / Armand Colin, 182 p.
LOSCH B., G.MAGRIN, J. IMBERNON (2013), Une nouvelle ruralité émergente : regards croisés sur les transformations rurales africaines, Atlas pour le Programme Rural Futures du NEPAD, Montpellier: Cirad, 46 p.
MALTHUS T.R (1963), Essai sur le principe de population, Paris, Editions Gonthier, 236 p.
Michigan State university, ReSAKSS, SYNGENTA (2011), Etude de la consommation alimentaire en Afrique de l'ouest, rapport de synthèse, 82 p. MURTON J. (1999), Population growth and poverty in Machakos District, Kenya, The geographical Journal, Vol. 165, n°1, pp. 37-46 MORICONI-EBRARD F, F. GIRAUT (1991), La densification du semis de petites villes en Afrique de l'Ouest, Mappemonde 4/91, pp. 12-16
Nations-Unies, Commission économique pour l’Afrique, centre de développement sous régional pour l’Afrique centrale (sd), Population, securité alimentaire, environnement en Afrique centrale, 45 p.
NEPAD (2009), Programme détaillé pour le développement de l’agriculture africaine (PDDAA), Pilier III, Cadre de sécurité alimentaire africaine (FAFS), Nepad, 54 p.
OCDE, CSAO (2012), Peuplement, marché et securité alimentaire, Cahiers de l'Afrique de l'Ouest, 207 p.
RATON G. 2013. Les relations villes-campagnes en Afrique de l'ouest : une densification à valoriser. In: Une nouvelle ruralité émergente : regards croisés sur les transformations rurales africaines. Atlas pour le Programme Rural Futures du NEPAD, B. Losch, G. Magrin, J. Imbernon (Eds.). Montpellier: Cirad, 38-39.
RATON G. 2013. Urban-rural likages in West Africa fostering densification. In: A new emerging rural world: an overview of rural change in Africa. Atlas for the NEPAD Rural Futures Programme, B. Losch, G. Magrin, J. Imbernon (Eds.). Montpellier: Cirad, 38-39.
SANGLI G. (2011), La dynamique du peuplement dans le Sud-Ouest du Burkina Faso de 1975 à 2006. Essai à partir des données de recensement des localités, ANRT Diffusion, thèse de Doctorat, Université Paris 1, 356 p.
SOULE B.G, GANSARI S. (2010), La dynamique des echanges regionaux des cereales en Afrique de l'ouest, rapport final, Syngenta, Michigan State University, 111 p.
TOUZARD JM, TEMPLE L (2012), Sécurisation alimentaire et innovations dans l'agriculture et l'agroalimentaire : vers un nouvel agenda de recherche? Une revue de la littérature, Cahiers Agricultures 21, pp. 293-301
TAPINOS G., D. BLANCHET, D.E HORLACHER (1988), Conséquence de la croissance démographique rapide sur les pays en développement, INED, division de la population des Nations Unies, 393 p.

Mots clés :   artificialisé, indicateurs, étalement urbain, incertitudes.