Résultants et discussions | Section 2.
Le modèle équivalent pour l'indice de biomasse (m5) explique 78% de la variabilité, avec une
dominance de la présence des baies, alors que l'effet oued est toujours présent. La faible variabilité de
la biomasse en été est mieux expliquée par l'indice de biomasse intégré dans l'espace (IB). Ceci met en
évidence un effet baie, même si la variabilité principale des enrichissements côtiers est probablement
dominée par les oueds et sous l'influence des eaux usées des villes.
Par conséquent, nous pouvons affirmer que les effets anthropiques comme la présence d'une ville et
d'un oued dominent la variabilité de la biomasse dans les zones côtières le long de la côte Algérienne,
beaucoup plus que les effets "naturels" tels que le type de côte et la présence d'une baie. En revanche,
la présence de la baie est également de première importance pour piéger l'eau enrichie dans le
domaine côtier. Un autre point significatif est le fort effet positif des cages d'aquaculture dans 2
endroits spécifiques du AB (Figure 48). Il convient de noter que l'aquaculture marine s'est
considérablement développée au cours de la dernière décennie, avec un plan d'initiative nationale dont
l'objectif était de produire 100 000 tonnes de poissons et de crustacés à l'horizon 2020 (FAO, 2019).
114
Tableau 11: Paramètres des modèles linéaires calculés pour évaluer
les interactions entre la biomasse de Chl-a côtière et les quatre
variables de différentes sources d'enrichissement côtier. Les moyennes
de IB et de la Chl-a en hiver et en Été sont calculées en fonction des
mois à forte et à faible biomasse présentés dans la Figure 34.
Season
p-value Model %
m1
[HBC ; LBC]
Coast type
-
67%
Bay
-
Wadi
-
City
**
m2
Winter
Coast type
-
79%
Bay
-
Wadi
***
City
*
m3
Coast type
-
77%
Bay
**
Wadi
-
City
**
m4
Summer
Coast type
-
57%
Bay
-
Wadi
*
City
-
m5
Coast type
-
78%
Bay
*
Wadi
*
City
-
Statistical signification of p-value (correlation is significant with p-value < 0.05 (5%)):
*** < 0.1 % ; ** < 1% ; * < 5% ; 5% < . < 10% ; - > 10%
Model
Response
variables
Explanatory
variables
All
seasons
Chl-a ≥ 1.5
I B ≥ 13
Chl-a ≥ 0.5
I B ≥ 2.4
Le modèle équivalent pour l'indice de biomasse (m5) explique 78% de la variabilité, avec une
dominance de la présence des baies, alors que l'effet oued est toujours présent. La faible variabilité de
la biomasse en été est mieux expliquée par l'indice de biomasse intégré dans l'espace (IB). Ceci met en
évidence un effet baie, même si la variabilité principale des enrichissements côtiers est probablement
dominée par les oueds et sous l'influence des eaux usées des villes.
Par conséquent, nous pouvons affirmer que les effets anthropiques comme la présence d'une ville et
d'un oued dominent la variabilité de la biomasse dans les zones côtières le long de la côte Algérienne,
beaucoup plus que les effets "naturels" tels que le type de côte et la présence d'une baie. En revanche,
la présence de la baie est également de première importance pour piéger l'eau enrichie dans le
domaine côtier. Un autre point significatif est le fort effet positif des cages d'aquaculture dans 2
endroits spécifiques du AB (Figure 48). Il convient de noter que l'aquaculture marine s'est
considérablement développée au cours de la dernière décennie, avec un plan d'initiative nationale dont
l'objectif était de produire 100 000 tonnes de poissons et de crustacés à l'horizon 2020 (FAO, 2019).
114
Tableau 11: Paramètres des modèles linéaires calculés pour évaluer
les interactions entre la biomasse de Chl-a côtière et les quatre
variables de différentes sources d'enrichissement côtier. Les moyennes
de IB et de la Chl-a en hiver et en Été sont calculées en fonction des
mois à forte et à faible biomasse présentés dans la Figure 34.
Season
p-value Model %
m1
[HBC ; LBC]
Coast type
-
67%
Bay
-
Wadi
-
City
**
m2
Winter
Coast type
-
79%
Bay
-
Wadi
***
City
*
m3
Coast type
-
77%
Bay
**
Wadi
-
City
**
m4
Summer
Coast type
-
57%
Bay
-
Wadi
*
City
-
m5
Coast type
-
78%
Bay
*
Wadi
*
City
-
Statistical signification of p-value (correlation is significant with p-value < 0.05 (5%)):
*** < 0.1 % ; ** < 1% ; * < 5% ; 5% < . < 10% ; - > 10%
Model
Response
variables
Explanatory
variables
All
seasons
Chl-a ≥ 1.5
I B ≥ 13
Chl-a ≥ 0.5
I B ≥ 2.4