2018 Kengne Fotsing

Thèse de Joséphine Kengne Fotsing, Université de Lille, 2018
THESE EN COTUTELLE
INTERNATIONALE
No d’ordre :
Pour obtenir le grade de :
DOCTEUR DE L’UNIVERSITE DE LILLE - SCIENCES ET TECHNOLOGIES
Discipline : Écologie
et DOCTEUR DE L’UNIVERSITE DE YAOUNDE I
Discipline : Hydrobiologie et Environnement
Présentée par
Joséphine KENGNE FOTSING
Le 12 juillet 2018
Bio-évaluation des cours d’eau de la région Ouest du Cameroun à

l’aide des macroinvertébrés benthiques et construction d’un
indice multimétrique régional
JURY
Eric SERVAT Université Montpellier 2 Rapporteur

Christophe PISCART Université de Rennes 1 Rapporteur
Philippe USSEGLIO-POLATERA Université de Lorraine Examinateur
Abraham FOMENA Université de Yaoundé 1 Examinateur
Samuel FOTO MENBOHAN Université de Yaoundé 1 Directeur de thèse
Alain LEPRETRE Université Lille Co-directeur de thèse
Laboratoire d’accueil : Génie Civil et géo-Environnement, Lille Nord de France
© 2018 Tous droits réservés. lilliad.univ-lille.fr

Sommaire
DÉDICACE ……………………………………………………………………………………………………………………………….…… i
REMERCIEMENTS …………………………………………………………………………………………………………….... ii
LISTE DES ABRÉVIATIONS ET DES ACRONYMES …..…………………………..……………… iv
LISTE DES FIGURES …………………………………………………………………………………………………………..... v
LISTE DES TABLEAUX ……………………..................................................................................... ix
RÉSUMÉ ……………………………………………………………………………………………………………………………………………………………………… x
ABSTRACT ………………………………………………………………..…………………………………………………………………………………………….. ix
INTRODUCTION GÉNÉRALE ……………………………………………………………………………………… 1
CHAPITRE I : Revue de la littérature
I.1. La bio-surveillance des milieux aquatiques à l’aide des

macroinvertébrés benthiques ................................................................................ 7
I.2. État actuel des connaissances de la macrofaune benthique au Cameroun....... 9
CHAPITRE II : Matériel et méthodes

II. 1. Matériel ........................................................................................................ 12
II.1.1. Description générale de la zone d’étude .................................................................... 12
II.1.2. Présentation des différents sous-bassins versants et des stations d’échantillonnage 16
II.2. Méthodes ...................................................................................................... 22
II.2.1. Mesure des paramètres physico-chimiques ............................................................... 22
II.2.2. Calcul de l’Indice de Pollution Organique (IPO)........................................................... 23
II.2.3. Échantillonnage des macroinvertébrés benthiques, tri et identification .......... 24
II.3. Analyse des données ..................................................................................... 26

II.3.1. Méthodes biocénotiques ................................................................................................ 26

II.3.2. Analyses statistiques.................................................................................................... 27
CHAPITRE III : Caractérisation physico-chimiques des stations

d’échantillonnage
III.1. Variations spatiales et saisonnières des paramètres physiques .………………. 31

III.11. Température, turbidité, MES et couleur ………………………………………………………….. 31
III.2. Variations spatiales et saisonnières des paramètres chimiques ………………… 36
III.2.1. pH, conductivité, alcalinité et dureté totale ……………………………………………………… 36
III.2.2. Oxygène dissous, oxydabilité, DBO5 et CO2 dissous …………………………………………. 41
III.2.3. Nitrates, ammonium, nitrites et orthophosphates …………………………………………… 46
III.3. Variations spatiales et saisonnières de l'Indice de Pollution Organique ….. 51
III.4. Typologie abiotique des stations d’échantillonnage ……..…………………………….…. 53
CHAPITRE IV : Diversité et structure des communautés de

macroinvertébrés benthiques
IV.1. Diversité et distribution des taxons de macroinvertébrés benthique .…. 58
IV.1.1. Affluent du cours d’eau Nlem ……………………………………………………………………….. 59
IV.1.2. Cours d’eau Kena et ses affluents ………………………………………………………………… 61
IV.1.3. Cours d’eau Famlem …………………………………………………………………………………… 64
IV.2. Richesse taxonomique ………………………………………………………………………………………….… 65
IV.3. Abondance relative ………………………………………………………………………………………….…….…. 67
IV.4. Fréquence d’occurrence des taxons …………………………………..…………………….…..……. 71

IV.4.1. Affluent du cours d’eau Nlem ……………………………………………………………………….. 72

IV.4.2. Cours d’eau Kena et ses affluents ……………………………………………………………….. 74
IV.4.3. Cours d’eau Famlem ……………………………………………………………………………………. 79
IV.5. Indice de diversité de Shannon-Weaver (H’) …………………………………………………. 84
IV.6. Indice d’Equitabilité de Piélou (E) …..…………………………………………………………………… 86
IV.7. Typologie biotique des stations d’échantillonnage ……………………………………… 88
IV.8. Relation entre la structure taxonomique des communautés

macrobenthiques et les variables physico-chimiques ……………………………….. 94
CHAPITRE V : Construction d’un indice multimétrique

d’évaluation de la qualité écologique des eaux de la région Ouest
du Cameroun
V.1. Principe général de construction de l’IMMOC ………………………………………………..…… 96
V.2. Intérêt de la mise en place d’un indice de bio-évaluation de la qualité

écologique des eaux du Cameroun ……..…………………………………………………………..……… 98
V.3. Choix des sites de référence ………………………………………………………………………………………... 99
V.4. Méthodologie …………………………………………………………………………..…………………………………….... 99
V.4.1. Construction de la base des données ………………………………………………………………………... 99
V.4.2. Choix des métriques .....................………………………………………………………………….……………. 103
V.4.3. Etapes de construction de l’indice ……………………………………………………………………..……… 104
V. 5. Résultats ……………………………………………………………………………………………………………………………. 109

V.5.1. Sélection des métriques candidates et construction l’indice final …….……………….….. 109
V.5.2. Détermination des classes de qualité écologique ……………………………..…………………….. 116

CHAPITRE VI : Discussion générale
VI.1. Analyses physico-chimiques …………………………………………………………………………….......... 121
VI.2. Analyses biologiques ……………………………………..……………………………………………………………. 125

IV.2.1. Données qualitatives …………………………………………………………………………………………….…... 125
VI.2.2. Données quantitatives ……………………………………………………………………………………….. 130
VI.2.3. Typologie biotique des stations ……………………………………………………………………………… 131
IV.3. Biotypologie des stations d’échantillonnage …………………………………………… 131
VI.4. Construction de l’IMMOC ………..…………..…………………………………………………………………… 133
CONCLUSION, RECOMMANDATIONS ET PERSPECTIVES ………….... 139

REFERENCES BIBLIOGRAPHIES ……………….………………………………………………….. 142
ANNEXES …………………………………………………………………………………………………………………… 175

DÉDICACE
A la famille FOTSING, vous êtes ma source de

motivation !

REMERCIEMENTS
« Béni le Seigneur oh mon âme et n’oublie aucun de ses bienfaits ». Merci pour la graine du
savoir mis en moi qui grandi à travers cette soutenance et qui fleurira certainement à travers
ce à quoi Tu m’appelleras. Que mon cœur ne cesse à jamais de te glorifier!
L’accomplissement de ce projet de thèse a pu se concrétiser grâce au programme de mobilité

Knowledge, Integration and Transparency in Education (KITE), que je remercie beaucoup pour
le soutien financier reçu qui a permis à ce travail de voir le jour.
Cette thèse est le fruit de la collaboration de nombreuses personnes auxquelles je tiens à dire
un grand merci !
Tout d’abord, je remercie mes responsables de thèse. Le Pr Alain LEPRETRE, pour avoir
accepté d’être Directeur de cette thèse, qui dans mes débuts, m’a accordé sa confiance et
l’opportunité de réaliser ce projet en m’accueillant au sein de son équipe. Merci pour les
conseils, le matériel et les commodités mis à ma disposition pour mon séjour en France. Je
remercie le Pr Samuel FOTO MENBOHAN, d’avoir guidé mes premiers pas dans la recherche.
Merci pour tes conseils pratiques et ta rigueur méthodique et scientifique, qui ont permis
d’améliorer la qualité de ce manuscrit.
Je dis un grand merci au Pr Philippe USSEGLIO-POLATERA, du laboratoire Interdisciplinaire des

Environnements Continentaux de l’Université de Lorraine. Malgré ton emploi de temps serré,
tu m’as tendu la main, pour que mon projet de thèse prenne forme. Ta précieuse expertise,
ta rigueur scientifique et tes explications perspicaces, m’ont permis d’arriver au bout de ce
travail. Trouve dans la réalisation de cette thèse toute ma reconnaissance. J’espère que cette
collaboration fructifiera et perdurera. Mes vifs remerciements s’adressent également au Dr
Albin MEYER de la même équipe pour sa disponibilité, ses orientations constructives et l’aide
inestimable accordée dans le traitement des données sous « R » et pour avoir toujours
répondu à mes questions.
Ce projet de thèse a vu la contribution active d'une d'équipe brave et solidaire sur laquelle j’ai
toujours pu compter pour les sorties sur le terrain. Je pense ici à messieurs Eric BIRAM à
NGON, Donald NYAME, Aboubacar MIMCHE, Njoya MBOUHOU, à qui je tiens à témoigner
tout particulièrement ma gratitude et ma sympathie pour leur investissement. Je remercie
ii

aussi les différents moto-taximen qui ont bravé vents et marées pour nous faire accéder à
tous les points de prélèvement chaque fois que nous les avons sollicités.
Un merci chaleureux à tous les membres du laboratoire d’Hydrobiologie et Environnement de

l’Université de Yaoundé 1 au Cameroun, ainsi qu’à ceux du laboratoire d’Écologie numérique
et d’Écotoxicologie de l’Université Lille1, pour tout le soutien apporté.
Je remercie le Pr Michel FOULON, pour sa simplicité et son immense gentillesse. J’éprouve à

votre égard, un sentiment de profonde estime, car sans vous je ne serais pas là.
J’adresse un grand merci au Dr Roger FEUMBA, pour l’aide qu’il m’a procurée avec l’utilisation
de son appareil spectrophotométrique, qui m’a été d’un grand secours lors des mesures des
paramètres physico-chimique in situ.
Merci mille fois à ma famille, sans qui je ne pourrais y arriver, car vous avez toujours veillé à
mon équilibre même étant ici en France. Merci surtout pour vos encouragements, vos prières
et de m’avoir toujours réconfortée quand ça n’allait pas, d’avoir cru en moi et de m’avoir tirée
vers le haut durant toutes ces années.
Et pour finir, je tiens à dire merci à toutes les personnes dont je n’ai pas pu citer les noms et
qui de près, ou de loin, m’ont apporté leur soutien et/ou de l’aide, je leur adresse mes
sincères remerciements !
iii

LISTE DES ABRÉVIATIONS ET DES ACRONYMES
AUSRIVAS : Australian River Assessment System

CAPLAMI : Coopérative des Planteurs de la Mifi
CICAM : Cotonnière Industrielle du Cameroun
CCO : Complexe cosmétique de l'Ouest

CUB : Communauté Urbaine de Bafoussam
DBO5 : Demande Biochimique en Oxygène pendant 5 jours
EQR : Ratios de Qualité Ecologique
I2M2 : Invertebrate Multimetric Index
IBMWP : Biological Monitoring Working Party
IMMOC : Indice Multimétrique des Macroinvertébrés de la région Ouest du Cameroun
IRRS : Impaired River Reaches
KB-IBI : Korean Benthic macroinvertebrate Index of Biological Integrity
LIRRS : Least Impaired River Reaches
MMIF : Multimetric Macroinvertebrate Index Flanders
NTU : Nephelometric Turbidity Units
Pt.Co : Platinum Cobalt
RBPs : Rapid Bioassessment Protocols
RIVPACS : River Invertebrate Prediction and Classification System
SABC : Société Anonyme des Brasseries du Cameroun
SASS : South African Scoring System
SCS : Société Camerounaise De Savonnerie Sarl
SOC : Savons Oléagineux Cosmétiques

SOCAVER : Société Camerounaise de Verrerie
UC : Unité Conventionnelle
UCCAO : Union des Coopératives de Café Arabica de l’Ouest

US-EPA : United States – Environmental Protection Agency
iv

LISTE DES FIGURES
Figure 1 : Concept de l’intégrité écologique – Modèle de l’US-EPA (1990) ................................. 2

Figure 2 : Quelques vues de potentielles sources de pollutions dans la région de Bafoussam 15
Figure 3 : Vue partielle des stations d’échantillonnage de l’affluent du cours d’eau Nlem : S1
(A), S2 (B) et S3 (C) ........................................................................................................................ 17
Figure 4 : Vue partielle des stations d’échantillonnage du cours d’eau Kena et ses affluents : S4
(D), S5 (E), S6 (F), S7 (G) et S8 (H) ................................................................................................ 18
Figure 5 : Vue partielle des stations d’échantillonnage du cours d’eau Famlem : S9 (I), S10 (J)
et S11 (K) ....................................................................................................................................... 19
Figure 6 : Sous-bassins versants du Nlem, Mifi sud et Mifi nord présentant les différentes
stations d’échantillonnage ........................................................................................................... 21
Figure 7 : Flacons de prélèvement d’eau pour la physico-chimie (A) et conservation en
enceinte réfrigérée (B) .................................................................................................................. 23
Figure 8 : Filet troubleau (A), échantillonnage (B) et collecte des macroinvertébrés benthiques
(C) in situ ........................................................................................................................................ 25
Figure 9 : Identification des macroinvertébrés benthiques au laboratoire ............................... 25
Figure 10 : Variations spatiales des valeurs mensuelles de la température (A, B et C), de la
couleur (D, E et F), des MES (G, H et I) et de la turbidité (J, K et L) enregistrées dans les
différentes stations d’échantillonnage (S1 à S11) pendant la période d’étude ........................ 33
Figure 11 : Variations spatiales des valeurs mensuelles du pH (A, B et C), de la conductivité (D,
E et F), de l’alcalinité (G, H et I) et de la dureté totale ((J, K et L) enregistrées dans les
différentes stations d'échantillonnage (S1 à S11) pendant la période d'étude ......................... 38
Figure 12 : Variations spatiales des valeurs mensuelles d'oxygène dissous (A, B et C),
d'oxydabilité (D, E et F), de DBO5 (G, H et I) et de CO2 dissous ((J, K et L) enregistrées dans les
différentes stations d'échantillonnage (S1 à S11) pendant la période d'étude ........................ 43
Figure 13 : Variations spatiales des teneurs mensuelles en nitrates (A, B et C), en ammonium
(D, E et F), en nitrites (G, H et I) et en orthophosphates ((J, K et L) enregistrées dans les
différentes stations d'échantillonnage (S1 à S11) pendant la période d'étude ........................ 48
Figure 14 : Variations spatiales des valeurs de l’IPO enregistrées dans les différentes stations
d’échantillonnage (S1 à S11) pendant la période d’étude .......................................................... 51
Figure 15 : Variation saisonnière des valeurs de l’IPO enregistrées dans les différentes stations
d’échantillonnage (S1 à S11) pendant la saison d'étiage ........................................................... 52

Figure 16 : Variation saisonnière des valeurs de l’IPO enregistrées les différentes stations
d’échantillonnage (S1 à S11) pendant la transition entre les deux saisons .............................. 52
Figure 17 : Variation saisonnière des valeurs de l’IPO enregistrées dans les différentes stations
d’échantillonnage pendant la saison de crue ............................................................................. 52
Figure 18 : Analyse en Composantes Principales (ACP) du tableau des variables physico-

chimiques mesurées pendant la période d’étude ...................................................................... 53
Figure 19 : Classification hiérarchique (distance euclidienne, algorithme de regroupement de
Ward) des stations d’échantillonnage à partir des valeurs des variables physico-chimiques
enregistrées pendant la période de l’étude ................................................................................. 55
Figure 20 : Analyse en Composantes Principales (ACP) « intra-campagne » du tableau des

variables physico-chimiques mesurées pendant la période d’étude ........................................ 56
Figure 21 : Répartition des ordres de macroinvertébrés benthiques dans l’ensemble des cours
d’eau prospectés pendant la période d’étude ............................................................................ 59
Figure 22 : Répartition des différentes classes de macroinvertébrés benthiques collectées

dans les stations d’échantillonnage (S1 à S3) de l’affluent du cours d’eau Nlem...................... 61
dans les stations d’échantillonnage (S4 à S8) du cours d’eau Kena et ses affluents ................ 63

dans les stations d’échantillonnage (S9 à S11) du cours d’eau Famlem. ................................... 65
Figure 25 : Variations spatiales de la richesse taxonomique dans les stations d’échantillonnage

des différents cours d’eau prospectés pendant la période d’étude ......................................... 66
Figure 26 : Variations saisonnières de la richesse taxonomique des macroinvertébrés
benthiques dans les stations d’échantillonnage des différents cours d’eau prospectés
pendant le période d’étude. ............................................................................................ …….. 67
Figure 27 : Abondances relatives des macroinvertébrés benthiques dans les différents cours
d’eau prospectés pendant la période d’étude. ……………………………………………………………………. 67
Figure 28 : Abondances relatives des macroinvertébrés benthiques dans les stations

d’échantillonnage pendant la période d’étude .......................................................................... 68
Figure 29 : Variations saisonnières de l’abondance relative des macroinvertébrés benthiques

collectés pendant la période d’étude .......................................................................................... 68
vi

Figure 30 : Variations spatiales de l’abondance relative des ordres de macroinvertébrés

benthiques collectés pendant la période d’étude (les ordres choisis sont ceux ayant une
abondance relative supérieure ou égale à 2%) ........................................................................... 70
Figure 31 : Variations saisonnières de l’abondance relative des ordres de macroinvertébrés

benthiques collectés pendant la période d’étude. ...................................................................... 71
Figure 32 : Variations spatiales de l’indice de diversité de Shannon-Weaver (H) dans les

stations d’échantillonnage des différents cours d’eau prospectés pendant la période d’étude
........................................................................................................................................................ 85
Figure 33 : Variations saisonnières des valeurs moyennes de l’indice de diversité de Shannon-

Weaver (H) dans les stations d’échantillonnage des différents cours d’eau prospectés pendant
la période d’étude ........................................................................................................................ 86
Figure 34 : Variations spatiales de l’indice d’équitabilité de Piélou (E) dans les stations
d’échantillonnage des différents cours d’eau prospectés pendant la période d’étude ........... 87
Figure 35 : Variations saisonnières des valeurs moyennes de l’indice d’équitabilité de Piélou

(E) dans les stations d’échantillonnage des différents cours d’eau prospectés pendant la
période d’étude ............................................................................................................................ 88
Figure 36 : Analyse Factorielle de Correspondances (AFC) appliquée au tableau des effectifs de

macro-invertébrés benthiques identifiés et dénombrés sur l’ensemble de la période
d’échantillonnage ......................................................................................................................... 89
Figure 37 : Analyse en Composantes Principales (ACP) des métriques calculées à partir du jeu
de données des effectifs de macroinvertébrés benthiques enregistrées pendant la période
d’étude ......................................................................................................................................... 96
Figure 38 : Analyse en Composantes Principales (ACP) « intra–campagne » des métriques
calculées à partir du jeu de données des effectifs de macroinvertébrés benthiques
enregistrées pendant la période d’étude ................................................................................... 98
Figure 39 : Analyse de Redondance (RDA) des relations entre métriques et variables physico-
chimiques de l'eau ....................................................................................................................... 91
Figure 40 : Principales étapes de la démarche de construction de l’indice multimétrique
régional de bio-évaluation des cours d’eau de la région de l’Ouest Cameroun (d’après Mondy
et al. 2012 modifié) ...................................................................................................................... 97
Figure 41 : Analyse en Composantes Principales (ACP) appliquée au tableau des variables
physico-chimiques de l’ensemble du jeu de données normalisées ......................................... 101
vii

Figure 42 : Analyse Factorielle de Correspondances (AFC) appliquée au tableau des relevés

faunistiques des macroinvertébrés benthiques ........................................................................ 101
Figure 43 : Illustration des types de réponse des métriques par rapport aux pressions
anthropiques : (a) métriques décroissantes avec l’augmentation des pressions (réponse de
type II) et (b) métriques croissantes avec l’augmentation des pressions (réponse de type III)
...................................................................................................................................................... 106
Figure 44 : Représentations de quelques métriques sous forme de boîtes à moustache dans
les LIRRS et les IRRs avec leur efficacité de discrimination (ED) et leur coefficient de variation
(CV) .............................................................................................................................................. 110
Figure 45 : Représentation des boîtes à moustache des meilleurs indices candidats entre les
LIRRS et les IRRs du jeu de données d’apprentissage (app) et test (tst) ………………………………. 114
Figure 46 : Limite des classes écologiques de l’IMMOC dans les sites moins impactés (LIRRS)
…………………………………………………………………………………………………………………………………………….117
Figure 47 : Présentation des classes d’état écologique de chaque station d’échantillonnage
pour les trois indices candidats …………………………………………………………………………………………..118
Figure 48 : Présentation de l’évolution mensuelle des classes d’état écologique pour chaque
station d’échantillonnage des trois indices candidats ……………………………………………………….. 119
viii

LISTE DES TABLEAUX
Tableau I : Précipitations moyennes mensuelles de la région de Bafoussam de 1995 à 2015. 12

Tableau II : Récapitulatif des différentes stations d’échantillonnage et leurs caractéristiques 20
Tableau III : Limites des classes de l’IPO d’après Leclercq (2001) .............................................. 24
Tableau IV : Moyennes saisonnières (et écart-types) de la température, de la couleur, des MES
et de la turbidité dans les stations d’échantillonnage pendant la période d’étude .................. 35
Tableau V : Moyennes saisonnières (et écart-types) du pH, de la conductivité, de l’alcalinité et
de la dureté totale dans les stations d’échantillonnage pendant la période d’étude .............. 40
Tableau VI : Moyennes saisonnières (et écart-types) d’oxygène dissous, d’oxydabilité, de DBO5
et de CO2 dissous dans les stations d’échantillonnage pendant la période d’étude ................ 45
Tableau VII : Moyennes saisonnière (et écart-types) des teneurs en nitrates, en nitrites, en
ammonium et en orthophosphates dans les stations d’échantillonnage pendant la période
d’étude .......................................................................................................................................... 50
Tableau VIII: Liste des taxons de macroinvertébrés benthiques récoltés dans les stations
d’échantillonnage de l’affluent du cours d’eau Nlem ................................................................ 72
Tableau IX : Liste des taxons de macroinvertébrés benthiques récoltés dans les stations
d’échantillonnage du cours d’eau Kena et ses affluents ............................................................ 75
Tableau X : Liste des taxons de macroinvertébrés benthiques récoltés dans les stations
d’échantillonnage du cours d’eau Famlem ................................................................................ 80
Tableau XI : Inventaire des taxons constants (***) et accessoires (**) aux différentes stations
d’échantillonnage ......................................................................................................................... 82
Tableau XII : Fréquence d’occurrence des taxons dans les différentes stations
d’échantillonnage des cours d’eau prospectés pendant la période d’étude ............................ 84
Tableau XIII : Liste des métriques candidates calculées ……………………………………………………… 104
Tableau XIV : Valeurs de l’ED et du CV des cinq métriques retenues pour la construction de
l’indice multimétrique ………………………………………………………………………………………………………..109
Tableau XV : Présentation des limites des différentes classes écologiques ……………………….. 118
ix

RÉSUMÉ
Les macroinvertébrés benthiques sont depuis toujours reconnus comme d’excellents outils de
bio-évaluation de la qualité écologique des cours d'eau, que ce soit dans les milieux tropicaux
que tempérés. C’est dans ce contexte, que l'objectif principal de cette thèse était de faire un
état de lieu de la qualité des eaux de la région Ouest du Cameroun, jusqu’ici non connue, et
sans cesse dégradée par des activités anthropiques multiples et diverses grâce aux
communautés de macroinvertébrés benthiques qui peuplent les cours d’eau de cette région.
Ce travail a également permis d’aboutir à la construction d'un indice régional de bio-
évaluation de la qualité écologique des cours d'eau adapté à cette région. Pour y arriver, la
biodiversité et l'écologie des macroinvertébrés benthiques ont été étudiées. Cette étude a
permis de dresser un inventaire actualisé de la faune benthique de cette région et d’évaluer
leurs préférences écologiques à l'échelle du mésohabitat (substrats préférentiels). Une
biotypologie des cours d’eau nous a ensuite permis de dégager trois groupes de stations
d’échantillonnage en relation avec les variables environnementales. Ces groupes ont été
constitués en fonction du degré d’urbanisation des différents sous-bassins versants de
chaque cours d’eau et ont montré que la distribution et les spectres de préférendums
écologiques des macroinvertébrés benthiques étaient fonction des effluents qui
contaminaient le milieu. A partir de ces différents patrons de distribution obtenus par analyse
multivariée, des stations de référence ou non impactées (ou subissant un impact négligeable)
et des stations impactées ont été définies. Un indice Multimétrique des Macroinvertébrés de
la région Ouest du Cameroun (IMMOC), mesurant l'écart à la référence, a pu être créé sur la
base de ces deux lots de stations. Parmi les 18 métriques candidates (transformées en Ratio
de Qualité Écologique), nous avons sélectionné les métriques présentant (i) une forte
efficacité de discrimination et (ii) un faible coefficient de variation en conditions de référence.
Cet indice final, plus performant que les autres se compose de 2 métriques issues de la
diversité taxonomique (indice de diversité Shannon) et de la composition taxonomique (1 –
GOLD). A partir d’un jeu de donnée test indépendant du jeu de données d’apprentissage,
nous avons pu vérifier que l’IMMOC était stable en conditions de référence et sensible à
toute la gamme de pressions anthropiques présentes dans cette région, confirmant ainsi son
caractère généraliste.
Mots clés : macroinvertébrés benthiques, bio-évaluation, qualité des eaux, région Ouest du
Cameroun, activités anthropiques, biotypologie, métriques candidates, IMMOC.
x

Abstract
Benthic macroinvertebrates have always been recognized as better tools for bio-assessment
of the ecological quality of streams in both tropical and temperate environments. It is in this
context, that the main objective of this thesis was to evaluate the water quality of the
Western region of Cameroon hitherto unknown and constantly degraded by innumerable and
various anthropogenic activities, thanks the benthic communities that inhabit in the streams
of this region. This work also led to establishment a bio-assessment index of the ecological
quality of streams adapted to this region. To achieve this objective, the biodiversity and
ecology of the benthic macroinvertebrates of this region were studied. This study compiled an
updated inventory of the benthic fauna of this region and assessed their ecological
preferences at the mesohabitat scale (preferendum substrates). A stream biotypology then
allowed us to identify three groups of sampling sites in relation to the environmental
variables. These three groups were formed according to the degree of urbanization of the
different sub-watersheds of each streams and showed that the distribution and spectrum of
ecological preference of benthic macroinvertebrates depended the effluents that
contaminated the environment. From the different distribution patterns obtained by
multivariate analysis, reference sites or non-impacted (or having a negligible impact) and
impacted sites were defined. A Macroinvertebrate Multimetric index of West region of
Cameroon (MMIWC), measuring the deviation from the reference, could be created from
these two groups of sites. Among the 18 candidate metrics (transformed into Ecological
Quality Ratio), we selected metrics with (i) high discrimination efficiency and (ii) a low
coefficient of variation in the reference conditions. The best performing final index include
two metrics derived from taxonomic diversity (Shannon diversity index) and taxonomic
composition (1 - GOLD). From a test data independent of the training dataset, we were able
to verify that MMIWC was stable in the reference conditions and sensitive to the full range of
anthropogenic pressures present in this region, thus confirming its generalist character.
Key words : Benthic macroinvertebrates, bio-assessment, water quality, Western region of

Cameroon, anthropogenic activities, biotypology, candidate metrics, MMIWC.
xi


INTRODUCTION GENERALE

L’eau douce est une ressource vitale pour tout être vivant. Elle est à la fois aliment, habitat,
moyen de production, de transport et bien marchand. La préservation, la gestion rationnelle
et efficiente d’une telle ressource sont à l’heure actuelle une priorité mondiale tant du point
de vue quantitatif que qualitatif (Goaziou 2004 ; Porse et al. 2013).
Cependant la répartition de cette ressource à l’échelle du globe est très hétérogène. Le

continent africain d’après l’United Nations Environment Programme (UNEP 2010) est l’un des
continents les plus secs au monde avec seulement 9% des ressources en eau douce mondiale.
Cette ressource est mal répartie entre les Etats africains et le Cameroun (Afrique centrale),
bien que bénéficiant d’une position privilégiée du fait de son potentiel hydrique assez
important, voit de jour en jour la qualité de ses eaux se détériorer sous la menace
grandissante d’une pollution anthropique qui contribue à la prolifération des maladies (le
choléra, le paludisme, la fièvre jaune). Les principaux phénomènes anthropiques qui
dégradent quantitativement et qualitativement les ressources en eau camerounaises sont
entre autres : (i) la forte urbanisation enregistrée dans les grandes métropoles qui engendre
la densification des quartiers (promiscuité), (ii) l’industrialisation, (iii) l’agriculture, (iv)
l’élevage, (v) la pêche, (vi) la déforestation, (vii) les transports et (viii) le tourisme. Les
inondations, l’envasement, la modification du lit des cours d’eau, le tarissement des cours
d’eau et les aléas du changement climatique amenuisent considérablement ces ressources en
eau.
Conscient de tous ces problèmes environnementaux qui dégradent considérablement la

qualité des eaux, la biodiversité aquatique, l’environnement urbain et la santé des
populations, l’Etat camerounais s’est impliqué dans plusieurs rencontres et discussions sur
des sujets liés à la gestion de l’eau, dans le but d’améliorer la qualité de ces ressources
hydriques. Parmi celles-ci : le Plan National de Gestion de l’Environnement (PNGE) qui s’est
tenu à Yaoundé (Cameroun) en 1996, la Conférence Internationale sur l’Eau et
l’Environnement (CIEE) à Dublin (Irlande) en 1992 et le Sommet Mondial sur le
Développement Durable (SMDD) à Johannesburg (Afrique du Sud) en 2002. Cependant, les
actions menées au Cameroun restent encore modestes à cause de l’insuffisance des
infrastructures d’assainissement qui favorise le rejet direct (i.e. sans traitement) des eaux
usées ou des déchets dans les rivières.

Compte tenu du grand nombre de paramètres pouvant décrire l’état de santé de l’eau
(Meybeck & Helmer 1992), il est difficile de définir ce qu’est une eau de qualité. En effet, la
qualité d’une eau peut être établie à partir (i) de la mesure de diverses concentrations en
substances inorganiques et organiques et (ii) de la composition et de l’état des organismes
aquatiques qui y vivent. La notion d’intégrité écologique de l’Environmental Protection
Agency (1990) est un concept intéressant qui illustre l’ensemble des composantes et
processus qui sont propres à un milieu donné. Elle est représentée selon trois grandes
catégories indissociables dans les milieux aquatiques : l’intégrité physique, chimique et
biologique (Figure 1).
Figure 1 : Concept de l’intégrité écologique – Modèle de l’US-EPA (1990).

Figure 1
L’intégrité physique est celle des composantes physiques des rivières et se réfère
majoritairement à l’hydrologie et à la géomorphologie. Les conditions physiques offrent un
habitat de qualité qui supporte une communauté biologique équilibrée en offrant un milieu
aux aspects structurels diversifiés et qui ne limite pas les déplacements des organismes (Karr
et al. 1986). L’intégrité chimique, signifie une composition chimique de l’eau et des sédiments
qui ne pourrait être défavorable au biote aquatique. Les deux catégories d’intégrité
précédentes en induisent une troisième, appelée intégrité biologique, qui d’après Karr et
Dudley (1981) se traduit par une composition en organismes aquatiques d’autant plus
équilibrée que la composition en espèces et l’organisation fonctionnelle des communautés
sont comparables à celles d’un écosystème naturel non perturbé. L’intégrité écologique

devient alors un concept traduisant la qualité générale d’un milieu aquatique, en termes de
santé. Costanza et al. (1998) définissent ce concept comme un système écologique stable et
durable capable d’assurer des fonctions de résilience et de résistance face à un stress.
La surveillance de l’intégrité écologique passe nécessairement par la mise en place d'outils
(physicochimiques et biologiques) efficaces et appropriés permettant de comprendre et de
gérer cet ensemble complexe qu’est le milieu aquatique. Ainsi, des stratégies de surveillance
prenant en compte la structure des assemblages de certains organismes aquatiques
considérés comme bio-indicateurs (phytoplancton, zooplancton, macrophytes,
macroinvertébrés benthiques et poissons) permettent d'évaluer l'impact des rejets que
reçoivent ces milieux (Barbour et al. 1999). Une bonne connaissance de tels organismes ainsi
que de leur écologie s'avère indispensable pour mieux comprendre le fonctionnement d’une
communauté aquatique, qui intègre les conditions environnementales sur le « long » terme
(i.e. plusieurs semaines pour les diatomées ; plusieurs mois en moyenne pour les invertébrés ;
éventuellement plusieurs années pour les poissons). La qualité de l’eau peut aussi se basée
sur les mesures de concentrations de polluants mais ces dernières ne permettent pas de tirer
des conclusions sur la santé de l’écosystème. Ainsi à l’inverse des analyses biologiques, les
analyses physicochimiques ne reflètent qu’un état ponctuel de la qualité de l'eau. De plus,
elles n’apportent aucun renseignement sur la qualité de l’habitat et n’évaluent pas l’effet des
polluants non mesurés ou présents à des seuils inférieurs aux limites de détection des
méthodes analytiques. Elles n’intègrent donc pas les effets synergiques, additifs ou
antagonistes des différents polluants sur les organismes vivants. L’idéal serait de combiner les
analyses physico-chimiques et biologiques (Dias et al. 2008) pour arriver à des résultats
satisfaisants. Plusieurs groupes d’organismes aquatiques (poissons, macroinvertébrés
benthiques, zooplancton, macrophytes etc..) sont utilisés dans des programmes de
surveillance des milieux aquatiques. Les méthodes reposant sur les communautés
macrobenthiques ont permis à plusieurs pays de dresser des cartes de l’état de santé des
écosystèmes aquatiques et d’envisager des mesures correctives, permettant de freiner ou
d’empêcher la pollution des cours d’eau et de restaurer une qualité acceptable dans les
systèmes les plus pollués. L’intérêt des organismes macrobenthiques par rapport aux autres
groupes biologiques vient du fait que ce sont des organismes sédentaires, présents dans
presque tous les milieux aquatiques et ayant une durée de vie très variée allant de quelques
semaines à plus d’une année. Ils ont une grande diversité taxonomique qui est assez
3

largement connue. Ils occupent une position écologique fondamentale dans la chaîne
trophique et une taille idéale pour l'échantillonnage et l'identification. On notera également
que leur échantillonnage est aisé, peu couteux et ne cause presque aucun impact sur le
biotope. La sensibilité de ces organismes à différentes sources de pression (e.g. les polluants)
varie selon les espèces. Cette sensibilité variable des invertébrés est de nature à permettre la
construction d’une échelle de sensibilité aux différents éléments polluants (Gerber & Gabriel
2002).
C'est dans ce contexte que plusieurs Etats membres du Conseil Européen, suite à l’adoption
de la Directive Cadre Européenne (DCE 2000), ont développé, grâce aux macroinvertébrés
benthiques, une gamme métriques et d'indices simples, adaptés aux caractéristiques de leurs
masses d’eau et permettant d'en assurer la surveillance. La Commission Européenne
recommande l’utilisation d’une approche multimétrique (i.e. la combinaison de plusieurs
métriques complémentaires) pour évaluer le statut écologique des milieux aquatiques
(Heiskanen et al. 2004) par comparaison à un référentiel (se rapprochant des conditions de
référence). Ce type d’approche, déjà testé aux Etats Unis, a donné des résultats satisfaisants
(Davis & Simon 1995 ; Hughes et al. 1998; Barbour et al. 1999 ; Karr & Chu 1999). Les indices
multimétriques ont capacité à combiner efficacement les informations apportées par
plusieurs métriques (e.g. des indices de diversité, des indices saprobiques, les proportions des
espèces sensibles ou tolérantes, la richesse taxonomique, certains traits biologiques,
écologiques et physiologiques). Ils pourront servir non seulement à évaluer la qualité de l'eau
(des rivières, lacs, eaux de transition, zones humides) mais aussi à détecter le niveau et les
types d'altération ou de pression d’origine anthropique qu’elle subit (contamination
organique, contamination par des métaux lourds, acidification, modifications
hydromorphologiques, etc). En outre, les métriques sélectionnées sont susceptibles de
répondre à de multiples pressions et facteurs environnementaux (Hering et al. 2006 ; Munné
& Prat 2009). Cette approche, contrairement à l'approche traditionnelle qui n'utilise qu'une
seule métrique, est plus informative (Barbour et al. 1999; Klemm et al. 2003) et permet
d'évaluer plus efficacement l'effet des perturbations anthropiques sur le milieu. L’utilisation
de métriques bio/écologiques permet parallèlement de mieux décrire la structure et le
fonctionnement des communautés biologiques et leur distribution le long du continuum en
conditions de moindre pression anthropique comme d’altération sévère (Usseglio‐Polatera et
al. 2000 ; Charvet et al. 2000 ; Tachet et al. 2010 ; Beauger 2008 ; Beauger & Lair 2014). Parmi
4

les indices les plus utilisés dans les programmes de surveillance de la qualité des eaux
figurent : en France l'I2M2 (Mondy et al. 2012), aux Etats-Unis le RBPs (Barbour et al. 1999),
en Espagne l'IBMWP (Alba-Tercedor et al. 2002), en Angleterre le RIVPACS (Clarke et al. 2003)
en Belgique l’MMIF (Gabriels et al. 2010) en Australie AUSRIVAS (Davies 2000 et Davies et al.
2010) , en Corée du sud le KB-IBI (Jun et al. 2012) ou en Afrique du Sud le SASS (Dallas 1997
et 2004) Ces différents indices ont été adaptés aux contextes régionaux des différents pays.
Au Cameroun, peu de travaux concernant l’évaluation biologique de la qualité des eaux par la
macrofaune benthique ont été effectués. Parmi ces travaux figurent ceux de Foto Menbohan
(1989 et 2012), Foto Menbohan et al. (2011 et 2012), Tchakonté et al. (2014 et 2015), Onana
et al. (2016) et Koji et al. (2017) dans deux villes camerounaises (Yaoundé et Douala). Ces
travaux ont permis de révéler la très mauvaise qualité physico-chimique des eaux à hauteur
de ces deux villes, impactées par une pollution essentiellement organique et industrielle. Ce
phénomène est à l’origine de la baisse considérable de la diversité des peuplements de
macroinvertébrés benthiques, avec une prédominance des taxons typiques des eaux de
mauvaise qualité. Dans la région de l’Ouest, aucune étude hydrobiologique relative à la
macrofaune benthique n’a jusqu’ici été réalisée. Pourtant, les cours d’eau de cette région se
dégradent au fil du temps à cause des activités humaines. En effet, les ruisseaux y sont
transformés en de véritables dépotoirs accueillant non seulement les eaux usées
domestiques, industrielles et agropastorales, mais également des déchets solides qui forment
de gros amas d’immondices dans le lit du cours d’eau. Cette perturbation du biotope se
traduit par une réduction drastique de la biodiversité en général et de la faune
macrobenthique en particulier. Afin de mieux apprécier cet impact anthropique sur les cours
d’eau, nous avons eu comme objectif principal dans ce travail de déterminer la composition
et la structure du peuplement des macroinvertébrés benthiques de quelques cours d’eau de
la région Ouest du Cameroun, de les mettre en relation avec la qualité physicochimique des
eaux afin de d’effectuer un lien explicite entre structure des peuplements macrobenthiques
et impact des activités anthropiques dans les cours d’eau de cette région. Un autre objectif
affiché de ce travail a été la construction d’un indice multimétrique qui permette de statuer
sur la qualité écologique des cours d’eau de la région.
Plus spécifiquement, l’objectif est :

- de déterminer les variations spatiales et saisonnières de la qualité physico-chimique des

cours d’eau à partir de quelques paramètres de base ;
- de caractériser la composition et la structure des communautés de macroinvertébrés
benthiques autochtones ;
- d’analyser les relations entre variables physico-chimiques et assemblages de
macroinvertébrés benthiques ;
- de construire un indice régional d’évaluation de la qualité écologique des cours d’eau de la
région de Bafoussam.
Le présent travail s’articule en six chapitres :

 Le premier chapitre présente l’importance des macroinvertébrés benthiques dans la
biosurveillance des milieux aquatiques et la synthèse des connaissances sur cette

communauté benthique au Cameroun ;
 Le deuxième chapitre décrit le contexte régional et présente les stations
d’échantillonnage et les méthodes utilisées ;
 Le troisième chapitre expose les résultats obtenus sur la caractérisation physico-
chimiques des différentes cours d’eau prospectés ;
 Le quatrième chapitre est consacré aux résultats sur la diversité et la structure du
peuplement des macroinvertébrés benthiques des différents cours d’eau prospectés ;
 Le cinquième chapitre correspond au développement d’un indice régional d’évaluation
de la qualité des eaux ;
 Le sixième chapitre est destiné à la discussion générale des résultats obtenus.
Le document s’achève par une conclusion suivie de recommandations et de perspectives pour

les travaux ultérieurs.


CHAPITRE I
Revue de la littérature

I. 1. La bio-surveillance des milieux aquatiques à l’aide des

macroinvertébrés benthiques
Les programmes de bio-surveillance très largement utilisés dans l’évaluation de l’impact des
pressions anthropiques sur l’environnement aquatique offrent l’avantage d’évaluer le niveau
de pollution d’un écosystème aquatique, mais aussi de définir l’état écologique de ces milieux
par rapport à un référentiel. La biosurveillance repose sur l'utilisation d'un organisme ou d'un
ensemble d'organismes biologiques à différentes échelles d'organisation (individu, population
et communauté). Il est important de se doter d’indicateurs biologiques fiables et efficaces à
même d'apporter des informations sur le stress (anthropique) que subit le milieu et sur les
éventuelles dégradations de l'habitat et ce sur une longue période (Cranston et al. 1996 ;
Benoît-Chabot 2014 ; Fennessy et al. 2015). De plus, ces organismes sentinelles servent de
signal d'alarme en cas de perturbation du milieu. Cela constitue un avantage certain dans les
rivières, où les conditions environnementales varient spatialement et temporellement
(Dokulil 2003 ; Stevenson et al. 2010). Par ailleurs, l'utilisation de bio-indicateurs peut
apporter des renseignements sur la biodisponibilité des polluants et une indication intégrée
des effets spatio-temporels de ces derniers sur le biote (Hellawell 1986 ; Markert et al. 2003).
Plusieurs types d’organismes (bio-indicateurs) sont utilisés dans des programmes de
surveillance de l’état de santé des milieux dulçaquicoles (poissons, macrophytes, zooplancton,
algues) (Beauger 2008), mais les macroinvertébrés benthiques, en raison des nombreux
avantages qu’ils présentent, sont les plus utilisés (Bae et al. 2005 ; Resh 2008; Deborde et al.
2016).
Ce sont des organismes dépourvus de squelette interne osseux, visibles à l’œil nu et vivant en
contact avec le substrat du fond des milieux aquatiques qu’il soit dur (dalles, blocs de pierres
et cailloux) ou meuble (graviers, sables, limons, vases et argiles). On les trouve également sur
les macrophytes (algues, mousses et phanérogames) et les débris organiques macroscopiques
tels que les branchages et les feuilles mortes se trouvant dans le milieu (Tachet et al. 2010).
Ils comprennent des groupes tels que les Insectes (Éphéméroptères, Plécoptères,
Trichoptères, Diptères, Coléoptères, Mégaloptères, et Odonates), les Mollusques, les
Crustacés, et les Annélides (Tachet et al. 2010). Certains d’entre eux vivent de façon
permanente dans le milieu aquatique (Oligochètes, Mollusques et Crustacés), d’autres

temporairement (stades larvaires ou nymphaux des insectes, parfois stades adultes

uniquement chez certains coléoptères ; Menétrey Perrottet 2009). D'après Cummins (1975),
ils mesurent au moins entre 3 à 5 mm au dernier stade de leur développement. Leur
omniprésence, leur sédentarité, leur grande diversité taxonomique, leur cycle de vie
relativement long (de quelques semaines à plus d'une année) par rapport à d’autres
organismes d'eau douce et leurs positions stratégiques dans les chaînes alimentaires
aquatiques sont autant d'avantages qui font d'eux de bons témoins des conditions locales de
leur milieu de vie. Par ailleurs, ils ont une variabilité de profils écologiques au sein des
communautés, qui induit une grande diversité de réponses potentielles aux perturbations
environnementales (Tachet et al. 2010). Ils intègrent différents types et degrés d'impacts
environnementaux qui surviennent à une variété d'échelles spatiales et temporelles (Statzner
& Bêche 2010 ; Ferreira et al. 2011 ; Friberg et al. 2011). En outre, la faune benthique est
reconnue pour présenter un certain nombre d’avantages méthodologiques et techniques
(relativement faciles à échantillonner et à conserver) qui facilitent la mise en place de suivis
réguliers, peu contraignants et à coûts réduits des écosystèmes aquatiques (Barbour et al.
1999 ; Carter & Resh 2001 ; Resh 2007).
Du point de vue trophique, les macroinvertébrés benthiques ont un rôle important dans les
réseaux trophiques aquatiques notamment dans la transformation de la matière organique
(Monoury 2013). Ils constituent également une source de nourriture pour de nombreux
autres compartiments biologiques tels que les poissons, les amphibiens et même les oiseaux
(Moisan, 2010). Tachet et al. (2010) distinguent 8 groupes trophiques dont les broyeurs, les
absorbeurs (au travers de leur tégument), les mangeurs de sédiments fins, les filtreurs, les
perceurs/suceurs, les prédateurs (au sens « avaleurs »), les racleurs/brouteurs de substrats,
et les parasites, tandis que Monoury (2013) en propose 4 (les déchiqueteurs, les déposivores,
les prédateurs et les filtreurs/racleurs).
La documentation relative à cette faune benthique ainsi qu’à leur écologie et leur implication
dans de nombreux programmes de contrôle de la qualité de l’eau, sont autant d’informations
qui font en sorte que ce groupe d’organismes est très prisé.

I. 2. État actuel des connaissances de la macrofaune benthique au

Cameroun
Au Cameroun, les investigations effectuées sur cette faune aquatique ont donné lieu à une
série de travaux publiés, conduits à Yaoundé capitale politique (Foto Menbohan et al. 2010,
2011, 2012 et 2013) et à Douala capitale économique (Tchakonté et al. 2014 et 2015 ; Onana
et al. 2016). Les travaux conduits dans le Centre Cameroun en zone urbaine par Foto
Menbohan (2012) sur 11 cours d'eau du réseau hydrographique du Mfoundi ont permis
d'identifier 95 taxons de macroinvertébrés appartenant à 5 embranchements (Arthropodes,
Mollusques, Annélides, Némathelminthes et Plathelminthes), 7 classes, 18 ordres et 52
familles. La classe des insectes était la plus représentée et comptait 8 ordres, 30 familles et 52
taxa avec une dominance de l’ordre de Diptères représenté par les familles des
Chironomidae, des Psychodidae et des Syrphidae. Viennent ensuite les Gastéropodes avec 2
ordres, 8 familles et 17 taxons, avec pour taxons dominants le pulmoné Physa acuta
(Physidae) et le Prosobranche Hydrobia accrensis (Hydrobiidae). Chez les Némathelminthes,
l’espèce Aphelenchoides microlaimus (Aphelenchoidae) prédomine, tandis que chez les
Plathelminthes, c’est l’espèce Dugesia tigrina (Dugesiidae) qui est la mieux représentée. De
façon générale, la majorité des taxa récoltés était typique des milieux dont la qualité de l'eau
est soumise à de fortes charges organiques, les classant ainsi dans la catégorie des taxa
polluo-résistants, traduisant de ce fait le caractère pollué des cours d'eau localisés en zone
urbaine. En outre une série de travaux a été menée par le même auteur, en zone périurbaine
dans la partie Ouest de la ville de Yaoundé (Foto Menbohan et al. 2010 et 2013), dans le cours
d'eau Nga, un affluent de la Méfou. Les résultats obtenus s’opposent à ceux réalisés en zone
urbaine sur le Mfoundi. En effet, sur un total de 2553 invertébrés capturés, 4
embranchements, 7 classes, 15 ordres, 74 familles et 117 genres ont été identifiés et
dénombrés. L'embranchement des Arthropodes était largement représenté (99,3 %),
notamment la classe des Insectes (63,9 %) avec 8 ordres, 66 familles et plus de 111 genres,
suivie des Crustacés (35,4 %) avec 1 ordre, 2 familles et 2 genres. Les cinq autres classes
(Oligochètes, Achètes, Gastéropodes, Bivalves, et Gordiacés) ont été présents de façon
sporadique, ne représentant que 0,7 % d’abondance relative cumulée. Par contre les
organismes du groupe EPT (14,6 %) étaient bien représentés avec 25 familles et 42 genres.
L’indice de diversité de Shannon & Weaver et l’indice d'équitabilité de Piélou ont révélé une

grande diversité et une équirépartition du macrobenthos dans ce milieu. Par ailleurs, l'indice
biotique d'Hilsenhoff a permis de classer ce cours d'eau dans la gamme des cours d’eau de
bonne à excellente qualité. Cependant, il est important de noter que la famille des Atyidae, de
l’ordre des Décapodes, était dominante dans le cours d’eau Nga avec une abondance relative
de 35,4 %, famille pourtant complètement absente dans les cours d’eau du bassin du Mfoundi
où les Physidae et les Chironomidae étaient les familles les mieux représentés.
Dans les travaux d’Onana et al. (2016), effectués dans la ville de Douala, 2 258 individus ont
été collectés répartis dans 3 embranchements dont 57,8 % d’abondance relative appartenant
à l’embranchement des Arthropodes, 39,3 % à celui des Mollusques et 2,9 % pour des
Annélides. Les ordres des Diptères et des Basommatophores étaient les plus abondants
notamment les familles de Chironomidae (21,7 %) et de Physidae (24,1 %) témoignant ainsi
de la mauvaise qualité des eaux des cours d’eau, due aux apports des effluents domestiques,
municipaux et industriels. Les résultats des analyses physico-chimiques des eaux des cours
d’eau étudiés ont permis de confirmer les caractères polysaprobes et isosaprobes de ces
cours d’eau.
Les travaux de Tchakonté (2016) dans cette même ville ont permis de dénombrer 178 taxa de
macroinvertébrés aquatiques répartis en 5 embranchements, 7 classes, 18 ordres et 69
familles. En milieu périurbain, L’espèce Macrobrachium thysi (Decapoda, Palaemonidae),
jusqu’ici rencontrée en Côte Ivoire a été retrouvée pour la première fois dans les cours d’eau
de cette zone. Il en est de même pour l’espèce Potamalpheops sp. (Decapoda, Alpheidae). La
présence de ces deux taxons polluo-sensibles dans ces cours d’eau péri-urbains traduit la
bonne qualité des eaux des dits cours d’eau, contrairement aux cours d’eau urbains dominés
par les taxons polluo-résistants tels que les Diptères, les Mollusques et les Annélides. Par
ailleurs, sur la base d’une analyse de type carte auto-organisatrice (Self-Organizing Map,
SOM) (Kohonen 2001) et l’application de la méthode « IndVal » (Dufrêne & Legendre 1997),
une liste de bioindicateurs, constituée de 13 taxons sensibles à la pollution et de 17 taxons
polluo-tolérants a été dressée. Ainsi, l’espèce Physa acuta a été désignée comme indicatrice
de pollution métallique et considérée comme bio-accumulatrice. En effet, le dosage
d’éléments traces métalliques dans ses tissus pouvait atteindre 1400, 108, 47,1 et 21,2 µg/g
de masse sèche, respectivement pour les métaux Al, Ti, Zn et Pb. En outre, au sud-ouest
Cameroun, les travaux d’Ajonina (2014) ont montré que les taxons les plus abondants étaient
représentés par les Décapodes Litopaenaeus vannamei (84,3 %) et Johngarthia logostoma
10

(10,9 %), suivis du Gastéropode Lymnaea sp. (4,9 %). L’abondance de Litopaenaeus vannamei
a été attribuée à son caractère « filtreur » des particules de boue.
11


CHAPITRE II
Matériel et méthodes

II. 1. Matériel
II. 1.1. Description générale de la zone d’étude
Située dans la région de l’Ouest Cameroun, Bafoussam est le chef-lieu du département de la

Mifi qui lui couvre les arrondissements de Bafoussam 1er, 2ème et 3ème dont la superficie est
d’environ 40 200 hectares. Elle est située entre 5°25′ et 5°37’ de latitude Nord et 10°20′ et
10°30′ de longitude Est dans la zone centrale du plateau Bamiléké fait de collines et de vallées
(Tsalefac 1999), l’altitude moyenne est d’environ 1450m (Kuete & Dikoume 2000).
II. 1.1. 1. Climat
Le climat du secteur de Bafoussam, comme l'ensemble des Hautes Terres de l'Ouest,

constitue une transition entre le climat équatorial de mousson et le climat tropical d'altitude
que certains auteurs, à l'instar d'Olivry (1986), appellent «climat camerounien montagnard ».
Il est influencé par l'altitude ainsi que par les vents dominants : la mousson venant du sud qui
a pour conséquence une longue saison des pluies allant de mars à octobre (8 mois), et
l'harmattan venant du nord entrainant une courte saison sèche allant de novembre à février
(4 mois) (Tableau I). Les mois de novembre et mars font la transition entre les deux saisons
(Suchel 1989).
Tableau I : Précipitations moyennes mensuelles de la région de Bafoussam de 1995 à 2015.

Source : Station météorologique de Bandjoun
Mois J F M A M J J A S O N D
P(mm)
12,7 20,8 84,8 163,0 165,1 218,5 258,6 266,8 271,4 223,3 50,1 6,7
Dans l'ensemble, le climat de la région de l’Ouest est humide et frais pendant presque toute
l'année. La moyenne des précipitations annuelles est d'environ 1741,8mm. Les mois de juillet,
août, septembre et octobre sont les plus pluvieux tandis que les mois de décembre, janvier et
février sont les plus secs. La variabilité intra-annuelle est importante avec un maximum de
271,4 mm de pluie (au mois de septembre) et un minimum de 6,7 mm de pluie au mois de
12

décembre. En général, le climat de cette région est propice à la pratique des activités
agricoles avec un sol presque constamment humide.
II. 1.1.2. Végétation
La végétation rencontrée est celle de la savane humide (formation montagnarde et semi-

montagnarde) (Letouzey 1968). En effet, la mise en valeur de l'activité agricole dans cette
région, à laquelle s'ajoute de nos jours la construction des fronts de ré-urbanisation, se fait
aux dépens du couvert végétal souvent réduit à des reliques de la végétation originelle sans
cesse modifiée par l'occupation humaine. L'observation de ces reliques permet de distinguer,
selon Dongmo (1981), une végétation constituée d'un mélange de plantes hydrophiles et de
plantes non hydrophiles (Raphia vinifera, Raphia mambillensis et Raphia humilis) qui occupent
les vallées et très rarement le sommet des collines. Seuls les bois sacrés autour des chefferies
traditionnelles restent des témoins d'une couverture forestière très dense et même des
endroits d'accès difficile pour les populations.
II. 1.1.3. Relief et sols
Sur le plan physique, Bafoussam, occupe la partie centrale du plateau Bamiléké (Hautes terres
de l'Ouest-Cameroun) formée sur d’anciens massifs volcaniques. Dans l’ensemble, cette ville
est bâtie sur une succession de collines et de vallées avec des pentes dont la déclivité dépasse
le plus souvent 15%. Ce plateau Bamiléké est constitué de petites collines arrondies dominant
de longues croupes surbaissées à versant convexo-concaves ou convexes, séparées par de
longues vallées hydromorphes à fond plat (Tsalefac 1999). Les sols forment trois grands
ensembles pédologiques dont les sols ferralitiques, les sols peu évolués et les sols
hydromorphes (Tchidjang 1996 ; Tsalefac 1999 et Mpakam 2008). La croissance
démographique entraine une forte sollicitation du sol pour l'implantation des ouvrages de
l'ingénierie civile (voies de communications, barrages, réseaux électriques urbains, etc) ou
pour des activités agricoles.
13

II. 1.1.4. Hydrographie
Plusieurs cours d'eau intermittents ou permanents sillonnent la région avec des débits
variables suivant les saisons. La plupart de ces derniers prennent leurs sources dans les flancs
des côteaux avant de s'engager dans les vallées. D’une manière générale, plus de la moitié de
ces cours d’eau converge vers le fleuve Mifi, lui-même affluent du Noun. Le réseau
hydrographique est de type sub-dendritique. La plupart des cours d’eau portent le nom de la
localité traversée.
Toutefois, le changement climatique et les différentes formes de pressions exercées par

l'homme, incluant le déversement des déchets ménagers et industriels, la déforestation liée à
la pratique des activités culturales, l'augmentation de la population, la mauvaise gestion des
berges, la construction des ponts et l'extraction du lit mineur, exercent un certain nombre de
contraintes sur ces milieux humides. Ces pressions entraînent l'érosion des bassins versants
conduisant au colmatage des habitats aquatiques et à une perte de la biodiversité (Waters,
1995). De plus, en période pluvieuse, les eaux de ruissellement charrient d’énormes quantités
de déchets abandonnés au niveau des rues dans les lits des cours d’eau situés dans les bas-
fonds. La forte charge en détritus dans ces cours d’eau freine l’écoulement des eaux et est
l’une des principales causes de leur disparation.
II. 1.1.5. Activités anthropiques pratiquées dans la région
Bafoussam est une région agricole qui tire l’essentiel de ses revenus du développement de
l’agriculture (rente et vivrière), impliquant l'utilisation d’engrais naturels et chimiques, de
l'élevage (bétail et volaille) et du commerce. Certaines industries telles que des sociétés de
savonnerie (SOC, CCO, SCS), les brasseries du Cameroun (SABC), l’Union Centrale des
Coopératives Agricoles de l’Ouest (UCCAO), la Coopérative des Planteurs de la Mifi
(CAPLAMI), des stations d’hydrocarbures (Texaco), des carrières de sables et de pierres et
d’un abattoir municipal constituent, entre autres, les principales entreprises qui déversent
leurs déchets et leurs eaux usées non traitées dans l’environnement.
14

A B C
D E
F G
Figure 2 : Quelques vues de potentielles sources de pollution des cours d’eau dans la
région de Bafoussam.
A : Dépotoir de déchets à proximité d’un cours et lessive pratiquée par les riverains ;
B : Ecoulement de l’eau obstrué par des déchets ;
C : Effluent de ménage drainé vers un cours d’eau ;
D : Comblement du lit d’un cours d’eau par des déchets ;
E : Construction d’un mur de soutènement le long d’un cours d’eau ;
F : Activité agricole réalisée à proximité d’un cours d’eau ;
G : Phénomène érosif d’une voie de desserte d’effluents industriels drainés vers un cours d’eau.
15

II. 1.2. Présentation des différents sous-bassins versants et des stations

Le choix des 11 stations d’échantillonnage réparties sur trois cours d’eau, affluents respectifs
du Nlem, de la Mifi et du Noun, a tenu compte de leur situation par rapport aux sources de
pollution, de l’intérêt du cours d’eau pour les populations riveraines et de leur accessibilité.
II. 1.2.1. Sous-bassin versant du Nlem
Situé en plein cœur de la ville (arrondissement de Bafoussam 1er), on trouve dans ce sous-
bassin versant les Brasseries du Cameroun, la Savonnerie de l’Ouest Cameroun, l’Union des
Coopératives de Café Arabica de l’Ouest (UCCAO), la Coopérative Agricole des Planteurs de la
Mifi (CAPLAMI) et une ferme bovine commerciale annexée d’un abattoir. Toutes ces
entreprises déversent leurs eaux usées directement dans le cours d’eau. En amont, les
ménages riverains y vidangent aussi leurs fosses et latrines, de même que les services de
vidange de la ville. De plus on note la présence de nombreux petits commerces installés le
long du cours d’eau. La station de collecte des eaux de la ville surplombe ce cours d’eau. La
densité de population (plus de 200 habitants au Km2 (Mpakam 2008)) engendre des habitats
de type spontané dont quelques-uns de type économique. L’insuffisance des services
d’assainissement et d’eau potable n’offre aux populations que l’alternative d’évacuer leurs
déchets dans les rivières et les ruisseaux. Long d’environ 8 km, cette rivière draine les
quartiers Tamdja, Tchouwon, Banengo, Omnisport et Toket avant de se jeter dans le Nlem.
L’agriculture vivrière est aussi pratiquée dans ce sous bassin versant. Trois stations
d’échantillonnage codifiées S1, S2 et S3 (Figure 3) ont été choisies sur ce cours d’eau qui
reçoit en amont des effluents rejetés par la société CAPLAMI (S1), des effluents d’abattoir
ainsi que ceux de ménages domestiques. Une deuxième station, située à environ 1,5 km en
aval de la première reçoit des effluents de la savonnerie et la troisième reçoit des effluents
brassicoles.
16
A B
Figure 3: Vue partielle des stations

d’échantillonnage de l’affluent du cours
d’eau Nlem : S1 (A), S2 (B) et S3 (C).
II. 1.2.2. Sous-bassin versant du Kena et ses affluents
Ce sous bassin versant s’étend sur deux arrondissements (Bafoussam 1er et 3ème) et les
activités qui sont pratiquées sur ce bassin versant sont essentiellement une agriculture de
rente (cacao, café arabica, café robusta, banane – plantain) et des cultures vivrière et
maraîchère (pommes de terre, tomates, carottes, haricots verts, maïs) utilisant des engrais
d’origine organique (compost, fumier) et/ou chimique, ainsi que des pesticides. L’élevage de
volailles, de bovins et de porcins y est également pratiqué. La densité de la population est
faible avec des habitats de type traditionnel très clairsemés dans l’ensemble. Le cours d’eau
Kena mesure environ 7,2 km de long et est grossi par l’arrivée de plusieurs tributaires
provenant des villages voisins. Il prend sa source dans la chefferie Baleng et traverse ensuite
les localités Lafé, Keleu, Cinquiet, Metho, Kena et Ndzé qui constituent les principaux bras du
cours d’eau. Les différents points choisis pour les échantillonnages ont été désignés S4, S5,
S6, S7 et S8.
17

D
E
F G
Figure 4: Vue partielle des stations

d’échantillonnage du cours d’eau Kena et de ses
affluents : S4 (D), S5 (E), S6 (F), S7 (G) et S8 (H).
II. 1.2.3. Sous-bassin versant du Famlem
Long d’environ 8,4km, il prend sa source sur les hauteurs du quartier Evêché en milieu urbain
(arrondissement de Bafoussam 1er) avant de poursuivre sa course en milieu rural dans
18

l’arrondissement de Baleng (Bafoussam 2ème). Les activités rencontrées dans ce bassin versant
sont essentiellement l’agriculture vivrière. On note également l’extraction du sable par les
riverains. Mise à part la zone urbaine avec une forte densité de population, en zone rurale la
densité est faible. Famlem draine les quartiers Evêché, Lemgoua, Fou’sap et Famlem avant
d’achever sa course après environ 10 km dans la Mifi nord. Trois stations d’échantillonnage
notées S9, S10 et S11 ont été choisies dans ce cours d’eau dont la station S9 en zone urbaine,
S11 en zone rurale et S10 en zone de transition.
I J
Figure 5 : Vue partielle des stations

d’échantillonnage du cours d’eau Famlem :
S9 (I), S10 (J) et S11 (K).
K
19

Tableau II : Récapitulatif des différentes stations d’échantillonnage et leurs caractéristiques

Activités anthropiques dans le
Sous-bassins Code Coordonnées Densité de la Nature du lit du
bassin versant et /ou directement
versants station GPS population cours d’eau
dans le cours d’eau
Cultures vivrières, société
05°46’90’’N Déchets d’ordures,
S1 Forte CAPLAMI, dépotoir d’ordures, et
10°41’17’’E et boue
ferme d’élevage bovine
Société de savonnerie, Brasseries Blocs rocheux,
05°45’89’’N
Nlem S2 Forte du Cameroun et dépotoir sable et déchets
10°40’20’’E d’ordures d’ordures
Construction d’un mur de
05°45’41’’N Boue et déchets
S3 Forte soutènement, cultures vivrières
10°40’95’’E d’ordures
et société UCCAO
Carrière de sable, cultures
05°50’62’’N
S4 Forte maraîchères et dépotoir Gravier et sable
10°38’74’’E d’ordures
05°51’41’’N Agrégation de
S5 Faible Cultures vivrières
10°36’78’’E racines et sable
Kena S6 05°52’85’’N Faible Zone marécageuse Boue et sable

10°36’62’’E
05°52’56’’N
S7 10°38’34’’E Faible Cultures vivrières sable
05°53’15’’N
S8 Faible Cultures vivrières sable
10°38’97’’E
05°47’65’’N Dépotoir d’ordures et cultures Déchets d’ordures
S9 Forte
10°43’02’’E vivrières et boue
Famlem 05°47’69’’N Cultures vivrières et extraction de
S10 Moyenne sable
10°44’84’’E sable
05°49’60’’N Sable et blocs
S11 Faible extraction de sable
10°46’58’’E rocheux
NB : Forte, c’est-à-dire plus de 200 habitants au Km2 (Mpakam 2008).
20

Figure 6 : Sous-bassins versants du Nlem, Mifi sud et Nord présentant les différentes stations
d’échantillonnage (Source : CUB 2015, modifié).
21

II. 2. Méthodes
Cette étude s’est déroulée en deux phases, la première allant de mi-septembre à mi-
novembre 2015 consacrée à la prospection de la zone d’étude, au choix des cours d’eau et
des stations d’échantillonnage. La seconde, de décembre 2015 à décembre 2016 relative à
l’échantillonnage proprement dit pour la collecte des données physico-chimiques et
biologiques selon une fréquence mensuelle, dans les 11 stations retenues. Ainsi, 13
campagnes d’échantillonnage ont été réalisées aussi bien pour la chimie de l’eau que pour la
biologie.
II. 2.1. Mesure des paramètres physico-chimiques
La mesure des 17 paramètres physico-chimiques a été réalisée à la fois sur le terrain et au

laboratoire d’Hydrobiologie et Environnement de la Faculté des Sciences de l’Université de
Yaoundé 1. Les prélèvements et mesures ont été effectués suivant les recommandations
d’APHA (1998) et Rodier et al. (2009). Ainsi, la température de l’eau (°C), le pH (UC), l’oxygène
dissous (% de saturation), la conductivité électrique (µS/cm) et les solides totaux dissous
(mg/L) ont été mesurés in situ respectivement à l’aide d’un thermomètre à alcool gradué au
1/10°C, d’un pH-mètre portatif CG 818 de marque SCHOTT Geräte Gmbh (Germany) et d’une
sonde multi-paramètres de marque HACH. Pour les analyses au laboratoire, les échantillons
d’eau ont été prélevés dans des flacons en polyéthylène de 250 mL et 1000 mL et transportés
en enceinte réfrigérée. Au laboratoire, les concentrations en ions nitrates (NO-3), ammonium
(NH4+), orthophosphates (PO43-) et nitrites (NO2-) ont été mesurées au spectrophotomètre
HACH DR 2800 et les valeurs exprimées en mg/L. La lecture des valeurs obtenues s’est faite
respectivement aux longueurs d’onde λ = 507 nm, λ = 425nm, λ = 530 nm et λ = 500 nm. Les
MES, la turbidité et la couleur de l’eau ont été mesurées par colorimétrie au
spectrophotomètre HACH DR 2800, aux longueurs d’onde λ = 810 nm, λ = 450 nm et λ = 455
nm et les valeurs exprimées en mg/L, en FTU et en Pt-Co respectivement. L’alcalinité a été
déterminée par volumétrie en titrant 50ml d’échantillon d’eau avec de l’acide sulfurique
N/50, en présence du rouge vert de méthyl bromocrésol comme indicateur coloré. Les
résultats exprimés en mg/L de HCO3- sont obtenus par la formule :
Alcalinité (mg/L de HCO-3) = (descente de burette de l’échantillon) × 20

22

L’oxydabilité a été mesurée par volumétrie, après titration au KMnO4 N/80 en milieu acide.
Les valeurs exprimées en mg/L d’O2 s’obtiennent par la formule :
𝒒 − 𝒒𝟎
Oxydabilité (mg/L de O2) = x 3,95
𝟐
avec, q = descente de burette de l'échantillon et 𝑞0 = descente de burette du témoin.
La Demande Biochimique en Oxygène (DBO5 en mg/L d’O2), a été mesurée par respirométrie
à l’aide d’un incubateur à DBO de marque LIEBHERR, pendant 5 jours à 20°C suivant la
méthode AFNOR NFT 90-103. La lecture de la montée du mercure dans le tube est effectuée
tous les jours pendant 5 jours.
La dureté totale (en mg/L) et la teneur en chlorophylle « a » (mg/m3) ont été mesurées au
laboratoire de Chimie minérale de la Faculté des Sciences de l’Université de Yaoundé 1.
A B
Figure 7 : Flacons de prélèvement d’eau pour la physico-chimie (A) et conservation en

enceinte réfrigérée (B).
II. 2.2. Calcul de l’Indice de Pollution Organique (IPO)
L’Indice de Pollution Organique (IPO) (Leclercq 2001) indique le degré d’altération des eaux
par des variables chimiques révélatrices de pollution organique du milieu. La valeur de l’IPO
varie de 1 à 5 (Tableau III) et est calculée (i) en relevant les concentrations des paramètres
chimiques élémentaires liés à la pollution organique comme les ions ammonium (NH4+), les
nitrites (NO2-), les phosphates (PO43-) et la Demande Biologique en Oxygène (DBO5), (ii) en
attribuant une classe d’état à chaque paramètre compte tenu des limites de classe définies
23

dans le tableau III, puis (iii) en calculant la moyenne des numéros de classes pris par ces
quatre paramètres sur le site d’étude.
Tableau III : Limites des classes de l’IPO d’après Leclercq (2001)
+ -
Paramètres NH4 NO2 3-
PO4 Moyennes Niveau de pollution
(mg /L de (μg /L de DBO5
Classes (μg /L de P) des classes organique
N) N) (mg /L O2)
5 < 0,1 ≤5 ≤ 15 <2 5,0 – 4,6 Nulle

4 0,1 - 0,9 6 -10 16 - 75 2 – 5,0 4,5 – 4,0 Faible
3 1 - 2,4 11 - 50 76 - 250 5,1 - 10 3,9 – 3,0 Modérée
2 2,5 - 6 51 - 150 251 - 900 10,1 - 15 2,9 – 2,0 Forte
1 >6 > 150 > 900 ˃ 15 1,9 – 1,0 Très forte
II. 2.3. Échantillonnage des macroinvertébrés benthiques, tri et identification
II. 2.3.1. Echantillonnage
L’échantillonnage des macroinvertébrés benthiques a été effectué suivant l’approche multi-

habitats (Barbour et al. 1999 ; Stark et al. 2001 et Moisan & Pelletier 2011). L’outil adopté
pour la collecte des organismes est un échantillonneur de type troubleau de forme carrée de
30 cm de côté, muni d’un filet conique de 400 µm d’ouverture de maille et de 50 cm de
profondeur, le tout relié à une manche métallique d’environ 1m de long. A chaque station
d’échantillonnage, une vingtaine de coups de filet ont été effectués sur une distance
approximative de 50 cm correspondant globalement à 3 m2 de surface échantillonnée. La
traction du troubleau s’est faite à contre-courant dans différents microhabitats caractérisés
par un couple « substrat /vitesse de courant ». Les organismes retenus par le filet ont été
transvasés dans un tamis d’environ 400 µm de vide de maille et de 15 cm de rayon pour être
triés et lavés. Ils ont été prélevés au moyen de pinces fines, puis introduits dans des piluliers
étiquetés contenant une solution de formol à 10%.
24

A B C
Figure 8 : Filet troubleau (A), échantillonnage (B) et collecte des

macroinvertébrés benthiques (C) in situ.
in situ (B)
II. 2.3.2. Tri et identification
Au laboratoire, le contenu des flacons a été transvasé dans un autre tamis de 400 µm
d’ouverture de maille, puis rincé à l’eau pour éliminer le formol. Les organismes ont ensuite
été collectés à l‘aide de pinces fines, regroupés dans des boîtes de Pétri sur la base de leurs
caractères morphologiques, puis identifiés, dénombrés et conservés dans des flacons
étiquetés renfermant de l’éthanol à 70°. L’identification a été réalisée au laboratoire
d’Ecologie Numérique et d’Ecotoxicologie de l’Université Lille à l’aide d’une loupe binoculaire
à éclairage épiscopique. L’identification des organismes a été poussée au niveau taxonomique
le plus précis possible (ordre, famille, genre ou espèce) grâce aux clés de Durand & Lévêque
(1981), Dejoux et al. (1981), Day et al. (2001 ; 2002), De Moor et Day (2002), De Moor et
al. (2003a et b), Stals & de Moor (2007), Tachet et al. (2010), Moisan (2010) et d’un guide
(Forcellini et al. 2011).
Figure 9 : Identification des macroinvertébrés benthiques au laboratoire.
25

II. 3. Analyse des données
II. 3.1. Méthodes biocénotiques
II. 3.1.1. Richesse taxonomique et abondance relative
La richesse taxonomique (S) indique le nombre de taxons dénombrés dans un milieu donné, à
un instant donné. Elle apporte des informations sur la complexité/l’hétérogénéité de l’habitat
et la variété des niches écologiques disponibles sur une station (Alliaume et al. 1990).
L’abondance relative représente le nombre d'individus (Nr(i)) d’un taxon « i » donné sur le
nombre total d'individus dénombrés pendant la période d’étude. Dans le cas de cette étude,
elle sera exprimée en pourcentage (%) suivant la relation :
𝐧𝐢
Nr(i) = 𝐱 𝟏𝟎𝟎
𝑵
Avec, ni = nombre d’individus du taxon i ; N = nombre total d’individus au sein de

l’échantillon.
II. 3.1.2. Fréquence d’occurrence des taxons
La fréquence d’occurrence renseigne sur le niveau de constance d’une espèce ou d’un taxon
dans un habitat donné sans aucune indication sur son importance quantitative (Dajoz 2000).
Exprimée en pourcentage (F), c’est le quotient du nombre d’échantillons dans lesquels
l’espèce i a été retrouvée (Pi) par le nombre total d’échantillons pendant la période d’étude
(Pt).
𝑷𝒊 𝒙 𝟏𝟎𝟎
F est donné par : F(i) = 𝑷𝒕
Grâce à cette formule, on distingue trois groupes d’espèces suivant leur valeur de F (Dufrêne
& Legendre 1997) :
- Les espèces constantes, présentes dans au moins 50 % de relevés (F ≥ 50%) ;

- Les espèces accessoires, présentes dans au moins 25 % de relevés (25% ≤ F < 50%) ;
- Les espèces rares, présentes dans moins de 25 % de relevés (F < 25%).
26

II. 3.1.3. Indice de diversité de Shannon-Weaver (1948)
Couramment utilisé pour déterminer la diversité globale d’un peuplement. L’indice de

diversité de Shannon-Weaver (H’) mesure le degré d’organisation du peuplement (Dajoz 2000
; Tonkin et al. 2013). Indépendant de la taille de l’échantillon, il considère séparément deux
composantes de la diversité, à savoir, le nombre d’espèces et la régularité de leur distribution
de fréquences.
H’ est calculé par : H’ = − ∑𝒊=𝑺

𝒊=𝟏(𝒑𝒊 𝐱 log2 pi)
Où S est le nombre total d’espèces ou de taxons et pi l’abondance relative de l’espèce i dans

l’échantillon (pi = ni/N). H’ est exprimée en unités d’information par individu ou bits/ind et
fluctue entre 0 et log2S. La diversité est grande lorsque H’ tend vers log2S, correspondant à
des conditions optimales permettant l’installation d’individus régulièrement répartis dans de
nombreuses espèces et il tend vers 0 quand un taxon est présent en très grand nombre par
rapport aux autres taxons.
II. 3.1.4. Indice d’Equitabilité de Piélou (1966)
L’indice d’Equitabilité de Piélou (E) permet d’étudier la régularité de la distribution des

individus au sein des espèces. Cet indice a aussi l’avantage de traduire la qualité
d’organisation du peuplement (Zabi 1993) et varie entre 0 et 1. Il est proche de 1 quand les
taxons du peuplement ont des abondances identiques. Il tend vers 0 quand la quasi-totalité
des effectifs est concentrée sur un seul taxon (Da Fonseca 1968).
H′
Elle se calcule selon la relation suivante : E = Log
2 (S)
Où H’ est l’indice de diversité de Shannon-Weaver et S est la richesse taxonomique.
II. 3.2. Analyses statistiques
Les statistiques ont été réalisées avec les bibliothèques ade4 (Dray & Dufour 2007) et
vegan (Oksanen et al. 2013) dans le logiciel R (R Development Core Team 2015).
27

II. 3.2.1. Analyses univariées
- Le test non paramétrique de Friedman, est une généralisation du test de Wilcoxon pour
plus de 2 échantillons, permettant de tester K groupes de données appariées. Il a été
utilisé pour vérifier les différences « inter-stationnelles » de variances, des variables
environnementales d’une part, et d’autre part de la richesse taxonomique, de l’indice de
diversité de Shannon-Weaver et d’Equitabilité de Piélou, relatifs à la distribution des
macroinvertébrés benthiques. Ce test est utilisé dans la mesure où les données ne
suivent pas une loi distribution normale. L’idée est de mettre en avant les écarts qu’il
peut y avoir entre les différents échantillons et repose sur un rapport de variance entre
les échantillons d’un même bloc et la variance entre les blocs. Tout l’apport est de
mesurer cet écart et de conclure que plus l’écart est grand, au plus les échantillons sont
différents (Zimmerman & Zumbo 1993 ; Corder & Foreman 2009). Deux hypothèses sont
émises: (i) une hypothèse nulle selon laquelle les échantillons à comparer ne diffèrent
pas significativement, et (ii) une seconde hypothèse alternative selon laquelle il existe
une différence significative entre les échantillons à comparer. L'analyse de Friedman
effectuée avec le logiciel R, est suivie d’un test post-hoc (i.e. à appliquer après un test de
comparaisons multiples pour échantillons dépendants), nous donne la valeur de p (p-
value). Si cette valeur est inférieure à 0,05 (p < 0,05) l'hypothèse nulle est rejetée, dans le
cas contraire (p ≥ 0,05) elle est vérifiée. Une correction de Bonferroni a été appliquée
pour corriger le seuil de significativité lors des comparaisons multiples.
- Test de Kolmogorov Smirnov a été utilisé pour comparer les distributions des valeurs
dans les sites de référence (LIRRS) sur le jeu de données d’apprentissage et le jeu
de données test.
- Le test de corrélation de Pearson (r) a été réalisé pour déterminer la présence ou

l'absence d'une relation linéaire significative entre les indices multimétriques candidats
retenus et les variables physico-chimiques mesurées durant la période d’étude.
28

II. 3.2.2. Analyses multivariées
Ce sont des analyses descriptives qui vont faciliter l’identification des patrons de composition
et de distribution des peuplements de macroinvertébrés benthiques, ainsi que la nature des
gradients environnementaux qui causent ou expliquent au moins ces patrons (Lyons, 1996).
L’application de méthodes d’analyse multivariées (analyse factorielle, analyse en
composantes principales, classification hiérarchique), permet d’exprimer sous forme
graphique facilement interprétable, le maximum d’information contenue (et en priorité les
différences majeures) dans le tableau du jeu de données initial. Le choix de la méthode
appliquée dépend principalement des objectifs fixés et de la nature des données disponibles
(Camara 2013).
Avant de pratiquer les analyses en général, les données biologiques ont préalablement été
transformées en logarithme naturel (x -> log(x + 1) et les données physico-chimiques ont été
centrées-réduites pour assurer une distribution normale (Michael et al. 2004). Les données
ont été organisées sous forme de matrice, avec les sites d’échantillonnage en lignes et les
variables à étudier (i.e. les espèces ou les variables physico-chimiques) en colonnes.
- L’Analyse en Composantes Principales (l’ACP) a pour objectif de présenter sous forme

graphique le maximum d’informations contenues dans un tableau de données
quantitatives de taille importante (Philippeau 1992). Elle a été appliquée sur les données
environnementales et sur les métriques décrivant la structure du peuplement des
macroinvertébrés benthiques afin d’établir la typologie abiotique et biotique des
différentes stations d’échantillonnage. En outre, une ACP intra-classe (e.g. intra-campagne)
a permis d’éliminer l’effet temporel pour voir si y’a un patron de réponse commun à
toutes les dates. Les campagnes présentant des relevés avec des valeurs extrêmes pour
certains paramètres physico-chimiques à une date donnée et une station déterminée ont
été exclues de l’analyse.
- L’Analyse de Classification Hiérarchique (ACH) mesure les similarités ou les distances entre
les objets pour les rassembler dans des classes. La matrice utilisée pour l’ACH est identique
à celle qui a servi pour l’analyse en composantes principales (ACP) (n x p). Elle est basée
sur la méthode de Ward (1963) appliquée à une matrice de distances euclidiennes. Les
29

résultats de ce type de classification sont habituellement représentés sous la forme d'un

dendrogramme. Dans notre étude, cette méthode d’assemblage hiérarchique a été utilisée
afin de regrouper les stations d’échantillonnage en fonction de leurs similarités en termes
de caractéristiques abiotiques.
- L’Analyse Factorielle Discriminante (AFD) est une méthode multivariée qui dans le cadre de
cette étude a été utilisée pour déterminer la répartition spatiale des macroinvertébrés
benthiques sur la base de la matrice présence/absence des taxons (taxons présents dans
au moins 3 relevés faunistiques durant toute la période d’étude).
- L’Analyse de Redondance (RDA) a permis de mettre en évidence les facteurs abiotiques du
milieu qui déterminent la répartition ou la variation des différentes métriques
taxonomiques de macroinvertébrés benthiques. L’illustration du résultat est sous forme
graphique avec des projections de variables abiotiques, les principales métriques calculées
et les stations d’échantillonnage.
30


CHAPITRE III
Caractérisation physico-chimique des
stations d’échantillonnage

III. 1. Variations spatiales et saisonnières des paramètres physiques
III. 1.1. Température, turbidité, MES et couleur
Dans l’affluent du Nlem, les valeurs de la température fluctuent entre 17,7°C à la station S2
(décembre 2015) et 25,3°C (septembre) à la station S1 (Figure 10A) avec une amplitude
thermique de 7,6°C. La valeur moyenne annuelle et celle de l’écart type oscille autour de 22,4
± 2,0°C. La température dans le cours d’eau Kena et ses affluents, varie de 16,3°C (décembre
2016) à la station S8 à 25,2°C à la station S4 (mars), avec une amplitude thermique de 8,9°C
(Figure 10B). Tandis que dans le cours d’eau Famlem, la température va de 19,8°C (station S11
en décembre 2016) à 26,0°C (station S10 en avril), montrant une amplitude thermique de 6,2°C
et des valeurs relativement élevées dans la partie moyenne du cours d’eau, avec une valeur
moyenne de 22,5 ± 1,1°C (Figure 10C). Dans l’ensemble, la température a varié de 16,3°C à
26,0°C, révélant une amplitude thermique de 9,7°C. Les écarts thermiques obtenus dans les
différentes stations de tous les sous bassins versants montrent des différences significatifs
entre les stations S1 – S5, S5 – S9, S5 – S10 (p < 0,0001), S1 – S6, S3 – S5, S6 – S9, S6 – S10 (p =
0,000) et S2 – S5 (p = 0,001),
Le profil de variation des valeurs de turbidité dans l’affluent du cours d’eau Nlem s’échelonne
de 0 NTU en juin à 432 NTU en décembre 2016 à la station S2, avec une moyenne annuelle de
40 ± 55 NTU (Figure 10D). Dans le cours d’eau Kena, les valeurs de la turbidité varient également
de 0 NTU à la station S4 (juin) à 233 NTU à la station S8 (octobre) et oscillent autour d’une
moyenne annuelle de 33 ± 41 NTU (Figure 10E). Les données de la turbidité varient de 1,8 NTU
(mars) à la station S9 à 233 NTU à la station S11 (octobre) indiquant des valeurs supérieures en
aval du cours d’eau Famlem. Les valeurs sont en moyenne de 41 ± 53 NTU dans ce dernier
(Figure 10F). Néanmoins, les profils de variation des valeurs de ce paramètre ne montrent
aucune différence significative entre toutes les stations de prélèvement des différentes cours
d’eau prospectés.
Les MES varient de 1 mg/L (station S1 en décembre 2015) à 182 mg/L (station S3 en février) dans
l’affluent du cours Nlem, montrant des valeurs élevées en aval et une moyenne se situant autour
de 38 ± 47 mg/L (Figure 10G). Dans le cours d’eau Kena, les valeurs les plus élevées sont
31

obtenues dans les stations S6 et S7 (182 mg/L) en juillet (Figure 11H) et se situent autour d’une
moyenne de 32 ± 46 mg/L (Figure 10H). Les teneurs en MES, dans le cours d’eau Famlem, varient
de 1 mg/L à la station S11 (janvier) à 344 mg/L à la station S10 (novembre) et moyenne est de 53
± 79 mg/L (Figure 10I). D’une station à l’autre dans les différents cours d’eau étudiés, des
différences inter-stationnelles n’ont pas été obtenues.
En ce qui concerne la couleur, les valeurs élevées sont obtenues en décembre 2016 à la station
S2 (1512 Pt.Co) et à la station S3 en février de la même année (915 Pt.Co) dans l’affluent du
cours d’eau Nlem (Figure11J) et les valeurs moyennes sont autour de 160 ± 230 Pt.Co (Figure
10J), ce qui traduit de fortes variations de la couleur de l’eau. Dans le cours d’eau Kena, les
valeurs de couleur enregistrées varient de 6 Pt.Co à la station S6 (décembre 2016) à 333 Pt.Co à
la station S5 (septembre) et une moyenne varie autour de 86 ± 87 Pt.Co (Figure 10K). Les
variations de couleur, dans le cours d’eau Famlem, sont comprises entre 3 Pt.Co à la station S9
(janvier) et 486 Pt.Co à la station S11 (octobre) (Figure10L). Sur l’année, la moyenne a été de 18
± 150 Pt.Co, ce qui traduit les fortes variations simultanées de ce paramètre dans les trois
stations. Cependant, aucune différence significative n’a été révélée entre les différentes stations
des cours d’eau prospectés.
32

S1 S2 S3 S4 S5 S6 S7 S8
S9 S10 S11
29 29 C
A 29
B 27
27
Température (°C)
27
25 25
25
23 23
23
21 21
21
19 19
19
17 17
17 15 15
15
S9 S10 S11
S1 S2 S3 S4 S5 S6 S7 S8
1600
1600 1600 1400 F
1400
1400 D 1200
1200 1000
1200
1000 E 800
Couleur (Pt.Co)
1000
800
800 600
600
400
600 400
200
400 200
0
200 0
0
S4 S5 S6 S7 S8 S9 S10 S11
S1 S2 S3
400 400
400 350 350
350 H 300 I
300
300 G 250 250
200
250 200
MES (mg/L)
150
200 150
100
150 100
50
50
100 0
0
50
S9 S10 S11
S4 S5 S6 S7 S8 450
S1 S2 S3
400
450
450 350
400 K L
400
350 300
350 J
Turbidité (NTU)
300 250
300
250 200
250
200 150
200
150
150 100
100
100 50
50
50 0
0
0
Figure 10 : Variations spatiales des valeurs mensuelles de la température (A, B et C), de la

couleur (D, E et F), des MES (G, H et I) et de la turbidité (J, K et L) enregistrées dans les
différentes stations d’échantillonnage (S1 à S11) pendant la période d’étude.
33
D’après le tableau ci-dessous, il est possible d’observer que les valeurs moyennes saisonnières
de températures sont plus ou moins homogènes d’une saison à l’autre (Tableau IV). La plus
grande valeur moyenne est enregistrée pendant la période de transition saisonnière à la station
S3 (23,5°C).
Les données de couleur fluctuent tout au long des saisons, et sont dans l’ensemble très
hétérogènes d’une saison à l’autre comme le montre la forte valeur des écart-types autour des
moyennes. La valeur moyenne maximale a été obtenue en période étiage à la station S1 (442
mg/L).
Les MES et la turbidité présentent des valeurs variant d’une station à l’autre et d’une saison à
l’autre. Les valeurs moyennes élevées ont été obtenues à la station S10 en période de
transition saisonnière (186 mg/L) pour les MES et à la station S2 (140 mg/L) en période d’étiage
pour la turbidité.
Dans l’ensemble, c’est en période de crue, qu’on a enregistré des valeurs maximales pour ces
quatre paramètres dans la plupart des stations.
34
Tableau IV : Moyennes saisonnières (et écart-types) de la température, de la couleur, des MES et

de la turbidité dans les stations d’échantillonnage pendant la période d’étude
Stations Saisons Température (°C) Couleur (mg/L) MES (mg/L) Turbidité (NTU)
Etiage 21,7 ± 2,8 50 ± 27 12 ± 8 19 ± 15
S1 Transition 23,7 ± 1,7 61 ± 35 13 ± 15 5±7
Crue 23,1 ± 1,2 141 ± 54 35 ± 45 40 ± 29
Etiage 19,8 ± 2,9 442 ± 719 52 ± 52 140 ± 195
S2 Transition 22,0 ± 1,7 88 ± 40 30 ± 32 8±6
Crue 23,1 ± 0,8 114 ± 36 51 ± 47 30 ± 22
Etiage 20,4 ± 2,0 283 ± 425 52 ± 87 37 ± 37
S3 Transition 23,5 ± 0,9 33 ± 21 11 ± 12 33 ± 23
Crue 23,0 ± 0,9 140 ± 41 44 ± 58 10 ± 5
Etiage 20,3 ± 2,0 27 ± 9 11 ± 4 15 ± 6
S4 Transition 22,1 ± 4,4 24 ± 3 13 ± 1 13 ± 16
Crue 20,8 ± 0,9 116 ± 102 43 ± 46 37 ± 29
Etiage 18,7 ± 1,3 75 ± 62 18 ± 12 16 ± 25
S5 Transition 20,6 ± 2,3 52 ± 30 21 ± 15 30 ± 33
Crue 20,1 ± 0,9 132 ± 97 48 ± 60 38 ± 47
Etiage 19,8 ± 2,3 56 ± 50 18 ± 11 22 ± 20
S6 Transition 20,7 ± 2,4 53 ± 37 26 ± 12 36 ± 33
Crue 20,4 ± 0,5 66 ± 43 40 ± 64 28 ± 26
Etiage 21,1 ± 1,4 31 ± 10 7±4 16 ± 8
S7 Transition 20,7 ± 2,9 59 ± 69 20 ± 25 19 ± 12
Crue 21,6 ± 0,6 122 ± 114 75 ± 72 57 ± 69
Etiage 21,1 ± 3,2 35 ± 11 13 ± 4 17 ± 13
S8 Transition 22,6 ± 2,3 74 ± 80 20 ± 3 19 ± 14
Crue 20,6 ± 1,7 160 ± 162 30 ± 56 62 ± 88
Etiage 22,1 ± 0,2 20 ± 22 7±5 8±1
S9 Transition 23,2 ± 1,2 135 ± 161 12 ± 13 2±1
Crue 23,0 ± 0,8 122 ± 127 49 ± 86 44 ± 45
Etiage 22,4 ± 0,5 26 ± 11 9±1 10 ± 5
S10 Transition 22,2 ± 0,5 62 ± 21 186 ± 224 8±1
Crue 23,3 ± 1,6 224 ± 147 82 ± 77 65 ± 59
Etiage 21,0 ± 1,2 41 ± 10 7±6 18 ± 11
S11 Transition 22,2 ± 1,7 42 ± 30 20 ± 25 6±2
Crue 22,3 ± 0,9 317 ± 187 85 ± 79 95 ± 80
35
III. 2. Variations spatiales et saisonnières des paramètres chimiques
III. 2.1. pH, conductivité, alcalinité et dureté totale
Sur le plan spatial, les valeurs de pH dans l’affluent du cours d’eau Nlem varient de 6,0 UC
(janvier) à 11,3 UC (février) à la station S2, reflétant des eaux très alcalines à cette station. La
moyenne se situe autour de 7,62 ± 1,2 UC (Figure11A). Les profils de variation du pH sont
presque similaires au niveau des cours d’eau Kena et Famlem avec des valeurs comprises entre
5,4 UC (station S5 en décembre 2015) et 8,3 UC (station S4 en février), puis entre 5,2 UC (S9 en
janvier) et 8,1 UC (station S11 en mars). Les valeurs moyennes se situent autour de 7,2 ± 0,5 UC et
7,1 ± 0,6 UC respectivement dans le Kena et le Famlem (Figure11B et C). Mais, les variations inter-
stationnelles de pH sont significatives dans les différents cours d’eau notamment entre les stations
S1 - S11, S3 – S9, S4 – S9, S6 – S11, S7 – S9, S8 – S9, S9 – S11 (p < 0,0001), S2 – S9, S5 – S11, S9
– S10 (p = 0,000) et S1 – S3 (p = 0,001).
Les fortes valeurs de conductivité électrique sont obtenues dans l’affluent du cours d’eau
Nlem, avec des valeurs allant de 110 µS/cm (station S3 en juillet) à 1470 µS/cm (station S2 en
décembre 2016) avec des valeurs dont la moyenne se situe autour de 333 ± 200 µS/cm (Figure
11D). Dans le cours d’eau Kena et ses affluents, les valeurs de conductivité électrique varient
de 100 µS/cm à la station S8 (juillet) à 330 µS/cm (août) à la station S4 et une moyenne de 205
± 42 µS/cm (Figure 11E). Dans le cours d’eau Famlem, les valeurs de conductivité sont
comprises entre 100 µS/cm à la station S11 (juillet) et 330 µS/cm à la station S9 (avril) et la
valeur moyenne est de 226 ± 51 µS/cm (Figure 11F). Des différences dans les valeurs de
conductivité sont significatives entre les stations S1 – S6, S1 – S7, S1 – S8, S1 – S11, S2 – S6, S4
– S6, S4 – S7, S4 – S8, S4 – S11, S6 – S9, S7 – S9, S8 – S9, S9 – S11 (p < 0,001), S2 – S11, S3 – S6,
S5 – S6 (p = 0,000), S2 – S8 et S6 – S10 (p = 0,001).
Les valeurs d’alcalinité oscillent entre 2 mg/L à la station S1 (août et octobre) et 150 mg/L à la
station S2 (mars) dans l’affluent du cours d’eau Nlem, et ces valeurs fluctuent autour d’une
moyenne de 32,5 ± 39,7 mg/L (Figure 11G). Dans les cours d’eau Kena et Famlem, les valeurs
d’alcalinité obtenues sont presque similaires avec des valeurs minimales de 4 mg/L dans les
différentes stations des deux cours d’eau en mars et des valeurs maximales de 120 mg/L
(station S4) et 94 mg/L (station S11) durant le même mois (mars). Les valeurs moyennes se
36
situent autour de 28,3 ± 37,1 mg/L pour le cours d’eau Kena, et 21,9 ± 27,4 mg/L pour le
Famlem (Figure 11H et I). Ces fluctuations de valeurs ne sont pas significatives dans l’ensemble
des cours d’eau prospectés durant le plan d’échantillonnage.
Dans l’affluent du Nlem, les valeurs de dureté totale varient de 17,8 mg/L à 125,0 mg/L dans la
station S3 (juin et mai) et présentant une valeur moyenne de 63,1 ± 23,1 mg/L (Figure 11J). Les
valeurs de ce paramètre sont comprises entre 12,0 mg/L à la station S8 (août) et 84,0 mg/L aux
stations S4 et S7 (janvier et avril), du cours d’eau Kena révélant une moyenne qui se situe
autour de 44,2 ± 14,8 mg/L (Figure 11K). Dans le cours d’eau Famlem, les valeurs de la dureté
totale varient de 20,0 mg/L (mai) à 80,0 mg/L (mars) à la même station S9 et ces valeurs
présentent une moyenne qui fluctue autour de 45,0 ± 12,6 mg/L (Figure 11L). Des différences
inter-stationnelles se sont révélées entre les stations S1 – S6, S1 – S7, S1 – S8, S1 – S11, S4 – S6
(p < 0,0001), S2 – S6, S4 – S8 (p = 0,000) et S2 – S8 (p = 0,001)
S4 S5 S6 S7 S8 S9 S10 S11
S1 S2 S3
12 B 12
12 A C
11 11
11 10 10
10 9 9
9
pH (UC)
8 8
8 7
7
7 6
6
6 5
5 5
4
4 4
S4 S5 S6 S7 S8 S9 S10 S11
S1 S2 S3
1650 1650
1650
1450 F
1450
1450 D E
Conductivité (µS/cm)
1250 1250
1250
1050
1050 1050
850
850 850
650
650 650
450
450 450
250
250 250 50
50 50
37
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
160
160 160
G 140
140
140 H I
120
120 120
Alcalinité (mg/L)
100 100 100

80 80 80
60 60 60
40 40 40
20 20
20
0 0
0
S4 S5 S6 S7 S8 S9 S10 S11
S1 S2 S3
140 140
140
J 120 K 120 L
120
Dureté totale (mg/L)
100 100
100
80 80
80
60 60
60
40
40 40
20
20 20
0 0
0
Figure 11 : Variations spatiales des valeurs mensuelles du pH (A, B et C), de la conductivité (D,
E et F), de l’alcalinité (G, H et I) et de la dureté totale ((J, K et L) enregistrées dans les
différentes stations d'échantillonnage (S1 à S11) pendant la période d'étude.
38
Les valeurs moyennes saisonnières du pH sont maximales aux stations S2 (8,7 UC) et S3 (8,5 UC)
et minimales à la station S9 (6,1 UC) en période d’étiage. Sur l’ensemble de l’année, c’est en
période de crue que sont obtenues les plus grandes valeurs et à l’inverse, les plus faibles valeurs
sont enregistrées en période d’étiage (Tableau V).
Pour la conductivité, les valeurs sont très dispersées autour de leur moyenne et varient entre 157
± 49 µS/cm à la station S8 et 637 ± 575 µS/cm à la station S2. Les plus grandes valeurs sont
atteintes aux stations S2 et S3 (479 µS/cm) en période d’étiage et c’est également pendant cette
même saison que les eaux présentent de fortes valeurs de conductivité, contrairement à la
période de crue, où les faibles valeurs sont obtenues.
Les valeurs moyennes d’alcalinité sont dans l’ensemble maximales dans presque toutes les
stations en période de transition saisonnière, tandis que les valeurs minimales sont enregistrées
en période de crue (11,7 mg/L, à la station S10). Ces valeurs d’alcalinité varient peu d’une station
à l’autre.
Les valeurs maximales de dureté de l’eau sont atteintes aux stations S4 (70,5 mg/L), S2 et S3
(65,3 mg/L) en période d’étiage et à la station S1 (86,5 mg/L) en période de transition
saisonnière. En général, c’est en période de crue que les eaux sont les moins dures pour la
plupart des stations.
39
Tableau V : Moyennes saisonnières (et écart-types) du pH, de la conductivité, de l’alcalinité et de

la dureté totale dans les stations d’échantillonnage pendant la période d’étude
Stations Saisons pH (UC) Conductivité (µS/cm) Alcalinité (mg/L) Dureté totale (mg/L)
S1 Etiage 6,7 ± 0,7 278 ± 55 43,0 ± 39,7 75,5 ± 21,7
Transition 7,0 ± 0,5 370 ± 127 44,0 ± 45,3 86,5 ± 3,5
Crue 7,1 ± 0,4 371 ± 57 22,6 ± 39,6 73,4 ± 16,4
S2 Etiage 8,7 ± 2,5 637 ± 575 42,5 ± 23,9 65,3 ± 16,1
Transition 7,0 ± 0,5 220 ± 99 86,0 ± 90,5 59,5 ± 21,9
Crue 7,9 ± 1,4 239 ± 110 15,7 ± 28,4 51,6 ± 21,1
S3 Etiage 8, 5 ± 1,9 479 ± 83 45,0 ± 40,0 65,3 ± 36,8
Transition 7,1 ± 0,7 190 ± 85 51,0 ± 58,0 57,5 ± 13,4
Crue 7,8 ± 1,2 229 ± 145 16,3 ± 29,9 51,0 ± 38,0
S4 Etiage 7,1 ± 1,0 274 ± 41 45,5 ± 43,3 70,5 ± 13,6
Transition 7,1 ± 0,6 295 ± 35 64,0 ± 79,2 47,5 ± 5,0
Crue 7,4 ± 0,2 283 ± 48 16,6 ± 30,7 54,1 ± 19,3
S5 Etiage 6,8 ± 1,1 222 ± 28 41,5 ± 38,3 60,0 ± 12,3
Transition 7,1 ± 0,6 250 ± 99 48,0 ± 53,7 45,0 ± 7,1
Crue 7,1 ± 0,2 216 ± 43 18,6 ± 35,0 48,4 ± 16,1
S6 Etiage 6,6 ± 0,9 171 ± 30 40,0 ± 41,9 33,5 ± 8,5
Transition 6,9 ± 0,7 170 ± 42 51,0 ± 60,8 42,5 ± 9,2
Crue 7,1 ± 0,1 159 ± 33 16,3 ± 29,9 31,9 ± 10,8
S7 Etiage 7,6 ± 0,5 190 ± 27 23,0 ± 20,8 45,8 ± 7,6
Transition 7,6 ± 0,2 185 ± 92 55,0 ± 69,3 54,5 ± 9,2
Crue 7,3 ± 0,3 174 ± 38 16,3 ± 30,8 37,2 ± 20,9
S8 Etiage 7,5 ± 0,5 213 ± 31 26,0 ± 21,0 44,8 ± 8,1
Transition 7,4 ± 0,3 175 ± 78 52,0 ± 62,2 43,0 ± 1,4
Crue 7,2 ± 0,2 157 ± 49 17,4 ± 32,9 26,9 ± 16,4
S9 Etiage 6,1 ± 1,1 263 ± 44 25,0 ± 20,9 40,5 ± 9,1
Transition 6,7 ± 0,4 240 ± 71 36,0 ± 36,8 54,5 ± 36,1
Crue 6,8 ± 0,1 287± 36 12,9 ± 22,6 50,3 ± 14,0
S10 Etiage 6,6 ± 0,9 221 ± 30 28,5 ± 23,7 47,5 ± 8,7
Transition 7,2 ± 0,6 240 ± 99 47,0 ± 55,2 51,0 ± 24,0
Crue 7,2 ± 0,3 223± 63 11,7 ± 19,5 44,9 ± 7,0
S11 Etiage 7,3 ± 0,7 180 ± 26 25,5 ± 22,6 46,5 ± 13,8
Transition 7,7 ± 0,6 195 ± 106 51,0 ± 60,8 41,0 ± 21,2
Crue 7,7 ± 0,3 174 ± 61 13,7 ± 25,7 36,7 ± 8,6
40
III. 2.2. Oxygène dissous, oxydabilité, DBO5 et CO2 dissous
Les variations des teneurs en oxygène dissous dans l’affluent du cours d’eau Nlem montrent
que le taux de saturation reste dans l’ensemble inférieur à 50 % (Figure 12A) et les valeurs le
long du cours d’eau fluctuent autour d’une moyenne de 40,0 ± 10,6 %. Dans les affluents du
cours d’eau Kena, les teneurs en oxygène dissous varient beaucoup d’une station à l’autre et se
traduisent par des taux de saturation compris entre 32,1% à la station S4 (avril) et 74,0 % dans
les stations S7 et S8 (octobre et novembre). Les taux de saturation dans les stations S7 et S8
sont dans l’ensemble largement supérieures à 50 % et la moyenne est de 55,0 ± 8,2 % (Figure
12B). Dans le Famlem, Les eaux sont en général moyennement oxygénées, le taux de
saturation étant plus élevé dans les cours moyen et inférieur (S10 et S11) où des valeurs de
71,0 % et 74,0 % ont été respectivement enregistrées et la moyenne fluctue autour de 51,1 ±
8,2 % (Figure 12C). Des differences inter-stationnelles ont été observées entre les stations S1 –
S7, S2 – S5, S2 – S7, S2 – S8, S2 – S10, S2 – S11, S3 – S5, S3 – S7, S3 – S11, S4 – S7, S5 – S9, S7 –
S9, S9 – S11 (p < 0,0001), S1 – S5, S1 – S11, S2 – S6, S3 – S8, S3 – S10, S4 – S11, S8 – S9 et S9 –
S10 (p = 0,000).
Les profils de variation d’oxydabilité, dans l’affluent du Nlem sont plus élevés que dans les deux
autres cours d’eau avec des données qui varient entre 0,7 mg/L à la station S1 (février) à 23,6
mg/L à la station S3 (février), avec des valeurs oscillant autour d’une moyenne de 5,4 ± 4,4 mg/L
(Figure 12D). Ces valeurs, dans les affluents du cours d’eau Kena varient peu d’une station à
l’autre et sont comprises entre 0,1 mg/L à la station S7 (mai) et 13,0 mg/L à la station S4
(janvier) et se situent autour d’une moyenne de 5,1 ± 3,0 mg/L (Figure 12E). De même, dans le
cours d’eau Famlem, elles restent également faibles et varient peu d’une station à l’autre, allant
de 0,2 mg/L (mai) à 15,3 mg/L (mars) à la station S10. Ces valeurs se situent autour d’une
moyenne de 3,6 ± 2,8 mg/L (Figure 12F) dans ce cours d’eau. Cependant, une différence inter-
stationnelle s’est révélée entre les stations S4 – S9 (p = 0,000).
Dans l’affluent du Nlem, les valeurs de DBO5 montrent des eaux plus chargées en matières
organiques dans le cours supérieur. Ainsi, on observe une diminution progressive des valeurs de
de l’amont (120 mg/L à S1 en mai et 95 mg/L à S2 en février) vers la partie inférieure du cours
41
d’eau (S3), où l’on enregistre des teneurs maximales de 80 mg/L (février). Ces variations de
valeurs de DBO5 présentent une moyenne de 37,3 ± 28,6 mg/L (Figure 12G). Dans le cours d’eau
Kena, ce paramètre varie de 5,0 mg/L (stations S7 et S8) à 110,0 mg/L (station S4) (Figure 12H),
avec une moyenne oscillant autour de 39,6 ± 19,5 mg/L. Dans le Famlem, de fortes teneurs en
matières organiques sont obtenues dans le cours inférieur (160,0 mg/L à la station S11 en
janvier) et présentent des valeurs moyennes qui se situent autour de 49,7 ± 31,2 mg/L) (Figure
12I). Dans les différentes stations d’échantillonnage des trois cours d’eau prospectés, des
différences significatives inter-stationnelles sont observées entre les stations S1 – S7, S1 – S8, S3
– S7, S4 – S7, S4 – S8, S7 – S9, S8 – S9 (p < 0,0001), S2 – S7, S3 – S8, S4 – S5, S4 – S11 (p =
0,000), S1 – S11 et S2 – S8 (p = 0,001).
Dans tous les cours d’eau étudiés, les profils du CO2 dissous sont presque similaires d’un cours
d’eau à l’autre et d’une station à l’autre, variant de 1,8 mg/L à 29, 9 mg/L , de 1,8 mg/L à 31,7
mg/L et de 1,8 mg/L à 21,1 mg/L respectivement pour l’affluent du cours d’eau Nlem, du cours
d’eau Kena et du cours d’eau Famlem. Les valeurs moyennes respectives oscillent autour de 10,0
± 8,6 mg/L, 10,3 ± 7,4 mg/L et 9,6 ± 5,8 mg/L (Figure 12 J, K et L). Aucune différence significative
n’a été observée entre les stations d’échantillonnage des trois cours d’eau.
S4 S5 S6 S7 S8
S9 S10 S11
S1 S2 S3 100
B 100
90
100
80 90 C
90
70 80
80 A
60
Oxygène dissous ( %)
70 70
50
60 60
40
50 50
30
40 40
20
30 30
10
20 20
10 10
42
S4 S5 S6 S7 S8
S1 S2 S3
S9 S10 S11
30
30
25 E 30
D
25
20 25 F
Oxydabilité (mg/L)
20 20
15
15 15
10
10 10
5 5
5
0 0
0
S4 S5 S6 S7 S8
S9 S10 S11
180
S1 S2 S3 H 180
160
140
160 I
180 140
160
G 120
120
140 100
100
120 80
DBO5 (mg/L)
80
100 60
60
80 40 40
60 20 20
40 0 0
20
0
S9 S10 S11
S4 S5 S6 S7 S8
35
S1 S2 S3 35
K 30 L
35 30 25
J
CO2 dissous (mg/L)
30 25 20
25 J 20 15
20 15 10
15 10 5
10 0
5
5
0
0
Figure 12 : Variations spatiales des valeurs mensuelles en oxygène dissous (A, B et C), en
oxydabilité (D, E et F), en DBO5 (G, H et I) et en CO2 dissous ((J, K et L) enregistrées dans les
43
Les teneurs en oxygène dissous varient peu (faible dispersion des données autour des valeurs
moyennes) d’une saison l’autre. Les eaux sont bien oxygénées en général en saison de crue. La
valeur maximale étant obtenue à la station S7 (69,0 %) en période transition et la valeur
minimale à la station S2 (30,9 %) en période d’étiage.
Les valeurs d’oxydabilité sont faibles dans l’ensemble, notamment en période de crue. En
période d’étiage, les valeurs d’oxydabilité sont comprises entre 2,6 mg/L (S11) et 10,4 mg/L (S3)
(Tableau VI) et en saison de pluie de 2,9 mg/L (S9) à 5,2 mg/L (S4)
Pour la DBO5, les valeurs élevées sont obtenues dans l’ensemble en période d’étiage. Les valeurs
95,0 mg/L (S9, période de transition) et 18,8 mg/L, (S7, période de crue) correspondent
respectivement aux valeurs maximale et minimale. (Tableau VI).
Les concentrations en CO2 dissous se distinguent dans l’ensemble par une faible dispersion des
écart-types autour de la valeur moyenne. Les teneurs maximales pour la plupart des stations
étant observées en période de crue (S1, S4 à S11), avec des valeurs variant de 10,1 mg/L (S11) à
13,8 mg/L (S5). En revanche, les faibles concentrations sont enregistrées en période de transition
saisonnière pour presque toutes les stations, avec des valeurs n’allant pas en dessous de 2,6
mg/L (S10).
44
Tableau VI : Moyennes saisonnières (et écart-types) d’oxygène dissous, d’oxydabilité, de DBO5

et de CO2 dissous dans les stations d’échantillonnage pendant la période d’étude
Stations Saisons Oxygène dissous (%) Oxydabilité (mg/L) DBO5 (mg/L) CO₂ dissous (mg/L)
Etiage 34,7 ± 3,4 6,4 ± 5,3 78,8 ± 18,9 9,2 ± 6,0
S1 Transition 41,5 ± 10,6 6,6 ± 2,4 72,5 ± 3,5 5,3 ± 0,0
Crue 46,0 ± 11,4 3,1 ± 2,2 65,7 ± 30,6 13,1 ± 9,3
Etiage 30,9 ± 5,1 6,9 ± 5,0 78,8 ± 13,8 11,9 ± 11,0
S2 Transition 35,5 ± 6,4 5,2 ± 4,9 70,0 ± 28,3 4,4 ± 1,2
Crue 44,3 ± 9,9 4,1 ± 2,4 51,4 ± 25,6 9,3 ± 10,6
Etiage 31,7 ± 8,5 10,4 ± 9,6 76,3 ± 16,0 11 ± 5,8
S3 Transition 39,0 ± 4,2 7,0 ± 5,7 65,0 ± 21,2 5,3 ± 2,5
Crue 43,9 ± 13,0 3,9 ± 1,6 51,4 ± 14,4 10,8 ± 10,5
Etiage 39,0 ± 2,6 8,2 ± 3,1 95,0 ± 10,8 7,5 ± 5,6
S4 Transition 40,5 ± 3,5 7,4 ± 5,1 60,0 ± 28,3 6,2 ± 1,2
Crue 44,4 ± 11,4 5,2 ± 2,5 60,7 ± 23,4 12,6 ± 9,7
Etiage 53,7 ± 2,0 7,0 ± 4,8 58,8 ± 21,8 8,8 ± 6,6
S5 Transition 58,0 ± 8,5 6,7 ± 5,1 57,5 ± 17,7 7,0 ± 2,5
Crue 60,5 ± 10,8 4,2 ± 2,9 19,3 ± 11,7 13,8 ± 8,7
Etiage 50,2 ± 5,2 5,0 ± 2,4 47,5 ± 8,7 8,8 ± 9,5
S6 Transition 58,0 ± 0,0 4,7 ± 1,8 32,5 ± 3,5 5,3 ± 2,5
Crue 54,2 ± 8,1 4,3 ± 3,6 30,7 ± 14,0 12,8 ± 7,2
Etiage 62,3 ± 6,7 4,4 ± 1,7 18,8 ± 10,3 8,7 ± 7,7
S7 Transition 69,0 ± 7,1 4,2 ± 1,9 20,0 ± 21,2 3,5 ± 0,0
Crue 63,6 ± 8,9 4,3 ± 3,5 30,7 ± 22,3 12,8 ±7,2
Etiage 52,8 ± 3,8 4,7 ± 3,1 40,0 ± 14,7 9,7 ± 5,5
S8 Transition 66,1 ± 3,0 3,9 ± 0,5 22,5 ± 17,7 3,5 ± 2,5
Crue 56,7 ± 10,4 5,0 ± 2,9 22,9 ± 12,9 11,8 ± 6,9
Etiage 35,025±3,42 4,1 ± 1,7 70,0 ± 40,8 12,3 ± 6,3
S9 Transition 42,0 ±7,1 3,8 ± 2,7 95,0 ± 56,6 7,0 ± 2,5
Crue 43,5 ± 9,74 2,9 ± 2,0 57,9 ± 30,8 12,3 ± 7,0
Etiage 62,4 ± 5,2 3,3 ± 1,6 46,3 ± 16,0 7,9 ± 6,5
S10 Transition 50,0 ± 9,9 8,4 ± 9,7 50,0 ± 21,2 2,6 ± 1,2
Crue 53,3 ± 9,7 3,1 ± 2,9 40,0 ± 18,0 10,8 ± 4,8
Etiage 54,0 ± 8,2 2,6 ± 1,6 75,0 ± 58,2 8,8 ± 8,3
S11 Transition 60,5 ± 7,8 4,5 ± 3,9 32,5 ± 17,7 3,5 ± 0,0
Crue 57,9 ± 6,5 3,7 ± 2,8 19,3 ± 12,7 10,1 ± 4,5
45
III. 2.3. Nitrates, ammonium, nitrites et orthophosphates
Dans le Nlem, les concentrations en nitrates varient de l’état de trace à 31,3 mg/L de NO₃- à la
station S2 (décembre 2016). Toutefois, les concentrations maximales sont dans l’ensemble plus
élevées dans ce cours d’eau que dans les deux autres, notamment aux stations S3 et S2 avec 13,5
mg/L (mai) et 31,3 mg/L respectivement, et leur moyenne se situant autour de 4,1 ± 5,2 mg/L de
NO3- (Figure 13A). Les teneurs en nitrates dans le cours d’eau Kena varient peu avec des profils
presque similaires au niveau des stations (Figure 13B) et la moyenne des teneurs se situe autour de
2,0 ± 1,3 mg/L. Dans le Famlem, la concentration maximale en nitrates est de 8,0 mg/L (août) et la
minimale de 0,1 mg/L (janvier), enregistrées à la même station S11. La moyenne tourne autour de
3,0 ± 1,9 mg/L (Figure 13C). Des différences significatives inter-stationnelles sont obtenues entre
les stations S6 – S10 (p = 0,000).
Les concentrations en ammonium dans l’affluent du Nlem sont élevées dans le cours supérieur (5,3
mg/L de NH4+ à la station S1 en janvier) et le cours inférieur (4,6 mg/L de NH4+ à la station S3 en
février) et les valeurs s’organisent autour d’une moyenne de 1,0 ± 1,1 mg/L (Figure 13D). Dans le
cours d’eau Kena et ses affluents, les concentrations en ammonium sont dans l’ensemble plus
faibles et les valeurs les plus importantes sont relevées à la station S4 (3,6 mg/L en mai) et les plus
faibles (≤ 0,02mg/L) aux stations S6 à S8 et ces valeurs s’établissent autour d’une moyenne de 0,8
± 0,8. Dans le cours d’eau Famlem, les concentrations en ammonium sont plus élevées dans les
cours moyen (4,7 mg/L à la station S10) et inférieur (5,1 mg/L à la station S11) au mois de janvier
et ces valeurs tournent autour d’une moyenne de 0,8 ± 1,1 mg/L (Figure 13F). Les variations de
concentrations montre des différences significatives entre les stations S1 – S6, S4 – S6 (p = 0,000),
S1 – S9 et S4 – S9 (p = 0,001).
Les concentrations maximales en nitrites dans les stations appartenant au cours d’eau Nlem sont
obtenues à la station S2 (8,0, 8,0 et 28,0 mg/L de NO2-) et à la station S3, (17,0, 17,0 et 27,0 mg/L
NO2-) aux mois de janvier, février et mai. Ces variations de valeurs se situent autour d’une
moyenne de 3,8 ± 6,0 mg/L (Figure 13G). Dans les affluents du cours d’eau Kena, ces
concentrations varient de 0,0 à 12,0 mg/L révélant des fluctuations de valeurs plus ou moins
46
prononcées d’une station de prélèvement à l’autre (Figure 13H) et qui s’organisent autour d’une
moyenne de 1,7 ± 2,9 mg/L. Les concentrations les plus élevées en nitrites sont atteintes à la
station S10 (17,0 mg/L en août) dans le cours d’eau Famlem et les valeurs oscillent autour d’une
moyenne de 2,6 ± 3,6 mg/L (Figure 13I). Dans l’ensemble, aucune différence significative inter-
stationnelle n’a été observée entres les stations d’échantillonnage des trois cours d’eau.
Pour les orthophosphates, les concentrations plus élevées sont enregistrées à la station S3 en mai
(13,9 mg/L de PO4³ˉ) dans le Nlem et présentent une moyenne qui varie autour de 2,4 ± 3,4 mg/L
(Figure 13J). Dans le Kena et ses affluents, les concentrations de ce paramètre atteignent 4,3
mg/L aux stations S5 et S8 respectivement aux mois de janvier et novembre, avec des valeurs qui
oscillent autour d’une moyenne de 0,7 ± 1,0 mg/L (Figure 13K). Dans le cours d’eau Famlem, les
concentrations en orthophosphates les plus élevées sont obtenues dans le cours moyen
particulièrement à la station S10 (6,5 mg/L en mai) et les valeurs fluctuent autour d’une moyenne
de 1,1 ± 1,4 mg/L (Figure 13L). Aucune différence significative n’étant notée entre les différents
points de prélèvement.
S4 S5 S6 S7 S8 S9 S10 S11
S1 S2 S3
35 35 35
30 30 B 30 C
Nitrates (mg/L. NO3-)
A
25 25 25
20 20
20
15 15
15
10
10 10
5
5
5 0
0
0
47
S4 S5 S6 S7 S8
S9 S10 S11
S1 S2 S3
7
E 7
7 D 6 6 F
Ammonium (mg/L.NH4+)
6 5 5
5 4 4
4
3 3
3 2
2
2 1
1
1 0
0
0
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
30 30
30 I
G H
25 25 25
Nitrites (mg/L. NO2-)
20 20 20
15 15 15
10 10 10
5 5 5
0 0 0
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
16
14
Orthophophates (mg/L.PO₄³⁻)
16 16
J 14
12 L
14 K
12 10
12
10 10 8
8 6
8
6
6 4
4
4 2
2
2 0 0
0
Figure 13 : Variations spatiales des teneurs mensuelles en nitrates (A, B et C), en ammonium
(D, E et F), en nitrites (G, H et I) et en orthophosphates ((J, K et L) enregistrées dans les
48
Dans l’ensemble, les teneurs en nitrates sont élevées en période d’étiage avec 10,1 mg/L à la
station S2 (Tableau VII). En revanche, les concentrations minimales sont enregistrées en période
de transition saisonnière avec 1,0 mg/l aux stations S5 et S6. De façon générale, on note une
faible dispersion des écart-types autour des valeurs moyennes.
Les concentrations en ammonium varient peu d’une saison à l’autre, les valeurs allant de 0,2
mg/L (S6, S7 et S11, en transition saisonnière) à 2,1 mg/L (S10 et S11, en étiage). Dans
l’ensemble, c’est en période d’étiage qu’on obtient les concentrations maximales.
En ce qui concerne les nitrites, la concentration maximale est obtenue en période d’étiage à la
station S3 (9,0 mg/L). Les faibles concentrations sont pour la plupart enregistrées en période de
transition saisonnière. On observe également une faible dispersion des données autour de leur
valeur moyenne.
Les concentrations en orthophosphates dans l’eau fluctuent d’une saison à l’autre. Les teneurs
maximales sont relevées en période de transition saisonnière notamment à la station S1 (5,2
mg/L) et les teneurs minimales en période de crue (0,2 mg/L à la station S2).
49
Tableau VII : Moyennes saisonnières (et écart-types) des concentrations en nitrates, en

ammonium, en nitrites, et en orthophosphates dans les stations d’échantillonnage pendant la
période d’étude
Nitrates Ammonium Nitrites Orthophosphates

Stations Saisons
(mg/L.NO3-) (mg/L.NH4⁺) (mg/L.NO2-) (mg/L.PO4³ˉ)
Etiage 2,4 ± 0,4 1,5 ± 2,6 0, 6 ± 0,5 2,3 ± 2,7
S1 Transition 1,2 ± 1,6 0,5 ± 0,5 1,2 ± 1,1 5,2 ± 0,7
Crue 2,6 ± 1,3 1,4 ± 0,6 1,6 ± 2,0 0,71±0;84
Etiage 10,1 ± 14,2 0,6 ± 0,7 4,6 ± 3,9 3,1 ± 2,8
S2 Transition 2,6 ± 1,6 0,4 ± 0,2 3,5 ± 4,9 4,5 ± 1,6
Crue 3,12 ± 4,3 0,9 ± 0,8 4,7 ± 10,3 2,0 ± 4,5
Etiage 2,8 ± 1,8 1,9 ± 1,9 9,0 ± 9,3 2,4 ± 4,0
S3 Transition 2,6 ± 1,5 0,3 ± 0,3 2,0 ± 2,8 3,9 ± 2,0
Crue 3,7 ± 4,4 0,6 ± 0,5 4,9 ± 1,0 2,2 ± 5,2
Etiage 1,2 ± 0,4 1,1 ± 1,2 3,3 ± 3,2 0,2 ± 0,3
S4 Transition 3,1 ± 0,3 1,3 ± 0,4 3,0 ± 4,2 2,5 ± 1,8
Crue 2,6 ± 1,3 1,5 ± 1,1 0,9 ± 1,2 0,7 ± 0,4
Etiage 2,2 ± 1,6 1,2 ± 1,2 2,0 ± 2,7 1,6 ± 1,9
S5 Transition 1,0 ± 0,2 0,9 ± 0,2 2,0 ± 2,8 2,0 ± 1,7
Crue 1,9 ± 1,3 0,8 ± 0,8 1,2 ± 2,2 0,5 ± 0,7
Etiage 1,4 ± 1,2 1,0 ± 1,3 6,3 ± 6,6 0,4 ± 0,3
S6 Transition 1,0 ± 0,1 0,2 ± 0,2 1,0 ± 1,4 1,7 ± 2,1
Crue 1,7 ± 1,3 0,51 ± 0,9 0,7 ± 1,3 0,3 ± 0,2
Etiage 2,6 ± 2,2 0,7 ± 0,5 0,3 ± 0,5 0,3 ± 0,2
S7 Transition 1,8 ± 1,5 0,2 ± 0,2 0,0 1,0 ± 1,2
Crue 2,7 ± 2,0 0,5 ± 0,4 2,0 ± 2,9 0,4 ± 0,3
Etiage 2,1 ± 0,9 0,8 ± 0,8 0,5 ± 1,0 0,3 ± 0,1
S8 Transition 1,5 ± 0,7 0,3 ± 0,1 0,0 2,7 ± 2,3
Crue 1,6 ± 1,0 0,5 ± 0,6 2,2 ± 4,4 0,3 ± 0,4
Etiage 2,3 ± 1,8 0,7 ± 06 0,8 ± 1,5 1,1 ± 1,4
S9 Transition 3,2 ± 1,2 0,2 ± 0,2 1,5 ± 2,1 1,1 ± 1,4
Crue 3,3 ± 2,3 0,3 ± 0,1 1,0 ± 1,1 0,2 ± 0,2
Etiage 1,4 ± 1,2 2,1 ± 2,3 1,8 ± 1,2 1,5 ± 1,7
S10 Transition 3,7 ± 2,4 1,1 ± 1,5 3,5 ± 4,9 2,8 ± 0,6
Crue 3,7 ± 1,1 0,5 ± 0,5 5,0 ± 6,2 1,2 ± 2,4
Etiage 1,4 ± 1,1 2,1 ± 2,1 2,0 ± 1,6 1,5 ± 1,8
S11 Transition 1,5 ± 0,4 0,2 ± 0,3 0,0 2,6 ± 2,1
Crue 4,4 ± 2,2 0,6 ± 0,5 4,5 ± 6,0 0,3 ± 0,2
50
III. 3. Variations spatiales et saisonnières de l'Indice de Pollution Organique
Sur le plan spatial, les valeurs de l’IPO varient dans l’ensemble des stations de 1,25 à 4,25,
indiquant une pollution organique très forte à faible. Seules les stations S5 et S6, affluents du
cours Kena, prennent des valeurs de l’IPO comprises entre 1,75 à 4,25 pour la station S5 et 1,5 à
4 pour la station S6 traduisant une pollution organique très forte à faible (Figure 14),
contrairement aux autres stations qui présentent une pollution organique très forte à modérée.
Sur le plan saisonnier, les valeurs de l’IPO oscillent en saison d’étiage entre 1,25 et 3,50,
indiquant une pollution organique très forte à modérée (Figure 15). Les résultats sont
pratiquement similaires en période de transition saisonnière où les valeurs de l’IPO sont
comprises entre 1,50 et 3,25, indiquant une pollution organique très forte à forte (Figure 16).
Quant à la saison de crue, les valeurs de l’IPO vont de 1,25 à 4,25 traduisant une pollution
organique très forte à faible (Figure 17).
Le test de Friedman ne montre aucune différence significative d’une station à l’autre et d’une
saison à l’autre.
51
5
Indice de Pollution Organique
4,5
Juin Juin Juin
4
3,5
2,5
1,5
1
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
Figure 14 : Variations spatiales des valeurs de l’IPO enregistrées dans les différentes
stations d’échantillonnage (S1 à S11) pendant la période d’étude.
5
4,5
4
3,5
3
2,5
2
1,5
1
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
Figure 15 : Variations saisonnières des valeurs de l’IPO enregistrées dans les différentes stations
d’échantillonnage (S1 à S11) pendant la saison d'étiage.
5
4,5
4
3,5
3
2,5
2
1,5
1
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
d’échantillonnage (S1 à S11) pendant la transition entre les deux saisons. 52
5
4,5
3,5
2,5
1,5
1
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
d’échantillonnage (S1 à S11) pendant la saison de crue.
III. 4. Typologie abiotique des stations d’échantillonnage
Une Analyse en Composantes Principales (ACP) a permis de réaliser une typologie des 11 stations
en fonction des paramètres physico-chimiques mesurés pendant la période d’étude. La matrice
analysée est un tableau de 18 colonnes correspondant aux paramètres physico-chimiques
mesurés et 143 lignes qui représentent les 13 campagnes d’échantillonnage réalisées sur les onze
stations de prélèvement. Le plan factoriel F1-F2 représente 32,5 % de l’inertie totale, avec
respectivement 20,7 % expliqués par l’axe F1 et 11,8 % par l’axe F2 (Figure 18).
53
A B
C D
Figure 18 : Analyse en Composantes Principales (ACP) des variables physico-chimiques

mesurées pendant la période d’étude. (A) Cercle de corrélation dans le plan F1-F2 ; (B, C et D)
Distribution des stations d’échantillonnage dans le plan factoriel F1-F2 ; Chaque campagne
(point noir) est reliée à la position moyenne de la station (grandes étiquettes) dans laquelle
elle a été réalisée par un trait. Les ellipses d'inertie (95%) sont fournies par site ; Les
stations sont regroupées par sous-bassin versant : (B) Famlem, (C) Kena et ses affluents et (D)
Affluent du Nlem. Le pourcentage de variance expliqué par un axe est précisé le long de cet
axe.
54
Sur le cercle de corrélation (Figure 18A), l'oxygène dissous est fortement et positivement corrélé
à l'axe F1 (F1 > 0), tandis que la conductivité, la dureté totale, les concentrations en
orthophosphates, l’azote ammoniacal et la chlorophylle "a" sont fortement et négativement
corrélées à ce même axe. Les concentrations en nitrates, en nitrites, les MES et la turbidité sont
négativement corrélées à l'axe F2.
La distribution des stations sur la base des facteurs abiotiques (Figure 18B, C et D) montre que
l'axe F1 discrimine les stations S06, S07 et S08 dans sa partie positive (F1 > 0) des stations S01 et
S04 dans sa partie négative (F1 < 0). Tandis que l'axe F2 permet de distinguer les stations S10 et
S11 situées dans sa partie négative (F2 < 0).
Les stations S06, S07 et S08 sont caractérisées par des teneurs importantes en oxygène dissous,
paramètre indispensable dans l'eau à la respiration des êtres vivants qui mènent une vie aérobie.
Les stations S01 et S04 présentent des valeurs élevées pour la conductivité, l’alcalinité et la
dureté totale. Les stations S10 et S11 se distinguent par des valeurs élevées en MES, turbidité et
de concentrations importantes en nitrates et nitrites.
Figure 19 : Classification hiérarchique (distance euclidienne, algorithme de regroupement de

Ward) des stations d’échantillonnage à partir des valeurs des variables physico-chimiques
enregistrées pendant la période de l’étude.
55
L’Analyse de Classification Hiérarchique (ACH) (i) réalisée sur la matrice des distances
euclidiennes entre positions des relevés dans l’espace multidimensionnel et prenant en compte
les deux premières composantes principales de l’ACP et (ii) après regroupant des relevés par
application de l’algorithme de Ward (Ward 1963), a permis de mettre en évidence deux groupes
de stations (Figure 19) dont l’un en zone urbaine (S01, S02, S03, S04 et S09), recevant des rejets
solides et liquides variés (municipaux, industriels et domestiques). Le second groupe est
constitué de stations situées en zone rurale (S05, S06, S07, S08, S10 et S11) dont les bassins
versants sont peu anthropisés.
Une ACP intra-classe (= intra-campagne) du tableau des paramètres physico-chimiques de l'eau a

permis d’observer les différences inter-stationnelles en éliminant l’effet saisonnier. La variance
totale représentée sur le plan factoriel F1-F2 est de 31,3 %, avec respectivement 17,7% et 13,6%
de l’inertie totale expliquée par les axes F1 et F2 (Figure 20). Le cercle des corrélations (Figure
20A) montre que la conductivité et la dureté totale sont fortement et positivement corrélées à
l'axe F1, tandis que l'oxygène dissous est fortement et négativement corrélé à ce même axe. La
distribution des 11 stations d'échantillonnage sur le plan factoriel F1-F2 (Figure 20B, C et D)
montre que l'axe F1 discrimine la station S01 dans sa partie positive (F1 > 0) des stations S06, S07
et S08 dans sa partie négative (F1 < 0). Les stations S06, S07 et S08 sont caractérisées par des
teneurs élevées en oxygène dissous, alors que la station S01 est caractérisée par une conductivité
électrique et une dureté totale élevées.
56
A B
C D
Figure 20 : Analyse en Composantes Principales (ACP) « intra-campagne » du tableau des

variables physico-chimiques mesurées pendant la période d’étude : (A) Cercle des corrélations
sur les axes F1 et F2 ; (B, C et D) distribution des stations par rapport aux caractéristiques
abiotiques sur le plan factoriel F1-F2 ; Les ellipses d'inertie (95%) sont fournies par site ; Les
stations sont regroupées par sous-bassin versant : (B) Famlem, (C) Kena et ses affluents et (D)
Affluent du Nlem. Le pourcentage d’inertie expliqué par un axe est précisé le long de cet axe.
57

CHAPITRE IV
Diversité et structure des
communautés de macroinvertébrés
benthiques

IV. 1. Diversité et distribution des macroinvertébrés benthiques
Dans l’ensemble des cours d’eau étudiés, 181 taxons ont été identifiés au niveau du genre
et/ou de l’espèce, 3 au niveau de la sous famille, 27 au niveau de la famille et 1 au niveau de
l’ordre. Ces taxons sont répartis en 5 embranchements (Arthropodes, Mollusques, Annélides,
Némathelminthes et Plathelminthes), 8 classes, 25 ordres et 98 familles (Annexe 2). La classe
des Insectes est la plus diversifiée avec 11 ordres, 76 familles et 177 taxons, suivie des
Gastéropodes (4, 6 et 18), des Malacostracés (3, 5 et 6), des Oligochètes (3, 3 et 3), des
Hirudinées (1, 3 et 4) et des Bivalves (1, 1 et 2). Quant aux classes des Enopla et des
Turbellariés, elles sont représentées par 1 ordre, 1 famille et 1 taxon chacune.
La classe des Insectes représente 86,5 % des peuplements, suivie des Gastéropodes (10,8 %),
des Hirudinées (2,0 %), des Oligochètes, ainsi que des Turbellariés, des Bivalves, des
Malacostracés, et des Enoplea qui représentent chacune moins de 1% d’abondance relative.
Dans la classe des Insectes, les ordres des Diptères et des Coléoptères sont les mieux
représentés avec 19 familles chacun, suivis des Hétéroptères (11), des Ephéméroptères et des
Odonates (8) ainsi que des Trichoptères (6). Tandis que les Plécoptères, les Dictyoptères, les
Collemboles, les Lépidoptères et les Hyménoptères sont respectivement représentés par une
famille. L’ordre des Diptères est le plus abondant (61,8 %), suivi des Basommatophores (10,7
%), des Ephéméroptères (8,7 %), des Odonates (7,8 %), des Hétéroptères (3,7 %), des
Coléoptères (3,3 %), des Rhynchobdellida (2,0 %) et des Trichoptères (1,2 %).
Les familles des Libellulidae (15 taxons), des Hydrophilidae (12), des Gerridae (9), des
Planorbidae (9), des Coenagrionidae (8), des Dytiscidae (8) ; des Gomphidae (7) et des
Hydropsychidae (6) présentent les plus fortes richesses taxonomiques. La famille des
Chironomidae (58,8 %), suivie des Physidae (9,5 %), des Baetidae (5,6 %), des Coenagrionidae
(5,1 %), des Caenidae (2,6 %), des Gyrinidae (2,4 %), des Simuliidae (2,2 %), des Libellulidae
(1,9 %), des Gerridae (1,4 %), des Glossiphoniidae (1,3 %), des Hydropsychidae (1,1 %) et des
Veliidae (1,0 %) sont les familles les plus représentées dans les relevés faunistiques de la
période d’étude.
58

Coleoptera Rhynchobdellida Trichoptera

3,3 % Lumbriculida
2,0 % 1,2 %
Heteroptara 0,4 %
3,7 % Autres
0,5 %
Odonata
7,8 %
Ephemeroptera
8,7 %
Diptera
61,8 %
Basommatophora
10,7 %
Figure 21 : Répartition des ordres de macroinvertébrés benthiques dans

l’ensemble des cours d’eau prospectés pendant la période d’étude.
IV. 1.1. Affluent du cours d’eau Nlem
Dans cet affluent, 3 embranchements, 5 classes, 14 ordres et 48 familles ont été dénombrés.
Sur les 83 taxons recencés, 1 est identifié au rang de l’ordre, 14 au rang de la famille, 1 au
rang de la sous-famille et 67 au rang du genre et/ou de l’espèce. Les Insectes, les plus
représentés, sont répartis dans 6 ordres, 36 familles et 66 taxons, suivis des Gastéropodes (3,
5 et 9), des Oligochètes (3, 3 et 3), des Hirudinées (1, 3 et 4), et des Malacostracés (1, 1 et 1)
(Figure 22). L’ordre des Diptères très diversifié compte 12 familles, suivi des Hétéroptères et
des Coléoptères (8), des Odonates (4), des Ephéméroptères, des Rynchobdellida et des
Basommatophores (3). La classe des Insectes (94,2 %) est dominée par la famille des
Chironomidae (Diptères), notamment le genre Chironomus sp. qui représente 87,8 % de
l’abondance relative. Elle est suivie par la classe des Gastéropodes (4,4 %) dominée par le
genre Physa sp. (4,1 %), les autres classes regroupant moins de 1%.
Dans la station S1, 3 embranchements, 13 ordres et 33 familles sont dénombrés. La classe des
insectes apparaît comme diversifiée avec 6 ordres, 24 familles et 39 taxons, suivie des
59

Gastéropodes (3, 5 et 7), des Oligochètes (2 et 2), des Malacostracés et des Hirudinées (1 et
2). Sur les 51 taxons, 1 a été identifié jusqu’au rang de l’ordre, 1 au rang de la sous famille, 7
au rang de la famille et 43 au rang du genre et/ou de l’espèce. L’ordre des Hétéroptères est
représenté par 8 familles, suivi des Diptères, des Coléoptères, des Basommatophores (5), des
Odonates (4), des Rhynchobdellida (2), des Ephéméroptères, des Dictyoptères, des
Lumbricida et des Lumbriculida (1). La classe des insectes représente 83,8 % d’abondance
relative et se trouve dominée par la famille des Chironomidae, notamment le genre
Chironomus sp. (70,1 %). Elle est suivie par les Gastéropodes qui représentent 14,3 %
d’abondance relative, la famille des Physidae étant prépondérante, notamment le genre
Physa sp. (13,5 %).
A la station S2, 40 taxons ont été identifiés dont 12 jusqu’au rang de la famille et 29 au rang
du genre et/ou de l’espèce et se répartissent en 3 embranchements, 4 classes, 10 ordres et
29 familles. La classe des insectes est la plus diversifiée (6 ordres, 22 familles et 32 taxons),
suivie des Oligochètes (3, 3 et 3), des Gastéropodes et des Hirudinées (1 ordre et 1 à 3
familles respectivement). L’ordre des Diptères est le plus diversifié avec 8 familles, suivi des
Coléoptères (5), des Odonates (4), des Hétéroptères et des Rhynchobdellida (3), des
Ephéméroptères (2), des Basommatophores, des Lumbriculida, des Lumbricida et des
Tubificida (1). La classe des Insectes représente 98,0 % de l’abondance relative et se trouve
une fois de plus dominée par le genre Chironomus sp. (95,8 %).
Dans la station S3, 45 taxons ont été identifiés dont 1 au rang de la sous famille, et 7 au rang
de la famille et 37 au rang du genre et/ou de l’espèce répartis en 3 embranchements, 4
classes, 10 ordres et 32 familles. La classe des Insectes, la plus diversifiée, comporte 6 ordres,
25 familles et 35 taxons, suivie des Oligochètes (2, 2 et 2), des Gastéropodes (1, 3 et 5) et des
Huridinées (1, 2 et 3). L’ordre des Diptères prédomine avec 9 familles, suivi des Hétéroptères
(6), des Coléoptères (4), des Ephéméroptères, des Basommatophores (3), des Gastéropodes,
des Odonates (2), puis des Dictyoptères, des Lumbriculidae et des Lumbricidae (1). La classe
des Insectes qui représente 94,4 % de l’abondance relative est dominée par le genre
Chironomus sp. (83,4 %).
60

105
Pourcentage de composition 100
95 Malacostracés
90 Oligochètes
85 Hirudinae
80 Gastéropodes
75
Insectes
S1 S2 S3
Stations

dans les stations d’échantillonnage (S1 à S3) de l’affluent du cours d’eau Nlem.
IV. 1.2. Cours d’eau Kena et ses affluents
Dans ce cours d’eau, 5 embranchements, 8 classes, 22 ordres et 84 familles ont été identifiés.
Sur les 180 taxons, 22 sont identifiés à la famille, 3 à la sous famille et 155 au niveau
générique et/ou spécifique. Les insectes, les plus réprésentés sont distribués dans 10 ordres,
67 familles et 154 taxons. Ils sont suivis des Gastéropodes (3, 5 et 13), des Malacostracés (3, 5
et 5), des Hirudinées (1, 2 et 2) (Figure 23). Les Coléoptères sont l’ordre le plus diversifié (17
familles), suivi des Diptères (15), des Hétéroptères (10), des Odonates (8), des
Ephéméroptères (7), des Trichoptères (6) et des Basommatophores (3). Les insectes (80,6 %
de l’abondance relative) sont dominés par les Diptères (49,4 %) dont Chironomus sp. (45,7 %)
de la famille des Chironomidae. Ils sont suivis des Odonates (11,2 %) dominés par les
Coenagrionidae, notamment Coenagrion sp. (6,7 %). Les Ephéméroptères enregistrent 9,3 %
d’abondance relative. Chez les Gastéropodes (16%), Physa sp. représente 13,6 % de
l’abondance relative. Chez les Hirudinées (3,1 %), les Glossiphoniidae (Glossiphonia sp.)
prédominent avec 2,3 % de l’abondance relative.
A la station S4, 54 taxons ont été identifiés (3 sous-familles, 9 familles et 42 genres et/ou
espèces), distribués dans 4 embranchements, 5 classes, 11 ordres et 35 familles. Les insectes
comptent 5 ordres, 26 familles et 44 taxons. Ils sont suivis des Gastéropodes (2, 4 et 5), des
Oligochètes (2, 2 et 2), des Hirudinées (1, 2 et 2) et des Turbellariés (1, 1 et 1). L’ordre des
61

Diptères est le plus diversifié (11 familles), suivi des Ephéméroptères (5), des Hétéroptères
(4), des Odonates, des Coléoptères et des Basommatophores (3), des Rhynchobdellida (2),
des Lumbriculida, des Lumbricida et des Triclades (1). Les insectes (76,1 % d’abondance
relative) sont dominés par les Diptères, notamment les Chironomidae (68,4 %) et les
Gastéropodes par les Physidae (19,2 %).
A la station S5, 71 taxons ont été identifiés (6 familles, 1 sous-famille et 64 genres et/ou
espèces), répartis en 4 embranchements, 6 classes, 12 ordres et 35 familles. Les insectes
présentent la plus forte richesse taxonomique (6 ordres, 27 familles et 57 taxons), suivis des
Gastéropodes (2, 4 et 9), des Bivalves (1, 1 et 2) et des Hirudinées, Oligochètes et Turbellariés
(1, 1 et 1). Les Coléoptères sont les plus diversifiés (9 familles), suivis des Hétéroptères (6),
des Odonates et des Diptères (4), des Basommatophores (3), des Ephéméroptères et des
Trichoptères (2), des Rhynchobebdellida, des Lumbriculida, des Lumbricida et des Triclades
(1). Les Insectes prédominent avec 89,0 % d’abondance relative suivie des Gastéropodes
(10,3 %). Les taxons Coenagrion sp. (38,5 %), Caenis sp. (9,4 %), Pseudagrion sp. (6,7 %), la
tribu des Simuliini (5,0 %), Chironomus sp. (4,3 %), Helisoma trivolvis (3,7 %), Eurymetra sp.
(3,6 %) et Physa sp. (3,4 %) sont les mieux représentés dans cette station.
A la station S6, 76 taxons ont été identifiés (2 sous familles, 4 familles et 70 genres et/ou
espèces), répartis en 3 embranchements, 6 classes, 12 ordres et 40 familles. Les insectes sont
encore les plus diversifiés (6 ordres, 33 familles et 63 taxons), suivis des Gastéropodes (1, 1 et
6), des Oligochètes (2, 2 et 2), des Malacostracés (1, 2 et 2). Les Turbellariés et Bivalves
présentent 1 ordre et 1 famille. Les Coléoptères sont les plus diversifiés avec 10 familles,
suivis des Hétéroptères (8), des Odonates (6), des Diptères (5), des Ephéméroptères (3), des
Décapodes (2) des Trichoptères, des Basommatophores, des Lumbriculida, des Lumbricida,
des Venroida et des Triclades (1). Les Insectes dominent avec 79,4 % d’abondance relative,
suivis des Gastéropodes (18,8 %). Les taxons Cloeon sp. (17,7 %), Chironomus sp. (14,2 %),
Helisoma trivolvis (13,9 %), Baetis sp. (5,7 %), Rhagovelia sp. (4,5 %), Coenagrion sp. (4,2 %) et
Gyraulus sp. (4,1 %) dominent la faune.
97 taxons ont été identifiés sur la station S7 (1 sous-famille, 8 familles et 88 genres et/ou
espèces), distribués en 5 embranchements, 7 classes, 19 ordres et 53 familles. Les insectes
sont les plus diversifiés (9 ordres, 41 familles et 84 taxons), suivis des Gastéropodes (3, 5 et 6).
Les Malacostracés et les Oligochètes (2, 2 et 2), des Bivalves, Enopla et Turbellariés (1, 1 et 1).
62

Les Coléoptères et les Hétéroptères sont les plus diversifiés avec respectivement 9 et 8
familles, suivis des Odonates (6), des Ephéméroptères, des Trichoptères et des Diptères (5),
des Basommatophores (3), des Mésogastropoda, Heterostrapha, Lumbriculida, Lumbricida,
Veneroida, Hoplonemertea, Collemboles, Dictyoptères, Isopodes et Triclades (1). Les insectes
(98,2 % d’abondance relative) dominent avec les taxons Baetis sp. (21,8 %), Hydropsyche sp.
(13,7 %), Caenis sp. (5,6 %), Eurymetra sp. (4,8 %), Coenagrion sp. (4,3 %), Dineutus sp. (3,7
%), Gomphus sp. (2,8 %) et Procloeon sp. (2,7 %).
79 taxons ont été répertoriés sur la station S8 (8 familles, 1 sous-famille et 70 genres et/ou
espèces), répartis en 4 embranchements, 6 classes, 15 ordres et 43 familles. Les Insectes sont
les plus diversifiés (8 ordres, 34 familles et 67 taxons), suivis des Gastéropodes (2, 3 et 6), des
Oligochètes (2, 2 et 2), des Hirudinées (1, 1 et 2) et des Turbellariés et Malacostracés (1, 1 et
1). Les Coléoptères et les Hétéroptères sont les plus diversifiés avec 9 familles, suivis des
Ephéméroptères et des Odonates (5), des Diptères (3), des Basommatophores et des
Rhynchobdellida (2) et enfin des Décapodes, des Hyménoptères, des Dictyoptères, des
Trichoptères, des Heterostropha, des Triclades, des Lumbricidae et des Lumbriculida (1). La
classe des Insectes cumule 83,4% d’abondance relative dont Baetis sp. (9,6 %), Caenis sp. (6,0
%), Coenagrion sp. (6,0 %), Eurymetra sp. (6,4 %) et Aulonogyrus sp. (4,1 %). Quant aux
Gastéropodes, ils représentent 14,7 % du peuplement et sont dominés par Physa sp. (13,0 %).
Autres : Turbellariés,
120
Pourcentage de composition
Bivalves et Malacostracae
100
80 Autres
60 Oligochètes
40 Hirudinae
20 Gastéropodes
0 Insectes
S4 S5 S6 S7 S8
Stations

dans les stations d’échantillonnage (S4 à S8) du cours d’eau Kena et ses affluents.
63

IV. 1.3. Cours d’eau Famlem
Dans le cours d’eau Famlem, 101 taxons ont été identifiés (14 familles, 2 sous-familles et 85
genres et/ou espèces), qui représentent 4 embranchements, 6 classes, 17 ordres et 60
familles. Les Insectes sont les plus diversifiés (8 ordres, 48 familles, 87 taxons) suivis des
Gastéropodes (4, 6 et 7) (Figure 24). Les Diptères comptent 14 familles, suivis des Coléoptères
(10), des Hétéroptères (9), des Ephéméroptères (6), des Odonates (5), des Basommatophores
(3), des Trichoptères et des Rhynchobdellida (2). Les Insectes sont les mieux représentés (90,4
% d’abondance relative), dominés par les Diptères (55,5 %), notamment le genre Chironomus
sp. (51,4 %). Viennent ensuite les Ephéméroptères (18,4 %) dominés par Baetis sp. (11,9 %) et
Caenis sp. (4,0 %), les Coléoptères (7,1 %) dominés par Dineutus sp. (6,0 %). Les Gastéropodes
(6,9 %) sont dominés par Physa sp. (6,7 %). Les Hirudinées ne totalisent que 1,4 % des
effectifs.
A la station S9, 51 taxons ont été identifiés dont 2 sous-familles, 7 familles et 42 genres et/ou
espèces, distribués en 4 embranchements, 5 classes, 13 ordres et 37 familles. Les Insectes
sont les plus diversifiés avec 7 ordres, 29 familles et 43 taxons, suivis des Gastéropodes (2, 3
et 3), puis les Oligochètes (2, 2 et 2) et les Turbellariés et Hirudinées (1 ordre et 1 à 2 familles,
respectivement). Les Diptères sont représentés par 9 familles. Ils sont suivis des Coléoptères
(7), des Hétéroptères et Odonates (4), des Ephéméroptères (3), des Basommatophores et des
Rhynchobdellida (2) puis des Trichoptères, des Dictyoptères, des Neotaenioglossa, des
Lumbriculida, des Lumbricida et des Triclades (1). Les Insectes sont encore les mieux
représentés (98,6 %) dominés par les Diptères Chironomidae, notamment Chironomus sp.
(87,4 %).
61 taxons identifiés dans la station S10, dont 1 sous-famille, 11 familles et 49 genres et/ou
espèces, distribués en 4 embranchements, 6 classes, 15 ordres et 39 familles. Les insectes
prédominent (7 ordres, 29 familles, 50 taxons) suivis des Gastéropodes (3, 4 et 5), des
Oligochètes (2, 2 et 2), des Hirudinées (1, 2 et 2), des Malacostracés et des Turbellariés (1, 1
et 1). Les Diptères sont les plus diversifiés avec 11 familles, suivi des Coléoptères (5), des
Ephéméroptères et des Hétéroptères (4), des Odonates (3), des Basommatophores et des
Rhynchobdellida (2) et des Dictyoptères, Lépidoptères, Décapodes, Mesogastropoda,
Heterostropha, Lumbriculida, Lumbricida et Triclades (1). Les insectes (79,6 % de l’abondance
relative) sont dominés par Chironomus sp. (35,2 %), Baetis sp. (15,7 %), Dineutus sp. (5,5 %),
64

Caenis sp. (5,5 %) et Orthetrum sp. (4,5 %), et les Gastéropodes (16,7 %), par Physa sp. (16,5
%).
La station S11 est la plus diversifiée avec 64 taxons identifiés (1 sous-famille, 7 familles et 56
genres et/ou de espèces), distribués en 4 embranchements, 5 classes, 11 ordres et 38
familles. Les insectes sont les plus diversifiés (7 ordres, 32 familles et 57 taxons), suivis des
Hirudinées (1, 2 et 3), des Gastéropodes, (1, 2 et 2), des Oligochètes et des Turbelluriés (1, 1
et 1 taxon). Les Coléoptères et les Hétéroptères sont les plus diversifiés (7 familles), suivis des
Diptères (6), des Odonates (5) et des Ephéméroptères (4), des Trichoptères,
Basommatophores, et Rhynchobdellida (2) et Lumbriculida et Lumbricida (1). Les insectes
(93,2 %) sont les plus abondants, notamment Baetis sp. (27,0 %), Dineutus sp. (16,4 %),
Chironomus sp. (13,6 %), Caenis sp. (8,4 %), Orthetrum sp. (5,1 %), Coenagrion sp. (4,4 %), tr
Simuliini (3,3 %) et Physa sp. (3,1 %).
120
Pourcentage de composition
100 Malacostraca
80 Hirudinae
60 Turbellaria
40 Oligocheta
Gasteropoda
20
Insecta
0
S9 S10 S11
Stations
Figure 24 : Répartition des différentes classes de macroinvertébrés benthiques

collectées dans les stations d’échantillonnage (S9 à S11) du cours d’eau Famlem.
IV. 2. Richesse taxonomique
Sur le plan spatial, la richesse taxonomique varie de 2 taxons dans les stations S2, S3 et S9 à
28 taxons à la station S7 (Figure 25). Les richesses taxonomiques les plus importantes sont
relevées aux stations S5 à S8 du cours d’eau Kena, ainsi qu’à la station S11 du cours d’eau
Famlem. Le test de Friedman montre des différences significatives inter-stationnelles entre
65

les richesses taxonomiques des stations S1 – S7, S2 – S5, S2 – S7, S2 – S8, S3 – S5, S3 – S7, S3
– S8, S9 – S5, S9 – S7, S9 – S8 (p < 0,0001) et S1 – S8 (p = 0,001).
30 b
Richesse taxonomique
25 b b a
b
a
20
b
a
15 b b
b
10
0
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
Figure 25 : Variations spatiales de la richesse taxonomique dans les stations d’échantillonnage

des différents cours d’eau prospectés pendant la période d’étude ; les plots munis de la lettre
« a » présentent des valeurs qui ne diffèrent pas significativement au test de Friedman (p >
0,05).
La richesse taxonomique sur le plan saisonnier dans l’affluent du cours d’eau Nlem varie de 4
taxons en période de crue à 14 taxons en période de transition. Dans le cours d’eau Kena et
ses affluents, la plus faible valeur est de 8 taxons (crue) contre 26 taxons (étiage) et dans le
Famlem de 4 taxons (crue) à 18 taxons (transition). Toutefois, le cours d’eau Kena se
démarquent des deux autres par des valeurs de richesse taxonomique plus élevées, tandis
que celui de l’affluent Nlem présentant des valeurs plus faibles. Dans l’ensemble, la richesse
taxonomique prend des valeurs plus élevées en période d’étiage et de transition (Figure 26).
En période de crue, des différneces inter-stationnelles sont observées entre les stations S2 –
S5, S3 – S5, S3 – S7, S9 – S5, S9 – S7 (p < 0,0001), S2 – S7, S3 – S8, S9 – S8 (p = 0,000) et S2 –
S8 (p = 0,001). Durant la période d’étiage, une différence significative est noté entre les
stations S1 – S7 (p = 0,001), tandis qu’en période de transition saisonnière, aucune différence
ne s’est révélée.
66

Etiage Transition Crue

30
Richesse taxonomique
25
20
15
10
0
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
Figure 26 : Variations saisonnières de la richesse taxonomique des macroinvertébrés

benthiques dans les stations d’échantillonnage des différents cours d’eau prospectés
pendant le période d’étude.
IV. 3. Abondance relative
Sur un effectif total de 31099 macroinvertébrés benthiques récoltés dans l’ensemble des trois
cours d’eau, 15730 ont été dénombrés dans le cours d’eau Kena et ses affluents, soit 50,6 % du
total des effectifs, 8785 dans l’affluent Nlem (28,3 %) et 6584 dans celui du Famlem (21,2 %)
(Figure 27).
Nlem Kena Famlem
21,2% 28,3%
Figure 27 : Abondances relatives des
macroinvertébrés benthiques dans les
50,6% différents cours d’eau prospectés pendant la
67

La station S4 présente la plus forte abondance relative (32,9 %), suivie des stations S2 (16,7
%) et S9 (8,9 %) (Figure 28). Les abondances relatives des autres stations n’atteignent pas 8%
(S1, S3, S5, S6, S7, S8, S10 et S11).
S10 : 7,8 % S11 : 4,8 % S1 : 6,2 %
S9 : 8,9 %
S2 : 16,7 %
S8 : 2,9 %
S3 : 5,4 %
S7 : 5,1 %
S6 : 3,5 %
S5 : 6,5 % S4 : 32,9 %
Figure 28 : Abondances relatives des macroinvertébrés benthiques

dans les stations d’échantillonnage pendant la période d’étude.
Les abondances relatives les plus élevées sont observées en période d’étiage (Figure 29).
Mois Effectifs Pourcentages

d’abondance
Dec-15 1798 5,8
Janv 1564 5,1
Fev 4211 13,5 Etiage Transition Crue
Mars 2244 7,2
Avril 1741 5,6
Mai 1595 5,1 30,5 %
38,8 %
Juin 1470 4,7
Juil 1133 3,6
1276 4,1 30,7 %
Aout
Sept 1030 3,3
Oct 1228 4,0
Nov 7312 23,5
Dec-16 4497 14,5 Figure 29 : Variations saisonnières de
Total 31099 100,00 l’abondance relative des macroinvertébrés
benthiques collectés pendant la période
d’étude.
68

Sur le plan spatial, l’affluent du cours d’eau Nlem montre, sur les 13 ordres recensés, une
prédominance des Diptères (88,7 %) puis des Basommatophores (4,4 %). Dans la station S1,
12 ordres sont dénombrés, dominés par les Diptères (71,4 %), suivis des Basommatophores
(14,0 %) et des Odonates (6,4 %). Dans les stations S2 et S3, les Diptères dominent également
(96,5 % et 84,8 % d’abondance relative, respectivement).
Dans le cours d’eau Kena, 22 ordres sont recensés. Le peuplement est dominé par les
Diptères (49,4 %), les Basommatophores (16,0 %), les Odonates (11,2 %), les Ephéméroptères
(9,3 %), les Hétéroptères (5,8 %) et les Coléoptères (2,6 %). Ainsi, la station S4 compte 11
ordres dont les Diptères (71,7 %), les Basommatophores (19,2 %) et les Rhynchobdellida (4,6
%). Dans la station S5, les effectifs se répartissent entre Odonates (51,4 %), Ephéméroptères
(13,0 %), Hétéroptères (11,1 %), Basommatophores (10,3 %), Diptères (10,0 %) et Coléoptères
(2,2 %). Dans la station S6, les Ephéméroptères (25,7 %), Basommatophores (18,8 %),
Diptères (17,4 %), Hétéroptères (14,9 %), Odonates (13,3 %) et Coléoptères (6,7 %) sont les
taxons les mieux représentés. Les Ephéméroptères (35,2 %), Hétéroptères (17,5 %), Odonates
(16,7 %), Trichoptères (16,3 %), Coléoptères (8,3 %) sont les plus abondants à la station S7.
Dans la station S8, les Ephéméroptères (24,5 %), Hétéroptères (23,4 %), Coléoptères (14,9 %),
Odonates (14,8 %), Basommatophores (14,4 %) et Diptères (5,1 %) ont les abondances
relatives les plus élevées.
Dans le cours d’eau Famlem, sur 17 ordres obtenus, les Diptères (55,5 %), Ephéméroptères
(18,4 %), Coléoptères (7,1 %) et Gastéropodes (6,9 %) prédominent. Dans la station S9, les
Diptères ont une abondance relative de 91,2 %. Dans la station S10, les groupes les plus
abondants sont les Diptères (38,8 %), les Ephéméroptères (25,7 %), les Basommatophores
(16,6 %), les Odonates (8,2 %), les Coléoptères (6,0 %) et les Rhychobdellida (2,5 %). Dans la
station S11, les Ephéméroptères (38,7 %), les Coléoptères (19,1 %), les Diptères (18,9 %), les
Odonates (11,2 %), les Hétéroptères (4,5 %) et les Basomatophores (3,2 %) sont les mieux
représentés (Figure 30).
69

Ephéméroptères Hétéroptères Odonates Coléoptères

Diptères Trichoptères Basomatophores Rhynchobdellida
100
90
Abondance relative (%)
80
70
60
50
40
30
20
10
0
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
Figure 30 : Variations spatiales de l’abondance relative des ordres de macroinvertébrés

benthiques collectés pendant la période d’étude (les ordres choisis sont ceux ayant une
abondance relative supérieure ou égale à 2%).
Les Diptères sont prédominants pendant les 3 périodes saisonnières (étiage, transition et
crue) avec des abondances relatives élevées notamment au mois d’avril (89,4 %) à l’exception
de janvier et février où ce sont les Basommatophores qui les supplantent (21,6 % et 37,4 % du
peuplement, respectivement) (Figure 31).
70

Ephémeroptères Trichoptères Hétéroptères Odonates Diptères

Coléoptères Basomatophores Rhynchobdellida Lumbriculida
100
Abondance relative (%)
80
60
40
20
Mois
Figure 31 : Variations saisonnières de l’abondance relative des ordres de

macroinvertébrés benthiques collectés pendant la période d’étude.
IV. 4. Fréquence d’occurrence des taxons
Durant toute la période d’étude dnous avons obtenu un total de deux taxons constants (un
Odonate Coenagrionidae et un Diptère Chironomidae), 12 taxons accessoires et 198 taxons
rares ont été dénombrés. Par ailleurs, 66 taxons ont une fréquence d’occurrence égale à 1, 34
une fréquence d’occurence égale à 2 et 22 une fréquence égale à 3. 100 taxons ont donc une
fréquence d’occurrence inférieure à 3, et 112 taxons une fréquence supérieure ou égale à 3.
71

IV. 4.1. Affluent du cours d’eau Nlem
Le tableau VIII (ci-dessous) présente la liste des taxons constants, accessoires et rares
rencontrés dans les différentes stations de l’affluent du cours d’eau Nlem.
La station S1 abrite quatre taxons constants (Chironomus sp., Physa sp., Orthetrum sp. et les
Lumbriculidae), quatre taxons accessoires (Nepa sp., Coenagrion sp., Pseudagrion sp. et
Helochares sp.) et 43 taxons rares. La station S2 présente deux taxons constants (Atrichops sp.
et Chironomus sp.), trois taxons accessoires (Coenagrion sp., Orthetrum sp., et les
Lumbriculidae) et 35 taxons rares. La station S3 compte deux taxons constants (Chironomus
sp. et Physa sp.), quatre taxons accessoires (Coenagrion sp., Othetrum sp, Glossiphonia sp. et
les Lumbriculidae) et 39 taxons rares. Ces résultats font ressortir la prépondérance des taxons
rares dans toutes les stations avec une fréquence d’occurrence variant de 84,3 % (station S1)
à 87,5 % (station S2). Les taxons constants et accessoires présentent des fréquences
d’occurrences inférieures à 9%. Seul Chironomus sp. peut être considéré comme constant sur
l’ensemble des stations du cours d’eau ; Physa sp. uniquement sur les stations S1 et S3 ;
Orthetrum sp., Atrichops sp. et les Lumbriculidae sur une seule station.
Tableau VIII : Liste des taxons de macroinvertébrés benthiques récoltés dans les stations
d’échantillonage de l’affluent du cours d’eau Nlem: S1 à S3 = stations ; * = taxons rares ; ** =
taxons accessoires ; *** = taxons constants.
Stations d’échantillonnage
Classes Ordres Familles Genres/Espèces S1 S2 S3
Caenidae Caenis sp. * *
Ameletidae Ameletus sp. *
Ephemeroptera Baetis sp. * * *
Baetidae Centroptilum luteolum * *
Cloeon sp. *
Sphaerodema sp. *
Belostomatidae
Diplonychus sp. * *
Corixidae Corixa sp. *
Insecta
Limnogonus sp. * * *
Eurymetra sp. *
Gerridae
Heteroptera Tenagometrella sp. *
Rhagadotarsus sp. *
Naucoridae Laccocoris sp. * * *
Nepidae Nepa sp. ** * *
Enithares sp. *
Notonectidae
Notonecta sp. * *
72

Tableau VIII (suite)

Microvelia sp. *
Veliidae
Rhagovelia sp. *
Pentatomidae nd *
Saldidae Saldula ornatula
Cordulia sp. * *
Corduliidae Oxygastra sp. *
Somatochlora proparte *
Aeshnia sp. *
Aeshnidae
Boyeria irene *
Coenagrion sp. ** ** **
Pseudagrion sp. ** * *
Coenagrionidae
Nehalennia sp. * *
Odonata Enallagma sp. *
Orthetrum sp. *** ** **
Trithemis sp. *
Diplacodes sp. * *
Sympetrum sp. * *
Libellulidae
Rhyothemis sp. *
Brachythemis sp. *
Erythemis sp. *
Orthemis sp. *
Coleoptera Helochares sp. ** * *
Laccobius s sp. *
Hydrophilidae
Coelostoma sp. *
Crenetis sp. *
Elmidae Potamophilus sp. * *
Orectogyrus sp. * *
Dineutus sp. * *
Gyrinidae
Orectochilus sp. *
Gyrinus sp. *
Graphoderus sp. *
Dytiscidae Dytiscus sp. *
Copelatus sp. * * *
Haliplidae Haliplus sp. *
Dryopidae Dryops sp. *
Noteridae Noterus sp. *
Insecta Hydraena sp. *
Insecta Hydraenidae
Discozantaena sp. *
Chironomidae Chironomus sp. *** *** ***
Athericidae nd *
Tabanidae nd *
Syrphidae nd * * *
Tipulidae Tipula sp. *
Simuliidae tr Similiini * * *
Diptera
Scatophagidae nd * *
Psychodidae nd *
Muscidae nd * *
Stratiomyidae nd *
Anthomyiidae Limnophora sp. *
Athericidae Atrichops sp. * *** *
Dictyoptera Blattidae nd * *
73

Tableau VIII (suite et fin)
Malacostraca Isopoda nd nd *
Gyraulus sp. * *
Planorbidae Hippeutus complanatus *
Lentorbis junodi * *
Basommatophora Aplexa hypnorum * *
Physidae
Gasteropoda Physa sp. *** * ***
Lymnaea sp. *
Lymnaeidae
Omphiscola glabra *
Mesogastropoda Thiaridae Melania sp. *
Heterostropha Valvatidae nd *
Salifidae Barbronia weberi * * *
Glossiphonia sp. * **
Hirudinea Rhynchobdellida Glossiphoniidae
Helobdella sp. * *
Piscicolidae nd *
Lumbriculida Lumbriculidae nd *** ** **
Oligochaeta Lumbricida Lumbricidae nd * * *
Tubificida Tubificidae nd *
5 14 49 84 51 40 45
IV. 4.2. Cours d’eau Kena et ses affluents
Le tableau IX (ci-dessous) présente la liste des taxons constants, accessoires et rares dans les
différentes stations du cours d’eau Kena et de ses affluents.
Dans les stations S4 et S5 des affluents du cours d’eau Kena respectivement 8 et 12 taxons
peuvent être considérés comme constants, et respectivement 3 et 10 taxons comme
accessoires. Sur les deux autres afffluents du même cours d’eau, respectivement 5 et 13
(station S6) et 13 et 13 (station S7) taxons sont respectivement constants et accessoires. La
station S8 compte 8 taxons constants et 14 taxons accessoires.
Comme dans les cours d’eau précédents, les taxons rares sont largement les plus nombreux
(de 69,0 % en S5 à 79,6 % en S4). La fréquence d’occurrence des taxons constants et
accessoires atteignent au maximum 16,9 % et 21,1 % sur le cours d’eau.
Coenagrion sp. est le seul taxon constant sur les cinq stations du cours d’eau Kena et de ses
affluents. Eurymetra sp. l’est sur l’ensemble des stations sauf S4. Baetis sp., Pseudagrion sp.
et Orthetrum le sont sur trois des cinq stations ; Dyplonychus sp., Limnogonus sp., Microvelia
sp., Rhagovelia sp., Dineutus sp., Chironomus sp., Helisoma trivolvis, Physa sp. et Glossiphonia
74

sp. sur deux et Hydropsyche sp., Sphaerodema sp., Aulonogyrus sp., Tipula sp., les Simuliini et
Barbronia weberi sur une seulement.
Tableau IX : Liste des taxons de macroinvertébrés benthiques récoltés dans les stations
d’échantillonnage du cours d’eau Kena et ses affluents : S4 à S8 = stations ; * = taxons rares ;
** = taxons accessoires ; *** = taxons constants.
Classes Ordres Familles Genres/Espèces S4 S5 S6 S7 S8

Caenis sp. *** *** * *** ***
Caenidae Afrocaenis sp. * *
Caenomedea sp. *
Ameletidae Ameletus sp. *
Ephemerellidae Ephemerella sp. * *
Baetis sp. *** ** *** ***
Centroptilum luteolum * ** ** **
Baetidae
Cloeon sp. * * ** *
Procloeon sp. * *
Ephemeroptera
Electrogena sp. * *
Notonurus sp.
Heptageniidae
Rhithrogena sp. *
Heptagenia sp. *
Leptophlebia sp. *
Adenophlebia sp. *
Leptophlebiidae
Thraulus sp. *
Paraleptophlebia sp. *
Insecta Siphlonuridae Siphlonurus sp. *
Plecoptera Perlidae Perla sp. *
Ecnomidae Ecnomus sp. *
Glossosomatidae Glossosoma sp. *
Cheumatopsyche sp. * * *
Diplectrona sp. * * * *
Hydropsyche sp. ** ** *** **
Hydropsychidae
Trichoptera Leptonema sp. *
Polymorphanisus sp. *
Insecta
Macronema sp. *
Leptoceridae Triaenodes sp. *
Limnephilidae Limnephilus sp. *
Phryganeidae Trichostegia sp. *
Appasus sp. * * ** ** **
Belostomatidae Sphaerodema sp. *** ** * ** **
Heteroptera Diplonychus sp. ** ** ** *** ***
Corixa sp. *
Corixidae
Micronecta sp. * *
75

Tableau IX (suite)
Trepobates sp. * *
Limnogonus sp. * ** ** *** ***
Eurymetra sp. * *** *** *** ***
Gerridae
Naboandelus sp. *
Tenagometrella sp. *
Eurymetropsis sp. *
Hydrometridae Hydrometra sp. * * *
Mesoveliidae Mesovelia sp. * * *
Naucoris sp. * *
Macrocoris sp. * *
Naucoridae
Neomacrocoris parviceps * *
Laccocoris sp. * ** *
Nepa sp. * * *
Nepidae
Ranatra sp. * ** * *
Notonectidae Notonecta sp. * *
Velia sp. * *
Veliidae Microvelia sp. *** ** *** **
Rhagovelia sp. * *** ** *** **
Pentatomidae nd * *
Cordulia sp. * * *
Corduliidae Epitheca bimaculata *
Somatochlora proparte *
Aeshnidae Aeshnia sp. *
Coenagrion sp. *** *** *** *** ***
Ceriagrion sp. ** *
Pyrrhosoma sp. * *
Pseudagrion sp. * *** ** *** ***
Coenagrionidae
Erythromma sp. * * * *
Nehalennia sp. ** * * **
Ischnura sp. * *
Enallagma sp. * *
Platycnemididae nd *
Zygonyx torridus ** **
Odonata
Orthetrum sp. ** *** ** *** ***
Crocothemis sp. *
Trithemis sp. * * *
Diplacodes sp. * * * *
Sympetrum sp. * *
Libellulidae Rhyothemis sp. *
Brachythemis sp. *
Leucorrhinia sp. * *
Erythemis sp. * * *
Insecta Libellula sp. *
Macrothemis sp. *
Orthemis sp. * *
Gomphus sp. * ** *
Gomphidae
Paragomphus sp. * *
76

Tableau IX (suite)
Microgomphus sp. *
Onychogomphus sp. *
Notogomphus sp. * *
Crenigomphus sp. *
Ophiogomphus sp. * *
Macromia sp. * * *
Macromiidae
Phyllomacromia sp. ** *
Chalcolestes sp. ** *
Lestidae Lestes sp. * *
Sympecma sp. *
Helochares sp. * * * **
Laccobius sp. *
Chaetarthria sp. * * *
Coelostoma sp. *
Crenetis sp. * *
Hydrophilidae
Amphiops sp. **
Berosus sp. *
Hydrophilus sp. *
Hydrochara sp. *
Hydrobius sp. *
Potamophilus sp. * *
Stenelmis sp. *
Elmidae
Normandia nitens *
Hexanchorus sp. * *
Orectogyrus sp. * ** *
Dineutus sp. * *** ** *** **
Gyrinidae Orectochilus sp. * *
Aulonogyrus sp. * *** ** **
Coleoptera Gyrinus sp. *
Graphoderus sp. * * *
Laccophilus sp. *
Dytiscus sp. *
Dytiscidae Hydrovatus cuspidatus * *
Agabus sp. *
Copelatus sp. *
Hydroporus sp. *
Dryops sp. * * ** **
Insecta Dryopidae
Pomatinus sp. * * *
Spercheidae Spercheus sp. *
Limnichidae Limnichites sp. * * *
Noteridae Noterus sp. *
Stenotrachelidae nd *
Psephenidae nd *
Carabidae Harpalus sp. *
Hydraenidae Hydraena sp. * * *
Chrysomelidae Agelastica sp. *
Anthicidae Anthicus niger *
77

Tableau IX (suite et fin)
Carabidae Stenolophus teutonus *

nd * *
Staphylinidae
Xylodromus sp. *
Brachycerus sp. *
Curculionidae Anthonomus rubi *
Amalus scortillum *
Chironomidae Chironomus sp. *** ** *** * *
Athericidae nd *
Syrphidae nd **
Empididae sf Clinocerinae *
Tipulidae Tipula sp. * ** *** **
Simuliidae tr Simuliini *** ** * ** *
Ceratopogonidae sf Dasyheleinae * *
Diptera Scatophagidae nd *
Limoniidae nd *
Psychodidae nd * *
Muscidae nd *
Sciomyzidae nd *
Cylindrotomidae nd *
Culicidae nd *
Athericidae Atrichops sp. *
Collembola Poduridae nd *
Dictyoptera Blattidae nd * *
Insecta
Hymenoptera Agriotypidae nd *
Potamonidae Potamon sp. *
Decapoda Atyidae Caridina africana *
Malacostraca Grapsidae Varuna litterata *
Isopoda Oniscidae nd *
Amphipoda Gammaridae nd *
Bathyomphalus contortus * *
Gyraulus sp. * ** ** *
Helisoma trivolvis *** *** * *
Hippeutus complanatus *
Planorbidae Lentorbis junodi * *
Basommatophora Bulinus sp. **
Gasteropoda Planorbarius sp. * * *
Planorbella trivolvis *
Afrogyrus sp. * *
Physidae Physa sp. *** *** ** **
Lymnaeidae Lymnaea sp. * * *
Mesogastropoda Thiaridae Thiara sp. *
Heterostropha Valvatidae nd * * * *
Salifidae Barbronia weberi *** *
Hirudinea Rhynchobdellida
Glossiphoniidae Glossiphonia sp. *** *** *
Lumbriculida Lumbriculidae nd * * * *
Oligochaeta
Lumbricida Lumbricidae nd * * * * *
Bivalvia Veneroida Sphaeriidae Pisidium sp. * * *
78

Sphaerium sp. * *
Enopla Hoplonemerta Tetrastemmatidae Prostoma sp. *
Turbellaria Triclada Dugesiidae Neppia sp. * * * * *
8 22 84 178 54 71 76 97 79
IV. 4.3. Cours d’eau Famlem
Sur le cours amont du Famlem (station S9), seul Chironomus sp. est constant (Tableau X). Cinq
taxons sont constants sur le cours moyen (Caenis sp., Baetis sp., Chironomus sp., Barbronia
weberi et les Simuliini ; station S10) et huit sur le cours inférieur (Coenagrion sp., Orthetrum
sp., Physa sp., Neppia sp., Caenis sp., Baetis sp., Chironomus sp., et les Lumbriculidae ; station
S11). Respectivement 3 (S9), 5 (S10) et 9 (S11) taxons peuvent être considérés comme
accessoires.
Les taxons rares sont également fortement prédominants sur ce cours d’eau, représentant
73,4 % (S11) à 92,2 % (S9) de la richesse taxonomique stationnelle. Les taxons accessoires ne
représentent que 5,9 % (S9) à 14,1 % (S11), et les taxons constants 2,0 % (S9) à 12,5 % (S11)
de cette richesse taxonomique.
Dans ce cours d’eau également, Chironomus sp. est constant sur l’ensemble des stations.
Caenis sp. et Baetis sp. sont constants sur deux stations (S10 et S11) ; Coenagrion sp.,
Orthetrum sp., les Simuliini, Physa sp., Barbronia weberi, Neppia sp. sur une seule station
seulement. Les taxons constants et accessoires ont des fréquences d’occurrence inférieures à
15 %.
79

Tableau X : Liste des taxons de macroinvertébrés benthiques récoltés dans les stations
d’échantillonnage du cours d’eau Famlem : S9 à S11 = stations ; * = taxons rares ; ** = taxons
accessoires ; *** = taxons constants.
Classes Ordres Familles Genres/Espèces S9 S10 S11
Caenis sp. * *** ***
Caenidae
Afrocaenis sp. *
Ameletidae Ameletus sp. * *
Ephemerellidae Ephemerella sp. *
Baetis sp. * *** ***
Ephemeroptera Centroptilum luteolum * * *
Baetidae Cloeon sp. * **
Acentrella sp. *
Procloeon sp. * *
Potamanthidae Potamanthus sp. *
Siphlonuridae Siphlonurus sp. *
Diplectrona sp. *
Hydropsychidae
Trichoptera Hydropsyche sp. * **
Limnephilidae Limnephilus sp. *
Heteroptera Appasus sp. * *
Belostomatidae Sphaerodema sp. * **
Diplonychus sp. * *
Trepobates sp. *
Limnogonus sp. * * *
Gerridae
Eurymetra sp. * * **
Aquarius paludum *
Insecta
Hydrometridae Hydrometra sp. *
Naucoris sp. *
Naucoridae
Laccocoris sp. *
Nepidae Nepa sp. *
Notonectidae Enithares sp. *
Microvelia sp. * * *
Veliidae
Rhagovelia sp. * * **
Pentatomidae nd *
Saldidae Saldula ornatula *
Insecta
Cordulia sp. * * *
Corduliidae
Somatochlora proparte * *
Coenagrion sp. * ** ***
Coenagrionidae Pseudagrion sp. * *
Nehalennia sp. *
Platycnemididae nd *
Odonata
Zygonyx torridus *
Orthetrum sp. * ** ***
Crocothemis sp. *
Libellulidae
Trithemis sp. * * *
Diplacodes sp. *
Sympetrum sp. *
80

Tableau X (suite)
Leucorrhinia sp. * *
Erythemis sp.
Libellula sp. *
Macrothemis sp. *
Hemicordulia atrovirens *
Pantala flavescens *
Gomphidae Gomphus sp. * *
Helochares sp. * * *
Chaetarthria sp. * *
Insecta Coelostoma sp. *
Crenetis sp. * *
Hydrophilidae Amphiops sp. *
Cymbiodyta sp. *
Berosus sp. *
Enochrus sp. *
Hydrobius sp. *
Potamophilus sp. *
Elmidae
Limnius sp. *
Orectogyrus sp. * * *
Coleoptera
Dineutus sp. * ** **
Gyrinidae Orectochilus sp. * * *
Aulonogyrus sp. *
Gyrinus sp. * * *
Graphoderus sp. * *
Dytiscidae
Rhantus sp. *
Dryopidae Dryops sp. * *
Limnichidae Limnichites sp. *
Hydraenidae Hydraena sp. * *
Hygrobiidae Hygrobia sp. *
Chrysomelidae Agelastica sp. *
Staphylinidae Carpelimus corticinus *
Chironomidae Chironomus sp. *** *** ***
Athericidae nd *
Syrphidae nd * * *
Tipulidae Tipula sp. * * **
Simuliidae tr Simuliini * *** **
Ceratopogonidae sf Dasyheleinae *
Limoniidae nd * * *
Diptera
Psychodidae nd * *
Muscidae nd * *
Sciomyzidae nd *
Ephydridae nd *
Insecta
Stratiomyidae nd *
Anthomyiidae Limnophora sp. *
Athericidae Atrichops sp. *
Dictyoptera Blattidae nd * * *
Lepidoptera Pyralidae Acentria sp. *
Malacostraca Decapoda Atyidae Caridina africana *
Gyraulus sp. * *
Planorbidae
Basommatophora Hippeutus complanatus * *
Gasteropoda
Physidae Physa sp. ** ***
81

Tableau X (suite et fin)

Lymnaeidae Omphiscola glabra *
Neotaenioglossa Hydrobiidae Hydrobia sp. *
Mesogastropoda Thiaridae Melanoides sp. *
Heterostropha Valvatidae nd *
Salifidae Barbronia weberi * *** **
Hirudinea Rhynchobdellida Glossiphonia sp. * * *
Glossiphoniidae
Helobdella sp. *
Lumbriculida Lumbriculidae nd ** ** ***
Oligochaeta
Lumbricida Lumbricidae nd ** *
Turbellaria Triclada Dugesiidae Neppia sp. ** * ***
6 17 60 102 51 61 64
Tableau XI : Inventaire des taxons constants (***) et accessoires (**) aux différentes stations
Station S1 Station S2
Taxons constants (***) Taxons accessoires (**) Taxons constants (***) Taxons accessoires (**)
Orthetrum sp. Nepa sp. Chironomus sp. Coenagrion sp
Chironomus sp. Coenagrion sp. Atrichops sp. Orthetrum sp
Physa sp. Pseudagrion sp. Lumbriculidae
Lumbriculidae Helochares sp.
Chironomus sp. Orthetrum sp. Caenis sp. Diplonychus sp.
Physa sp. Glossiphonia sp. Sphaerodema sp. Orthetrum sp.
Coenagrion sp. Coenagrion sp. Syrphidae
Lumbriculidae tr Simuliini
Physa sp.
Brabronia weberi
Glossiphonia sp.
Chironomus sp.
Caenis sp. Gyraulus sp. Eurymetra sp. Baetis sp.
Baetis sp. Sphaerodema sp. Coenagrion sp. Centroptilum luteolum
Eurymetra sp. Diplonychus sp. Aulonogyrus sp.
Microvelia sp. Limnogonus sp. Chironomus sp. Hydropsyche sp.
Rhagovelia sp. Ceriagrion sp. Helisoma trivolvis Appasus sp.
Coenagrion sp. Nehalennia sp. Diplonychus sp.
Pseudagrion sp. Chironomus sp. Limnogonus sp.
Orthetrum sp. tr Simuliini Ranatra sp.
Dineutus sp. Bulinus sp. Microvelia sp.
Helisoma trivolvis Hydropsyche sp Gyraulus sp.
82

Physa sp. Rhagovelia sp.

Glossiphonia sp. Pseudagrion sp.
Orthetrum sp.
Phyllomacromia sp.
Amphiops sp.
Dineutus sp.
Tipula sp.
Caenis sp. Centroptilum Caenis sp. Centroptilum luteolum
Baetis sp. luteolum Baetis sp.
Hydropsyche sp. Cloeon sp. Diplonychus sp. Hydropsyche sp.
Diplonychus sp. Appasus sp. Limnogonus sp. Appasus sp.
Limnogonus sp. Sphaerodema sp. Eurymetra sp. Sphaerodema sp.
Eurymetra sp. Laccocoris sp. Coenagrion sp. Microvelia sp.
Microvelia sp. Zygonyx torridus Pseudagrion sp. Rhagovelia sp.
Rhagovelia sp. Gomphus sp. Orthetrum sp. Nehalennia sp.
Coenagrion sp. Chalcolestes sp. Zygonyx torridus
Pseudagrion sp. Orectogyrus sp. Helochares sp.
Orthetrum sp. Aulonogyrus sp. Dineutus sp.
Dineutus sp. Dryops sp. Aulonogyrus sp.
Tipula sp. tr Simuliini Dryops sp.
Physa sp. Tipula sp.
Physa sp.

Chironomus sp. Lumbriculidae Caenis sp. Coenagrion sp.
Lumbricidae Baetis sp. Orthetrum sp.
Neppia sp. Chironomus sp. Dineutus sp.
Barbronia weberi Physa sp.
tr Simuliini Lumbriculida
Station S11
Taxons constants (***) Taxons accessoires (**)
Caenis sp. Barbronia weberi
Baetis sp. Tipula sp.
Coenagrion sp. tr Simuliini
Orthetrum sp. Dineutus sp.
Chironomus sp. Rhagovelia sp.
Physa sp. Eurymetra sp.
Lumbriculidae Hydropsyche sp.
Neppia sp. Cloeon sp.
Sphaerodema sp.
83

Tableau XII : Proportions de taxons « constants », « accessoires » et « rares » dans les

différentes stations d’échantillonnage des cours d’eau prospectés pendant la période
d’étude.
Stations Taxons constants (%) Taxons accessoires (%) Taxons rares (%)
S1 7,8 7,8 84,3
S2 5,0 7,5 87,5
S3 4,4 8,9 86,7
S4 14,8 5,6 79,6
S5 16,9 14,1 69,0
S6 6,6 21,1 72,4
S7 13,4 13,4 73,2
S8 10,1 17,7 72,2
S9 2,0 5,9 92,2
S10 8,2 8,2 83,6
S11 12,5 14,1 73,4
Moyenne 7,9 11,3 79,5
IV. 5. Indice de diversité de Shannon-Weaver (H’)
Dans l’ensemble, l’indice de diversité de Shannon (H’) est plus élevé dans les stations du cours
d’eau Kena (S5, S6, S7 et S8) ainsi qu’à la station S11 du cours d’eau où les valeurs moyennes
sont supérieures à 2 (Figure 32). Ces valeurs moyennes dans l’affluent Nlem varient de 1,2
(station S1) à 0,7 (station S2) tandis que dans le Kena et le Famlem ces valeurs augmentent de
l’amont vers l’aval avec des progressions respectives de 1,0 (S4) à 3,3 (S8) et de 0,8 (S9) à 2,4
(S11).
L’indice de diversité de Shannon-Weaver est significativement plus élevé aux stations S7 et S8

par rapport aux stations S5, S6, S10 et S11 qui elles-mêmes se démarquent du groupe de
stations S1, S2, S3, S4 et S9. Des différences significatives inter-stationnelles ont été revélées
dans l’ensemble des stations d’échantillonnage des trois cours d’eau, notamment aux stations
S1 – S7, S1 – S8, S2 – S5, S2 – S6, S2 – S7, S2 – S8, S2 – S11, S3 – S5, S3 – S7, S3 – S8, S4 – S7
S4 – S8, S5 – S9, S6 – S9, S7 – S9, S8 – S9 (p < 0,0001), S3 – S6, S3 – S11, S4 – S5, S4 – S6 et S9
– S11 (p = 0,000)
84

4,5 b
Indice de Shannon-Weaver (H')
4 b b Janvier
b Fevrier b
3,5
b a
3
2,5 b
b b Juin
2
1,5 b
Octobre
1
0,5
0
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
Figure 32 : Variations spatiales de l’indice de diversité de Shannon-Weaver (H’) dans les

stations d’échantillonnage des différents cours d’eau prospectés durant le plan
d’échantillonnage : les plots munis de la lettre « a » présentent des valeurs qui ne diffèrent
pas significativement au test de Friedman (p > 0,05). Médiane ; Min – Max ;
Valeur atypique ; 25 à 75%.
Sur le plan saisonnier, les valeurs moyennes maximales de l’indice de diversité de Shannon-
Weaver sont observées en période d’étiage et de transition dans presque toutes les stations,
à l’exception de la station S5 du cours d’eau Kena (H est maximale en période de crue) (Figure
33). Des différences sugnificatives ont été notées en période de crue pour aux stations S3 –
S5, S3 – S8, S8 – S9 (p < 0,0001), S2 – S5, S2 – S8, S3 – S7, S4 – S8, S5 – S9 (p = 0,000), S2 – S7,
S3 – S6, S4 – S5 et S7 – S9 (p = 0,001). En période d’étiage des differences significatives sont
obtenues entres les stations S2 – S8 (p = 0,000), ce qui n’a pas été le cas pour la période de
transition.
85


4
Indice de Shannon-Weaver (H')
3,5
3
2,5
2
1,5
1
0,5
0
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
Figure 33 : Variations saisonnières des valeurs moyennes de l’indice de diversité de Shannon-

Weaver (H’) dans les stations d’échantillonnage des différents cours d’eau prospectés
pendant la période d’étude.
IV. 6. Indice d’Equitabilité de Piélou (E)
Les valeurs de l’indice d’équitabilité de Piélou (Figure 34) sont dans l’ensemble plus élevées
dans le cours d’eau Kena aux stations S5, S6, S7 et S8 ainsi qu’à la station S11 du Famlem avec
des valeurs moyennes supérieures à 0,6. Le cours d’eau Famlem (S9 à S11) montre une nette
progression des valeurs de l’amont vers l’aval. Les différences significatives inter-stationnelles
entre les différents cours d’eau ont été observées entre les stations S1 – S8, S2 – S5, S2 – S6,
S2 – S7, S2 – S8, S2 – S11, S3 – S8, S4 – S6, S4 – S7, S4 – S8, S8 – S9 (p < 0,0001), S3 – S6, S4 –
S11, S6 – S9, S7 – S9 (p = 0,000), S3 – S7 et S4 – S5 (p = 0,001).
86

1 a a a Janvier a
Equitabilité de Piélou (E)
0,9 a a a
a
0,8
0,7
Juin
0,6 a a
0,5 a
Octobre
0,4
0,3
0,2
0,1
0
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
Figure 34 : Variations spatiales de l’indice d’équitabilité de Piélou (E) dans les stations
d’échantillonnage des différents cours d’eau prospectés pendant la période d’étude : les plots
munis de la lettre « a » présentent des valeurs qui diffèrent significativement au test de
Friedman (p < 0,05).
Les valeurs moyennes de l’indice d’Equitabilité de Piélou (E) obtenues dans l’affluent du cours
d’eau Nlem (S1, S2 et S3), du cours d’eau Kena (S4, S6 et S8) et enfin, du cours d’eau Famlem
(S9 et S10), sont plus élevées en période d’étiage (Figure 35). La station S5 de l’affuent du
cours d’eau Kena présente une valeur élevée d’équitabilité en période de crue, tandis que la
station S7 du même cours d’eau et la station S11 du Famlem montrent des valeurs élevées
d’équitabilité en période de transition. Des différences significatives à la saision des crues ont
été observées entre les stations S2 – S8, S3 – S8, S4 – S8 (p < 0,0001), S2 – S5, S2 – S6, S2 –
S7, S3 – S7, S8 – S9 (p = 0,000), S2 – S11 et S3 – S6 (p = 0,001) et en période d’étiage entre les
stations S2 – S8 (p = 0,000).
87


1,00
0,90
Equitabilité de Piélou (E)
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Stations
Figure 35 : Variations saisonnières des valeurs moyennes de l’indice d’équitabilité de Piélou

(E) dans les stations d’échantillonnage des différents cours d’eau prospectés pendant la
IV. 7. Typologie biotique des stations d’échantillonnage
Une analyse factorielle des correspondances (AFC) a été réalisée sur le tableau des
abondances log-transformées des macroinvertébrés benthiques identifiés et dénombrés
(suppression des taxons absents dans moins de 3 relévés faunistiques) sur l’ensemble des
campagnes d’échantillonnage et des stations (11 stations X 13 campagnes d’échantillonnage).
Les axes factoriels F1 (8,4 %) et F2 (5,0 %) expriment ensemble 13,4 % de l’inertie totale
(Figure 36). Cette analyse permet, en tenant compte des axes principaux, de révéler les
affinités de certains groupes taxonomiques de macroinvertébrés benthiques avec certaines
stations. Ainsi, les taxons de l’ordre des Hétéroptères et des Odonates sont beaucoup plus
retrouvés dans les stations S5, S6, et S8. Les taxons de l’ordre des Ephéméroptères et des
Trichoptères sont plus diversifiés dans la station S7 et les Ephéméroptères uniquement à la
station S11. Les taxons de l’ordre des Diptères préfèrent les stations S4 et S9 et les
Oligochètes la station S9 (cf. Annexe 5).
88

89

B C
D E
Figure 36 : Analyse Factorielle de Correspondances (AFC) appliquée au tableau des effectifs de

macro-invertébrés benthiques identifiés et dénombrés sur l’ensemble du plan
d’échantillonnage. (A) projections des principaux groupes taxonomiques de macroinvertébrés
benthiques sur le plan factoriel F1-F2 ; le nom de chaque groupe taxonomique est à la
moyenne pondérée (par les log d'effectifs) des positions des taxons (points noirs) qui
appartiennent à ce groupe; (B) valeurs-propres associées aux 10 premiers axes ; Les ellipses
d'inertie (95%) sont fournies par site ; (C, D et E) distribution des stations d’échantillonnage
sur le plan factoriel F1-F2 ; Les stations sont regroupées par sous-bassin versant : Famlem (C),
Kena et ses affluents (D) et affluent du Nlem (E). Le pourcentage d’inertie expliqué par un axe
est précisé le long de chaque axe.
90

Une analyse de 18 métriques (cf. Annexe 3) calculées et obtenues à partir du tableau des
effectifs de macroinvertébrés benthiques identifiés et dénombrés durant toute la période
d’étude a été réalisée à l’aide d’une Analyse en Composantes Principales (ACP). Les métriques
prises en compte sont la richesse et la composition taxonomiques et l’indice de diversité de
Shannon-Weaver. Une quantité maximale d’information est restituée par le plan factoriel F1-
F2, qui représente respectivement 28,3% et 11,3 % soit 39,6% de l’inertie totale (Figure 37).
A B
C D
Figure 37 : Analyse en Composantes Principales (ACP) des métriques calculées à partir du jeu
de données des effectifs de macroinvertébrés benthiques enregistrées pendant la période
d’étude ; (A) projection des métriques sur le cercle de correlation défini par les composantes
91

principales F1 et F2 ; (B, C et D) distribution des stations d’échantillonnage sur le plan factoriel

F1-F2 (au centre de gravité les campagnes d’échantillonnage réalisées sur ces stations)
compte tenu des valeurs de métriques associées à leurs peuplements; Les ellipses d'inertie
(95%) sont fournies par site ; les stations sont regroupées par sous-bassin versant : Famlem
(B), Kena et ses affluents (C) et affluent du Nlem (D). Le pourcentage d’inertie expliqué par un
axe est précisé le long de chaque axe.
D’après le cercle de corrélation (Figure 37), les métriques Trichoptera%S, EPT family, 1-GOLD,
l’indice de diversité de Shannon-Weaver, Heteroptera%S et Odonata%S sont négativement
correlées à l’axe F1. A l’opposé, les métriques Diptera%S et Oligochaeta%S sont positivement
corrélées à l’axe F1. La métrique Ephemeroptera%S est positivement corrélée à l’axe F2,
contrairement aux métriques Odonata%S, Bivalvia%S et Gasteropoda%S.
La distribution des stations sur la base de ces métriques (Figure 37) montre globalement trois
groupes de stations. Ainsi l’axe F1 oppose un premier groupe (GI) composé des stations S05 à
S08, ainsi que S11 (F1 < 0), à un deuxième groupe (GII) comprenant les stations S01 à S04 (F1
> 0). L’axe F2 oppose un troisième groupe (GIII) de stations incluant S09 à S11 (F2 > 0) aux
deux autres groupes.
Le groupe de stations S05 à S08 du cours d’eau Kena et ses affluents, ainsi que la station S11
du cours d’eau Famlem sont associés à des valeurs plus élevées que la moyenne des valeurs
(sur l’ensemble des stations x campagnes) des métriques EPT family, Trichoptera%S, 1-GOLD,
indice de Shannon-Weaver, Heteroptera%S et Odonata%S. Les stations S01 à S04 présentent
des valeurs nettement inférieures aux valeurs moyennes des métriques précédentes, mais
présentent en revanche des valeurs plus élevées des métriques Diptera%S et Oligochaeta%S
que les autres stations. Les stations S09 à S11 présentent des peuplements avec les valeurs
les plus fortes pour les métriques Diptera%S, log10(EPTD+1), Hirudinea%S (S9 et S10) et
Ephemeroptera%S (S11).
Une ACP « intra-campagne » du tableau des métriques a permis d’analyser la distribution des
valeurs de métriques dans les stations après avoir éliminé l’effet saisonnier (Figure 38). La
variance totale représentée sur le plan factoriel F1-F2 est de 40,8 %, avec respectivement
29,5 % et 11,3 % de l’inertie totale restitués par les axes F1 et F2. Le cercle de corrélation
montre que les métriques EPTfamily, Trichoptera%S, 1-GOLD, l’indice de Shannon-Weaver,
92

Heteroptera%S et Odonata%S sont négativement correlées à l’axe F1, tandis que les
métriques Oligochaeta%S, Diptera%S sont positivement corrélées à ce même axe. La
métrique Ephemeroptera%S est positivement correlée à l’axe F2, contrairement aux
métriques Gasteropoda%S et Bivalvia%S qui sont négativement correlées à ce même axe. La
distribution des stations sur le plan factoriel F1-F2 permet de mettre en évidence les trois
groupes de stations déjà relevés par l’ACP initiale, montrant ainsi que la structure
taxonomique des peuplements de macroinvertébrés benthiques sur ce bassin est
relativement peu affectée par la saisonnalité.
A B
C D
93

Figure 38 : Analyse en Composantes Principales (ACP) « intra–campagne » des métriques

calculées à partir du jeu de données des effectifs de macroinvertébrés benthiques
enregistrées pendant la période d’étude ; (A) projection des métriques sur le cercle de
correlation défini par les composantes principales F1 et F2 ; (B, C et D) distribution des
stations d’échantillonnage sur le plan factoriel F1-F2 compte tenu des valeurs de métriques
associées à leurs peuplements ; Les ellipses d'inertie (95%) sont fournies par site ; les stations
sont regroupées par sous-bassin versant : Famlem (B), Kena et ses affluents (C) et affluent du
Nlem (D). Le pourcentage d’inertie expliqué par un axe est précisé le long de cet axe.
IV. 8. Relation entre la structure taxonomique des communautés

macrobenthiques et les variables physico-chimiques
L’influence des paramètres abiotiques sur les métriques calculées sur les d’effectifs de
macroinvertébrés benthiques (cf. annexe 3) récoltés pendant la période d’étude a été établie
à l’aide d’une analyse de redondance (RDA). Les deux premiers axes utilisés pour l’expression
des résultats de la RDA cumulent 71,1 % de l’inertie totale (Figure 39).
La distribution des relevés sur le premier plan factoriel permet d’identifier trois groupes de
stations. L’axe 1 isole dans sa partie positive (F1 > 0) les stations appartenant au cours d’eau
Kena et à ses affluents (S05 à S08) et la station S11 du cours d’eau Famlem, toutes situées en
zone rurale. Une forte oxygénation des eaux semble principalement à l’origine de valeurs
élevées des métriques Trichoptera%S, EPT family, 1-GOLD, Heteroptera%S, Odonata%S et de
l’indice de diversité de Shannon-Weaver. Dans la partie négative de l’axe (F1 < 0), sont
regroupées les stations situées en zone urbaine notamment celles de l’affluent du Nlem (S01
à S03), ainsi qu’un affluent du cours d’eau Kena (la station S04). Il semble que ce soit la forte
minéralisation et une forte charge en matières organiques qui soient responsable de
peuplements à la structure principalement caractérisée par des valeurs élevées de la
métrique Diptera%S.
L’axe F2 oppose les stations du Famlem (S09 à S11) du coté négatif de l’axe (F2 < 0), des deux
autres groupes de stations (F2 > 0). La structure des peuplements, caractérisée par des
valeurs élevées des Oligochaeta%S, Turbellaria%S et Ephemeroptera%S dans les sites S09 à
94

S11, semble être liée à des concentrations élevées en nitrates, des températures élevées, des
taux élevés de MES et une forte turbidité.
Figure 39 : Analyse de Redondance (RDA) des relations entre métriques et variables physico-
chimiques de l'eau ; A : poids canoniques des variables physico-chimiques de l’eau ; (B)
projection des métriques sur le plan factoriel F1-F2 ; (C, D et E) distribution des stations
d’échantillonnage sur le plan factoriel F1-F2 ; Les ellipses d'inertie (95%) sont fournies par
site ; les stations sont regroupées par sous-bassin versant : (C) affluent du Nlem (D) Kena et
ses affluents et (E) Famlem. Le pourcentage d’inertie expliqué par un axe est précisé le long de
cet axe.
95


CHAPITRE V
Construction d’un indice multimétrique
d’évaluation de la qualité écologique des
eaux de la région Ouest du Cameroun

V. 1. Principe général de construction de l’IMMOC
Ce chapitre décrit la démarche de construction d’un indice de bio-évaluation de la qualité

écologique des cours d’eau de la région de l’Ouest Cameroun basé sur les communautés de
macroinvertébrés benthiques. Les données utilisées dans la construction de ce nouvel indice
sont celles de nos échantillons réalisés de décembre 2015 à décembre 2016 dans la région de
l’Ouest, plus précisément dans le département de la Mifi (chef-lieu Bafoussam). Des données
supplémentaires provenant d’autres suivis, menés par des étudiants de master, ont été
utilisées. Ces données proviennent des départements du Haut-Nkam (chef-lieu Bafang) et du
Noun (chef-lieu Foumban), dans la même région. Le jeu de données final inclut 18 stations
d’étude, pour un total de 187 opérations de contrôle (OPC).
Ce nouvel indice est basé sur le même principe méthodologique que celui de l’indice
multimétrique français prévu pour les cours d’eau peu profonds (Mondy et al. 2012). Les
résultats de l’ACP sur les variables physico-chimiques et de l’AFC sur les métriques relevant de
la faune benthique ont permis d’identifier les stations impactées et les stations de référence
(Figures 42 et 43).
L’ensemble des données a été scindé en (i) un jeu de données d’apprentissage pour la
construction de l’indice et (ii) un jeu de données test pour évaluer la robustesse de l’indice
proposé. Les valeurs des différentes métriques candidates ont été transformées en EQR
(Ecological Quality Ratio). Ces métriques ont été sélectionnées sur la base de leur efficacité de
discrimination (si > 0,5) et leur stabilité en conditions de référence (coefficient de variation <
0,6).
Sur la base des métriques candidates retenues, un certain nombre d’indices multimétriques
potentiels ont été construits de manière itérative, par agglomérations successives des
métriques en partant d’une des métriques candidates sélectionnées et en conservant à
chaque pas, l’agglomération qui augmente le plus largement – et de manière statistiquement
significative – le pouvoir de discrimination de l’indice en construction (par rapport à l’indice
issu du pas précédent). Le processus d’agglomérations successives est arrêté, pour un indice
donné, lorsque l’ajout d’une métrique supplémentaire, n’augmente plus de manière
significative le pouvoir de discrimination de l’indice multimétrique en construction.
96

Parmi tous les indices candidats, l’indice final retenu est celui présentant le meilleur
compromis entre efficacité de discrimination et stabilité en conditions de référence. La
robustesse de cet indice est ensuite testée sur le jeu de données test.
La figure ci-dessous présente la démarche suivie pour la construction de l’indice final.
Figure 40 : Principales étapes de la démarche de construction de l’indice multimétrique

régional de bio-évaluation des cours d’eau de la région de l’Ouest Cameroun (d’après Mondy
et al. 2012 modifié). IMMO : Indice Multimétrique des Macroinvertébrés de la région Ouest
du Cameroun ; LIRRs : Least Impaired River Reaches (stations les moins impactées, relevant au
moins du « bon état » chimique) ; IRRs : Impaired River Reaches (stations significativement
97

impactées) ; EQR : Ratio de Qualité Ecologique ; DE : Efficacité de Discrimination ; CV :

Coefficient de variation.
V. 2. Intérêt de la mise en place d’un indice de bio-évaluation de la qualité

écologique des eaux au Cameroun
Parmi les différentes approches méthodologiques disponibles pour l’évaluation de la qualité

écologique des milieux aquatiques, l’approche multimétrique se révèle être un moyen très
prisé car plus représentatif de l’état écologique du milieu. La mise en place d’une telle
approche comporte un certain nombre d’avantages au rang desquels :
- le développement d’un indice intégrant des variables multiples (métriques),

potentiellement sensibles à différents types de dégradation d’origine anthropique ;
- une meilleure prise en compte du fonctionnement écologique du milieu ;
- une prise en compte simultanée de caractéristiques structurales et fonctionnelles
complémentaires des communautés, en combinant plusieurs catégories de métriques
(richesse et composition taxonomiques, mesure de tolérance à la pollution, traits
biologiques et écologiques) (Karr 1999, Karr & Chu 1999) ;
- une meilleure détection des différences entre les cours d’eau non perturbés et perturbés
(Ofenböck et al. 2004);
- une méthode non limitée géographiquement et transposable à d’autres régions ;
- une méthode flexible qui peut facilement être ajustée en ajoutant ou en supprimant des
métriques ou en affinant les valeurs seuil de métriques (Lock et al. 2011) ;
- un outil facile à mettre en application par les gestionnaires des écosystèmes aquatiques.
Un tel indice permettrait au Cameroun d’évaluer la qualité des eaux de ses différents milieux
aquatiques de manière performante et homogène.
98

V. 3. Choix des sites de référence
Cette étape constitue une démarche clé dans l’élaboration d’un indice de bioindication. Selon
la Directive Cadre Européenne (DCE, 2000), les conditions de référence sont définies comme
correspondant à une qualité écologique élevée, caractérisée par un état naturel peu ou pas
influencé par l’homme. De ce fait, les sites de référence doivent être définis en fonction de
leurs caractéristiques hydromorphologiques, physico-chimiques et biologiques. Cependant,
de telles conditions sont difficiles à délimiter clairement surtout parce que les sites peu ou
pas influencés par l’homme se font de plus en plus rares dans un contexte camerounais où les
milieux aquatiques sont utilisés comme dépotoir pour toutes sortes de déchets (liquides et
solides). En outre, la fréquence de plus en plus élevée des précipitations transforme les
milieux aquatiques en de véritables réceptacles à déchets, à la faveur des eaux de
ruissellement. Les conditions de référence peuvent aussi être établies en tenant compte des
sites disponibles sur le terrain, les moins dégradés possibles. C’est cette dernière approche
qui a été utilisée dans ce travail. Les stations les moins impactées (LIRRs) sont celles
présentant une bonne qualité physico-chimique de l’eau, avec peu de terrains agricoles et/ou
urbanisés sur le bassin-versant drainé. Les stations impactées (IRRS) sont soumises à des
pressions anthropiques significatives, qui donnent aux eaux une qualité chimique et
biologique moyenne à mauvaise.
V. 4. Méthodologie
V. 4.1. Construction de la base des données
a) Détermination du statut des différentes stations
Le jeu de données utilisé pour la construction de l’indice est celui provenant des échantillons
réalisés dans le département de la Mifi (chef-lieu Bafoussam). Ce jeu de données, a été
complété par des opérations de contrôle supplémentaires réalisées par des étudiants de
master ayant fait leur échantillonnage dans la même région mais dans des départements
différents à savoir le Haut-Nkam et le Noun. Ces données complémentaires ont été obtenues
en respectant le même protocole d’échantillonnage mais en appliquant un niveau
d’identification « familial ». La détermination des stations LIRRS et IRRS sur le nouveau jeu de
99

données a été réalisée en effectuant une ACP sur les données abiotiques et une AFC sur les
données biotiques.
Le premier plan factoriel, issu de l’ACP sur les variables physico-chimiques, permet
d’expliquer 32,1% de l’inertie totale [F1 (17,5%) et F2 (14,6%) ; Figure 41C]. L’axe factoriel F1
est corrélé positivement à la teneur en oxygène dissous et négativement à plusieurs
paramètres tels que la conductivité, l’oxydabilité, l’alcalinité et les concentrations en nitrates.
Cet axe oppose des stations LIRRs (F1 > 0) et IRRs (F1 < 0). La projection des stations sur ce
plan factoriel nous montre que les stations S5 à S8 de notre jeu de données de départ et les
stations supplémentaires Ma1 à Ma3, Li1 à Li3 et Mf1 peuvent toutes être considérées
comme des LIRRs, alors que les stations S1 à S4 et S9 à S11 doivent être considérées comme
des IRRs (Figure 41A et B).
Les résultats de l’AFC appliquée au tableau des abondances familiales sur l’ensemble des
stations sont présentés sur la Figure 42. Les deux premiers axes factoriels représentent 18,8%
de l’information contenue dans le tableau initial, et nous permettent de scinder les stations
en trois groupes. Le premier groupe est celui des stations S5 à S8, Ma1 à Ma3, et Mf1. Elles
sont colonisées par des organismes qui se développent dans les cours d’eau de bonne qualité.
La présence de ces taxons polluo-sensibles dans ces stations valide leur classement initial
comme LIRRs par leurs caractéristiques physico-chimiques. Les stations du deuxième groupe
(S1 à S4, S9 et S10) sont colonisées par des organismes polluo-tolérants, et devraient plutôt
être considérées comme des IRRS. Bien que leur position sur l’axe 1 les place plutôt à
proximité des stations dites de référence (LIRRs), les stations du troisième groupe (Li1 à Li3)
diffèrent des autres stations d'un point de vue faunistique par la présence de Blattidae et
d'Haplotaxidae.
100

B
A
C Figure 41 : Analyse en Composantes

Principales (ACP) appliquée au tableau des
variables physico-chimiques de l’ensemble
du jeu de données normalisées. (A)
distribution des stations d’échantillonnage
compte tenu de leurs caractéristiques
abiotiques sur le plan factoriel F1-F2. (B) Vue
d’ensemble de la répartition des stations sur
le plan factoriel F1-F2. (C) Cercle de
corrélations des variables physico-chimiques
avec les axes F1 et F2. Le pourcentage
d’inertie expliqué par un axe est précisé le
long de cet axe.
101

Figure 42 : Analyse Factorielle de Correspondances (AFC) appliquée au tableau des

relevés faunistiques de macro-invertébrés benthiques. (A) positions des familles de
macroinvertébrés benthiques sur le plan factoriel F1-F2 pour les six principaux groupes
d’invertébrés identifiés ; chaque point noir correspond à la position d’une famille du
groupe systématique associé à la figure correspondante. (B) positions des autres
familles sur le plan factoriel F1-F2 (C) positions des stations sur le plan factoriel F1-F2.
Chaque campagne (point noir) est reliée à la position moyenne de la station (rectangle
encadrant le label) dans laquelle elle a été réalisée par un trait. Le pourcentage
d’inertie expliqué par un axe est précisé le long de cet axe.
b) Organisation des données
Le jeu de données, qui rassemble 187 opérations de contrôle (OPC), a été scindé en (i) un jeu
de données d’apprentissage et (ii) un jeu de données test. Ainsi, pour chaque station et
chaque campagne durant laquelle des prélèvements ont été réalisés, 75 % des OPC ont été
sélectionnées aléatoirement et incluses dans le jeu de données d'apprentissage, en
respectant toutefois les proportions initiales du jeu de données initial en LIRRs et IRRs. Les
OPC restantes (25% des OPC) ont été incluses dans le jeu de données test. Le jeu de données
d’apprentissage comprend donc 140 OPC, et le jeu de données test 47 OPC (cf. Annexe 3). Sur
les deux jeux de données (apprentissage et test), les métriques taxonomiques candidates à
102

l’IMMOC ont été calculées. Par manque d’informations précises sur les traits fonctionnels des
invertébrés constituant ces communautés, seules des métriques de richesse et de diversité
taxonomique ont pu été calculées.
V. 4.2. Choix des métriques
Une phase importante dans la construction de l’indice est la recherche des métriques
appropriées pour être intégrées dans l’indice final. D’après Karr (1999) une métrique est une
mesure calculée qui décrit certains aspects d’une communauté biologique comme sa
structure, son fonctionnement ou tout autre caractéristique biologique. Ainsi, plusieurs
métriques peuvent être utilisées dans la construction d’un indice comme des descripteurs
taxonomiques (indices de diversité, richesse taxonomique, abondances relatives, espèces
indicatrices) qui sont très fréquemment impliqués dans la construction d’indices
multimétriques. Il y a aussi des métriques non taxonomiques telles que les traits biologiques
et écologiques (Usseglio-Polatera et al. 2000) qui sont maintenant très utilisés dans la
construction des indices de bioindication. Un indice multimétrique est une combinaison de
plusieurs métriques qui, ensemble, sont à même de représenter de manière objective la
gamme de réponses des communautés biologiques face aux pressions anthropiques.
Les grandes catégories de métriques prises en compte sont (Tableau XV) :
- des métriques relatives à la richesse taxonomique (e.g. richesse relative en
Ephéméroptères) ;
- des métriques de composition taxonomique de la communauté (e.g. 1 – abondance
relative des Gastéropodes, Oligochètes et Diptères) ;
- des métriques composites faisant intervenir la richesse taxonomique et la distribution
des individus au sein des taxons (e.g. indice de diversité de Shannon-Weaver).
103

Tableau XIII : Liste des métriques candidates calculées
Métriques relatives à la
Métriques de composition
richesse taxonomique Métriques composites
taxonomique de la communauté
Richesse taxonomique 1-GOLD Indice de diversité de Shannon
Coleoptera%S Log10(EPTD+1) Indice d’Equitabilité de Piélou
Dictyoptera%S
Diptera%S
Ephemeroptera%S
Gasteropoda%S
Heteroptera%S
Odonata%S
Oligochaeta%S
Hirudinea%S
Trichoptera%S
EPT family
Turbellaria%S
Bivalvia%S
V. 4. 3. Etapes de construction de l’indice
Compte tenu de fortes différences dans le comportement des métriques le long d’un gradient
de pression croissant (i.e. croissantes vs décroissantes ; sensibilité variable sur l’ensemble du
gradient) et dans leurs étendues (i.e. gammes de valeurs possibles), il a été important de
transformer ces métriques en EQR, afin de les ramener à une même étendue [0, 1] et à un
même sens de variation.
V. 4. 3.1. Détermination des valeurs « worst » et « best » des métriques
Les valeurs des métriques ont été transformées en écarts normalisés (Standardized Effect
Size, SES) à la situation de référence (Gotelli and McCabe 2002) dans le but de comparer
directement ces valeurs de métriques entre les différentes stations, d’après la formule ci-
après :
SES = (Obs – MLIRR) / sdLIRR [1]
104

avec : Obs = valeur observée de la métrique pour une station donnée ; MLIRR et sdLIRR =
moyenne et écart–type des valeurs de la métrique en situation de référence pour un même
type de cours d’eau.
V. 4. 3.2. Les types de réponse de chaque métrique
L’Efficacité de discrimination (DE) de chaque métrique calculée est associée à un type de

réponse dont trois types possibles ont pu être dégagés :
- Type I : pas de réponse significative ;
- Type II : la métrique diminue significativement en situation perturbée par rapport à la
valeur observée en situation de référence pour le même type de cours d’eau (métrique
décroissante) ;
- Type III : la métrique augmente significativement en situation perturbée par rapport à la
valeur observée en situation de référence pour le même type de cours d’eau (métrique
croissante).
Pour une métrique donnée et une catégorie de pression donnée, DESES(25) correspond à la
proportion d’opérations de contrôle réalisées sur des stations impactées dont la valeur SES de
la métrique est inférieure au premier quartile de la distribution de valeurs des opérations de
contrôle réalisées sur des stations de moindre impact anthropique. DESES(75) est la proportion
d’opérations de contrôle réalisées sur des stations impactées dont la valeur SES de la
métrique est supérieure au troisième quartile de la distribution de valeur des stations de
moindre impact anthropique. Ainsi, trois cas peuvent se présenter selon que la métrique
réponde de manière différente à une perturbation en fonction de l’intensité de la
perturbation pour une station donnée.
- DEses(25) < 0,25 et DEses(75) < 0,25 alors pas de réponse (la distribution de valeurs des stations
impactées n’est pas différente de celle des stations peu impactées), on est dans la réponse
de type I ;
- DEses(25) ˃ 0,25 et DEses(25) ˃ DEses(75), dans ce cas la métrique est décroissante et la réponse
est de type II ;
- DEses(75) ˃ 0,25 et DEses(25) < DEses(75), alors la métrique est croissante et on est dans une
réponse de type III.
105

Au regard des différents modèles de réponse possibles pour une métrique, il paraît nécessaire
de rapporter la valeur brute d’une métrique à une valeur dite de référence. De ce fait, pour
chaque métrique, ont été calculées les « meilleures » et les « pires » valeurs pour le jeu de
données utilisé. En fait, ce sont les 5ème et 95ème percentiles de la distribution des valeurs SES
pour les stations de moindre impact anthropique (LIRRs) et les stations impactées (IRRs) qui
vont être utilisées pour éviter que la valeur « best » ou la valeur « worst » ne soient pas
dépendante d’une valeur « trop » particulière (i.e. la valeur la plus élevée ou la plus faible). La
valeur « best » correspondra donc au 95ème percentile (type I ou II), ou au 5ème percentile
(type III) de la distribution des valeurs observées dans les stations peu impactées pour un type
de cours d’eau donné (tous les cours d’eau appartiennent au même type dans notre jeu de
données). La valeur « worst » correspondra au 5ème percentile (type I ou II) ou au 95ème
percentile (type III) des valeurs observées sur l’ensemble des stations impactées. Ainsi,
l’utilisation du 5ème et 95ème percentiles plutôt que les valeurs les plus basses et/ou les plus
élevées de la distribution permet d’éviter des biais liés à des valeurs extrêmes (Ofenböck et
al, 2004).
Figure 43 : Illustration des types de réponse des métriques par rapport aux pressions
anthropiques : (a) métriques décroissantes avec l’augmentation des pressions (réponse de
type II) et (b) métriques croissantes avec l’augmentation des pressions (réponse de type III).
106

Les boites à moustache représentent la distribution des valeurs de métriques exprimées en

SES pour les stations LIRRS et IRRS. Les boîtes s’étendent du 25ème au 75ème percentile. Les
lignes épaisses représentent les valeurs médianes de la distribution. Les moustaches
représentent les valeurs extrêmes et les lignes en pointillés correspondent au 1er et 3ème
quartiles de la distribution des valeurs SES pour les stations LIRRS (d’après Mondy et al. 2012).
V. 4. 3. 3. Normalisation des métriques en EQR (Ratio de Qualité Ecologique)
D’après Hering et al. (2006), les EQRs sont calculés de la façon suivante :
 EQR = (Obs – Min)/ (Max – Min) [2], si la métrique est du type I ou II
 EQR = 1 – [(Obs – Min)/ (Max – Min)] [3], si la métrique est du type III
Avec : « Obs » la valeur observée de la métrique pour un point de prélèvement donné sur
un cours d’eau. Pour l’équation [2 et 3] « Max » et « Min » correspondent respectivement
à la valeur « best » et à la valeur « worst » pour cette métrique.
Si la valeur d’EQR calculée est supérieure à 1 (cas d’une station restituant une valeur
supérieure à la valeur « best ») alors la valeur de l’EQR est bornée à 1, et si la valeur de l’EQR
calculée est inférieure à 0, la valeur de l’EQR est bornée à 0 (s’il a une qualité plus faible que
la valeur « worst »).
V. 4.3.4. Sélection des métriques candidates
Les métriques candidates à prendre en compte dans la construction de notre indice

multimétrique doivent faire l’objet d’une sélection et celles conservées devront répondre aux
critères suivants :
(i) efficacité de discrimination élevée (DE) qui pour une métrique et un type de pression
précis est considérée comme la proportion d’assemblages faunistiques sur sites perturbés
(IRRS), restituant une valeur d’EQR plus faible que la valeur du premier quartile de la
distribution des valeurs de cette métrique dans les sites de moindre impact anthropique
(LIRRS). Pour qu’une métrique satisfasse ce critère, elle doit présenter une DE supérieure à
0,5 sur l’ensemble des types de pression pris en compte.
107

(ii) stabilité de la métrique dans les LIRRs, évaluée en utilisant le coefficient de variation (CV)
de sa distribution de valeurs exprimées en EQR dans les LIRRs. Les métriques
sélectionnées doivent présenter un CV inférieur 0,6.
Ainsi, une première sélection de métriques a été effectuée en conservant les métriques
discriminant un état perturbé d’un état non perturbé et dont la DE était supérieure à 0,5 et le
CV dans les LIRRs était inférieur à 0,6.
iii) non-redondance : pour les métriques fournissant le même type d’informations

biologiques, seule la métrique présentant la valeur de DE la plus élevée est conservée
pour une intégration éventuelle dans l’indice multimétrique.
V. 4.3.5. Combinaison des métriques candidates et construction de l’indice
Les métriques candidates potentielles sont assemblées de manière itérative selon le

protocole de construction de l'I2M2 (Mondy et al. 2012) de la manière suivante :
[1] une première métrique, parmi les métriques sélectionnées, est fixée. Une seconde
métrique lui est ensuite agglomérée. Elle est choisie parmi les autres métriques candidates
(tous les couples de métriques possibles formés par cette première métrique et l’une ou
l’autre des métriques candidates sont testés). Puis, la DE et le CV de chaque couple de
métriques sont calculés ;
[2] Le couple de métriques retenu est le couple - parmi tous les couples de métriques testés -
qui présente la plus forte augmentation statistiquement significative de DE lorsque comparée
à la métrique initiale ;
[3] L'étape [2] est reprise en conservant le premier couple de métriques précédemment
sélectionné. Tous les triplets de métriques possibles en rajoutant une métrique candidate
supplémentaire sont testés. Le meilleur triplet de métriques retenu est le triplet - parmi tous
les triplets de métriques testés - qui présente la plus forte augmentation statistiquement
significative de DE lorsque comparée à la valeur de DE du couple de métriques sélectionné au
pas précédent;
108

[4] La construction itérative de l’indice est poursuivie jusqu’à ce qu’aucune métrique

supplémentaire ne parvient à augmenter de manière significative la DE de l’indice
multimétrique.
Un indice multimétrique candidat est donc construit par métrique candidate élémentaire (i.e.
la première métrique fixée).
L’indice multimétrique final sera celui qui assurera le meilleur compromis entre (i) efficacité
de discrimination élevée, (ii) absence de différence de capacité de discrimination entre jeu de
données d’apprentissage et jeu de données test et (iii) distributions de valeurs non
significativement différentes dans les sites de référence (LIRRS) sur le jeu de données
d’apprentissage et le jeu de données test.
V. 5. Résultats
Les calculs ont été réalisés avec le logiciel R (R Development Core Team 2015).
V. 5.1. Sélection des métriques candidates et construction de l’indice final
Sur les 18 métriques testées, cinq métriques (indice de diversité de Shannon-Weaver,

Heteroptera%S, Odonata%S, Diptera%S et 1-GOLD) présentent une DE supérieure à 0,5 et un
CV dans les LIRRs inférieur à 0,6 (Tableau XVI).
Les boxplots des métriques dans les LIRRS et les IRRS sont représentés ci-dessous (cf. Figure
44).
Tableau XIV : Valeurs de l’efficacité de discrimination (DE) et du coefficient de variation (CV)

dans les LIRRs des cinq métriques candidates retenues pour intégration éventuelle à l’indice
multimétrique IMMOC
Métriques retenues Shannon Heteroptera%S Odonata%S Diptera%S 1 - GOLD

Efficacité de 0,84 0,61 0,54 0,64 0,76
discrimination (ED)
Coefficient de 0,29 0,47 0,49 0,18 0,16
variation (CV)
109

Shannon Coleoptera%S
1,0
1,0
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0,0
0,0
IRR LIRR
IRR LIRR
DE = 0,84 , CV = 0,29 DE = 0,41 , CV = 0,64
Diptera%S Ephemeroptera%S
1,0
1,0
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0,0
0,0
IRR LIRR IRR LIRR
DE = 0,64 , CV = 0,18 DE = 0,3 , CV = 0,53
110

Heteroptera%S Odonata%S
1,0
1,0
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0,0
0,0
IRR LIRR IRR LIRR
DE = 0,61 , CV = 0,47 DE = 0,54 , CV = 0,49
Oligochaeta%S Gastropoda%S
1,0
1,0
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0,0
0,0
IRR LIRR
IRR LIRR
DE = 0,49 , CV = 0,19
DE = 0,43 , CV = 0,34
111

Turbellaria%S 1 - GOLD
1,0
1,0
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0,0
IRR LIRR 0,0 IRR LIRR
DE = 0 , CV = 2,83 DE = 0 ,76 , CV = 0,16
EPTfamily log10(EPTD+1)
1,0
1,0
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0,0
0,0
LIRR IRR LIRR

IRR
DE = 0,51 , CV = 0,77 DE = 0 , CV = 1,81
Figure 44 : Représentations de quelques métriques sous forme de boîtes à moustache

dans les LIRRS et les IRRs avec leur efficacité de discrimination (ED) et leur coefficient
de variation (CV). 112

A partir de ces métriques candidates et en testant chaque métrique séparément comme

métrique de base suivant le protocole décrit précédemment (cf. V.4.3.5), on obtient une
combinaison de cinq indices multimétriques candidats :
[1] "Shannon" "1-GOLD"
[2] "Diptera%S" "Shannon" "1-GOLD" "Odonata%S"
[3] "Heteroptera%S" "Shannon" "1-GOLD"
[4] "Odonata%S" "Shannon"
[5] "1-GOLD" "Shannon"
La combinaison [1] est constituée de la même combinaison de métriques que la combinaison

[5] (elles n’ont simplement pas été sélectionnées dans le même ordre) ; donc l’une des deux a
été exclue (la combinaison [5]) et l’autre conservée (la combinaison [1]). Le test de
Kolmogorov-Smirnov a révélé que la combinaison [2] fournissait des gammes de valeurs
significativement différentes pour les LIRRS des deux jeux de données (apprentissage et test).
Finalement les meilleures combinaisons retenues sont :
[1] Combo C1: Shannon et 1-GOLD

DE.app = 0,857 ; CV.app = 0,173
DE.tst = 0,952 ; CV.tst = 0,123
Pval (KS) = 0,201
[2] Combo C2: Heteroptera%S, Shannon et 1-GOLD

DE.app = 0,814 ; CV.app = 0,185,
DE.tst = 0,905 ; CV.tst = 0,138
Pval (KS) = 0,722
[3] Combo C3: Odonata%S et Shannon

DE.app = 0,829 ; CV.app = 0,305
DE.tst = 0,952 ; CV.tst = 0,18
Pval (KS) = 0,166
113

Au regard des critères que doivent respecter notre indice c’est-à-dire une efficacité de
discrimination élevée et une stabilité dans les sites de référence (LIRRS), les trois
combinaisons ci-dessus respectent ces critères. Mais la combinaison [1] possède à la fois la DE
la plus élevée et le CV le plus faible, et ceci sur les deux jeux de données et sera donc notre
indice final. Les boxplots des indices candidats entre les LIRRS et les IRRs du jeu de données
d’apprentissage (app) et test (tst) sont présentés ci-dessous (Figure 45).
C1 − Shannon et 1−GOLD
DE.app = 0,857; DE.tst = 0,952; CV.app = 0,173; CV.tst = 0,123; Pval(KS) = 0,201
114

C2 − Heteroptera%S, Shannon et 1−GOLD

C3 − Odonata%S et Shannon
Figure 45 : Représentation des boîtes à moustache des trois meilleurs indices candidats
entre les LIRRS et les IRRs du jeu de données d’apprentissage (app) et test (tst). 115

Le test de corrélation de Pearson entre l’indice [1] comme les autres indices d’ailleurs, n’est
pas individuellement corrélé aux variables environnementales. Cette combinaison semble
tout de même adéquate quant à la discrimination des sites de référence et des sites impactés
par une ou plusieurs pressions anthropiques.
La formule pour le calcul de l’indice final nommé IMMOC (Indice Multimétrique des
Macroinvertébrés de la région Ouest du Cameroun) avec les métriques retenues est donnée
dans l’équation [4] :
IMMOC = ∑(DEm x EQRm) ∑DEm [4]
Avec DEm l’efficacité de discrimination de la métrique m, et EQRm la valeur en EQR de la

métrique m pour une OPC.
Dans ce calcul, la valeur en EQR pour chacune des métriques intégrées au calcul de l’indice
est multipliée par son efficacité de discrimination, ce qui permet de donner plus de poids
dans le calcul aux métriques qui ont les DE les plus élevées. La division par la somme des DEs
des métriques permet de borner les valeurs de l’indice entre 0 et 1.
Dans l’indice multimétrique français (I2M2, Mondy et al. 2012) pour chaque catégorie de
pression, un sous-indice est calculé selon l’équation [4] et l’indice final est obtenu en faisant
la moyenne de tous ces sous-indices. Dans le cadre de cette première étude limitée à une
seule région, les stations prises en compte étaient soumises à plusieurs types de pressions à
la fois (domestiques, industrielles, agricoles et physiques), dont il était difficile de distinguer
les effets compte tenu du faible nombre d’OPC, ce qui ne nous a pas permis de calculer des
sous-indices par type de pression.
V. 5.2. Détermination des classes de qualité écologique
L’IMMOC est découpé en 5 plages de valeurs, afin de définir les classes d’état écologique :
« très bon », « bon », « moyen », « médiocre » et « mauvais » (Figure 46). Une telle
interprétation nécessite la définition des limites « inter-classes ». Les sites de référence sont,
116

dans un premier temps, classés en « très bon/ » ou « bon » état (Barbour et al. 1999). Ainsi le
découpage en classes d’état écologique a été réalisé de la façon suivante :
1. le premier quartile (Q25) de la distribution des valeurs d’indice pour les stations les moins
impactées (LIRRs) a été désigné comme limite entre la classe « très bon » état et la classe
« bon » état écologique ;
2. les autres limites ont été définies en découpant l’étendue de variation restante (entre
cette limite de classe et la valeur 0) en 4 intervalles d’égale amplitude.

Classe de qualité de l’IMMOC dans les LIRRs

 
Très bon
Classes de qualité écologique

Très bon
Bon
Moyen
Médiocre
Mauvais
Figure 46 : Limites des classes écologiques de l’IMMOC.
117

En appliquant le principe de découpage ci-dessus, nous obtenons les classes de qualité

correspondant aux gammes de valeurs d’indice consignées dans le tableau XVII.
Tableau XV : Présentation des limites des différentes classes écologiques de l’IMMOC.
Mauvais Médiocre Moyen Bon Très bon

[0 ; 0,167 [ [0,167 ; 0,358 [ [0,358 ; 0,514 [ [0,514 ; 0,673 [ [0,673 ; 1 [
Des classes d’état écologique ont été attribuées à chaque station via l’IMMOC (C1), pour
chaque date d’échantillonnage. La fréquence relative des différentes classes de qualité
obtenues sur chaque station, pour l’ensemble des campagnes d’échantillonnage est illustrée
par la figure 47. L'évolution saisonnière de l’état écologique sur les 13 mois d’échantillonnage
est illustrée par la figure 48.
118

Figure 47 : Distributions des classes d’état écologique restituées par chacun des trois indices
candidats pour chaque station sur 13 campagnes d’échantillonnage.
Indice C1
119

Indice C2
Indice C3
Figure 48 : Evolution mensuelle de l’état écologique de toutes les stations étudiées par les
trois indices multimétriques candidats.
120


CHAPITRE VI
Discussion générale

VI. 1. Analyses physico-chimiques
Les fluctuations thermiques observées sur l’ensemble des cours d’eau seraient liées à celles
de la température ambiante, car d’après Liechti et al. (2004), les variations thermiques des
écosystèmes lotiques épousent celles de l’air. Les variations de température entre les stations
seraient dues au degré d’ensoleillement qui caractérise cette région et au renouvellement
des eaux par le courant lors des précipitations (Mandal 2014). Selon Dajoz (1982), la
fréquence des pluies contribue à l’agitation des eaux et favorise une harmonisation des
températures avec l’environnement. La plage de température des différents cours d’eau est
similaire à celle obtenue par Foto Menbohan et al. (2012 et 2013) dans deux cours d’eau
périurbains de la ville de Yaoundé, et reste inférieure à celle obtenue par Onana et al. (2016)
dans un cours d’eau anthropisé de la ville de Douala. Ces valeurs de la température sont
superposables à celles obtenues par Mpakam (2008) à Bafoussam.
Les valeurs de la turbidité de l’eau sur l’ensemble des stations durant la période d’étude
varient suivant la saison et l’origine des matières particulaires (d’origine naturelle ou
anthropique). C’est dans la station S2 de l’affluent du cours d’eau Nlem que les eaux sont les
plus turbides (e.g. 432NTU), notamment en période d’étiage. Ceci pourrait être dû aux
effluents provenant de la société de Savonnerie de l’Ouest Cameroun (SOC) et des déchets
ménagers qui sont soit déversés directement dans le cours d’eau, soit drainés par les eaux de
pluie. Les valeurs de MES et de couleur sont relativement importantes dans toutes les
stations en période de crue, à cause du charriage des détritus ménagers rejetés par les
riverains au moment des averses. Une autre cause pourrait aussi être l’érosion et la remise en
suspension de certaines particules dans l’eau (Lecerf 2005) causées par l’extraction de sable
par les riverains. En effet, cette activité semble très rentable en saison des pluies dans cette
région et offre des emplois temporaires à de nombreux jeunes.
En période d’étiage, la forte coloration et la teneur élevées des eaux en MES relevées à la
station S2 en décembre 2016 et S3 en février seraient dues à l’apport d’effluents provenant
des industries (société de Savonnerie de l’Ouest Cameroun), des ménages, des latrines et des
marchés établis le long ou à proximité de ces stations.
Les valeurs de pH pour la plupart des stations ont été comprises entre 6 et 9 (Angelier 2000),
à l’exception des stations S2 (11,3 UC) et S3 (10,8 UC) de l’affluent du cours d’eau Nlem. Ces
121

valeurs de pH pour ces deux stations seraient liées à la nature basique des effluents de la
savonnerie auxquels s‘ajoutent quelques déversements liquides provenant des ménages. Des
résultats analogues ont été obtenus par Tchakonté et al. (2015) dans les stations situées en
zone urbaine à Douala, qui recevaient les effluents basiques des sociétés de production de
boisson (Guinness), de textile (CICAM) et de verrerie (SOCAVER). Des observations semblables
ont été faites par Wang et al. (2012) qui soulignent la contribution de l’urbanisation à
l’augmentation du pH des eaux. Sur le plan saisonnier, les valeurs de pH observées dans les
différentes stations seraient tributaires à la nature basique des rejets effectués dans ces
stations.
Les fortes valeurs de conductivité électrique relevées dans les sites de prélèvement du Nlem
(e.g. 1470 µS/cm) s’expliqueraient par des apports permanents d’eaux usées domestiques et
industrielles fortement minéralisées provenant des brasseries et des savonneries. De très
fortes valeurs de conductivité (> 8500 µS/cm) ont également été obtenues par Rathore (2011)
en Inde, en aval d’une rivière fortement minéralisée par des effluents d’industries textiles et
d’imprimerie. A cet effet, Montgomery (1992) souligne que les effluents d’industries
chimiques sont très souvent chargés en polluants minéraux divers (sulfurés, phosphatés,
silicatés, métalliques, etc.). Foto Menbohan et al. (2006) avaient également obtenus dans
certains cours d’eau du Mfoundi des valeurs de conductivité électrique atteignant 8000
µS/cm. Les analyses des effluents de brasseries à Bafoussam par Njoyim et al. (2016) ont
abouti à des résultats similaires. Les valeurs relativement moins élevées observées dans le
cours d’eau Famlem et les affluents du Kena (< 300 µS/cm) traduisent la minéralisation
moyenne des eaux due aux intrants agricoles et aux déchets ménagers que reçoivent ces
cours d’eau ruraux (Deborde et al. 2016). Par ailleurs, ces valeurs de conductivité plus élevées
en période de transition saisonnière témoignent de la minéralisation des eaux engendrée par
la faible dilution des effluents que reçoivent ces cours d’eau.
Les faibles taux de saturation de l’eau en oxygène dissous dans les stations de l’affluent du
Nlem situées en zone urbaine seraient dus aux apports d’eaux usées, chargées en matières
organiques. Le caractère hypoxique des cours d’eau urbains avaient déjà été relevé par Foto
Menbohan (2012) et Dhillon et al. (2013). Pour la station S3, la pollution physique liée à la
construction d’un mur de soutènement sur ce tronçon contribuerait également à amoindri le
taux de saturation en oxygène dissous. Foto Menbohan et al. (2012) avait fait le même
constat sur le cours inférieur d’un des affluents de la Méfou en zone urbaine avec la
122

construction d’un barrage. Pour le cours d’eau Kena et ses affluents, les données enregistrées
de ce paramètre ont été dans la moyenne (50% à 70%) sauf à la station S4, à cause des
activités agricoles pratiquées à proximité de cette dernière. Les stations de ce sous bassin
versant situées en milieu rural sont moins anthropisés, avec une couverture forestière et une
ripisylve presque intactes, ainsi qu’une ventilation naturelle induite par la présence de radiers
et de méandres qui créent des conditions de turbulence et de recirculation des eaux,
favorisant leur ré-oxygénation à l’interface eau/air (Devidal et al. 2007 ; Fernandes et al.
2014). Dans le Famlem, on note une augmentation du taux de saturation en oxygène
lorsqu’on tend à s’éloigner de la ville en direction de la campagne. Ndam Ngoupayou et al.
(2007) expliquent ce phénomène par une autorégulation naturelle par dilution, décantation
ou sédimentation des matières dans le lit du cours d’eau le long de son parcours.
Les stations S7 et S8, affluents du cours d’eau Kena présentent de faibles valeurs de DBO5 qui
traduiraient tout simplement la faible quantité de matières organiques oxydables présentes
dans l’eau. Ces résultats s’apparentent à ceux obtenus par Tchakonté et al. (2015) dans deux
stations périurbaines de la ville de Douala. Par contre, les stations de l’affluent du Nlem et la
station S4 du Kena ont des valeurs élevées de DBO5 qui seraient liées aux apports des
effluents aussi bien industriels, que ménagers et agricoles qui enrichissent ces milieux en
matières organiques oxydables. Dans le cours d’eau Famlem, on note une baisse progressive
des teneurs en matières organiques de l’amont vers l’aval, serait liée au processus
d’autoépuration des eaux tout au long de son trajet. La charge en matières organiques
biodégradables est plus prononcée en période d’étiage qu’en période de crue à cause de la
forte concentration du milieu en effluents et déchets divers à cette saison.
Les teneurs relativement élevées en nitrates (NO3-), ammonium (NH4+) et nitrites (NO2- )
obtenues dans les stations du Nlem seraient liées aux eaux usées domestiques et industrielles
déversées dans le cours d’eau et à la minéralisation de la litière organique. Wang et al. (2014)
soulignent à ce propos que l’activité métabolique des bactéries dénitrifiantes diminue avec
l’urbanisation associée à une multiplication des facteurs stressants, notamment les pollutions
industrielles. En effet, cet affluent reçoit des effluents d’une société brassicole, d’une
savonnerie et d’un abattoir dont les teneurs en composés azotés sont indéniables. De même,
de nombreuses latrines riveraines déversent leur contenu directement dans le cours d’eau,
l’enrichissant ainsi de matières fécales dont la richesse en matières azotées est avérée (Mary
123

1999). Les fortes concentrations en ions NH4+ et NO3- avaient déjà été notifiées par Tening et
al. (2013a et b) dans certaines rivières et dans les mangroves de Douala, et seraient
essentiellement dues à la pollution urbaine et industrielle. Les concentrations en ions
précédents relativement plus faibles obtenues par Foto Menbohan et al. (2012) dans les
cours d’eau urbains de Yaoundé indiquent une pollution essentiellement non industrielle. Ceci
met en relief l’apport des effluents industriels dans l’augmentation de la concentration de ces
ions dans les eaux. Les fortes concentrations en composés azotés relevés en saison sèche
pourraient s’expliquer par l’absence de dilution des eaux à cette période, bien que Koné et al.
(2009) soient d’avis contraire, soulignant que les concentrations en ammonium sont plus
élevées en saison des pluies, suite au phénomène de lessivage. Dans le cours d’eau Famlem,
les teneurs de ces ions proviendraient des activités agricoles réalisées au niveau du bassin
versant, tandis que dans le Kena les faibles concentrations enregistrées témoignent de la
faible minéralisation des eaux et le caractère relativement peu anthropisé de ce bassin-
versant.
En outre, les fortes concentrations en orthophosphates observées dans les stations de
l’affluent urbain du Nlem seraient également liées aux rejets domestiques, brassicoles,
d’abattoir et de savonnerie effectués dans ce cours d’eau. Des résultats similaires ont été
mentionnés par Foto Menbohan et al. (2011) et Onana et al. (2016) dans les cours d’eau
urbains de Yaoundé et Douala respectivement. A l’inverse, les faibles teneurs en
orthophosphates dans les stations des cours d’eau ruraux (Famlem et Kena) seraient
tributaires de la faible minéralisation des eaux et de l’impact anthropique peu prononcé sur
les sous-bassins versants concernés. Ces résultats s’apparentent à ceux de Foto Menbohan et
al. (2013) enregistrés dans un cours d’eau péri-urbain de la ville de Yaoundé.
L’Indice de Pollution Organique a révélé que presque toutes les stations sont sujettes à une
pollution, d’où cet indice dans le cas de nos travaux ne semble pas à même de rendre compte
de façon précise de la qualité des eaux. Car les stations S5 à S8 au vu des résultats précédents
présentent des eaux qui seraient faiblement soumises aux pressions anthropiques du fait
qu’elles sont toutes situées en zone rurale. C’est ainsi que Nyamsi et al. (2014) suggèrent une
nécessité de recalibration de cet indice belge au regard des spécificités biogéochimiques et
biogéographiques différentes des pays tempérés et des pays intertropicaux.
124

La typologie abiotique réalisée par l’Analyse en Composantes Principales (ACP) a permis

d’arriver à la conclusion selon laquelle les stations S6, S7 et S8 se distinguent des autres par
des taux de saturation en oxygène dissous importants. Cette observation est confirmée par
l’ACH et l’ACP « intra-campagne ». Ainsi, ces stations présentent des eaux dont les
caractéristiques physico-chimiques se rapprochent des eaux oligosaprobes et représentent
pour cette étude les stations les moins impactées. En revanche, les stations S1, S2, S3, S4 et
S9 sont caractérisées par des indicateurs de minéralisation importante, liée aux rejets urbains
domestiques, industriels et également aux intrants agricoles, notamment pour la station S4.
VI. 2. Analyses biologiques
IV. 2.1. Données qualitatives
L’analyse qualitative permet de conclure, que les cours d’eau Famlem, Kena et ses affluents,
ainsi que celui du Nlem sont caractérisés par une forte richesse taxonomique, dominée par
les insectes (177 taxons). Cette suprématie de la classe des insectes serait liée au fait que la
plupart d’entre eux, en plus d’avoir leurs stades larvaires en milieu aquatique (Merritt et al.
2008), possède également une forte capacité de colonisation de niches écologiques variées
(Alba-Tercedor 1996 ; Varandas & Cortes 2010 ; Hepp et al. 2013 ; Xu et al. 2014 ; Prommi &
Payakka 2015). La richesse taxonomique globale obtenue dans notre étude (212 taxons) est
supérieure à celle observée par Foto Menbohan (2012) (197 taxons) dans quelques cours
d’eau urbains et péri-urbains de la ville de Yaoundé et par Tchakonté (2016) (178 taxons) dans
trois bassins versants de la ville de Douala. Par ailleurs, cette richesse est supérieure à celle
observée dans d’autres pays de l’Afrique intertropicale tels que la Côte d’Ivoire, le Bénin, le
Nigéria, le Burkina- Faso, le Kenya et le Congo (Imoobe 2008 ; Diomandé et al. 2009 ; Kouamé
et al. 2011 ; Adandédjan et al. 2011 ; Camara et al. 2012 ; Kilonzo et al. 2013 ; Edia et al.
2013 ; Uwadiae 2014 ; Souleymane et al. 2014 ; Mutonkole Senga et al. 2015 ; Kaboré et al.
2016b ; Odountan & Abou 2016). Cette richesse taxonomique élevée peut également
s’expliquer par la présence dans les cours d’eau étudiés d’une diversité de niches écologiques
favorisant le développement d’une variété de taxons de macroinvertébrés benthiques
(Miserendino & Masi 2010; Arnaiz et al. 2011 ; Camara et al. 2012 ; Kearns & Stevenson
125

2012, Edia et al. 2013 ; Karaboré et al. 2016b). Cette diversité taxonomique est confirmée par
la constance des taxons Chironomus sp., Coenagrion sp., Caenis sp., Baetis sp.,
Polymorphanisus sp., Limnogonus. sp., Eurymetra. sp., Rhagovelia sp., Pseudagrion sp.,
Orthetrum sp., Dineutus sp., Simuliidae, Physa sp. et des Lumbriculidae dans ces cours d’eau.
Par ailleurs, la fréquence d’apparition des différents taxons de même que leurs abondances
seraient influencées par les caractéristiques hydrologiques du milieu. Cette observation
s’inscrit en droite ligne des conclusions de certains auteurs (Dessaix et al. 1995; Zamora-
Muñoz & Alba-Tercedor 1996 ; Quinn et al. 1997; Walsh et al. 2005), qui stipulent que la
structure des assemblages de macroinvertébrés benthiques est influencée par des facteurs
tels que le régime hydrologique, la stabilité du substrat ou l'utilisation du sol dans le bassin
hydrographique. Toutefois, la rareté de certains taxons tels que ceux de l’ordre des
Plécoptères serait liée à leur affinité pour les cours d’eau à haute altitude, caractérisés par
des préférendums ou spectres de préférences écologiques très étroits, à l’instar d’eaux très
fraîches et bien oxygénée (Tierno de Figueroa et al. 2003 ; Sivec & Yule 2004 ; Fochetti & de
Figueroa 2006 ; Arimoro et al. 2010; Shelly et al. 2011). Hamid & Rawi (2011) sont également
parvenus à la même conclusion dans leurs travaux sur des cours d’eau d'Asie tropicale. Des
résultats contraires ont cependant été obtenus dans les cours d’eau péri-urbains de Yaoundé
en zone forestière par Foto Menbohan et al. (2010, 2013), dans lesquels des abondances
relatives remarquables de Plécoptères ont été relevées.
La richesse taxonomique élevée des eaux des affluents du cours d’eau Kena serait attribuable
à la faible anthropisation de ce sous-bassin versant. A cet effet, Merritt & Cummins (1996) ;
Hepp et al. (2013); Prommi & Payakka (2015) et Aazami et al. (2015) stipulent qu’un
environnement moins altéré ou faiblement soumis à des pressions anthropiques favorise
l’installation de la macrofaune benthique et son développement. Cette richesse, plus élevée
dans les quatre stations (S5 à S8) du cours d’eau Kena est dominée par les insectes (88,8 %)
appartenant aux Hétéroptères (15,7 %), Odonates (28,3 %), et aux EPT (38,9 %) et dans
lesquelles les Diptères (8,9 %) et les Coléoptères (6,9 %) sont peu représentés. Ces résultats
se rapprochent de ceux observés par Tchakonté (2016) dans un cours d’eau forestier de la
ville de Douala, où la classe des insectes prédominait (88,6 %), notamment les Hétéroptères
(25,3%), les Coléoptères (24,2 %), les Odonates (21,2%) et les EPT (23,23%). L’augmentation
progressive de la richesse taxonomique de l’amont vers l’aval, le long du Famlem
126

s’expliquerait par des processus d’autoépuration et de renouvellement des eaux mis en place
dès la sortie de la zone urbaine du cours d’eau (station S9) et dans toute la zone rurale
abritant les stations S10 et S11. Ce résultat montre par ailleurs que plus on s’éloigne de la
ville, plus les mécanismes de stabilisation et d’autoépuration du milieu se mettent en place et
sont favorables à la recolonisation du milieu par les communautés benthiques. Cette
conclusion s’oppose à l’hypothèse de Vannote et al. (1980), selon laquelle au niveau du
potamon des milieux lotiques, la diversité taxonomique est plus faible avec peu de taxons
polluo-sensibles.
Dans l’affluent du cours d’eau Nlem, la richesse taxonomique obtenue (83 taxons) serait
imputable à la présence des dépotoirs d’ordures ménagères, des activités agropastorales, des
déversements de déchets solides et liquides dans le lit du cours d’eau par les populations
riveraines et les sociétés industrielles installées le long du cours d’eau. Foto Menbohan
(2012), dans les cours d’eau urbains du réseau hydrographique du Mfoundi à Yaoundé avait
identifié un peu plus (96 taxons), différence attribuable à la nature essentiellement organique
de la pollution des cours d’eau de Yaoundé. La prédominance des Diptères dans toutes les
stations (88,7 %) du Nlem, suivis des Basommatophores (4,4 %) s’apparente à la station S4 du
Kena où les Diptères représentent 71,7 % de richesse relative, suivis des Basommatophores
(19,2 %) et des Rhynchobdellida (4,6 %), organismes polluo-résistants. Les pressions
anthropiques que subissent les eaux de la station S4 est liée aux activités agricoles
(agriculture de rente) et aux déchets ménagers déversés dans l’eau par les riverains. En effet,
des auteurs tels que Ravera (2001) ; Rueda et al. (2002) ; Azrina et al. (2005) ; Edia et al.
(2007) ; Moisan & Pelletier (2008) ; Tachet et al. (2010) et Camara et al. (2012) soulignent que
les ordres des Diptères, des Basommatophores et des Rhynchobdellida sont saprophiles et
saprobiontes et pullulent dans les eaux ayant une pollution organique importante.
La constance de Chironomus sp. dans presque toutes les stations (S1/2/3/4/6/9/10/11) se

justifierait par son caractère hautement dispersif et ubiquiste qui lui permettrait de coloniser
rapidement et en grand nombre un milieu soumis à une pollution organique, fût-elle faible
(Buss et al. 2002; Pettigrove & Hoffmann 2005; Bacey & Spurlock 2007; Rawson et al. 2010;
Herrmann 2012; Mološevic et al. 2014). Cette aptitude est facilitée par l'enrichissement du
milieu en éléments nutritifs (Camargo et al. 2004 ; Armitage et al. 2007 ; Maasri et al. 2008 ;
Diomandé et al. 2009 ; Wahizatul et al. 2011 ; Stewart et al. 2014 ; Prat et al. 2016 ; Caňedo-
127

Argüelles et al. 2016). En outre, l’absence de prédateurs de ce macroinvertébré et son

aptitude à capter l’oxygène dissous dans l’eau grâce à son hémoglobine lui confèrent une
tolérance élevée aux milieux à très faible taux de saturation en oxygène dissous (De Haas et
al. 2006; Loayza-Muro et al. 2012 ; Colas et al. 2014 ; Failla et al. 2015 ; Koji et al. 2017).
Dolédec & Statzner (2008), Van Kleef et al. (2015) et Serra et al. (2016 et 2017) ont suggéré
que les Chironomidae sont des organismes qui peuvent contribuer à la distinction des sites
impactés des moins impactés.
Dias-Silva et al. (2010) et Vieira et al. (2015) ont démontré dans leurs travaux que les
Hétéroptères étaient de bons indicateurs de l’impact des activités anthropiques sur la
végétation riveraine. De même, Smith et al. (2007), Monteiro-Júnior et al. (2013), Oliveira
Junior et al. (2015) et Miguel et al. (2017) ont souligné que les assemblages de larves
d’Odonates étaient particulièrement sensibles à la végétation riveraine et étaient de bons
témoins de l’état de santé global d’une rivière, apportant notamment des informations sur la
qualité de l'habitat (Simaika & Samways 2009; Zhang et al. 2013 ; Kutcher & Bried 2014;
Golfieri et al. 2016 ; Rodrigues et al. 2016 ; Buczyński et al. 2016 et Luke et al. 2017). Les
observations faites par ces auteurs nous permettent de souligner que la constance des taxons
Eurymetra sp., Coenagrion sp., Pseudagrion sp. et Orthetrum sp. dans les stations S5 à S8 du
cours d’eau Kena, pourrait être liée à la présence de la végétation riveraine et des débris
végétaux qui représentent pour ces espèces des conditions écologiques adéquates à leur
développement.
La métrique EPT Family était importante dans les sites moins exposés aux pressions
anthropiques. En effet, cette métrique est largement utilisée dans l’évaluation écologique des
cours d’eau et elle nous a permis clairement de distinguer les sites moins impactés (S05 à S08,
et S11) de ceux impactés (S01 à S04). Nyamsi et al. (2014) ont trouvé ce groupe d'organismes
dans les cours d'eau forestiers de la zone périurbaine de Yaoundé au Cameroun, ainsi que
Karaboré et al. (2016) dans les cours d’eau des zones protégées au Burkina Faso.
Le nombre de taxons constants plus élevé dans les stations S4 (8), S5 (12), S6 (5), S7 (13), S8
(8), S10 (5) et S11(8) par rapport aux stations S1 (4), S2 (2), S3 (2) et S9 (1), illustre sans doute
une plus forte diversité des microhabitats dans le premier groupe de stations, dont
128

l’hétérogénéité offrirait un environnement relativement favorable et propice à l’installation et

au développement des macroinvertébrés benthiques.
La diversité taxonomique des peuplements des stations S5, S6, S7, S8 et S11 est plus élevée
que celle des peuplements des stations S1, S2, S3, S4 et S9. Le premier groupe de stations
semble offrir des conditions écologiques plus propices à l’installation d’une faune riche et
diversifiée. Car, les indices de diversité de Shannon–Weaver et d’équitabilité de Piélou ont
permis de montrer que ce premier groupe de stations étaient les plus diversifiées. Selon Dajoz
(2000), Levêque & Balian (2005) et Davies et al. (2010), de faibles valeurs d’indice de diversité
traduisent une mauvaise organisation du peuplement, conséquence de la prolifération de
quelques espèces dominantes au détriment d’autres espèces. Il en est ainsi dans les stations
S1 à S4, S9 et S10, relativement moins diversifiées et présentant de faibles niveaux de
répartition de la communauté benthique. La faune benthique de ces stations fait sans doute
face à de multiples pressions responsables de (i) la prolifération de quelques taxons affichant
une certaine affinité pour les milieux contaminés et (ii) la disparition des espèces sensibles à
la pollution. En effet, Mc Kinney (2006), Lougheed et al. (2008), Frizzera & Alves (2012), Hepp
et al. (2013), Dar & Reshi (2014), Fernades et al. (2014), Rosa et al. (2014) et Calbral-Oliveira
(2014) ont montré qu’avec l’arrivée de l’urbanisation, les espèces sensibles disparaissaient
souvent rapidement pour laisser place à des espèces polluotolérantes, pouvant vivre et
proliférer dans des eaux polluées. Dans le Famlem, le processus autoépuratoire des eaux,
progressivement plus efficace de l’amont vers l’aval, offrirait le long du profil longitudinal des
conditions de plus en plus favorables à la recolonisation du milieu par la macrofaune
benthique.
Les variations saisonnières de la richesse taxonomique et des indices de diversité seraient

imputables aux facteurs hydrologiques. A ce propos, Quinn et al. (1997), Leigh & Sheldon
(2009) et Zilli & Marchese (2011) ont considéré que la structure des assemblages de
macroinvertébrés benthiques pouvait être influencée par des facteurs tels que le régime
hydrologique, la stabilité du substrat et l’apport des ressources nutritives (litière) dans le
milieu via les eaux de ruissellement. Dans le cadre de cette étude, la période d’étiage est la
période où les peuplements macrobenthiques sont les plus diversifiés. Ainsi, les variations
saisonnières de débit semblent agir comme un filtre environnemental qui empêcherait les
espèces mal adaptées de se maintenir dans le milieu en période d’étiage - voire
129

d’assèchement - au profit de celles qui peuvent résister et parviennent à se développer dans

des cours d’eau intermittents (Poff 1997; Scheibler et al. 2014 ; Schriever et al. 2015).
En période de crue, les faibles valeurs d’indices de diversité et de richesse taxonomique

s’expliqueraient par l’augmentation de débit, de la largeur du lit et de la hauteur d’eau, qui
entrainerait (i) la destruction d’au moins une partie des microhabitats favorables à un certain
nombre d’espèces, ainsi que (ii) la dérive de certains organismes (Callisto & Goulart 2005 ;
Moretti & Callisto 2005). Toutefois, Colas et al. (2013) et Xu et al. (2014) soulignent que les
mois pluvieux sont souvent associés à une plus grande diversité taxonomique des
peuplements de macroinvertébrés benthiques.
VI. 2.2. Données quantitatives
L’abondance plus élevée (50,6 % de l’effectif total) relevée dans le Kena et ses affluents par
rapport au Famlem (28,3 %) et à l’affluent du cours d’eau Nlem (21,2 %) est imputable à la
seule station S4 qui enregistre la plus grande abondance relative (32,9 %) ; les quatre autres
stations (S5, S6, S7 et S8) n’ayant qu’une abondance relative cumulée de 17,7 %. L’abondance
enregistrée à la station S4 s’expliquerait par la prépondérance de taxons opportunistes
proliférants appartenant notamment à la famille des Diptères Chironomidae et aux
Basommatophores Physidae, dotés de capacités remarquables à coloniser rapidement les
milieux chargés en matières organiques. Il en va de même des stations de l’affluent du Nlem
et la station S9 du Famlem. Des résultats similaires ont déjà été relevés par Foto Menbohan
(2012) dans des cours d’eau urbains de Yaoundé, du fait de la prolifération de trois espèces
Chironomus plumosus, Physa acuta et Tubifex tubifex qui sont des organismes polluo-
résistants indicateurs d’une mauvaise qualité des eaux (Armitage et al. 2007 ; Rosa et al.
2014 ; Schriever et al. 2015). Camargo et al. (2004), Maasri et al. (2008) et Stewart et al.
(2014) ont également remarqué que les Diptères Chironomidae étaient abondants dans les
sites perturbés où l'enrichissement en éléments nutritifs était important.
Sur le plan saisonnier, c’est en période de crue que les effectifs sont les plus importants (38,8
%), traduisant l’apport par les eaux de ruissellement d’éléments nutritifs (rejets domestiques
et urbains) dans le milieu (Camara et al. 2012).
130

VI. 2.3. Typologie biotiques des stations
L’Analyse Factorielle des Correspondances (AFC) montre que les stations S1, S2, S3 de
l’affluent du Nlem, la station S4 du Kena et la station S9 du Famlem sont caractérisées par des
taxons appartenant aux Diptères et aux Oligochètes. Ces organismes tolérants à la pollution et
capables de se développer dans des habitats altérés témoignent donc d’une eau de mauvaise
qualité physico-chimique dans ces stations. Les Trichoptères, les Ephéméroptères, les
Hétéroptères et les Odonates sont particulièrement abondants dans les stations S5 à S8 du
Kena et dans la station S11 du Famlem. Ils traduisent la bonne qualité relative des eaux dans
ces stations. L’Analyse en Composantes Principales des métriques caractérisant les
peuplements benthiques permet de soutenir ces conclusions. En effet, Qu et al. (2010),
Rawson et al. (2010), Arimoro et al. (2010), Righi-Cavallaro et al. (2010), Shelly et al. (2011),
Myers et al. (2011) et Kaboré et al. (2016a) ont clairement montré que les insectes
aquatiques sensibles à la pollution abondaient très souvent dans des milieux présentant une
bonne intégrité abiotique et un habitat quasi inaltéré.
VI. 3. Biotypologie des stations d’échantillonnage
L’Analyse de Redondance (RDA) a permis d’identifier trois groupes de stations. Un premier

groupe qui rassemble les stations du Kena et de ses affluents (S5 à S8) et la station S11 du
Famlem, toutes faiblement minéralisées, bien oxygénées et situées en zone rurale où les
actions anthropiques sont moindres. Ces stations sont caractérisées par des organismes
polluo-sensibles témoignant d’une bonne qualité écologique des eaux. Carliste et al. (2007) et
Duka et al. (2017) indiquent que la richesse taxonomique des organismes polluo-sensibles
diminue drastiquement avec l’urbanisation des bassins versants. Foto Menbohan et al. (2010
et 2013) et Nyamsi Tchatcho et al. (2014) étaient parvenus à des résultats similaires dans les
cours d’eau forestiers péri-urbains de Yaoundé. Le deuxième groupe est constitué des
stations de l’affluent du Nlem et la station S4 de l’affluent du Kena qui seraient perturbées
par les pressions anthropiques responsables de la mauvaise qualité écologique des eaux. En
131

effet, les eaux usées et les déchets solides déversés dans ces dernières entrainent une
modification des variables physico-chimiques et une prolifération des organismes polluo-
résistants. Lougheed et al. (2008); Rawson et al. (2010) et Dar & Reshi (2014) ont noté que les
contraintes physico-chimiques associées à l'urbanisation induisaient une baisse des taxons
sensibles qui laissent place aux taxons tolérants capables de s’adapter au nouvel
environnement comme les Oligochètes Lumbriculidae, les Diptères Chironomidés et les
Gastéropodes. Le troisième groupe est représenté par les stations du Famlem dont les eaux
tendent à s’auto-épurer de l’amont vers l’aval, montrant ainsi une meilleure qualité dans le
cours inférieur. Cette capacité autoépuratrice d’une rivière, suite à une perturbation dans son
cours supérieur, est facilitée par un phénomène de dilution des effluents de l’amont vers
l’aval de la rivière. Ce phénomène a été également mis en évidence par Jonnalagadda &
Mhere (2001) sur la rivière Odzi au Zimbabwe et par Callisto et al. (2004) sur la rivière Doce
au Brésil.
Les métriques EPT Family, Shannon, 1–GOLD, Ephemeroptera%S, Trichoptera%S,

Heteroptera%S, Odonata%S et Diptera%S se sont distinguées des autres (e.g. Coleoptera%S,
log10(EPTD+1, Gastropoda%S, Dictyoptera%S, Bivalvia%S, etc), comme celles répondant le
mieux à certains gradients de pressions couramment présents dans la région de Bafoussam
(e.g. conductivité électrique, nitrates, MES, turbidité et oxygène dissous). En effet, les
organismes réagissent différemment au stress en fonction de la façon dont ils perçoivent leur
environnement, et leur réponse aux paramètres environnementaux varie selon les groupes
d'organismes, le type de stress et le flux du cours d'eau (Johnson et al. 2006). Les métriques
EPT Family, 1–GOLD, Trichopetra%S, Heteropetra%S et Shannon, sont positivement corrélées
à la concentration en O2 dissous dans l’eau, en revanche, les métriques Diptera%S et
Oligochaeta%S réagissent à la contamination organique ou par les nutriments (e.g.
concentrations élevées en nitrates) et à une altération mécanique de l’habitat (e.g. colmatage
du substrat lié à des concentrations élevées en MES et à une forte turbidité). Plusieurs
travaux ont montré l’importance des variables environnementales comme prédicteurs
importants de la composition et l’assemblage des invertébrés benthiques (Johnson et al.
2004 ; Hildrew et al. 2004). Car, cette communauté est étroitement liée à des facteurs
environnementaux spécifiques de telle sorte que tout changement dans l’environnement ou
d’utilisation des terres sur le bassin versant pourrait provoquer un changement prévisible
132

dans le biote (Silva et al. 2010). Ainsi, les métriques taxonomiques obtenues à partir des
relevés faunistiques, répondant le mieux aux facteurs environnementaux couramment
présents dans cette région, ont permis d’évaluer la qualité des eaux grâce aux groupes
sensibles connus tels que les taxons EPT ou des taxons indicateurs comme Chironomus sp.
(Diptères-Chironomidae). Ces différentes métriques ont été exploitées pour la construction
d’un indice multimétrique de surveillance de la qualité écologie des milieux aquatiques de
cette région du Cameroun.
Cependant, nous avons relevé un effet « faible » de la saisonnalité sur les métriques
taxonomiques (cf. ACP « intra » campagne des métriques taxonomiques de macroinvertébrés)
bien que certains auteurs tels que Tonkin et al. (2017) et Dalu et al. (2017a) ont souligné que
les contraintes saisonnières peuvent être un facteur fondamental dans la dynamique des
communautés benthiques des milieux aquatiques. Mais dans leurs travaux sur des cours
d’eau tropicaux au Nigéria, Tonkin et al. (2016) avaient également noté un faible effet
saisonnier dans la structuration de cette communauté benthique. Cela pourrait s’expliquer
par l’absence d’une forte variabilité de la physico-chimie de l’eau entre les saisons ou que nos
résultats ne sont le reflet que de l’hétérogénéité des activités pratiquées sur le bassin versant.
Kasangaki et al. (2008) avaient identifié la température de l’eau, le pH et la transparence
comme prédicteurs importants dans les cours d’eau ougandais alors que Dalu et al. (2017b)
avaient plutôt signalé les taux de concentrations en ammonium et phosphate ainsi que la
largeur du canal dans les cours d’eau de montagne d’Afrique. Toutefois, les études des
facteurs environnementaux structurant les communautés benthiques dans les pays de la zone
tropicale sont peu connues et ce travail pour le Cameroun est déjà une première démarche.
VI. 4. Construction de l’IMMOC
Les différentes métriques qui ont servir à la construction des indices sur la base des données
dont nous disposons sont capables chacune de discriminer le niveau de pression anthropique
et d’évaluer l’état de santé des cours d’eau de la région Ouest du Cameroun. Les trois
combinaisons d’indices obtenus ont la métrique «diversité de Shannon-Weaver » en
commun. Cette métrique exprime la diversité des communautés faunistiques (Feld et al.
133

2014) et est utilisée dans plusieurs indices multimétriques à la fois en zone tempérée
(Gabriels et al. 2010 ; Jun et al. 2012 ; Mondy et al. 2012) et en zone tropicale (Oliveira et al.
2011 ; Bernadet et al. 2013 ; Touron-Poncet et al. 2014 ; Dedieu et al. 2016). Toutefois, Jun et
al. (2012) soulignent que l’application de cette métrique dans des programmes de bio-
évaluation doit se faire de façon prudente et standardisée car des facteurs autres que la
perturbation peuvent affecter cette métrique, selon le plan d'échantillonnage utilisé (e.g.
méthode d'échantillonnage, taille de l'échantillon et niveau d'identification) (Hughes 1978).
Les métriques Heteroptera%S et Odonata%S (métriques taxonomiques) sont utilisées pour

évaluer l’impact des activités anthropiques sur la végétation riveraine (Vieira et al. 2015 et
Miguel et al. 2017). La métrique 1–GOLD (métrique quantitative), qui est l’association de trois
groupes d’organismes (Gastéropodes-Oligochètes-Diptères), est également impliquée dans
de nombreux indices multimétriques de biosurveillance de la qualité de l’eau (Pinto et al.
2004). Par exemple, les Gastéropodes sont impliqués dans l'indice multimétrique utilisés pour
évaluer la qualité écologique des systèmes de fossé de drainage aux Pays-Bas (Verdonschot et
al. 2012). Les Diptères sont également inclus dans plusieurs modèles multimétriques (e.g. au
Brésil, Baptista et al. 2007 et en Espagne, Trigal et al. 2009) tandis que Shi et al. (2016) dans
leurs travaux avaient retenu le pourcentage de Tubificidae (classe des Oligochètes) dans son
indice multimétrique.
Il est important de noter que dans la démarche de construction d’un indice multimétrique, la
sélection des métriques est l'élément clé pour utiliser au mieux les réponses des organismes à
la dégradation de l'environnement (Barbour et al. 1996 et Cho et al. 2011). Les indices
multimétriques développés jusqu’ici prennent en compte jusqu’à douze métriques, tel que
souligné par Boonsoong et al. (2009). L’indice multimétrique final (IMMOC) retenu est quant
à lui composé de deux métriques seulement (Shannon et 1-GOLD), à cause du faible nombre
de métriques taxonomiques testées et de l’impossibilité de joindre à ces métriques
taxonomiques des métriques basées sur (i) les traits biologiques des organismes comme leur
mode de respiration, leur mode d’alimentation, leur régime alimentaire et leur relation au
substrat, (ii) leurs préférences écologiques (e.g. en matière de substrat benthique ou de
vitesse d’écoulement) ou (iii) d’autres métriques (e.g. des métriques de sensibilité à un
certain nombre de types de pression identifiées ; e.g. les indices SPEAR « pesticides »,
« molécules organiques », « métaux », etc). Mais les deux métriques sélectionnées se sont
134

avérées suffisamment performantes pour différencier les sites impactés des sites de
référence. Après avoir testé l’indice sur les deux jeux de données indépendants, celui-ci a
montré une grande stabilité en conditions de référence, une bonne robustesse et une grande
efficacité de discrimination. Cet indice n’est cependant pas significativement corrélé aux
variables environnementales élémentaires. Cela pourrait être dû au fait que les stations
impactées sont soumises à plusieurs facteurs de stress environnementaux simultanément.
Vlek et al. (2004) dans leurs travaux sur deux types de cours d’eau (rapides et lents) aux Pays-
Bas étaient également arrivés à cette même conclusion. En outre, la fréquence des pluies
diluviennes durant la majeure partie de l’année dans cette région entraine des variations
permanentes et irrégulières de la composition chimique de l’eau.
Les métriques pris en compte dans les différents indices apportent des informations
différentes et complémentaires sur les communautés benthiques des stations
échantillonnées et sont pour la plupart largement utilisées à des fins de bio-surveillance dans
les écosystèmes humides. Ainsi, les différences biogéographiques, les conditions éco-
régionales et saisonnières, l’influence anthropique, la méthode et l’effort d’échantillonnage
(substrats prospectés, outil de prélèvement, temps d’échantillonnage, nombre de
prélèvements, etc.) et le niveau de détermination des organismes (ordre, famille, espèce)
influencent d’une manière ou d’une autre le choix des métriques finales à intégrer dans
l’indice multimétrique qui diffère d’une étude à l’autre. Par exemple, en Éthiopie (Mereta et
al. 2013), l'indice multimétrique composé de trois métriques (la richesse globale des familles,
la richesse des familles d'Ephéméroptères, d'Odonates et de Trichoptères (EOT) et
pourcentage de collectionneurs-filtreurs) diffère du nôtre alors que le Cameroun et l'Éthiopie
sont deux pays d'Afrique subsaharienne.
L’outil d’échantillonnage adopté dans ce travail (filet troubleau) a déjà justifié de son
implication dans la bio-surveillance des milieux aquatiques par les macroinvertébrés
benthiques (Buss & Borges 2008). C’est d’ailleurs pour cette raison que Hughes & Peck (2008)
et Buss et al. (2015) conviennent de l’avantage de cet outil dans sa capacité à échantillonner
efficacement une grande variété d’habitats (substrats hétérogènes).
Le choix de la résolution taxonomique est beaucoup discuté dans les procédures de bio-
surveillance de la qualité de l’eau utilisant des assemblages de macroinvertébrés benthiques
135

(Schmidt-Kloiber & Nijboer 2004) en raison du large spectre de sensibilité des organismes
d'un niveau d'identification à l’autre et de leurs caractéristiques écologiques différentes
(Beketov 2004 ; Won et al. 2006). Une identification taxonomique plus précise devrait
permettre de restituer des informations écologiques plus pertinentes, susceptibles
d’identifier plus efficacement les facteurs de stress et de discriminer plus précisément les
différences d'intégrité biologique (Karr & Chu, 1999 ; Lenat & Resh, 2001 ; Klemm et al.
2002 et Boonsoong et al. 2009). Il est clair qu’une détermination au genre ou à l’espèce peut
donc fournir des éléments plus précis pour évaluer la qualité de l’eau mais son application
peut s’avérer très délicate dans le cas de jeunes stades larvaires et générer une incertitude
importante sur le résultat final. De nombreux auteurs, tels que Barbour et al. (1999), Hewlett
(2000), Buss & Vitorino (2010), Whittier & Van Sickle (2010), Helson & Williams (2013) et
Doretto et al. (2018) s’accordent d’ailleurs pour dire que l’identification au niveau de la
famille est acceptable dans les protocoles de surveillance de la qualité de l’eau. Thorne &
Williams (1997), Waite et al. (2004) et Vlek et al. (2006) suggèrent également une
identification au niveau systématique de la « famille » non seulement pour sa rapidité, sa
commodité, mais aussi pour ses avantages économiques. Ces avantages seront
particulièrement bénéfiques dans les pays de la zone tropicale où la systématique n’est pas
entièrement stabilisée, en particulier au Cameroun. D'autres études en zone tropicale ont
d’ailleurs adopté des méthodes de bio-évaluation basées sur une identification de la
macrofaune benthique au niveau de la famille (Tomanova et al. 2008, Moya et al. 2011 et
Helson & Williams 2013).
Les stations d’échantillonnage prises en compte dans la construction de cet indice sont issues
de jeux de données collectés sur 5 cours d’eau pour un total de 18 stations. Ces stations ne
sont sans doute pas assez représentatives de la gamme de catégories et d’intensité de
pressions sur cette région qui couvre environ une superficie de 13 872 km2. Ce faible nombre
de cours d’eau pourrait être à l’origine d’un biais dans le choix des sites de référence et/ou
impactés. Cela ne remet cependant pas en cause la fiabilité de cet indice. D’autres auteurs
ont d’ailleurs défini un indice multimétrique spécifique à leur contexte avec de faibles
nombres de cours d’eau, allant de deux (e.g. les Pays-Bas ; Vlek et al. 2004), trois (e.g.
le Portugal; Pinto et al. 2004) à quatre (e.g. Autriche; Ofenböck et al. 2004) seulement.
Toutefois pour des futurs travaux, il serait intéressant de pouvoir augmenter le nombre (i) de
136

cours d’eau représentatifs de la région et (ii) de sites d’échantillonnage, afin d’avoir un plus
grand jeu de données pour arriver à mettre en place un indice plus robuste et plus puissant.
De plus, le jeu de données actuel est caractérisé par un fort déséquilibre entre stations
impactées (6 stations sur 18) et stations de référence. Il serait souhaitable de pouvoir inclure
en quantité équivalente des stations impactées et des stations de moindre impact
anthropique dans une éventuelle mise-à-jour de l’indice actuel.
Nous avons utilisé le 25ème percentile de la distribution des valeurs d’IMMOC dans les LIRRs
comme limite supérieure pour la définition de la limite « très bon état » / « bon état » et des
limites définissant ensuite des classes de qualité d’égale amplitude pour les classes d’état
suivantes (Munné & Prat, 2009; Poquet et al. 2009). Sur le plan spatial, nous avons pu
montrer à l’aide de l’IMMOC que (i) les stations S5, S7, S8, Li1, Li3, Ma1 à Ma3 et Mf1
émargeaient aux classes d’état «bon» à « très bon» sur les différentes campagnes
d’échantillonnage et (ii) les stations S1 à S4 et S9 et S10 dans les classes d’état « médiocre » à
«mauvais», en cohérence avec l’analyse des caractéristiques physico-chimiques de ces sites
(cf. Figure 47). Cependant, la station Li2 présente un état moyen, peut-être lié à la présence
des Haplotaxidae (pris en compte dans la métrique 1 – GOLD). De même, l’état «moyen» de la
station S6, pourrait provenir de la métrique Bivalvia%S (cf. Figure 38, chapitre V). C’est
également le cas de la station S11, car cette dernière située dans le cours inférieur du
Famlem, subit un phénomène de dilution qui contribue à améliorer sensiblement la qualité de
ces eaux. Ces résultats sont confirmés par l'évolution temporelle des classes d’état
écologique de ces stations (Li2, S6 et S11) qui présentent des eaux ayant un état «moyen»
(cf. Figure 48). Les classes de qualité écologique attribuées peuvent varier d'un mois sur
l'autre, pour un site donné. Ces variations pourraient être liées aux fluctuations saisonnières
de la pluviométrie qui semblent affecter l'abondance et la richesse taxonomique des
assemblages de macroinvertébrés benthiques. Cependant, nous observons globalement que
la classe écologique la plus fréquemment obtenue correspond au «très bon» état écologique
pour les stations S5, S7, S8, Li1, Li3, Ma1 à Ma3 et Mf1.
La distribution des classes de qualité attribuées par l’IMMOC (C1) aux différentes stations
positionnées sur le premier plan factoriel d’une ACP appliquée au tableau de leurs
caractéristiques physico-chimiques (cf. Annexe 4) confirme le statut accordé à toutes les
stations d’échantillonnage, à l’exception des stations Li2 et S6 considérées comme des LIRRS
137

et de la station S11 considérée comme un IRR, mais qui en fait semblent être en position
intermédiaire entre ces deux catégories. L’indice C2, bien que n’étant pas retenu comme
l’indice final, s’est avéré quand même pertinent quant aux statuts accordés au départ aux
différentes stations d’échantillonnage par la physico-chimie comme par la biologie. Les
stations S5, S7, S8, Li1 à Li3, Ma1 à Ma3 et Mf1 sont bien considérées par l’indice C2 comme
des LIRRS et les autres stations comme des IRRS ; ce qui n’a pas été le cas pour l’indice C3, que
ce soit pour la physico-chimie ou la biologie.
138


CONCLUSION, RECOMMANDATIONS ET
PERSPECTIVES

Les objectifs de ce travail de thèse étaient de définir une approche typologique des cours
d’eau de la région Ouest du Cameroun notamment du département de la Mifi à partir des
interactions entre les paramètres physicochimiques mesurés et le peuplement des
macroinvertébrés benthiques. A partir de ces résultats auxquels nous avons complété avec
d’autres données de la même région, nous avons mis en place une démarche
méthodologique et cohérente qui nous a permis de construire un indice multimétrique.
Indice qui pourrait servir à discriminer les stations impactées de celles moins impactées dans
les cours d’eau de la région de l’ouest.
En effet, sur le plan physico-chimique, les stations appartenant au sous-bassin versant du

Nlem présentent des eaux soumises à une action anthropique intense qui se traduit par des
valeurs élevées de certains indicateurs chimiques de pollution tels que la conductivité
électrique, les concentrations en orthophosphates, les composés azotés (NO3- et NH4+) et les
matières organiques (DBO5). Par contre, dans le sous-bassin versant du Famlem, les eaux
tendent plutôt à s’auto-épurer de façon progressive de l’amont vers l’aval par effet de
dilution. Dans le sous-bassin versant du Kena et ses affluents, à l’exception de la station S4 où
la qualité des eaux est mauvaise, les autres stations (S5/6/7/8) présentent des eaux moins
anthropisées.
Les différences significatives relevées entre les séries d’observations sur le plan spatio-
temporel traduisent simplement du caractère labile de ces indicateurs intensifié par les
variations hydrologiques. L’Analyse en Composantes Principales sur les variables
physicochimiques et l’Analyse de Classification Hiérarchique ont permis de séparer les
stations en deux groupes, les stations moins impactées (S5/6/7/8) situées en zone rurale et
les stations impactées (S1/2/3/4/9/10) en zone urbaine.
Concernant la faune benthique répertoriée, elle appartient à 5 groupes taxonomiques
répartis dans 8 classes, 25 ordres et 98 familles. La classe des Insectes vient en tête avec
une suprématie des Diptères, suivis des Odonates, des Ephéméroptères, des Hétéroptères et
des Coléoptères. Les espèces Chironomus sp., Coenagrion sp., Pseudagrion sp., Physa sp.,
Caenis sp., Baetis sp., Dineutus sp., Rhagovelia sp. et Limnogonus sp. ont été les plus
constantes traduisant simplement la capacité de ces derniers à coloniser les niches
écologiques variées avec des conditions de mésohabitat spécifique (Hepp et al. 2013; Prommi
& Payakka 2015). Les indices de diversité (Shannon et Piélou) montrent que les stations S5 à
139

S8 du cours d’eau Kena et la station S11 du Famlem sont les mieux structurées et équilibrées
par rapport aux autres stations, aussi bien sur le plan spatial que temporel. L’Analyse en
Composantes Principales des métriques calculées à partir des communautés de
macroinvertébrés benthiques ont permis de dégager trois principaux groupes. Le premier
groupe, constitué des stations S5 à S8 et la station S11 se caractérise par les métriques
Trichoptera%S, Heteroptera%S, EPT family, 1-GOLD et l’indice de Shannon. Les stations S1 à
S4 et la station S9, du deuxième groupe se distinguent par la métrique Diptera%S. Par
ailleurs, les stations S9 à S11 du troisième groupe, soumises au phénomène d’autoépuration
progressif de l’amont vers l’aval s’illustrent par la métrique Ephéméroptera%S. Ce résultat
montre que les stations du premier groupe sont moins impactées que celles du deuxième, où
les activités anthropiques sont plus intenses. L’analyse en Composantes Principales « intra-
campagne » a également permis d’aboutir aux mêmes conclusions indiquant un faible effet
saisonnier.
L’Analyse de Redondance (RDA) a permis également d’obtenir ces trois mêmes groupes de
stations dont le premier groupe (S5 à S8 et S11), subit des effets anthropiques faibles par
rapport au deuxième (S1 à S4 et S9) où la mauvaise qualité des eaux serait liée aux
paramètres relatifs à la pollution organique, physique et agricole. Il s’ensuit une abondance
de taxons polluo-résistants comme la métrique Diptera%S. La capacité auto-épuratrice au
niveau du cours d’eau Famlem (S9 à S11) est mise en évidence par la réapparition de
quelques taxons polluo-sensibles (Ephéméroptères particulièrement) et la stabilisation des
paramètres environnementaux dans le cours inférieur de la rivière. Ces métriques ont pu
servir de base de données au développement d’un indice de bio-évaluation de la qualité
écologique des cours d’eau de cette région tout en prenant en compte la notion d’écart à la
référence.
Grâce aux résultats de ce travail, d’autres jeux de données issus de la même région et
obtenus à partir de la même méthodologie de collecte et d’identification ont été rajoutées
pour développer un indice multimétrique qui faciliterait la bio-surveillance des cours d’eau de
la zone. Cet indice multimétrique proposé (IMMOC) est le tout premier outil mis au point
pour évaluer la qualité écologique des eaux du Cameroun, particulièrement celles de la région
Ouest. Il est composé d’une métrique de composition taxonomique (1 – GOLD) et d’une
métrique composite (indice de Shannon) qui sont tous deux largement impliqués dans de
140

nombreux programme d’évaluation de la qualité des eaux. L’IMMOC s’est montré performant
pour différencier les stations de référence des stations impactées et adapté aux multiples
impacts existant dans cette région Ouest camerounaise, ce qui justifierait de son caractère
généraliste.
En outre, il est simple d’utilisation et pourrait permettre aux gestionnaires locaux spécialisés
dans la préservation des milieux aquatiques, d’assurer une surveillance et une meilleure
évaluation de la qualité des eaux.
Nous recommandons, au regard des résultats de cette étude :
Aux pouvoir publics, de soutenir et d’encourager les projets et les mesures visant à améliorer
et/ou protéger les écosystèmes aquatiques dont dépend la santé des populations (lutte
contre les maladies hydriques), l’économie du pays (ressources halieutiques) et la lutte contre
la pauvreté. Cela implique d’une part, de s’assurer du respect des textes relatifs à la
protection de l’environnement par les populations humaines et du respect des normes de
rejets d’effluents par les sociétés industrielles et chimiques, d’autre part. Cela suppose, en
amont, de mettre en place des systèmes d’évacuation et de traitement des déchets et
d’information des populations sur de nouvelles habitudes d’hygiène environnementale.
Ce travail a soulevé cependant quelques questions autour de l’indice proposé (IMMOC),

comme par exemple le nombre de cours d’eau pris en compte et le déséquilibre entre les
stations impactées et non impactées. Il y’a aussi la méthodologie de collecte des données qui
doit pouvoir s’adapter aux habitats aquatiques de la zone d’étude.
Toutefois, ce travail a permis de fournir les bases et les lignes directives qui pourront orienter
les travaux de construction d'un indice multimétrique potentiel pour l'ensemble du
Cameroun.
141


REFERENCES BIBLIOGRAPHIQUES
A
Aazami, J., Esmaili-Sari, A., Abdoli, A., Sohrabi, H., & Van den Brink, P. J. (2015). Monitoring and
assessment of water health quality in the Tajan River, Iran using physicochemical, fish and
macroinvertebrates indices. Journal of Environmental Health Science and Engineering, 13,
260-69.
Adandedjan, D., Lalèyè, P., Ouattara, A., & Gourene, G. (2011). Distribution of benthic insect
fauna in a West African lagoon: the Porto-Novo Lagoon in Bénin. Asian Journal of Biological
Sciences, 4, 116-127.
Ajonina, A. S. (2014). Impacts of climate variability and anthropogenic factors on composition,

distribution and abundance of macroinvertebrates along the shores of River Ndongo, Buea
south west region Cameroon. International Journal of Current Microbiology and Applied
Sciences, 7706, 454-468.
Alba-Tercedor, J. (1996). Macroinvertebrados acuáticos y calidad de las aguas de los ríos. IV

Simposio del Agua de Andalucía (SIAGA), 2, 203-213.
Alba-Tercedor, J., Jaimez-Cuellar, P., lvarez M. A ., Aviles, J., Bonada, N., Casas, J. , Mellado, A.,
Ortega, M., Pardo, I., Prat, N., Rieradevall, M., Robles, S., Sainz-Cantero, C. E., Sanchez-Ortega,
A., Suarez, M. L., Toro, M., Vidal- Albarca, M. R., Vivas, S. & Zamora-Munoz C. (2002).
Caracterizacion del estado ecologico de los rıós mediterrańeos ibe´ricos mediante el ındice
IBMWP (antes BMWP’). Limnetica, 21, 175–185.
Alliaume, C., Lasserre, G. & Louis M. (1990). Organisation spatiale des peuplements
ichtyologiques des herbiers à Thalassia du Grand cul-de-Sac Marin en Guadeloupe.
Revue d’Hydrobiologie Tropicale, 23, 231-250.
142

Angelier, E. (2000). Ecologie des eaux courantes. Edition Tec & Doc, Paris, 199p.
APHA (1998). Standard method for examination of water and wastewater, 20thedition.
American Public Health Association, Washington, DC, 1150p.
Arimoro, F.O. & Muller, W.J. (2010). Mayfly (Insecta: Ephemeroptera) community structure as
an indicator of the ecological status of a stream in the Niger Delta area of
Nigeria. Environmental monitoring and assessment, 166, 581-594.
Armitage, P., Cranston, P.S. & Pinder, L.C.V. (2007). Chironomid responses to younger drays
and Holocene environmental changes in a river floodplain from northern France. « The
Holocene », 17: 331-347.
Arnaiz, O. L., Wilson, A.L., Watts, R.J. & Stevens, M.M. (2011). Influence of riparian condition on
aquatic macroinvertebrate communities in an agricultural catchment in south-eastern
Australia. Ecological research, 26, 123-131.
Azrina, Z. M., Yap, K. C., Rahim Ismail, A., Ismail, A. & Tan, G. S., 2005. Antropogenic impacts on
the distribution and biodiversity of benthic macroinvertebrates and water quality of the
Langat River, Peninsular Malaysia. Ecotoxicology and Environmental Safety, 16, 184-210.
B
Bacey, J. & Spurlock, F. (2007). Biological assessment of urban and agricultural streams in
the California Central Valley. Environmental Monitoring and Assessment, 130, 483-493.
Bae, Y. J., Kil, H. K. & Bae, K. S. (2005). Benthic macroinvertebrates for uses in stream
biomonitoring and restoration. KSCE Journal of Civil Engineering. 9, 55-63.
Baptista, D.F., Buss, D.F., Egler, M., Giovanelli, A., Silveira, M.P. & Nessimian, J.L. (2007). A
multimetric index based on benthic macroinvertebrates for evaluation of Atlantic Forest
streams at Rio de Janeiro State, Brazil. Hydrobiologia, 575, 83-94.
143

Barbour, M.T., Gerritsen, J., Griffith, G.E., Frydenborg, R., McCarron, E., White, J.S. & Bastian,
M.L. (1996). A framework for biological criteria for Florida streams using benthic
macroinvertebrates. Journal of the North American Benthological Society, 15, 185-211.
Barbour, M.T., Gerritsen, J., Snyder, B.D. & Stribling, J.B. (1999). Rapid bioassessment protocols
for use in stream and wadeable rivers: periphyton, benthicmacroinvertebrates and fish. 2nd
edition, U. S. Environmental Protection Agency, office of water, Washington, D. C., EPA 841 –B
–99-002. 11chapters.
Beauger, A. (2008). Bio-évaluation de la qualité de l'eau : établissement d'un protocole

d'échantillonnage simplifié, basé sur la collecte des macroinvertébrés benthiques sur les
seuils des rivières à charge de fond graveleuse. Thèse Doctorat, Université Blaise Pascal-
Clermont-Ferrand, 237p.
Beauger, A. & Lair, N. (2014). Analyse des principales méthodes de bio-évaluation basées sur
les macroinvertébrés benthiques. Bulletin de la société linnéenne de Lyon, 15-34.
Benoît-Cabot, V. (2014). Les facteurs de sélection des bio-indicateurs de la qualité des

écosystèmes aquatiques : élaboration d’un outil d’aide à la décision. Maîtrise en
environnement, Université de Sherbrooke, 118p.
Bernadet, C., Touron-Poncet, H., Desrosiers, C., Compin, A., Bargier, N. & Céréghino, R. (2013).
Invertebrate distribution patterns and river typology for the implementation of the water
framework directive in Martinique, French Lesser Antilles. Knowledge and Management of
Aquatic Ecosystems, 408, 01.
Beketov, M.A. (2004). Different sensitivity of mayflies (Insecta, Ephemeroptera) to

ammonia, nitrite, and nitrate: Linkage between experimental and observational
data. Hydrobiologia, 528, 209–216.
Boonsoong, B., Sangpradub, N. & Barbour, M.T. (2009). Development of rapid

bioassessment approaches using benthic macroinvertebrates for Thai
streams. Environmental Monitoring Assessment, 155, 129–147.
Buczyński, P., Zawal, A., Buczyńska, E., Stępień, E., Dąbkowski, P., Michoński, G., Szlauer-
Łukaszewska, A., Pakulnicka, J., Stryjecki, R. & Czachorowski, S. (2016). Early recolonization of a
144

dredged lowland river by dragonflies (Insecta : Odonata). Knowledge and Management of

Aquatic Ecosystems, 417, 43.
Buffagni, A., Erba, S., Cazzola, M., Murray-Bligh, J., Soszka, H., & Genoni, P. (2006). The STAR
common metrics approach to the WFD intercalibration process : Full application for small,
lowland rivers in three European countries. In The Ecological Status of European Rivers :
Evaluation and Intercalibration of Assessment Methods. Springer Netherlands. 379-399p.
Buss, D.F. & Borges, E.L. (2008). Application of rapid bioassessment protocols (RBP) for benthic
macroinvertebrates in Brazil: comparison between sampling techniques and mesh sizes.
Neotropical Entomology, 37, 288–295.
Buss, D.F., Baptista, D.F., Silveira, M.P., Nessimian, J.L. & Dorvillé, L.F. (2002). Influence of
water chemistry and environmental degradation on macroinvertebrate assemblages in a
river basin in south-east Brazil. Hydrobiologia. 481, 125-136.
Buss, D.F. & Vitorino, A. (2010). Rapid bioassessment protocols using benthic
macroinvertebrates in Brazil: evaluation of taxonomic sufficiency. Journal of the North
American Benthological Society, 29, 562–571.
Buss, D.F., Carlisle, D.M., Chon, T.S., Culp, J., Harding, J.S., Keizer-Vlek, H.E., Robinson, W.A.,
Strachan, S., Thirion, C. & Hughes, R.M. (2015). Stream biomonitoring using
macroinvertebrates around the globe: a comparison of large-scale programs. Environmental
Monitoring and Assessment, 187, 4132.
C
Cabral-Oliveira, J., Mendes, S., Maranhão, P. & Pardal, M.A. (2014). Effects of sewage pollution
on the structure of rocky shore macroinvertebrate assemblages. Hydrobiologia, 726, 271-283
Callisto, M., Goulart, M., Medeiros, A. O., Moreno, P. & Rosa, C. A. (2004). Diversity assessment
of benthic macroinvertebrates, Yeasts, and microbiological indicators along a longitudinal
gradient in Serra Do Cipó, Brazil. Brazilian Journal of Biology, 64, 743-755.
145

Callisto, M. & Goulart, M. (2005). Invertebrate drift along a longitudinal gradient in a

Neotropical stream in Serre Do Cipó National Park, Brazil. Hydrobiologia, 539, 47-56.
Camara, I.A., Diomande, D., Bony, Y.K., Ouattara, A., Franquet, E. & Gourene, G. (2012).
Diversity assessment of benthic macroinvertebrate communities in Banco National Park
(Banco Stream, Côte d'Ivoire). African Journal of Ecology, 50, 205-217.
Camara, I.A. (2013). Composition, structure et déterminisme des macroinvertébrés de la

rivière
Banco (Parc National du Banco; Côte d’Ivoire). Thèse de Doctorat/PhD, Université Nangui
Abrogoua, 151p.
Camargo, J.A., Alonso, A. & De La Puente, M. (2004). Multimetric assessment of nutrient

enrichment in impounded rivers based on benthic macroinvertebrates. Environmental
Monitoring and Publishers, 96, 233-249.
Cañedo-Argüelles, M., Bogan, M.T., Lytle, D. A. & Prat, N. (2016). Are Chironomidae (Diptera)
good indicators of water scarcity ? Dryland streams as a case study. Ecological Indicators, 71,
155-162.
Carliste, D.M., Meador, M.R., Moulton II, S.R. & Ruhl P.M. (2007). Estimation and application of
indicator values for common macroinvertebrates genera and families of the United
States. Ecological Indicators, 7: 22-23.
Carter, J.L. & Resh, V.H. (2001). After site selection and before data analysis: sampling,
sorting, and laboratory procedures used in stream benthic macroinvertebrate monitoring
programs by USA state agencies. Journal of the North American Benthological Society, 20,
658-682.
Charvet, S., Statzner, B., Usseglio‐Polatera, P. & Dumont, B. (2000). Traits of benthic
macroinvertebrates in semi‐natural French streams: an initial application to biomonitoring in
Europe. Freshwater Biology, 43, 277-296.
Cho, W.S., Park, Y.S., Park, H.K., Kong, H.Y. & Chon, T.S. (2011). Ecological informatics
approach to screening of integrity metrics based on benthic macroinvertebrates in
streams. Annales de Limnologie-International Journal of Limnology, 47, S51–S62.
146

Clarke, R. T., Wright, J. F. & Furse, M. T. (2003). RIVPACS models for predicting the expected
macroinvertebrate fauna and assessing the ecological quality of rivers. Ecological Modelling,
160, 219–233.
Colas, F., Archaimbault, V., Ferard, J.F., Bouquerel, J., Roger, M.C. & Devin, S. (2013) Benthic
Indicators of Sediment Quality Associated with Run-of-River Reservoirs. Hydrobiologia,
703: 149-164.
Colas, F., Vigneron, A., Felten, V. & Devin, S. (2014). The contribution of a niche – based
approach to ecological risk assessment : using macroinvertebrates species under multiple
stressors. Environmental Pollution, 185, 24 – 34.
Corder, G.W. & Foreman, D.I. (2009). Nonparametric statistics: an

introduction. Nonparametric Statistics for Non-Statisticians: A Step-by-Step Approach, 1-11p.
Costanza, R., d’Arge, R., De Groot, R., Farber, S., Grasso, M., Hannon, B., Limburg, K., Naeem, S.,
O’Neill, R.V., Paruelo, J., Raskin, R. G., Sutton, P. & Marjan van den Belt (1998). The value of
ecosystem services : putting the issues in perspective. Ecological Economics 25, 67–72.
Cranston, P. S., Fairweather, P. & Clarke, G. (1996). Biological indicators of water

quality. Walker, J. & Reuter, D.J.(eds). Indicators of Catchment Health : a technical
perspective. CSIRO, Melbourne, 143-154.
Cummins, K. W. (1975). Macroinvertebrates. River ecology, 170-198.
D
Da Fonseca, C. (1968). Théorie de l’information et diversité spécifique. Bulletin du Musée
National d’Histoire Paris, 2ème série, 38, 961 - 968.
Dajoz, R. (2000). Précis d’Ecologie. 7ème édition, Dunod, Paris, 615 p.
Dajoz, R. (1982). Précis d'écologie. 4ème édition, Paris, Bordas, 503 p.
147

Dallas, H. F. (1997). A preliminary evaluation of aspects of SASS (South African Scoring System)
for the rapid bioassessment of water quality in Rivers with particular reference to the
incorporation of SASS in a national Biomonitoring Programme. Southern African Journal of
Aquatic Sciences, 23, 79–94.
Dallas, H. F. (2004). Seasonal variability of macroinvertebrate assemblages in two regions of

South Africa: implications for aquatic bioassessment. African Journal of Aquatic Science, 29,
173–184.
Dalu, T., Wasserman, R.J., Tonkin, J.D., Mwedzi, T., Magoro, M.L. & Weyl, O.L. (2017a). Water or
sediment? Partitioning the role of water column and sediment chemistry as drivers of
macroinvertebrate communities in an austral South African stream. Science of the Total
Environment, 607-608, 317-325.
Dalu, T., Wasserman, R.J., Tonkin, J.D., Alexander, M.E., Dalu, M.T.B., Motitso, S., Manungo, K.I.,
Bepe, O. & Dube, T. (2017b). Assessing drivers of benthic macroinvertebrate community
structure in African highlands: an exploration using multivariate analysis. Science of the Total
Environment, 601–602, 1340–1348.
Dar, P.A. & Reshi, Z.A. (2014). Components, processes and consequences of biotic
homogenization : a review. Contemporary problems of ecology, 7, 123-136.
Davies, P.E. (2000). Development of a national river bioassessment system (AUSRIVAS) in

Australia. In J. F. Wright, D. W. Sutcliffe, & M. T. Furse (Eds.), Assessing the biological quality
of freshwaters: RIVPACS and other techniques (pp. 113–124). Cumbria: Freshwater Biological
Association (FBA).
Davies, P.E., Harris, J., Hillman, T. & Walker, K. (2010). The Sustainable Rivers Audit: assessing
river ecosystem health in the Murray-Darling Basin, Australia. Marine and Freshwater
Research, 61, 764–777.
Davies, P.J., Wright, I.A., Findlay, S.J., Jonasson, O.J. & Burgin, S. (2010). Impact of urban
development on aquatic macroinvertebrates in south eastern Australia: degradation of
in-stream habitats and comparison with non-urban streams. Aquatic Ecology, 44, 685-700.
148

Davis, W.S., & Simon, T.P. (Eds.). (1995). Biological assessment and criteria : tools for water
resource planning and decision making. Lewis Publishers, Boca Raton, London, Tokyo.
Day, J.A., Stewart, B.A., de Moor, I.J. & Louw, A.E. (2001). Guides to the Freshwater
Invertebrates of Southern Africa, Volume 4: Crustacea III. Water Research Commission
Report, No. TT 141/101, Pretoria-South Africa, 151p.
Day, J.A., Harrison, A.D. & de Moor, I.J. (2002). Guides to the Freshwater Invertebrates of
Southern Africa, Volume 9 : Diptera. Water Research Commission Report, No. TT 201/02,
Pretoria-South Africa, 210p.
Dedieu, N., Clavier, S., Vigouroux, R., Cerdan, P. & Céréghino, R. (2016). A multimetric
macroinvertebrate index for the implementation of the European Water Framework Directive
in French Guiana, East Amazonia. River Research and Applications, 32, 501-515.
Dejoux, C., Elouard, J.M., Forge, P. & Maslin, J.L. (1981). Catalogue iconographique des insectes
aquatiques de Côte d'Ivoire. ORSTOM 42, 178p.
De Moor, I.J. & Day, J.A. (2002). Guides to the Freshwater Invertebrates of Southern Africa,
Volume 6: Arachnida & Mollusca. Chapter 3: Mollusca. Water Research Commission Report,
No. TT 182/02, Pretoria-South Africa, 42-125p.
De Moor, I.J., Day, J.A., & De Moor, F.C. (2003a). Guides to the Freshwater Invertebrates of
Southern Africa, Volume 7: Insecta I. Ephemeroptera, Odonata & Plecoptera. Water Research
Commission Report, No. TT 207/03, Pretoria-South Africa, 301p.
De Moor, I.J., Day, J.A. & De Moor, F.C. (2003b). Guides to the Freshwater Invertebrates of
Southern Africa, Volume 8: Insecta II. Hemiptera, Megaloptera, Neuroptera, Trichoptera
&Lepidoptera. Water Research Commission Report, No. TT 214/03, Pretoria-South Africa,
219p.
Deborde, D.D.D., Hernandez, M.B.M. & Magbanua, F. S. (2016). Benthic macroinvertebrate

community as an indicator of stream health: The effects of land use on stream benthic
macroinvertebrates. Science Diliman, 28, 5-26.
149

De Haas, E.M., Wagner, C.O.E.N., Koelmans, A.A., Kraak, M.H. & Admiraal, W.I.M. (2006).
Habitat selection by chironomid larvae: fast growth requires fast food. Journal of Animal
Ecology, 75, 148-155.
Dessaix, J., Fruget, J. F., Olivier, J. M. & Beffy, J.L. (1995). Changes of the macroinvertebrate
communities in the dammed and by‐passed sections of the French upper rhocne after
regulation. River Research and Applications, 10, 265-279.
Devidal, S., Richard-Sirois, C., Pouet, M-F. & Thomas, O. (2007). Solutions curatives pour la
restauration des lacs présentant des signes d’eutrophisation, rapport interne.
Observatoire de l’environnement et du développement durable, Université de Sherbrooke,
Québec, 51 p.
Dhillon, M.K., George, M.P. & Mishra S. (2013). Water quality of River Yamuna - Delhi stretch.
International Journal of Environmental Sciences, 3, 1416-1423.
Dias, R.J.P., Wieloch, A.H. & D’Agosto, M. (2008). The influence of environmental
characteristics on the distribution of ciliate (Protozoa, Ciliophora) in an urban stream of
southeast Brazil. Brazilian Journal of Biology, 68, 287-295.
Dias-Silva, K., Cabette, H.S., & Juen, L. (2010). The influence of habitat integrity and physical-
chemical water variables on the structure of aquatic and semi-aquatic Heteroptera. Zoologia
(Curitiba), 27, 918-930.
Diomandé, D., Bony, Y. K., Edia, E.O., Konan, K.F. & Gourène, G. (2009). Diversité des
macroinvertébrés benthiques de la rivière Agnéby (Côte d’Ivoire ; Afrique de l’Ouest).
European Journal of Scientific Research, 35, 368-377.
Directive 2000/60/CE du Parlement européen et du Conseil du 23 octobre 2000 établissant un

cadre pour une politique communautaire dans le domaine de l'eau. Journal officiel n° L 327
du 22/12/2000, 0001 – 0073.
Dokulil, M. (2003). Algae as ecological bioindicators. In: Bioindicators & biomonitors :

principles, concepts, and applications. Ed. by B. A. Markert, A. M. Breure, & H. G. Zechmeister.
Amsterdam ; Boston : Elsevier, 285–326p.
150

Dolédec, S. & Chessel, D. (1994). Co-inertia analysis : an alternative methode for studying
species - environment relationships. Freshwater Biology, 31, 277-294.
Dolédec, S. & Statzner, B. (2008). Invertebrate traits for the biomonitoring of large European
rivers: an assessment of specific types of human impact. Freswater Biology, 53, 617–634.
Dongmo, J. L. (1981). Le dynamisme bamiléké (Cameroun): La maîtrise de l'espace agraire. Vol

2, 716 p.
Doretto, A., Piano, E., Bona, F. & Fenoglio, S. (2018). How to assess the impact of fine
sediments on the macroinvertebrate communities of alpine streams? A selection of the best
metrics. Ecological Indicators, 84, 60-69.
Dray, S. & Dufour, A.B. (2007). The ade4 package: implementing the duality diagram for
ecologists. Journal of Statistical Software, 22, 1-20.
Dufrêne, M. & Legendre, P. (1997). Species assemblages and indicator species: the need
for a flexible asymmetrical approach. Ecological Monographs, 67, 345-366.
Duka, S., Pepa, B., Keci, E., Paparisto, A., & Lazo, P. (2017). Biomonitoring of water quality of
the Osumi, Devolli, and Shkumbini rivers through benthic macroinvertebrates and chemical
parameters. Journal of Environmental Science and Health, Part A, 52, 471-478.
Durand, J.R. & Lévêque, C. (1981). Flore et faune aquatiques de l’Afrique Sahélo-soudanienne.
Tome II. Edition de l’ORSTOM, Paris, 517p.
Edia, O.E., Brosse, S., Ouattara A., Gourène, G., Winterton, P. & Lek-Ang, S. (2007). Aquatic
insect assemblage patterns in four West-African coastal rivers. Journal of Biological
Sciences, 7, 1130-1138.
151

Edia, O. E., Bony, K.Y., Konan, K.F., Ouattara, A. & Gourène, G. (2013). Distribution of Aquatic
Insects among four costal river habitats (Côte d’Ivoire, West-Africa). Bulletin of Environment,
Pharmacology and Life Sciences, 2, 68-77.
Environmental Protection Agency, Washington, DC. Office of the Assistant Administrator for
Water, (1990). Biological criteria : national program guidance for surface waters. United
States Environmental Protection Agency, EPA-440/5-90-004.
F
Failla, A.J., Vasquez, A.A., Fujimoto, M. & Ram, J.L. (2015). The Ecological, Economic and Public
Health Impacts of Nuisance Chironomids and Their Potential as Aquatic Invaders. Aquatic
Invasions, 10, 1-15.
Feld, C.K., Bello, F. & Dolédec, S. (2014). Biodiversity of traits and species both show weak
responses to hydromorphological alteration in lowland river macroinvertebrates. Freshwater
Biology, 59, 233-248.
Fennessy, S., Ibañez, C., Munné, A., Caiola, N., Kirchner N. & Sola C. (2015). Biological Indices
Based on Macrophytes : An Overview of Methods Used in Catalonia and the USA to
Determine the Status of Rivers and Wetlands. In: The Handbook of Environmental Chemistry.
Berlin: Springer, 1–19p.
Fernandes, J.D.F., De Souza, A.L.T. & Tanaka, M.O. (2014). Can the structure of a riparian forest
remnant influence stream water quality? A tropical case study. Hydrobiologia, 724, 175-185.
Ferreira, W.R., Paiva, L.T. & Callisto, M. (2011). Development of a benthic multimetric index
for biomonitoring of a neotropical watershed. Brazilian Journal of Biology. 71, 15-25.
Fochetti, R., & de Figueroa, J.M.T. (2006). Notes on diversity and conservation of the European
fauna of Plecoptera (Insecta). Journal of Natural History, 40, 2361-2369.
Forcellini, M., Mathieu, C. & Merigoux, S. (2011). Atlas des macroinvertébrés benthiques des
eaux douces de l’île de la Réunion. Office de l’Eau de la Réunion – CNRS, 137p.
152

Foto Menbohan, S., Njiné, T., Zebaze Togouet, S.H., Kemka, N., Nola, M., Monkiedje, A. &
Boutin, C. (2006). Distribution spatiale du zooplancton dans un réseau hydrographique
perturbé en milieu urbain tropical (Cameroun). Bulletin de la société d’histoire naturelle de
Toulouse, 142,53-62.
Foto Menbohan, S., Zebaze Togouet, S.H. Njiné, T. & Nyamsi Tchatcho, N. L. (2010).
Macroinvertébrés benthiques du cours d’eau Nga : Essai de caractérisation d’un référentiel
par des analyses biologiques. European Journal of Scientific Research, 43, 96 – 106.
Foto Menbohan, S, Zébazé Togouet, S.H, Nyamsi Tchatcho, N.L, AJeagah, G. & Njine, T.
(2011). Evolution spatiale de la diversité des peuplements de macroinvertébrés benthiques
dans un cours d’eau anthropisé en milieu tropical (Cameroun). European Journal of Scientific
Research 55: 291-300.
Foto Menbohan, S. (2012). Recherche écologique sur le réseau hydrographique du

Mfoundi (Yaoundé): Essai de biotypologie. Thèse de Doctorat d’Etat, Faculté des Sciences,
Université de Yaoundé I, 179 p. + annexes.
Foto Menbohan, S., Koji, E., Ajeagah, G., Bilong Bilong, C. & Njiné, T. (2012). Impact of dam
construction on the diversity of benthic macroinvertebrates community in a periurban stream
in Cameroon. International Journal of Biosciences, 2, 137-145.
Foto Menbohan, S., Tchakonté, S., Ajeagah, G., Zébazé Togouet, S.H., Bilong Bilong, C.F. & Njiné,
T. (2013). Water quality assessment using benthic macroinvertebrates in a periurban stream
(Cameroon). The International Journal of Biotechnology, 2, 91-104.
Foto, M.S. (1989). La pollution de deux cours d’eau urbains au Cameroun : L’Abiergué et le
Mfoundi : Etude physico-chimique et Biologique. Thèse de Doctorat 3e Cycle, Université de
Yaoundé, Cameroun, 142 p.
Friberg, N., Bonada, N., Bradley, D.C., Dunbar, M.J., Edwards, F.K., Grey, J., Hayes, R.,
Hildrew, A., Lamouroux, N., Trimmer, M. & Woodward, G. (2011). Biomonitoring of human
impacts in freshwater ecosystems: the good, the bad and the ugly. Advances in Ecological
Research, 44, 1-68.
153

Frizzera, G.L. & Alves, R.D.G. (2012). The influence of taxonomic resolution of
Oligochaetaon the evaluation of water quality in an urban stream in Minas Gerais,
Brazil. Acta Limnologica Brasiliensia. 24, 408-416.
G
Gabriels, W., Lock, K., de Pauw, N. & Goethals, P.L.M. (2010). Multimetric Macroinvertebrate
Index Flanders (MMIF) for biological assessment of rivers and lakes in Flanders (Belgium).
Limnologica, 40, 199–207.
Gerber, A. & Gabriel, M.J.M. (2002). Aquatic invertebrates of South African rivers field guide.
Institute for Water Quality Studies, Department of Water Affairs and Forestry, 150p.
Goaziou, Y. (2004). Méthodes d’évaluation de l’intégrité biotique du milieu aquatique

basée sur les Macroinvertébrés benthiques – Rapport de stage – Environnement Québec,
Direction de suivi de l’état de l’environnement, 37 p.
Golfieri, B., Hardersen, S., Maiolini, B. & Surian, N. (2016). Odonates as indicators of the
ecological integrity of theriver corridor: development and application of the Odonate River
Index (ORI) in northern Italy. Ecological Indicators, 61, 234–247.
H
Hamid, S.A. & Rawi, C.S.M. 2011. Stoneflies (Insecta : Plecoptera) in Malaysian tropical
rivers: Diversity and seasonality. Journal of Entomology and Nematology 3, 30-36.
Heiskanen, A. S., Van De Bund, W., Cardoso, A. C. & Noges, P. (2004). Towards good of
ecological status of surface waters in Europe-interpretation and harmonisation of the
concept. Water Science and Technology 49, 169–177.
154

Hellawell, J.M. (1986). Biological indicators of freshwater pollution and environmental

management. In, Pollution Monitoring Series, K. Mellanby (ed). Elsevier Applied Science
Publishers, London, UK. 546p.
Helson, J.E. & Williams, D.D. (2013). Development of a macroinvertebrate multimetric index
for the assessment of low-land streams in the neotropics. Ecological indicators, 29, 167-178.
Hepp, L.U., Restello, R.M. & Milesi, S.V. (2013). Distribution of aquatic insects in urban
headwater streams. Acta Limnologica Brasiliensia 25, 1-9.
Hering, D., Feld, C. K., Moog, O. & Ofenböck, T. (2006). Cook book for the development of a
multimetric index for biological condition of aquatic ecosystems: experiences from the
European AQEM and STAR projects and related initiatives. Hydrobiologia, 566, 311–324.
Herrmann, J. (2012). Chemical and biological benefits in a stormwater wetland in Kalmar, SE

Sweden. Limnologica, 42, 299–309.
Hewlett, R. (2000). Implications of taxonomic resolution and sample habitat for stream
classification at a broad geographic scale. Journal of the North American Benthological
Society, 19, 352-361.
Hildrew, A.G., Woodward, G., Winterbottom, J.H. & Orton, S. (2004). Strong density
dependence in a predatory insect: large-scale experiments in a stream. Journal of Animal
Ecology, 73, 447–458.
Hilsenhoff, W.L. (1988). Rapid field assessment of organic pollution with a family-level
Biotic Index. Journal of North America. Benthological Society, 7, 65-68.
Hughes, B.D. (1978). The influence of factors other than pollution on the value of
Shannon’s diversity index for benthic macro-invertebrates in streams. Water Research, 12,
359–364.
Hughes, R.M., Kaufmann, P.R., Herlihy, A.T., Kincaid, T. M., Reynolds, L. & Larsen, D.P. (1998). A
process for developing and evaluating indices of fish assemblage integrity. Canadian Journal
of Fisheries and Aquatic Sciences, 55, 1618–1631.
155

Hughes, R.M. & Peck, D.V. (2008). Acquiring data for large aquatic resource surveys: the art of
compromise among science, logistics, and reality. Journal of the North American
Benthological Society, 27, 837–859.
I et J
Imoobe, T. (2008). Variation in benthic macroinvertebrate assemblages in ologe lagoon,
Nigeria. African Journal of Aquatic Science, 33, 45-50.
Jonnalagadda, S. B. & Mhere, G. (2001). Water quality of the Odzi River in the Eastern
Highlands of Zimbabwe. Water Research, 35, 2371-2376.
Johnson, R.K., Goedkoop, W., & Sandin, L. (2004). Spatial scale and ecological relationships
between the macroinvertebrate communities of stony habitats of streams and lakes.
Freshwater Biology, 49, 1179–1194.
Johnson, R.K., Hering, D., Furse, M.T. & Clarke, R.T. (2006). Detection of ecological change
using multiple organism groups: metrics and uncertainty. Hydrobiologia, 566,115–137.
Jun, Y.-C., Won, D.-H., Lee, S.-H., Kong, D.-S. & Hwang, S-J. (2012). A multimetric benthic
macroinvertebrate index for the assessment of stream biotic integrity in Korea (KB-IBI).
International Journal of Environmental Research and Public Health, 9, 3599–3628.
Kaboré, I., Moog, O., Alp, M., Guenda, W., Koblinger, T., Mano, K., Ouéda, A., Ouédraogo, R.,
Trauner D. & Melcher, A.H. (2016a). Using macroinvertebrates for ecosystem health
assessment in semi-arid streams of Burkina Faso. Hydrobiologia, 766, 57-74.
Kaboré, I., Ouédraogo, I., Tampo, L., Ouéda, A., Moog, O., Guenda, W. & Melcher, A.H. (2016b).
Composition and dynamic of benthic macroinvertebrates community in semi-arid area rivers
156

of Burkina Faso (West Africa). International Journal of Biological and Chemical Sciences, 10,
1542-1561.
Kasangaki, A., Chapman, L.J. & Balirwa, J. (2008). Land use and the ecology of benthic
macroinvertebrate assemblages of high-altitude rainforest streams in Uganda. Freshwater
Biology, 53, 681–697.
Karr, J.R., Fausch, K.D., Angermeier, P.L., Yant, P.R. & Schlosser, I.J. (1986). Assessing biological
integrity in running waters. A method and its rationale. Illinois Natural History Survey,
Champaign, Special Publication, 5.
Karr, J.R. & Dudley, D.R. (1981). Ecological perspective on water quality goals. Environmental
management, 5, 55-68.
Karr, J.R. (1999). Defining and measuring river health. Freshwater Biology, 41, 221-234.
Karr, J.R. & Chu, E.W. (1999). Restoring life in running waters: better biological monitoring.
Island Press. Washington, DC 200p.
Kearns, P. & Stevenson, R.D. (2012). The effect of decreasing temperature on arthropod
diversity and abundance in horse dung decomposition communities of South-eastern
Massachusetts. Psyche: A Journal of Entomology, 2012, 1-12.
Kilonzo, F., Masese, F.O., Van Griensven, A., Bauwens, W., Obando, J. & Lens, P.N. (2013).
Spatial–temporal variability in water quality and macro-invertebrate assemblages in the
Upper Mara River basin, Kenya. Physics and Chemistry of the Earth, Parts A/B/C, 67, 93-104.
Klemm, D.J., Blocksom, K.A., Thoeny, W.T., Fulk, F.A., Herlihy, A.T., Kaufmann, P.R. &
Cormier, S.M. (2002). Methods development and use of macroinvertebrates as indicators
of ecological conditions for streams in the mid-Atlantic highlands region. Environmental
Monitoring Assessment, 78, 169–212.
Klemm, D.J., Blocksom, K.A., Fulk, F.A., Herlihy, A.T., Hughes, R.M., Kaufmann, P.R., Peck, D.V.,
Stoddard, J.L., Thoeny, W.T., Griffith, M.B. & Davis, W.S. (2003). Development and evaluation
of a macroinvertebrate biotic integrity index (MBII) for regionally assessing Mid-Atlantic
Highlands streams. Environmental Management, 31, 656-669.
157

Koji, E., Noah Ewoti, O.V., Onana, F.M., Tchakonté, S., Lontsi Djimeli, C., Tamsa Arfao, A.,
Bricheux, G., Sime-Ngando, T. & Nola, M. (2017). Influence of Anthropogenic Pollution on the
Abundance Dynamics of Some Freshwater Invertebrates in the Coastal Area of
Cameroon. Journal of Environmental Protection, 8, 810-829.
Kohonen, T. (2001). Self-Organizing Maps (3rd Edition). Springer-Verlag, Berlin, Germany,

501p.
Koné, M., Bonou, L., Bouvet, Y., Joly, P. & Koulidiaty, J. (2009). Study of water pollution by
agricultural inputs : case of five intensive agriculture areas in Bukina Faso. Sud Sciences &
Technologies, ISSN O796-5419.
Kouamé, M.K., Dietoa, M.Y., Edia, E.O., Da Costa, S.K., Ouattara, A. & Gourène, G. (2011).
Macroinvertebrate communities associated with macrophyte habitats in a tropical man-made
lake (Lake Taabo, Côte d’Ivoire). Knowledge and Management of Aquatic Ecosystems, 400, 3.
Kuete, M. & Dikoume, A. (2000). Espace, pouvoir et conflits dans les hautes terres de l’Ouest
Cameroun. Presse universitaire de Yaoundé1. 149p.
Kutcher, T.E. & Bried, J.T. (2014). Adult Odonata conservatism as an indicator of freshwater
wetland condition. Ecological Indicators, 38, 31-39.
L
Leigh, C. & Sheldon, F. (2009). Hydrological connectivity drives patterns of macroinvertebrate
biodiversity in floodplain rivers of the Australian wet/dry tropics. Freshwater Biology, 54, 549-
571.
Levêque, C. & Balian, E.V. (2005). Conservation of freshwater. Biodiversity : does the real
world meet scientific dream ? Hydrobiologia, 542: 25-26.
Letouzey, R. (1968). Etude phytogéographique du Cameroun. Lechevalier, Paris, 511 p
158

Lecerf, A. (2005). Perturbations anthropiques et fonctionnement écologique des cours d’eau

de tête de bassin : Etude du processus de décomposition des litières. Thèse de Doctorat.
Université de Toulouse III, 159p.
Leclercq, L.. (2001). Intérêt et limites des méthodes d’estimation de la qualité de l’eau. Station
scientifique des Hautes-Fagnes, Belgique, Document de travail, 44p.
Lenat, D.R. & Resh, V.H. (2001). Taxonomy and stream ecology—The benefits of genus-and
species-level identifications. Journal of the North American Benthological Society, 20, 287–
298.
Liechti, P., Frutiger, A. & Zobrist, J. (2004). Methodes d’analyse et d’appréciation des cours
d’eau en Suisse : Module chimie, Analyses physico-chimiques niveau R & C. OFEFP, Bern,
Switzerland, 11-12.
Loayza-Muro, R.A., Marticorena-Ruiz, J.K., Palomin, E.J., Merritt, C., De Baat, M.L.,
Gemert, M.V. & Admiraal, W. (2012). Persistence of chironomids in metal polluted
andean high altitude streams: does melanin play a role? Environmental Science and
Technology. 47, 601-607.
Lock, K., Asenova, M. & Goethals, P.L. (2011). Benthic macroinvertebrates as indicators of the
water quality in Bulgaria: A case-study in the Iskar river basin. Limnologica, 41, 334-338.
Lougheed, V.L., McIntosh, M.D., Parker, C.A. & Stevenson, R. (2008). Wetland degradation
leads to homogenization of the biota at local and landscape scales. Freshwater Biology, 53,
2402-2413.
Luke, S. H., Dow, R.A., Butler, S., Vun Khen, C., Aldridge, D.C., Foster, W. A. & Turner, E.C.
(2017). The impacts of habitat disturbance on adult and larval dragonflies (Odonata) in
rainforest streams in Sabah, Malaysian Borneo. Freshwater Biology, 62, 491-506.
Lyons, J. (1996). Patterns in the species composition of fish assemblages among Wisconsin
streams. Environmental Biology of Fishes, 45, 329-341.
159

M
Maasri, A., Fayolle, S., Gandouin, E., Garnier, R. & Franquet, E. (2008). Epilithic chironomid
larvae and water enrichment: is larval distribution explained by epilithon quantity or
quality? Journal of the North American Benthological Society, 27, 38–51.
Mackie, G.L. (1998). Applied Aquatic Ecosystems Concept. University of Guelph Custom
Coursepack. 12 chapters.
Mandal, H.K. (2014). Assessment of wastewater temperature and its relationship with
turbidity. Recent Research in Science and Technology 6, 258-262.
Markert, B.A., Breure, A.M. & Zechmeister, H.G. (2003). Bioindicatros and biomonitors.
Principles, concept an applications. Oxford, UK: Elsevier. 1014p.
Mary, N. (1999). Caractérisation physicochimique et biologique des cours d’eau de la Nouvelle

Calédonie, proposition d’un indice biotique fondé sur l’étude des macroinvertébrés
benthiques. Thèse de Doctorat, Université Française du Pacifique, Nouméa, Nouvelle
Calédonie, 200p.
McKinney, M.L. (2006). Urbanization as a major cause of biotic homogenization. Biological

conservation, 127, 247-260.
Menétrey Perrottet, N. (2009). Elaboration d’une méthode d’évaluation de la qualité

écologique des petits plans d’eau basée sur les communautés de macroinvertébrés. Thèse de
doctorat/PhD, l’Université de Genève, 188p.
Mereta, S.T., Boets, P., De Meester, L. & Goethals, P.L. (2013). Development of a multimetric
index based on benthic macroinvertebrates for the assessment of natural wetlands in
Southwest Ethiopia. Ecological Indicators, 29, 510-521.
Merritt, R.W. & Cummins, K.W. (1996). An introduction to the Aquatic Insects of the North
America. Kendall Hunt Publishing Company.
Merritt R.W., Cummins K.W. & Berg M.B. (2008). An Introduction to the Aquatic Insects of
North America. 4th edition. Kendall Hunt Publishing, Dubuque, Iowa, U.S.A, 1158 p.
160

Meybeck M. & Helmer R. (1992). An introduction to water quality. In David Chapman, water
quality assessment, edition Chapman & Hall, 1-18.
Michael, S., Ian, S., Litay, R., Robert, A., Claire, N.W., Albania, G. & Mark, C. (2004).
Relationship between macroinvertebrate fauna and environmental variables in small
streams of the Dominican Republic. Water Research, 38, 863-874.
Miguel, T.B., Oliveira-Junior, J.M.B., Ligeiro, R. & Juen, L. (2017). Odonata (Insecta) as a tool for
the biomonitoring of environmental quality. Ecological Indicators, 81, 555-566.
Miserendino, M.L. & Masi, C.I. (2010). The effects of land use on environmental features and
functional organization of macroinvertebrate communities in Patagonian low order streams.
Ecological indicators, 10, 311-319.
Moisan, J. (2010). Guide d’identification des principaux macroinvertébrés benthiques d’eau

douce du Québec, surveillance volontaire des cours peu profonds. Direction du suivi de l’état
de l’environnement, Ministère du Développement Durable, de l’Environnement et des Parcs,
ISBN-13: 978-2-550-58416-2, 82p.
Mološevic, D., Stojkovič, M., Čerba, D., Petrovič, A., Paunovič, M. & Simič, V. (2014). Different
aggregation approaches in the Chironomid commuity and the treshold of acceptable
information loss. Hydrobiologia, 727, 35-50.
Mondy, C.P., Villeneuve, B., Archaimbault, V. & Usseglio-Polatera, P. (2012). A new

macroinvertebrate-based multimetric index (I2M2) to evaluate ecological quality of French
wadeable streams fulfilling the WFD demands : A taxonomical and trait approach. Ecological
Indicators, 18, 452-467.
Monoury, E. (2013). Fonctionnement écologique des zones de dépôt dans les ruisseaux :
contribution des invertébrés benthiques aux processus de décomposition des litières et de
bioturbation. Thèse de doctorat/PhD, Université Paul Sabatier, Toulouse III, 283p.
Monteiro-Júnior, C.S., Couceiro, S.R.M., Hamada, N. & Juen, L. (2013). Effect of vegetation
removal for road building on richness and composition of Odonata communities in Amazonia,
Brazil. International Journal of Odonatologie, 16, 135–144.
161

Montgomery, C.W. (1992). Environmental Geology. Brown Publishers, New York, USA, 465p.
Moretti, M.S. & Callisto, M. (2005): Biomonitoring of benthic macroinvertebrates in the middle
Doce River watershed. Acta Limnol. Bras., 17, 267-281.
Moya, N., Hughes, R.M., Dominguez, E., Gibon, F.M., Goitia, E. & Oberdorff, T. (2011).
Macroinvertebrate-based multimetric predictive models for evaluating the human impact
on biotic condition of Bolivian streams. Ecological Indicators 11, 840–847.
Mpakam, H.G. (2008). Étude de la vulnérabilité à la pollution des ressources en eau dans la
ville de Bafoussam (Ouest Cameroun) et indices socio-économiques et sanitaires : modalités
d’assainissement, Thèse de doctorat/PhD en sciences de l’ingénieur, option hydrochimie et
assainissement, Université de Yaoundé I, 319 p.
Munné, A. & Prat, N. (2009). Use of macroinvertebrate-based multimetric indices for water
quality evaluation in Spanish Mediterranean rivers: an intercalibration approach with the
IBMWP index. Hydrobiologia, 628, 203–225.
Mutonkole Senga, P., Tshitenge Mbuebue, J-M. & Masamba, L. (2015). Benthic
macroinvertebrates as indicators of water quality: a case-study of urban funa stream (in
Kinshasa, Democratic Republic of Congo). Open Journal of Water Pollution and Treament, 2,
2374 – 6351.
Myers, L.W., Kondratieff, B.C., Mihuc, T.B. & Ruiter, D.E. (2011). The mayflies (Ephemeroptera),
stoneflies (Plecoptera), and caddisflies (Trichoptera) of the Adirondack Park (New York State).
Transaction of the American Entomolological Society, 137, 63–140.
N
Ndam Ngoupayou, J.R., Apouamoun, R., Youego Sihon, J.R., Ngnike, P.M., Boeglin, J.-L. &
Bedimo Bedimo, J.-P. (2007). Transferts d’eau et de matières dans un écosystème forestier
urbanisé en Afrique : le bassin versant de la Mefou au Sud du Cameroun. Actes des JSIRAUF,
Hanoi, 6p.
162

Njoyim, E.T., Djoko, Y.T., Ghogomua, J., Djepang, S.A. & Laminsi, S. (2016). Plasma-chemical
treatment of industrial wastewaters from brewery “Brasseries du Cameroun”, Bafoussam
factory. International Journal of Engineering Research and Applications, 6, 60 - 71.
Nyamsi Tchatcho, N.L., Foto Menbohan, S., Zébazé Togouet, S.H., Onana, F.M., Adandedjan, D.,
Tchakonté, S., Yémélé Tsago, C., Koji, E. & Njiné, T. (2014). Indice Multimétrique des
Macroinvertébrés Benthiques Yaoundéens (IMMY) pour l’évaluation biologique de la qualité
des eaux descours d’eau de la Région du Centre Sud Forestier du Cameroun. European
Journal of Scientific Research, 123, 412-430.
Odountan, H. & Abou, Y. (2016). Structure and composition of macroinvertebrates during

flood period oàf the Nokoue lake, Benin. Open Journal of Ecology, 6, 62 – 73.
Odume, O.N., Muller, W.J., Arimoro, F.O. & Palmer, C.G. (2012). The impact of water quality
deterioration on macroinvertebrate communities in the Swartkops River, South Africa: a
multimetric approach. African Journal of Aquatic Science, 37, 191-200.
Ofenböck, T., Moog, O., Gerritsen, J. & Barbour, M. (2004). A stressor specific multimetric
approach for monitoring running waters in Austria using benthic macroinvertebrates.
Hydrobiologia, 516, 251-268.
Oksanen, J.F., Blanchet, G., Kindt, R., Legendre, P., Minchin, P.R., O'Hara, R.B., Simpson, G.L.,
Solymos, P., Stevens, H.H. & Wagner, H. (2013). Vegan: Community Ecology Package. R
package version 2.0-7. http://CRAN.R-project.org/package=vegan.
Oliveira, R.B.S., Baptista, D.F., Mugnai, R., Castro, C.M. & Hughes, R.M. (2011). Towards rapid
bioassessment of wadeable streams in Brazil, Development of the Guapiacu-Macau
Multimetric Index (GMMI) based on benthic. Ecological Indicators, 11, 1584–1593.
163

Oliveira Junior, J.M.B., Shimano, Y., Gardner, T.A., Hughes, R.M., Marco Júnior, P. & Juen, L.
(2015). Neotropical dragonflies (Insecta: Odonata) as indicators of ecological condition of
small streams in the eastern Amazon. Austral Ecol. 40, 733–744.
Olivry, J.C. (1986). “Fleuves et rivières du Cameroun”. Edition Mesres-Orstom, Paris, France,
733p.
Onana, F.M., Zébazé Togouet, S.H., Koji, E., Nyamsi Tchatcho, N.L. & Tchakonté, S. (2016).
Influence of municipal and industrial pollution on the diversity and the structure of benthic
macro-invertebrates community of an urban river in Douala, Cameroon. Journal of
Biodiversity and Environmental Sciences, 8, 120-133.
P
Pettigrove, V. & Hoffmann, A. (2005). A field‐based microcosm method to assess the effects of
polluted urban stream sediments on aquatic macroinvertebrates. Environmental Toxicology
and Chemistry, 24, 170-180.
Philippeau, G. (1992). Comment interpréter les résultats d’une analyse en composantes

principales. Service des Etudes Statistiques – ITCF, 63p.
Pielou, E.C. (1966). The measurement of diversity in different types of biological collections.
Journal of Theoretical Biology, 13, 131-144.
Pinto, P., Rosado, J., Morais, M. & Antunes, I. (2004). Assessment methodology for southern
siliceous basins in Portugal. Hydrobiologia, 516, 191-214.
Poff, N.L., David Allan, J.D., Bain, M.B., Karr, J.R., Prestegaard, K.L., Richter, B.D., Sparks, R.E.,
Julie, C. & Stromberg, J.C. (1997). The natural flow regime. BioScience, 47, 769-784.
Poquet, J., Alba-Tercedor, J., Punti, T., del Mar Sanchez-Montoya, M., Robles, S., Alvarez, M.,
Zamora-Munoz, C., Sainz-Cantero, C., Vidal-Abarca, M., Suarez, M., Toro, M., Pujante, A.,
Rieradevall, M. & Prat, N. (2009). The MEDiterranean Prediction And Classification System
164

(MEDPACS): an implementation of the RIVPACS/AUSRIVAS predictive approach for assessing

Mediterranean aquatic macroinvertebrate communities. Hydrobiologia, 623, 153–171.
Porse, E.C. (2013). Stormwater Governance and Future Cities. Water, 5, 29-52.
Prat, N., Puntí, T. & Rieradevall, M. (2016). The use of larvae and pupal exuviae to study the
biodiversity of Chironomidae in Mediterranean streams. Journal of Entomological and
Acarological Research, 48, 29-36.
Prommi, T. & Payakka, A. (2015). Aquatic insect biodiversity and water quality parameters of
streams in Northern Thailand. Sains Malaysiana, 44, 707-717.
Q
Qu, X., Wu, N., Tang, T., Cai, Q. & Park, Y.S. (2010). Effects of heavy metals on benthic
macroinvertebrate communities in high mountain streams. Annales de Limnologie -
International Journal of Limnology 46, 291-302.
Quinn, J.M., Cooper, A.B., Davies‐Colley, R.J., Rutherford, J.C. & Williamson, R.B. (1997). Land
use effects on habitat, water quality, periphyton, and benthic invertebrates in Waikato, New
Zealand, hill‐country streams. New Zealand journal of marine and freshwater research, 31,
579-597.
Ramade, F. (2005). Eléments d’Ecologie : Ecologie appliquée. 6e édition, Dunod, Paris. 864p.
Rathore, J. (2011). Assessment of water quality of River Bandi affected by textile dyeing and
printing effluents, Pali, Western Rajasthan, India. International Journal of Environmental
Sciences 2, 560-568.
Ravera, O. (2001). A comparison between diversity, similarity and biotic indices applied to the
macroinvertebrate community of a small stream: the Ravera river (Como Province, Northern
Italy). Aquatic Ecology, 33, 97-107.
165

Rawson, C.A., Lim, R.P., Tremblay, L.A., Warne, M.S.J., Ying, G.-G., Laginestra, E. & Chapman, J.C.
(2010). Benthic macroinvertebrate assemblages in remediated wetlands around Sydney,
Australia. Ecotoxicology 19, 1589–1600.
R Development Core Team, 2015. R: A Language and Environment for Statistical Computing.
R Foundation for Statistical Computing, Vienna, Austria. http://www.rproject.org.
Resh, V.H. (2007). Multinational, freshwater biomonitoring programs in the developing world:
Lessons learned from African and Southeast Asian river surveys. Environmental Management,
39, 737-748.
Resh, V.H. (2008). Which group is best? Attributes of different biological assemblages used in
freshwater biomonitoring programs. Environmental Monitoring and Assessment, 138, 131-
138.
Righi-Cavallaro, K.O., Spies, M.R. & Siegloch, A.E. (2010). Ephemeroptera, Plecoptera,
Trichoptera assemblages in Miranda river basin, Mato Grosso do Sul State, Brasil. Biota
Neotrop., 10, 253–260.
Rodier, J., Legube, B., Marlet, N. & Brunet R. (2009). L’analyse de l’eau. 9ème édition, Dunod,
Paris, France, 1579p.
Rodrigues, M.E., Roque, F.O., Quintero, J.M.O., Pena, J.C.C., Sousa, D.C. & De Marco, P. (2016).
Nonlinear responses in damselfly community along a gradient of habitat loss in a savanna
landscape. Biological Conservation, 194, 113–120.
Rosa, B.J.F.V., Rodrigues, L.F.T., de Oliveira, G.S. & da Gama Alves, R. (2014). Chironomidae and
Oligochaeta for water quality evaluation in an urban river in southeastern
Brazil. Environmental monitoring and assessment, 186, 7771-7779.
Rueda, J., Camacho, A., Mezquita, F., Hernandez, R. & Roca, J.R. (2002). Effect of episodic and
regular sewage discharges in the water chemistry and macroinvertebrate fauna of a
Mediterrenean stream. Water, Air & Soil Pollution, 140, 425-444.
166

S
Scheibler, E.E., Claps, M.C. & Roig-Juñent, S.A. (2014). Temporal and altitudinal variations in
benthic macroinvertebrate assemblages in an Andean river basin of Argentina. Journal of
Limnology, 73(1).
Schriever, T. A., Bogan, M.T., Boersma, K.S., Cañedo-Argüelles, M., Jaeger, K.L., Olden, J.D. &
Lytle, D.A. (2015). Hydrology shapes taxonomic and functional structure of desert stream
invertebrate communities. Freshwater Science, 34, 399-409.
Schmidt-Kloiber, A. & Nijboer, R.C. (2004). The effect of taxonomic resolution on the
assessment of ecological water quality classes. Integrated Assessment of Running Waters in
Europe. Springer, Dordrecht, 269-283pp.
Serra, S.R.Q., Cobo, F., Graça, M.A.S., Dolédec, S. & Feio, M.J. (2016). Synthesising the trait
information of European Chironomidae (Insecta : Diptera) : toward a new
database. Ecological Indicators, 61, 282–292.
Serra, S.R., Graça, M.A., Dolédec, S. & Feio, M.J. (2017). Chironomidae traits and life history
strategies as indicators of anthropogenic disturbance. Environmental Monitoring and
Assessment, 189, 326.
Shannon, C.E. (1948). A mathematical theory of communication. The Bell System Technical
Journal, 27, 379-423, 623-656.
Shelly, S.Y., Mirza, Z.B. & Bashir, S. (2011). Comparative ecological study of aquatic
macroinvertebrates of Mangla dam and Chashma barrage wetland areas. Journal of Animal
and Plant Sciences, 21, 340-350.
Shi, X., Liu, J., You, X., Bao, K., Meng, B. & Chen, B. (2016). Evaluation of river habitat integrity
based on benthic macroinvertebrate-based multi-metric model. Ecological Modelling, 353,
63-76.
Silva, D.P., De Marco P. & Resende, D.C. (2010). Adult Odonate abundance and community
assemblage measures as indicators of stream ecological integrity: a case study. Ecological
Indicators, 10, 744–752.
167

Simaika, J.P. & Samways, M.J. (2009). An easy-to-use index of ecological integrity for
prioritizing freshwater sites and for assessing habitat quality. Biodiversity and
Conservation, 18, 1171-1185.
Sivec, I. & Yule, C.M. (2004). Insecta : Plecoptera. In Freshwater Invertebrates of the Malaysian
Region, edited by Yule, C.M. & Sen, Y.H. Selangor : Aura Productions Sdn. Bhd.
Smith, J., Samways, M.J. & Taylor, S. (2007). Assessing riparian quality using two
complementary sets of bioindicators. Biodiversity and Conservation, 16, 2695-2713.
Souleymane, S., Tinkoudgou J-A.K. & Philippe, C. (2014). Spatial-temporal dynamics of

population structure for macro invertebrates families in a continuum dam-effluent-river in
irrigated system. Volta Basin (Burkina Faso). International Journal of Agricultural Policy and
Research, 2, 203 – 2014.
Stals, R. & de Moor, I.J. (2007). Guides to the freshwater invertebrates of Southern Africa,
Volume 10: Coleoptera. Water Research Commission Report, No. TT 320/07, Pretoria-South
Africa, 275p.
Stark, J.D., Boothroyd, K.G., Harding, J.S., Maxted, J.R. & Scarsbrook, M.R. (2001). Protocols for
sampling macroinvertebrates in wadeable streams. New Zealand Macro-invertebrates
working group, report n°1, Ministry for the Environment and Sustainable Management, fund
project n° 5103, 57p.
Statzner, B. & Bêche, L.A. (2010). Can biological invertebrate traits resolve effects of multiple
stressors on running water ecosystems? Freshwater Biology, 55, 80-119.
Stevenson, R.J., Yangdong, P. & Van Dam, H. (2010). Assessing environmental conditions in
rivers and streams with diatoms. In: The Diatoms: Applications for the Environmental and
Earth Sciences. Edited by J. P. Smol and E. F. Stoermer. 2nd edition Cambridge University
Press, 55–85p.
Stewart, E.M., McIver, R., Michelutti, N., Douglas, M.S.V. & Smol, J.P. (2014). Assessing the
efficacy of chironomid and diatom assemblages in tracking eutrophication in High Arctic
sewage ponds. Hydrobiologia, 721, 251–268.
168

Suchel, J.B. (1989). Les privilèges climatiques du pays bamiléké. In : Cahiers d’outre-mer. N° 165 – 42e
année, janvier-mars. 29-52p.
T
Tachet H., Richoux P., Bournaud M. & Usseglio-Polatera P. (2010). Invertébrés d’eau douce :
systématique, biologie et écologie. CNRS édition, Paris, France, 588p.
Tafangenyasha, C. & Dzinomwa, T. (2005). Land-use impacts on river water quality in lowveld
sand river systems in south-east Zimbabwe. Land Use and Water Resources Research 5, 3.1–
3.10.
Tomanova, S., Moya, N. & Oberdorff, T. (2008). Using macroinvertebrate biological traits for
assessing biotic integrity of neotropical streams. River Research and Applications 24, 1230–
1239.
Tchakonté, S., Ajeagah G., Diomandé, D., Camara, I.A., Konan, K.M. & Ngassam, P. (2014).
Impact of anthropogenic activities on water quality and Freshwater Shrimps diversity and
distribution in five rivers in Douala, Cameroon. Journal of Biodiversity and Environmental
Sciences, 4, 183-194.
Tchakonté, S., Ajeagah, G., Camara, I.A., Diomandé, D., Nyamsi Tchatcho, N.L. & Ngassam, P.
(2015). Impact of urbanization on aquatic insect assemblages in the coastal zone of
Cameroon: the use of biotraits and indicator taxa to assess environmental pollution.
Tchakonté, S. (2016). Diversité et structure des peuplements de macroinvertébrés

benthiques des cours d’eau urbains et périurbains de Douala (Cameroun). Thèse de
Doctorat/PhD, Université de Yaoundé1. 238p.
Tchindjang, M. (1996). Le Bamiléké central et ses bordures : morphologie régionale et

dynamique des versants, Étude géomorphologique, Thèse de doctorat, Faculté des lettres et
169

des sciences humaines, Département de géographie, Université de Paris 7, Dénis Diderot,

355p.
Tening, A.S., Chuyong, G.B., Asongwe, G.A., Fonge, B.A., Lifongo, L.L., Mvondo-Ze, A.D., Bih Che,
V. & Suh, C.E. (2013a). Contribution of some water bodies and the role of soils in the
physicochemical enrichment of the Douala-Edea mangrove ecosystem. African Journal of
Environmental Science and Technology 7, 336-349
Tening, A.S., Chuyong, G.B., Asongwe, G.A., Fonge, B.A., Lifongo, L.L. & Tandia, B.K. (2013b).
Nitrate and ammonium levels of some water bodies and their interaction with some selected
properties of soils in Douala metropolis, Cameroon. African Journal of Environmental Science
and Technology 7, 648-656
Thorne, R.S & Williams, W.P. (1997). The response of benthic macroinvertebrates to pollution
in developing countries: A multimetric system of bioassessment. Freshwater Biology, 37, 671-
686.
Tierno de Figueroa, J.M., Sãnchez-Ortega, A., Membiela Iglesia, P. & Luzõn-Ortega, J.M. (2003).
Plecoptera. In: Ramos MA, editor. Fauna Iberica. Volume 22. Madrid : Museo Nacional de
Ciencias Naturales, CSIC. 404p.
Tonkin, J.D., Death, R.G. & Collier, K.J. (2013). Do productivity and disturbance interact to
modulate macroinvertebrate diversity in streams? Hydrobiologia, 701, 159-172.
Tonkin, J.D., Arimoro, F.O. & Haase, P. (2016). Exploring stream communities in a tropical
biodiversity hotspot: biodiversity, regional occupancy, niche characteristics and
environmental correlates. Biodiversity and conservation, 25, 975-993.
Tonkin, J.D., Bogan, M.T., Bonada, N., Rios-Touma, B. & Lytle, D.A. (2017). Seasonality and
predictability shape temporal species diversity. Ecology, 98, 1201–1216.
Touron-Poncet, H., Bernadet, C., Compin, A., Bargier, N., & Céréghino, R. (2014). Implementing
the Water Framework Directive in overseas Europe: A multimetric macroinvertebrate index
for river bioassessment in Caribbean islands. Limnologica-Ecology and Management of Inland
Waters, 47, 34-43.
170

Trigal, C., García-Criado, F. & Fernández-Aláez, C. (2009). Towards a multimetric index for
ecological assessment of Mediterranean flatland ponds: the use of macroinvertebrates as
bioindicators. Hydrobiologia, 618, 109-123.
Tsalefac, M. (1999). Variabilité climatique, crise économique et dynamique des milieux agraire
sur les hautes Terre de l’Ouest Cameroun. Thèse 3è cycle, Département de Géographie,
Faculté des Arts Lettres et Sciences Humaines, Département de géographie, Université de
Yaoundé 1, 564p.
U, V et W
UNEP (United Nations Environment Programme) (2010). « Africa Water Atlas ». Division of
Early Warning and Assessment (DEWA). United Nations Environment Programme (UNEP).
Nairobi, Kenya. 326p.
Usseglio-Polatera, P., Bournaud, M., Richoux, P. & Tachet, H. (2000). Biological and ecological
traits of benthic freshwater macroinvertebrates: relationships and definition of groups with
similar traits. Freshwater Biology, 43, 175-205.
Uwadiae, R.E. (2014). Environmental Characteristics and Community Structure of Benthic

Macroinvertebrate of Epe Lagoon, Nigeria. International Journal of Environmental Sciences, 3,
36-44.
Van Kleef, H., Verberk, W.C.E.P., Kimenai, F.F.P., van der Velde, G. & Leuven, R.S.E.W. (2015).
Natural recovery and restoration of acidified shallow soft-water lakes : successes and
bottlenecks revealed by assessing life-history strategies of chironomid larvae. Basic and
Applied Ecology, 16, 325–334.
Vannote, R.L., Minshall, G.W., Cummins, K.W., Sedell J.R. & Cushing, C.E. (1980). The river
continuum concept. Canadian Journal of Fisheries and Aquatic Sciences, 37, 130-137.
Varandas, S.G. & Cortes, R.M.V. (2010). Evaluating macroinvertebrate biological metrics for
ecological assessment of streams in northern Portugal. Environmental Monitoring and
Assessment, 166, 201-221.
171

Vieira, T.B., Dias-Silva, K. & Pacífico, E.S. (2015). Effects of riparian vegetation integrity on fish
and heteroptera communities. Applied Ecology and Environmental Research, 13, 53-65.
Vlek, H.E., Verdonschot, P.F.M., Nijboer, R.C. (2004). Towards a multimetric index for the
assessment of Dutch streams using benthic macroinvertebrates. Hydrobiologia 516 (1–3),
173–189.
Vlek, H.E., Šporka, F. & Krno, I. (2006). Influence of macroinvertebrate sample size on
bioassessment of streams. Hydrobiologia, 566, 523–542.
Verdonschot, R.C., Keizer-Vlek, H.E. & Verdonschot, P.F. (2012). Development of a multimetric
index based on macroinvertebrates for drainage ditch networks in agricultural
areas. Ecological Indicators, 13, 232-242.
Wahizatul, A.A., Long, S.H. & Ahmad, A. (2011). Composition and distribution of aquatic
insect communities in relation to water quality in two freshwater streams of Hulu
Terengganu, Terengganu. Journal of Sustainability Science and Management 6, 148-155.
Waite, I.R., Herlihy, A.T., Larsen, D.P, Urquhart, N.S. & Klemm, D.J. (2004). The effects of
macroinvertebrate taxonomic resolution in large landscape bioassessments : an example from
the Mid-Atlantic Highlands, U.S.A. Freshwater Biology, 49, 474-485.
Walsh, C. J., Roy, A.H., Feminella, J.W., Cottingham, P.D., Groffman, P.M. & Morgan. R.P. (2005).
The urban stream syndrome: current knowledge and the search for acure. Journal of the
North American Benthological Society, 24, 706–723.
Wang, B., Liu, D., Liu, S., Zhang, Y., Lu, D. & Wang, L. (2012). Impacts of urbanization on stream
habitats and macroinvertebrate communities in the tributaries of Qiangtang River, China.
Wang, S.-Y., Bernhardt, E.S. & Wrigh, J.P. (2014). Urban stream denitrifier communities are
linked to lower functional resistance to multiple stressors associated with urbanization.
Ward, J.H. (1963). Hierarchical grouping to optimise an objective function. Journal of the
American Statistical Association, 58, 236-244.
172

Waters, T.F. (1995). Sediment in streams : sources, biological effects and control. American
Fisheries Society. Monograph 7, Bethesda, Maryland.
Whittier, T. R. & Van Sickle, J. (2010). Macroinvertebrate tolerance values and an assemblage
tolerance index (ATI) for western USA streams and rivers. Journal of the North American
Benthological Society, 29, 852-866.
Won, D.H., Jun, Y.C., Kwon, S.J., Hwang, S.J., Ahn, K.G. & Lee, J.K. (2006). Development of
Korean saprobic index using benthic macroinvertebrates and its application to biological
stream environment assessment. Journal of Korean Society on Water Quality, 22, 768-783.
X, Y et Z
Xu, M., Wang, Z., Duan, X. & Pan, B. 2014. Effects of pollution on macroinvertebrates and
water quality bio-assessment. Hydrobiologia 729, 247-259.
Zabi, S.G. (1993). Organisation des peuplements de la macrofaune benthique de la lagune

Ebrié (Côte d’Ivoire). Agronomie Africaine, 5, 39-52.
Zamora-Munoz, C., & Alba-Tercedor, J. (1996). Bioassessment of organically polluted Spanish

rivers, using a biotic index and multivariate methods. Journal of the North American
Benthological Society, 15, 332-352.
Zimmerman, D.W. & Zumbo, B.D. (1993). Relative power of the Wilcoxon test, the Friedman
test, and repeated-measures ANOVA on ranks. Journal of Experimental Education, 62, 75-86.
Zhang, Y., Zhao, R., Kong, W., Geng, S., Bentsen, C.N. & Qu, X. (2013). Relationships between
macroinvertebrate communities and land use types within different riparian widths in three
headwater streams of Taizi River, China. Journal of Freshwater Ecology, 28, 307-328.
173

Zilli, F.L. & Marchese, M.R. (2011). Patterns in macroinvertebrate assemblages at different
spatial scales. Implications of hydrological connectivity in a large flood plain river.
174

Annexes

Annexe 1 : Récapitulatif des valeurs minimales (Min), maximales (Max), Moyennes et Ecart-types des
variables physicochimiques enregistrées pendant la période d’étude
Stations d'échantillonnage
Variables
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Moyenne 22,8 21,9 22,3 20,8 19,6 20,1 21,3 21,0 22,7 22,8 21,9
Ecart type 1,9 2,3 1,8 1,9 1,5 1,5 1,2 2,2 0,8 1,3 1,2
Température (°C)
Max 25,3 24,1 24,2 25,2 22,2 22,4 23 24,2 24 26 23,7
Min 18,51 17,73 18,22 17,5 16,7 16,88 18,6 16,3 21,92 21,2 19,8
Moyenne 7,0 8,0 7,9 7,3 7,0 6,9 7,4 7,3 6,5 7,0 7,6
Ecart type 0,5 1,7 1,4 0,6 0,6 0,6 0,4 0,3 0,6 0,6 0,5
pH(UC)
Max 7,8 11,3 10,8 8,3 8,0 7,8 7,9 7,9 7,5 7,8 8,1
Min 6,3 6,0 6,2 5,9 5,4 5,6 6,8 6,9 5,2 5,9 6,4
Moyenne 41,9 38,8 39,4 42,2 58,0 53,6 64,0 57,0 40,7 55,6 57,1
Ecart type 10,2 9,9 11,6 8,7 8,7 6,9 7,8 8,8 8,4 9,2 6,9
Oxygène dissous
(%) Max 64,0 61,0 66,0 68,0 82,0 68,0 74,0 74,0 62,0 74,0 71,0
Min 31,0 27,0 20,4 32,1 46,0 41,7 50,0 40,0 31,8 43,0 42,0
Moyenne 342,3 358,3 299,7 281,9 222,8 164,1 180,8 176,9 272,4 225,0 179,2
Ecart type 75,7 356,3 168,9 41,7 45,6 31,1 40,7 50,9 43,6 55,4 54,7
Conductivité
(μmS/cm) Max 460,0 1470,0 600,0 330,0 320,0 200,0 250,0 240,0 330,0 310,0 270,0
Min 218,0 130,0 110,0 200,0 160,0 110,0 120,0 100,0 190,0 130,0 100,0
Moyenne 176,7 184,0 156,8 146,2 119,8 85,6 93,0 89,2 138,8 116,5 92,7
Ecart type 38,4 179,2 95,0 21,6 23,6 16,4 20,4 25,0 19,7 28,7 28,0
TDS (mg/L)
Max 240,0 735,0 363,0 170,0 170,0 110,0 130,0 120,0 163,0 160,0 140,0
Min 111,0 65,0 55,0 100,0 80,0 55,0 60,0 50,0 95,0 65,0 50,0
Moyenne 100,8 210,7 167,5 74,8 102,4 60,5 84,1 108,1 92,5 138,1 190,0
Ecart type 62,1 394,7 232,1 85,9 83,4 41,0 93,7 131,4 113,7 142,5 195,3
Couleur (Pt.C₀)
Max 233,0 1512,0 915,0 327,0 333,0 150,0 286,0 390,0 397,0 379,0 486,0
Min 29,0 16,0 18,0 21,0 19,0 6,0 10,0 17,0 3,0 11,0 21,0
Moyenne 24,2 47,8 41,3 28,4 34,3 30,7 45,5 23,2 30,4 75,4 51,1
Ecart type 34,7 44,2 61,5 36,6 45,8 46,7 61,2 40,7 64,7 103,0 68,4
MES (mg/L)
Max 134,0 137,0 182,0 140,0 165,0 182,0 182,0 157,0 243,0 344,0 226,0
Min 2,0 1,0 2,0 5,0 3,0 3,0 2,0 4,0 2,0 4,0 1,0
Moyenne 28,1 60,3 32,0 26,3 30,2 27,5 38,7 41,6 26,4 39,2 57,4
Ecart type 26,0 113,3 26,9 23,9 38,3 23,4 53,5 66,9 37,2 50,6 71,0
Turbidité (NTU)
Max 80,0 432,0 89,4 75,0 131,0 62,0 165,0 233,0 135,0 161,0 233,0
Min 0,6 0,0 6,0 0,0 0,4 1,4 0,9 2,2 1,8 2,8 4,3
Moyenne 76,1 57,0 56,4 58,1 51,4 34,0 42,5 34,9 47,9 46,6 40,4
Ecart type 16,6 19,2 33,4 17,7 14,4 9,9 16,9 15,2 16,0 9,8 11,9
Dureté totale
(mg/L) Max 100,0 88,0 125,0 84,0 75,0 49,0 84,0 60,0 80,0 68,0 60,0
Min 16,6 19,2 17,8 20,7 28,0 17,2 25,2 12,0 20,0 34,0 23,8
Moyenne 0,2 0,2 0,2 0,1 0,2 0,1 0,0 0,0 0,1 0,2 0,1
Ecart type 0,2 0,2 0,3 0,3 0,3 0,2 0,0 0,0 0,2 0,2 0,2
Chl ''a'' (µg/L)
Max 0,7 0,5 1,0 0,7 0,9 0,5 0,2 0,1 0,4 0,7 0,5
Min 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Moyenne 2,3 5,2 3,2 2,3 1,8 1,5 2,5 1,7 3,0 3,0 3,0
Ecart type 1,2 8,4 3,3 1,2 1,3 1,1 1,9 0,9 1,9 1,6 2,3
Nitrates (mg/L de
NO₃⁻) Max 4,7 31,3 13,5 4,5 4,5 4,2 6,1 3,4 7,7 5,4 8,0
Min 0,1 1,3 0,7 0,9 0,1 0,4 0,6 0,6 0,7 0,4 0,1

Moyenne 1,3 0,7 1,0 1,3 1,0 0,6 0,5 0,5 0,4 1,1 1,0
Ammonium (mg/L Ecart type 1,4 0,7 1,2 1,0 0,8 1,0 0,4 0,6 0,4 1,4 1,3
de NH₄⁺) Max 5,3 1,9 4,6 3,6 2,9 2,8 1,4 2,0 1,5 4,7 5,2
Min 0,0 0,1 0,1 0,1 0,3 0,0 0,0 0,0 0,1 0,0 0,0
Moyenne 1,2 4,5 5,7 1,9 1,6 2,5 1,2 1,3 1,0 3,8 3,0
Ecart type 1,5 7,7 8,8 2,5 2,2 4,3 2,3 3,3 1,3 4,9 4,7
Nitrites (mg/L de
NO₂⁻) Max 4,0 28,0 27,0 6,0 6,0 12,0 7,0 12,0 3,0 16,0 17,0
Min 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Moyenne 1,9 2,7 2,5 0,8 1,1 0,5 0,5 0,7 0,6 1,6 1,0
Orthophophates Ecart type 2,2 3,6 4,3 1,0 1,3 0,8 0,5 1,2 1,0 2,0 1,4
(mg/L de PO₄³⁻) Max 5,7 12,1 13,9 3,8 4,3 3,2 1,8 4,3 3,2 6,5 4,0
Min 0,1 0,0 0,0 0,0 0,0 0,1 0,0 0,1 0,0 0,0 0,0
Moyenne 32,2 34,8 30,5 32,8 30,2 28,9 24,3 25,4 20,2 22,3 23,1
Ecart type 38,3 43,5 37,2 42,8 37,4 37,5 34,3 33,6 23,6 27,7 30,8
Alcalinité (mg/L de
CaCO₃) Max 112,0 150,0 102,0 120,0 98,0 94,0 104,0 96,0 64,0 86,0 94,0
Min 2,0 4,0 4,0 4,0 4,0 2,0 4,0 4,0 2,0 4,0 2,0
Moyenne 4,6 5,1 6,4 6,5 5,4 4,6 4,3 4,7 3,4 4,0 3,5
Ecart type 3,6 3,6 6,0 3,1 3,7 2,9 2,7 2,6 1,9 4,1 2,5
Oxydabilité (mg/L)
Max 11,0 13,9 23,6 11,1 13,0 10,3 11,0 9,3 6,2 15,3 7,4
Min 0,7 1,7 1,9 1,4 1,2 0,5 0,1 0,4 0,5 0,2 0,3
Moyenne 10,7 9,3 10,0 10,0 11,2 10,4 10,0 9,9 11,5 8,7 8,7
Ecart type 7,8 9,6 8,3 8,0 7,6 7,6 7,3 6,4 6,2 5,6 5,7
CO₂ dissous (mg/L)
Max 28,2 29,9 28,2 31,7 29,9 24,6 21,1 21,1 21,1 17,6 17,6
Min 1,8 1,8 1,8 3,5 1,8 1,8 1,8 1,8 1,8 1,8 1,8
Moyenne 70,8 62,7 61,2 71,2 37,3 36,2 25,4 28,1 67,3 43,5 38,5
Ecart type 24,4 24,7 18,4 25,3 25,0 13,4 18,6 15,2 36,6 16,8 40,2
DBO5 (mg/L)
Max 120,0 95,0 100,0 110,0 90,0 60,0 70,0 60,0 135,0 70,0 160,0
Min 35,0 30,0 30,0 40,0 10,0 15,0 5,0 5,0 10,0 20,0 5,0

Annexe 2 : Liste des taxa de la macrofaune benthiques récoltés dans les différentes stations
d’échantillonnage des trois sous bassins versants prospectés pendant la période d’étude (nd : taxon non
déterminé)
Classes Ordres Familles Genres /espèces S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
Caenis sp. 7 2 184 191 4 88 55 6 132 127
Caenidae Afrocaenis sp. 10 2 5

Caenomedea sp. 2
Ameletidae Ameletus sp. 1 22 65 11

Ephemerellidae Ephemerella sp. 2 3 2
Baetis sp. 1 1 2 58 62 343 88 2 378 406
Centroptilum luteolum 1 1 2 20 23 7 2 23 15
Baetidae Cloeon sp. 14 2 192 28 2 9 18

Acentrella sp. 1
Procloeon sp. 43 2 6 3
Ephemeroptera
Electrogena sp. 3 1
Notonurus sp. 1
Heptageniidae
Rhithrogena sp. 2
Heptagenia sp. 1
Leptophlebia sp. 2
Adenophlebia sp. 3
Leptophlebiidae
Thraulus sp. 7
Paraleptophlebia sp. 4
Potamanthidae Potamanthus sp. 1

Siphlonuridae Siphlonurus sp. 2 1
Plecoptera Perlidae Perla sp. 2

Insecta
Ecnomidae Ecnomus sp. 3
Glossosomatidae Glossosoma sp. 1
Cheumatopsyche sp. 1 1 16
Diplectrona sp. 1 7 15 19 3
Hydropsyche sp. 21 5 215 35 3 5
Trichoptera Hydropsychidae
Leptonema sp. 2
Insecta
Polymorphanisus sp. 1
Macronema sp. 2
Leptoceridae Triaenodes sp. 2
Limnephilidae Limnephilus sp. 3 1
Phryganeidae Trichostegia sp. 4

Appasus sp. 8 9 20 20 20 10 2
Belostomatidae Sphaerodema sp. 2 12 8 7 12 10 1 21

Diplonychus sp. 2 1 8 7 12 17 25 2 4
Corixa sp. 1 2
Corixidae
Micronecta sp. 1 3
Heteroptera
Trepobates sp. 10 2 4
Limnogonus sp. 8 1 1 3 22 12 36 25 22 4 3
Gerridae Eurymetra sp. 17 1 72 33 76 58 9 1 11

Naboandelus sp. 2
Gerris sp. 1
Annexe 2 (suite) Tenagometrella sp. 1 2
Aquarius paludum 1
Eurymetropsis sp. 8
Rhagadotarsus sp. 1
Hydrometridae Hydrometra sp. 2 1 4 1
Mesoveliidae Mesovelia sp. 1 2 1
Naucoris sp. 11 2 1
Macrocoris sp. 8 4
Naucoridae Neomacrocoris
1 5
parviceps
Laccocoris sp. 3 3 3 1 15 5 1
Nepa sp. 5 3 3 1 1 7 4
Nepidae
Ranatra sp. 1 8 4 4
Enithares sp. 1 1
Notonectidae
Notonecta sp. 5 4 3 1
Velia sp. 7 1
Veliidae Microvelia sp. 1 36 12 8 13 12 4 6

Rhagovelia sp. 5 1 42 49 55 27 18 1 15
Pentatomidae nd 1 1 1 1
Saldidae Saldula ornatula 1
Cordulia sp. 3 1 2 3 11 1 3 4
Epitheca bimaculata 2
Corduliidae Oxygastra sp. 3
Somatochlora
3 2 3 4
proparte
Aeshna sp. 1 1
Aeshnidae
Boyeria irene 1
Coenagrion sp. 14 22 11 111 780 46 67 55 9 59 66
Ceriagrion sp. 27 1
Pyrrhosoma sp. 2 6
Pseudagrion sp. 10 3 9 1 135 21 25 16 10 8
Coenagrionidae
Erythromma sp. 1 6 1 6
Nehalennia sp. 2 1 29 10 3 5 4
Ischnura sp. 1 2
Enallagma sp. 1 9 5
Platycnemididae nd 2 1
Odonata Zygonyx torridus 5 5 1
Orthetrum sp. 71 15 20 35 26 27 30 23 44 109 76
Crocothemis sp. 3 1
Insecta Trithemis sp. 1 10 2 1 2 3 2

Diplacodes sp. 10 1 1 1 1 3 1
Sympetrum sp. 2 2 10 2 1
Rhyothemis sp. 1 2
Brachythemis sp. 3 2
Libellulidae
Leucorrhinia sp. 4 3 4 2
Erythemis sp. 1 4 4 1
Libellula sp. 1 3
Macrothemis sp. 1 2
Hemicordulia
1
atrovirens
Orthemis sp. 1 3 7
Pantala flavescens 2
Gomphidae Gomphus sp. 1 44 2 9 1

Annexe 2 (suite) Thèse de Joséphine Kengne Fotsing, Université de Lille, 2018
Paragomphus sp. 6 2
Microgomphus sp. 1
Onychogomphus sp. 7
Notogomphus sp. 7 1
Crenigomphus sp. 7
Ophiogomphus sp. 1 6
Macromia sp. 4 1 1
Macromiidae
Phyllomacromia sp. 4 4
Chalcolestes sp. 21 2
Lestidae Lestes sp. 5 2

Sympecma sp. 23
Helochares sp. 43 3 13 6 2 4 14 1 1 1
Laccobius sp. 1 2
Chaetarthria sp. 2 1 2 1 4
Coelostoma sp. 10 2 1
Crenetis sp. 4 2 1 1 2
Amphiops sp. 6 1
Hydrophilidae
Cymbiodyta sp. 2
Berosus sp. 1 1
Hydrophilus sp. 1
Hydrochara sp. 2
Enochrus sp. 1
Hydrobius sp. 1 1
Potamophilus sp. 1 2 1 3 1
Stenelmis sp. 8
Elmidae Normandia nitens 4

Hexanchorus sp. 1 4
Limnius sp. 1
Orectogyrus sp. 1 34 5 22 14 2 2 3
Dineutus sp. 9 19 1 9 20 58 30 15 132 247
Gyrinidae Orectochilus sp. 1 7 11 8 2 4
Coleoptera
Aulonogyrus sp. 1 15 11 37 1
Gyrinus sp. 1 1 2 1 19
Insecta Graphoderus sp. 1 1 1 2 1 1
Laccophilus sp. 3
Dytiscus sp. 1 1
Hydrovatus cuspidatus 1 1
Dytiscidae
Agabus sp. 1
Copelatus sp. 1 1 1 2
Rhantus sp. 1
Hydroporus sp. 3
Haliplidae Haliplus sp. 2
Dryops sp. 1 5 1 7 11 1 1
Dryopidae
Pomatinus sp. 2 2 8
Spercheidae Spercheus sp. 2
Limnichidae Limnichites sp. 3 1 4 1
Noteridae Noterus sp. 2 3

Stenotrachelidae nd 1
Psephenidae nd 1
Carabidae Harpalus sp. 16
Hydraenidae Hydraena sp. 1 1 1 1 1 1

Annexe 2 (suite) Thèse de Joséphine Kengne Fotsing, Université de Lille, 2018
Discozantaena sp. 1
Hygrobiidae Hygrobia sp. 1

Chrysomelidae Agelastica sp. 1 1
Anthicidae Anthicus niger 2

Carabidae Stenolophus teutonus 2
nd 1 1
Staphylinidae Xylodromus sp. 1
Carpelimus corticinus 1
Brachycerus sp. 1
Curculionidae Anthonomus rubi 3

Amalus scortillum 2
Chironomidae Chironomus sp. 1349 4962 1402 6926 87 154 13 13 2330 850 205
Athericidae nd 1 4 6
Tabanidae nd 1
Syrphidae nd 4 4 3 4 12 6 1
Empididae nd 2
Tipulidae Tipula sp. 2 12 26 20 15 5 11 26
Simuliidae nd 18 13 6 321 102 5 22 19 73 57 50
Ceratopogonidae nd 1 3 1
Scatophagidae nd 1 1 1
Diptera Limoniidae nd 4 2 1 1
Insecta Psychodidae nd 1 4 1 1 1
Muscidae nd 1 1 3 3 1
Sciomyzidae nd 2 3
Cylindrotomidae nd 1
Ephydridae nd 1
Stratiomyidae nd 2 1
Culicidae nd 1
Anthomyiidae Limnophora sp. 4 1

Athericidae Atrichops sp. 1 12 6 1 2
Collembola Poduridae nd 1
Dictyoptera Blattidae nd 5 9 3 2 1 5 1
Lepidoptera Pyralidae Acentria sp. 1
Hymenoptera Agriotypidae nd 4
Potamonidae Potamon sp. 1

Decapoda Atyidae Caridina africana 1 1
Grapsidae Varuna litterata 1
Malacostraca
nd nd 3
Isopoda
Oniscidae nd 1
Amphipoda Gammaridae nd 1
Bathyomphalus
1 1
contortus
Gyraulus sp. 3 2 2 21 44 4 1 2
Helisoma trivolvis 74 151 1 5
Hippeutus
1 3 1 1
complanatus
Planorbidae Lentorbis junodi
Gasteropoda Basommatophora 2 4 1 2
Bulinus sp. 34
Planorbarius sp. 2 5 2
Planorbella trivolvis 2
Afrogyrus sp. 6 1
Physidae Aplexa hypnorum 3 1

Annexe 2 (suite et fin) Thèse de Joséphine Kengne Fotsing, Université de Lille, 2018
Physa sp. 260 50 53 1945 69 11 119 397 47
Lymnaea sp. 2 1 1 1
Lymnaeidae
Omphiscola glabra 1 1
Neotaenioglossa Hydrobiidae Hydrobia sp. 1
Melanoides sp. 1
Mesogastropoda Thiaridae Melania sp. 1
Thiara sp. 1
Heterostropha Valvatidae nd 5 2 1 2 2 1
Salifidae Barbronia weberi 3 12 8 115 9 1 48 19

Glossiphonia sp. 1 9 349 8 1 2 13 5
Hirudinea Rhynchobdellida Glossiphoniidae
Helobdella sp. 1 1 2
Piscicolidae nd 4
Lumbriculida Lumbriculidae nd 25 32 12 7 3 1 1 14 24 12
Oligochaeta Lumbricida Lumbricidae nd 4 1 2 1 2 1 1 1 11 3
Tubificida Tubificidae nd 1
Pisidium sp. 2 11 1
Bivalvia Veneroida Sphaeriidae
Sphaerium sp. 1 1
Enopla Hoplonemertea Tetrastemmatidae Prostoma sp. 1
Turbellaria Tricladida Dugesiidae Neppia sp. 1 1 2 3 5 7 2 17
Total 1924 5180 1681 10132 2028 1085 1571 914 2666 2413 1505

Annexe 3 : Classification des taxons de la macrofaune benthique sur la base de leurs fréquences
d’occurrence sur l’ensemble des stations d’échantillonnage
Taxons constants Taxons accessoires Taxons rares

Coenagrion sp. Caenis sp. Afrocaenis sp. Naboandelus sp. Crocothemis sp.
Chironomus sp. Baetis sp. Caenomedea sp. Gerris sp. Trithemis sp.
Polymorphanisus sp. Ameletus sp. Tenagometrella sp. Diplacodes sp.
Limnogonus sp. Ephemerella sp. Aquarius paludum Sympetrum sp.
Eurymetra sp. Centroptilum luteolum Eurymetropsis sp. Rhyothemis sp.
Rhagovelia sp. Cloeon sp. Rhagadotarsus sp. Brachythemis sp.
Pseudagrion sp. Acentrella sp. Hydrometra sp. Leucorrhinia sp.
Orthetrum sp. Procloeon sp. Mesovelia sp. Erythemis sp.
Dineutus sp. Electrogena sp. Naucoris sp. Libellula sp.
tr Simuliini Notonurus sp. Macrocoris sp. Macrothemis sp.
Physa sp. Rhithrogena sp. Neomacrocoris parviceps Hemicordulia atrovirens
Lumbriculidae Heptagenia sp. Laccocoris sp. Orthemis sp.
Leptophlebia sp. Nepa sp. Pantala flavescens
Adenophlebia sp. Ranatra sp. Gomphus sp.
Thraulus sp. Enithares sp. Paragomphus sp.
Paraleptophlebia sp. Notonecta sp. Microgomphus sp.
Potamanthus sp. Velia sp. Onychogomphus sp.
Siphlonurus sp. Microvelia sp. Notogomphus sp.
Perla sp. Pentatomidae Crenigomphus sp.
Ecnomus sp. Saldula ornatula Ophiogomphus sp.
Glossosoma sp. Cordulia sp. Macromia sp.
Cheumatopsyche sp. Epitheca bimaculata Phyllomacromia sp.
Diplectrona sp. Oxygastra sp. Chalcolestes sp.
Hydropsyche sp. Somatochlora proparte Lestes sp.
Leptonema sp. Aeshnia sp. Sympecma sp.
Macronema sp. Boyeria irene Helochares sp.
Triaenodes sp. Ceriagrion sp. Laccobius sp.
Limnephilus sp. Pyrrhosoma sp. Chaetarthria sp.
Trichostegia sp. Erythromma sp. Coelostoma sp.
Appasus sp. Nehalennia sp. Crenetis sp.
Sphaerodema sp. Ischnura sp. Amphiops sp.
Diplonychus sp. Enallagma sp. Cymbiodyta sp.
Corixa sp. Platycnemididae Berosus sp.
Micronecta sp. Athericidae Hydrophilus sp.
Trepobates sp. Tabanidae Hydrochara sp.
Orectochilus sp. Syrphidae Enochrus sp.
Aulonogyrus sp. Tipula sp. Hydrobius sp.
Gyrinus sp. sf Clinocerinae Potamophilus sp.
Graphoderus sp. sf Dasyheleinae Stenelmis sp.
Laccophilus sp. Scatophagidae Normandia nitens
Dytiscus sp. Limoniidae Hexanchorus sp.
Hydrovatus cuspidatus Psychodidae Limnius sp.
Agabus sp. Muscidae Orectogyrus sp.
Copelatus sp. Sciomyzidae Lymnaea sp.
Rhantus sp. Cylindrotomidae Omphiscola glabra
Hydroporus sp. Ephydridae Hydrobia sp.

Annexe 3 (Suite et fin)
Stations constants Taxons accessoires Taxons rares

Haliplus sp. Stratiomyidae Melanoides sp.
Dryops sp. Culicidae Melania sp.
Pomatinus sp. Limnophora sp. Thiara sp.
Spercheus sp. Atrichops sp. Valvatidae
Limnichites sp. Poduridae Barbronia weberi
Noterus sp. Blattidae Glossiphonia sp.
Stenotrachelidae Acentria sp. Helobdella sp.
Psephenidae Agriotypidae Piscicolidae
Harpalus sp. Potamon sp. Lumbricidae
Hydraena sp. Caridina africana Tubificidae
Discozantaena sp Varuna litterata Pisidium sp.
Hygrobia sp. Isopodes Sphaerium sp.
Agelastica sp. Oniscidae Prostoma sp.
Anthicus niger Gammaridae Neppia sp.
Stenolophus teutonus Bathyomphalus contortus Lentorbis junodi
Staphylinidae Gyraulus sp. Bulinus sp.
Xylodromus sp. Helisoma trivolvis Planorbarius sp.
Carpelimus corticinus Hippeutus complanatus Planorbella trivolvis
Brachycerus sp. Amalus scortillum Afrogyrus sp.
Anthonomus rubi Aplexa hypnorum Zygonyx torridus

Annexe 4 : Répartition des Opérations de Contrôle (OPC)
Statut Station December I January February March April May June July August September October November December II
LIRR Li1 TST APP APP APP TST APP APP
LIRR Li2 APP APP APP TST APP APP TST
LIRR Li3 APP TST APP TST APP APP
LIRR Ma1 TST APP APP APP TST APP
LIRR Ma2 APP TST APP APP TST APP
LIRR Ma3 APP TST TST APP APP APP
LIRR Mf1 APP APP TST APP APP TST
IRR S01 APP APP APP APP APP APP APP TST APP APP TST TST APP
IRR S02 APP APP APP APP APP TST TST TST APP APP APP APP APP
IRR S03 APP APP APP TST APP APP TST APP APP APP APP APP TST
IRR S04 APP APP APP APP TST APP APP APP APP APP TST APP TST
LIRR S05 APP TST TST APP APP APP APP APP APP APP APP TST APP
LIRR S06 TST APP TST APP APP APP APP APP APP APP APP TST APP
LIRR S07 TST APP TST APP APP APP APP APP APP APP APP TST APP
LIRR S08 APP APP APP TST APP APP APP APP TST APP TST APP APP
IRR S09 APP APP APP APP APP TST APP APP APP TST TST APP APP
IRR S10 APP TST APP APP TST APP APP APP TST APP APP APP APP
IRR S11 TST APP APP APP APP APP APP APP TST TST APP APP APP
NB.APP 8 9 11 12 14 15 13 13 11 11 7 7 9
NB.TST 3 2 4 5 4 3 5 5 3 3 4 4 2 MOYENNE
%APP 0,73 0,82 0,73 0,71 0,78 0,83 0,72 0,72 0,79 0,79 0,64 0,64 0,82 0,75
APP = jeu de données d'apprentissage

TST = jeu de données test
En gris, pas de données faune et/ou chimie
Annexe 5 : Les métriques calculées à partir des relevés faunistiques de la macrofaune benthique
Noms des métriques Description Références

Richesse taxonomique La richesse se réfère au nombre d'espèces / taxons au sein d'une communauté
Indice de diversité de La diversité de Shannon-Weaver explique la richesse en espèces et l'abondance Shannon, C. E. (1948): A mathematical theory of communication. The Bell System Technical
Shannon-Weaver relative des espèces Journal, 27, 379-423, 623-656.
L’équitabilité de Piélou exprime à quel point les membres de la communauté sont Piélou, E. C. (1966): The measurement of diversity in different types of biological
Indice d'équitabilité de Piélou répartis du point de vue de leur abondance, collections. Journal of Theoretical Biology, 13, 131-144.
Bivalvia (%S) Richesse relative de ce groupe taxonomique
Coleoptera (%S) Richesse relative de ce groupe taxonomique
Diptera (%S) Richesse relative de ce groupe taxonomique
Ephemeroptera (%S) Richesse relative de ce groupe taxonomique
Gasteropoda (%S) Richesse relative de ce groupe taxonomique
Hemiptera (%S) Richesse relative de ce groupe taxonomique
Hirudinea (%S) Richesse relative de ce groupe taxonomique
Odonata (%S) Richesse relative de ce groupe taxonomique
Oligochaeta (%S) Richesse relative de ce groupe taxonomique
Plecoptera (%S) Richesse relative de ce groupe taxonomique
Trichoptera (%S) Richesse relative de ce groupe taxonomique
Turbellaria (%S) Richesse relative de ce groupe taxonomique
Buffagni, A., Erba, S., Cazzola, M., Murray-Bligh, J., Soszka, H. & Genoni, P. (2006). The
EPT Family Nombre de familles d’Ephéméroptères, Plécoptères et Trichoptères STAR common metrics approach to the WFD intercalibration process: Full application for
small, lowland rivers in three European countries. Hydrobiologia 566, 379-399.
Somme logarithmique en base 10 des abondances d'Heptageniidae, Ephemeridae, Buffagni, A., Erba, S., Cazzola, M., Murray-Bligh, J., Soszka, H. & Genoni, P. (2006). The
Leptophlebiidae, Brachycentridae, Goeridae, Polycentropodidae, Limnephilidae, STAR common metrics approach to the WFD intercalibration process: Full application for
log10 (EPTD+1) Odontoceridae, Dolichopodidae, Stratiomyidae, Dixidae, Empididae, Athericidae et small, lowland rivers in three European countries. Hydrobiologia, 566, 379-399.
Nemouridae
Buffagni, A., Erba, S., Cazzola, M., Murray-Bligh, J., Soszka, H. & Genoni, P. (2006). The
STAR common metrics approach to the WFD intercalibration process: Full application for
1-GOLD 1 – abondance relative des Gastéropodes, Oligochètes et Diptères small, lowland rivers in three European countries. Hydrobiologia, 566, 379-399.
Annexe 6 : Analyse en Composantes Principales (ACP) des données physico-chimiques associées aux
OPC, dont la couleur est fonction de la classe d'état écologique issue des trois indices candidats
Indice C1 (IMMOC)
Indice C2

Indice C3

Annexe 7 : Analyse Factorielle de Correspondances (AFC) appliquée au tableau des effectifs de

macro-invertébrés benthiques identifiés et dénombrés sur l’ensemble du plan
d’échantillonnage et projections des principaux taxons de macroinvertébrés benthiques sur
le plan factoriel F1-F2. Le pourcentage d’inertie est précisé le long de chaque axe.

2018 Kengne Fotsing

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2018 Kengne Fotsing

Transféré par

Droits d'auteur :

Formats disponibles

Thèse de Joséphine Kengne Fotsing, Université de Lille, 2018

Pour obtenir le grade de :

DOCTEUR DE L’UNIVERSITE DE LILLE - SCIENCES ET TECHNOLOGIES

et DOCTEUR DE L’UNIVERSITE DE YAOUNDE I

Discipline : Hydrobiologie et Environnement

Joséphine KENGNE FOTSING

Bio-évaluation des cours d’eau de la région Ouest du Cameroun à

Eric SERVAT Université Montpellier 2 Rapporteur

Laboratoire d’accueil : Génie Civil et géo-Environnement, Lille Nord de France

© 2018 Tous droits réservés. lilliad.univ-lille.fr

CHAPITRE I : Revue de la littérature

I.1. La bio-surveillance des milieux aquatiques à l’aide des

CHAPITRE II : Matériel et méthodes

© 2018 Tous droits réservés. lilliad.univ-lille.fr

II.3.1. Méthodes biocénotiques ................................................................................................ 26

CHAPITRE III : Caractérisation physico-chimiques des stations

III.1. Variations spatiales et saisonnières des paramètres physiques .………………. 31

III.2. Variations spatiales et saisonnières des paramètres chimiques ………………… 36

III.2.1. pH, conductivité, alcalinité et dureté totale ……………………………………………………… 36

III.2.2. Oxygène dissous, oxydabilité, DBO5 et CO2 dissous …………………………………………. 41

III.2.3. Nitrates, ammonium, nitrites et orthophosphates …………………………………………… 46

III.3. Variations spatiales et saisonnières de l'Indice de Pollution Organique ….. 51

III.4. Typologie abiotique des stations d’échantillonnage ……..…………………………….…. 53

CHAPITRE IV : Diversité et structure des communautés de

IV.1.2. Cours d’eau Kena et ses affluents ………………………………………………………………… 61

IV.1.3. Cours d’eau Famlem …………………………………………………………………………………… 64

IV.2. Richesse taxonomique ………………………………………………………………………………………….… 65

IV.3. Abondance relative ………………………………………………………………………………………….…….…. 67

IV.4. Fréquence d’occurrence des taxons …………………………………..…………………….…..……. 71

© 2018 Tous droits réservés. lilliad.univ-lille.fr

IV.4.2. Cours d’eau Kena et ses affluents ……………………………………………………………….. 74

IV.4.3. Cours d’eau Famlem ……………………………………………………………………………………. 79

IV.5. Indice de diversité de Shannon-Weaver (H’) …………………………………………………. 84

IV.6. Indice d’Equitabilité de Piélou (E) …..…………………………………………………………………… 86

IV.7. Typologie biotique des stations d’échantillonnage ……………………………………… 88

IV.8. Relation entre la structure taxonomique des communautés

CHAPITRE V : Construction d’un indice multimétrique

V.1. Principe général de construction de l’IMMOC ………………………………………………..…… 96

V.2. Intérêt de la mise en place d’un indice de bio-évaluation de la qualité

V.3. Choix des sites de référence ………………………………………………………………………………………... 99

V.4. Méthodologie …………………………………………………………………………..…………………………………….... 99

V.4.1. Construction de la base des données ………………………………………………………………………... 99

V.4.2. Choix des métriques .....................………………………………………………………………….……………. 103

V.4.3. Etapes de construction de l’indice ……………………………………………………………………..……… 104

V. 5. Résultats ……………………………………………………………………………………………………………………………. 109

V.5.2. Détermination des classes de qualité écologique ……………………………..…………………….. 116

© 2018 Tous droits réservés. lilliad.univ-lille.fr

CHAPITRE VI : Discussion générale

VI.1. Analyses physico-chimiques …………………………………………………………………………….......... 121

VI.2. Analyses biologiques ……………………………………..……………………………………………………………. 125

VI.2.2. Données quantitatives ……………………………………………………………………………………….. 130

VI.2.3. Typologie biotique des stations ……………………………………………………………………………… 131

IV.3. Biotypologie des stations d’échantillonnage …………………………………………… 131

VI.4. Construction de l’IMMOC ………..…………..…………………………………………………………………… 133

CONCLUSION, RECOMMANDATIONS ET PERSPECTIVES ………….... 139

© 2018 Tous droits réservés. lilliad.univ-lille.fr

A la famille FOTSING, vous êtes ma source de

© 2018 Tous droits réservés. lilliad.univ-lille.fr

L’accomplissement de ce projet de thèse a pu se concrétiser grâce au programme de mobilité

Je dis un grand merci au Pr Philippe USSEGLIO-POLATERA, du laboratoire Interdisciplinaire des

© 2018 Tous droits réservés. lilliad.univ-lille.fr

Un merci chaleureux à tous les membres du laboratoire d’Hydrobiologie et Environnement de

Je remercie le Pr Michel FOULON, pour sa simplicité et son immense gentillesse. J’éprouve à