De l'influence des crues sur les services écosystémiques des prairies inondables : Application à la production fourragère dans le delta du fleuve Tana, au Kenya

En Afrique Sub-Saharienne, les zones humides forment d'importantes zones de pâturages pour bon nombre de pastoralistes. Le régime d'inondation de ces plaines influence leur fonctionnement et leur productivité. Pour comprendre et maitriser ces régimes, il est donc essentiel d'évaluer l'impact de l'infrastructure hydro-électrique sur les dynamiques d'inondations en aval des barrages. Pourtant, le manque de données disponibles, l'absence de modèles validés et la forte variabilité environnementale rendent cet exercice difficile. Cette thèse contribue à quantifier l'impact du changement des ressources hydriques sur la productivité fourragère des prairies inondables dans le Delta du fleuve Tana, au Kenya. 1/ Les caractéristiques de croissance et la productivité d'une prairie inondable à Echinochloa stagnina (Retz) P. Beauv. ont été déterminées pour différents régimes de fauche, d'irrigation et conditions d'inondations. Ensuite, un modèle de croissance adapté à des Graminées en C4, tropicales et pérennes, de prairies inondables a été développé. Il constitue, à notre connaissance, le premier modèle éco-physiologique adapté à ce type de prairies. 2/ Des processus hydrologiques importants pour le fonctionnement des écosystèmes (étendue, période, durée et fréquence d'inondation) ont été caractérisés grâce à un modèle de bilan hydrologique et à l'utilisation de techniques de télédétection, et cela en dépit de la faible instrumentalisation du bassin, du peu de données topographiques et d'un fort couvert nuageux. 3/ Une analyse préliminaire de l'impact de différents scénarios d'inondations sur la production fourragère a été effectuée en utilisant des indicateurs de services écosystémiques. Cette thèse participe à l'amélioration de nos connaissances des services écosystémiques des zones humides par la construction de modèles et par l'évaluation de scénarios dans une région du monde où ce type de données est rare.