|
UNIVERSITE CATHOLIQUE DE BUKAVU
Falcuté des Sciences
Département des Sciences de
l'envioronnement
Année académique 2018 - 2019
B.P : 285 Bukavu
Analyse de la structure spatiale de l'occupation du sol
de
la ville de Bukavu
Travail de Fin de Cycle présenté en vue de
l'obtention du diplôme de graduat en Sciences de l'Environnement
Présenté par MUGISHO BIRINGANINE
David
I
EPIGRAHE
«J'ai encore vu, sous le soleil, que la course
n'est pas réservée aux plus
rapides, ni la
guerre aux vaillants, ni même le pain aux sages, la richesse
aux
intelligents ou la faveur à ceux qui ont de la connaissance.
En effet, ils dépendent tous des circonstances,
favorables ou non».
ECCLESIASTE 9: 11
II
Remerciements
Le fruit de ce travail est l'émanation de plusieurs
« planteurs de l'esprit » qui ont labouré l'imagination pour
faire germer les épis des sciences naturelles, humaines et sociales.
C'est l'occasion, pour nous, de saluer leur persévérance à
apporter des sésames de clarté à certaines zones
d'ombre.
A ce terme, nous rendons grâce au bon Dieu qui nous a
éclairé et conduit durant l'élaboration de ce modeste
travail.
Nos remerciements et gratitudes sont adressés à
l'assistant Msc Aloïse BITAGIRWA qui a fait preuve d'une grande bravoure
et détermination de par ses suggestions, conseils et remarques qui ont
permis à ce travail de voir le jour. A tous les membres du corps
administratif et enseignant du département de l'Environnement.
Particulièrement au professeur Fils MAKANZU, titulaire du cours de
Système d'Information Géographique (SIG) et initiation à
la télédétection.
Nous ne pouvons toutefois oublier les personnes qui ont
forgé notre personnalité morale, scientifique et spirituelle afin
que nous puissions être sur cette voie lumineuse donnant ainsi un plus
dans la recherche des solutions aux problèmes environnementaux. C'est
ainsi que nous exprimons, avec un coeur sincère, notre gratitude envers
toute la famille BIRINGANINE. A vous très chers parents, Vincent
BIRINGANINE et Esperance KITOGA, pour la détermination et soutient dans
notre cursus universitaire. A vous mes frères, soeurs et amis, pour les
conseils et prières : Yvette BIRINGANINE, Fidèle BIRINGANINE,
Noëlla BIRINGANINE, Victor BIRINGANINE, Déogratias BIRINGANINE,
Claudine BIRINGANINE, Daniella BIRINGANINE, Benjamin BIRINGANINE, Marcellin
AMPIRE, Daniel NSHOKANO, Antony LUKANGA et Justin MURHULA.
III
Résumé
L'expansion croissante des zones urbaines influencée
par une pression démographique se manifeste de plus en plus dans les
pays en voie développement. Ce phénomène entraine une
dégradation prononcée du couvert végétal suite
à une demande foncière spectaculaire. La ville de Bukavu, site de
la présente étude, n'est pas exemptée de ce constat
funeste, qui subit chaque année un important flux migratoire. C'est dans
ce cadre que notre étude s'est fixée comme objectif d'analyser la
structure spatiale de la ville de Bukavu afin d'avoir une meilleure
connaissance de son occupation du sol. La télédétection,
le système d'information géographique et l'écologie du
paysage ont été utilisés comme outils principaux pour
réaliser cette étude. A l'aide de la matrice de confusion, la
classification a été jugée fiable à 78,89%
(coefficient kappa). Quatre classes pertinentes d'occupation du sol ont
été retenues, notamment le sol nu et les bâtis, les savanes
(boisée, arborée, et arbustive), les savanes herbeuses et les
forêts. Il ressort que le sol nu et les bâtis occupent 54,74% de la
surface totale de la zone d'étude qui est suivi par les savanes occupant
19,25%, par les savanes herbeuses occupant 15,11% et enfin par les forêts
occupant 10,92% de la superficie totale de la zone d'étude. Ceci
confirme l'intensification des activités anthropiques dans cette zone
d'étude qui modifie petit à petit les milieux naturels. Cette
situation peut être inversée en adoptant une meilleure politique
d'urbanisation tout en y intégrant la notion de restauration et
protection du couvert végétal, notamment la création des
réseaux écologiques qui relient les parcelles d'habitats le long
du gradient urbain rural, la restauration des espaces verts publics et la mise
en place de toits verts et de murs végétaux.
Mot clés : Urbanisation,
télédétection, SIG, ville de Bukavu, écologie du
paysage, dégradation du couvert végétal.
IV
Abstract
The increasing expansion of urban areas influenced by
demographic pressure is increasingly evident in developing countries. This
situation leads to a marked degradation of vegetation cover as a result of
spectacular land demand. The city of Bukavu, site of this study, is not
excluded from this fatal finding, which undergoes a large migratory flow each
year. Thus, our study set itself the objective of analyzing the spatial
structure of the city of Bukavu in order to have a better knowledge of its land
use. Remote sensing, geographic information system and landscape ecology were
used as the main tools to carry out this study. Using the confusion matrix, the
classification was deemed reliable at 78.89% (kappa coefficient). Four relevant
land use classes were selected, including bare soil and beds, savannas (wooded,
shrubby), grassy savannas and forests. It appears that bare soil and beds
occupy 54.74% of the total area of study which is followed by savannas
occupying 19.25%, grassy savannas occupying 15.11% and finally by forests
occupying 10.92% of the total area of the study area. This confirms the
intensification of anthropogenic activities in this study area, which is
gradually altering natural environments. This situation can be reversed by
adopting the best urbanization policy while integrating the notion of
restoration and protection of vegetation cover, including the creation of
ecological networks that connect habitat patches along the rural urban
gradient, restoration public green spaces and the installation of green roofs
and green walls.
Key words : Urbanization, remote sensing,
GIS, Bukavu city, landscape ecology, degradation of vegetation cover.
V
Table des matières
EPIGRAHE I
Remerciements II
Résumé III
Abstract IV
Table des matières V
Liste des tableaux et figures VI
Introduction 1
Chapitre 1 . Revue de la littérature
4
1.1. Croissance urbaine et ses conséquences
4
1.2. La télédétection comme
outils d'analyse du paysage 8
1.3 Principaux concepts de l'écologie du
paysage 15
Chapitre 2 Milieu, matériels et méthodes
20
2.1. Milieu d'étude 20
2.2. Démarche méthodologique : outils et
méthodes d'analyse du paysage 22
Chapitre 3 . Résultats 29
3.1 . Composition colorée 29
3.2 Classifications et cartographie de l'occupation du
sol 31
3.3 . Ecologie du paysage 37
Chapitre 4 . Discussion 39
4.1 . Démarche méthodologique
39
4.2 . Analyse de la structure spatiale 41
Conclusion et perspectives 42
Références bibliographiques
44
VI
Liste des tableaux et figures
Tableau 1.1. Quatre types d'images satellitaires et leurs
caractéristiques spécifiques (CCT,
1995). 12
Tableau 2.1. Données de la station
météorologique de Bukavu (1478 m d'altitude). 21
Tableau 2.2. Caractéristiques du satellite
d'observation de la terre Landsat 5
(
https://fr.m.wikipedia.org/wiki/Programme_Landsat)
23
Tableau 3.1. Présentation des résultats de
calcul de la matrice de confusion réalisée dans le
logiciel Envi4.7. 34
Tableau 3.2 Présentation des résultats des
indices de structure de paysage 37
Figure 1.1. Population urbaine et rurale dans le monde,
1950-2050 (UN, 2014) 5
Figure 1.2. L'évolution de la population de Bukavu de
1958 à 1976 (Chamaa et al., 1981) 6
Figure 1.3.Schéma général de
fonctionnement (source Manuel TELCAN, 2013) 8
Figure 1.4. Pourcentage du rayonnement absorbé par
l'atmosphère (source Manuel TELCAN,
2013). 10
Figure 1.5. La signature spectrale de quatre surfaces source
Manuel (TELCAN, 2013). 11
Figure 1.6. Les positions spatiales et les
valeurs de niveau de gris dans une image satellitaire. Le niveau de gris d'un
pixel est une grandeur proportionnelle à l'intensité du signal
réfléchi par
ce pixel lorsqu'il est radié notamment par une onde
électromagnétique. 11
Figure 1.7. Illustration d'une classification et analyse des
images 14
Figure 1.8. Le paysage, niveau d'organisation des
systèmes écologiques situés au-dessus de
l'écosystème, mais en dessous de la région et du continent
(Forman, 1995 dans Burel et Baudry,
1999). 16
Figure 1.9. Eléments de base d'une
structure paysagère formant le paysage à savoir les taches,
les corridors et la matrice (Burel et Baudry, 2003).
17
Figure 1.10. Eléments clés d'un système
écologique applicable à chaque échelle spatio-temporelle:
la structure du paysage, la composition et les fonctions présentes dans
le paysage
(Noon et al.,1997 in Bogaert et al., 2005). 18
Figure 2.1.
Localisation de la ville de Bukavu dans la province du Sud Kivu en
République
Démocratique du Congo. 20
Figure 2.2. Etapes
principales pour la classification de l'image, depuis le choix de l'image
jusqu'à la classification acceptable. 26
Figure 3.1.
Composition colorée en fausse couleurs de l'image TM de Landsat 5 de la
zone
d'étude réalisée par la combinaison de
bandes du rouge, du bleu et du proche Infrarouge 30
VII
Figure 3.2. Classification non supervisée de
l'occupation du sol de Bukavu ayant 100 classes à
fusionner. 32
Figure 3.3. Regroupement des valeurs
radiométriques des classes d'occupation du sol dans les canaux du Rouge
et Proche-Infrarouge (PIR). Les traits horizontaux et verticaux
représentent
les écarts-types des différentes classes autour
de la moyenne. 33
Figure 3.4. Carte de l'occupation du sol dans la ville de
Bukavu donnant quatre classes. 36
Figure 3.5. Distribution des différentes classes de
l'occupation du sol dans la ville de Bukavu.
38
VIII
Sigles et abréviations
SIG : Système d'Information Géographique
PIR : Proche Infrarouge
NDVI : Indice par Différence Normalisée de la
Végétation
K : Coefficient Kappa
GPS : Global Positioning System
TM : Thematic Mapper
1
Introduction
L'étude de l'occupation du sol est une entrée
privilégiée dans l'évaluation des interactions entre
l'Homme et son milieu (Kpedenou et al., 2018). Avec le temps, ces
interactions qui jadis se limitaient à une simple satisfaction des
besoins élémentaires sans avoir d'impacts majeurs sur
l'environnement, ont actuellement pris une tournure de plus en plus
dévastatrice s'accompagnant non seulement par des répercussions
directes sur la nature entre autres l'érosion des sols, la perturbation
de tout le cycle de l'eau, l'émission de gaz à effet de serre
dans l'atmosphère à l'échelle planétaire que
l'industrie des transports (Vink, 1983), mais éventuellement, la perte
définitive de certains avantages pour les êtres humains (Ramsar,
2014). Sur le plan international, la thématique liée aux
problèmes environnementaux et ses conséquences
préjudiciables à la survie des êtres vivants fait couler
beaucoup d'encres. Un véritable monde des catastrophes naturelles s'est
constitué au niveau international et s'est peu à peu
institutionnalisé (Environnement Canada, 2018). Selon les statistiques
de 2015, entre 1994 et 2015 plus de 8600 catastrophes naturelles ont fait plus
de 1,5 millions de morts sur l'ensemble de la planète, soit près
de 76000 victimes par an et généralement localisés dans
des milieux urbains (CRED, 2015). La communauté scientifique
chargée de l'évaluation d'impacts environnementaux pointe du
doigt le souci de l'homme de modifier le plus possible la nature pour ses fins
diverses (Seto et al., 2011). Aujourd'hui l'humanité connait
une expansion croissante des zones urbaines qui se prononce par une
artificialisation des milieux naturels (Ferland, 2015). Cette tendance aboutit
à la conversion des zones de végétation naturelle en zone
de cultures ou la conversion des zones de cultures en zone d'habitation
(Ferland, 2015).
Dans le pays en voie de développement, notamment ceux
de l'Afrique, l'urbanisation rapide a commencé à se manifester
depuis les années 1950. Cette période correspond à la
naissance mais surtout l'expansion des grandes villes situées sur les
zones littorales. Cette situation est née de la concentration dans les
centres urbains des services administratifs, des entreprises et des
marchés. Elle a entraîné d'importants flux migratoires et a
abouti à une macrocéphalie du tissu urbain (Vennetier, 1991
cité dans Diop, 2006).
En République Démocratique du Congo, on constate
un déséquilibre entre les villes et les milieux ruraux dans les
différentes provinces. Les villes sont généralement
très peuplées subissant chaque année un important flux
migratoire (Chamaa et al., 1981). Certaines villes situées dans
les zones littorales, notamment la ville Bukavu, ne sont pas exemptées
de ces
2
phénomènes alarmants et
incontrôlés. La ville a assisté à une augmentation
spectaculaire de sa population de 79,8 % entre 1972 et 1974. Durant cette
période, la ville a accueilli des flux de 30000 personnes par an (Chamaa
et al., 1981). Avec un taux de croissance annuel de 4 %, la demande
foncière devient insoutenable : 1000 nouveaux arrivants chaque
année, soit une demande 1000 nouvelles parcelles (ONU-Habitat, 2014). A
cela s'ajoute, la construction des infrastructures issues de la demande sociale
(écoles, réseau d'adduction d'eau, hôpital, marché,
station d'épuration des eaux et routes) (Ferland, 2015). Avec cette
demande, les autorités urbaines ne sont plus à mesure de
distinguer les sites propres aux habitations et ceux impropres (terrains
à fortes pentes, c'est-à-dire dépassant 30° des
terrains constitués des sols fragiles et des espaces verts) (Sherula,
2017). La ville a connu dès lors, une augmentation spectaculaire des
catastrophes naturelles et qui se répercutent sur le paysage de la
ville, jadis appelée Bukavu la verte, et les valeurs
socio-économiques de la population (Ndyanabo et al., 2010).
Selon le bureau de la coordination des affaires humanitaires des Nations Unies
(2016), entre 2014 et 2015, les catastrophes naturelles ont causé 195
morts dans cette ville soit une moyenne de 4 personnes par mois. Plus de 24700
personnes ont été directement affectées (destruction des
maisons, inondations des routes,...) par ce fléau. Pourtant, le couvert
végétal joue un rôle essentiel dans l'espace urbain. Son
existence est nécessaire à la production de l'oxygène et
au recyclage des rejets gazeux afin d'assurer un équilibre
écologique (Grimm et al., 2008). Il est d'autant plus efficace
qu'il absorbe l'énergie cinétique des gouttes de pluie pour
arrêter l'érosion et maintient une bonne porosité à
la surface du sol (Ferland, 2015).Cependant, il est ainsi donc
nécessaire de se rendre compte de la situation de l'utilisation du sol
dans la ville de Bukavu au regard de ces observations funestes.
A cet effet, les informations issues de l'analyse de
l'occupation du sol sont toujours utiles dans l'identification des
stratégies appropriées pour mieux gérer l'état de
l'utilisation des terres enfin de promouvoir le développement durable
(Mas, 2000 ; Lu et al., 2004). Il requiert donc de se poser la
question de savoir quel est l'état actuel de l'occupation du sol dans la
ville de Bukavu ?
A la lumière de cette question, ce travail examine
l'hypothèse selon laquelle dans cette ville où l'explosion
démographique bat son plein avec une densité de 13 449 hab.
/km2 en 2012 (Godding, 2013), il existerait un nombre
élevé de petites taches de savane herbeuse et que la classe sol
nu et les bâtis constituerait la classe dominante dans ce paysage.
Duvigneaud (1958), Bizangi (1983), Mbenza (1994) avaient signalé
déjà que les migrations ethniques intra et extra
régionales au cours des dernières décennies étaient
la cause de la dévastation des vastes étendues de forêt
dans la ville de Lubumbashi.
3
La présente étude a pour objectif global de
contribuer à une meilleure connaissance de l'occupation du sol de la
ville de Bukavu. Spécifiquement, il cherche à analyser la
structure spatiale de la ville de Bukavu à partir de données de
télédétection, du système d'information
géographique et d'outils d'analyse de l'écologie du paysage.
C'est dans ce cadre que la présente étude engagera
comme objectifs opérationnels de :
? réaliser une composition colorée permettant de
rehausser les valeurs radiométriques afin d'analyser efficacement
l'occupation du sol et en particulier la végétation ;
? réaliser une classification non supervisée et
une cartographie de l'occupation du sol reprenant les classes : Forêt,
Savane, Savane herbeuse, et Sol nu et bâtis ;
? valider la classification non supervisée à partir
de la matrice de confusion ;
? quantifier la structure spatiale des différentes
classes à partir des indices de structure spatiale.
Hormis l'introduction et la conclusion, le travail est
subdivisé en 4 chapitres. Le chapitre premier fait une synthèse
bibliographique sur la télédétection et la
dégradation du couvert végétal. Le chapitre
deuxième contextualise le cadre d'étude et présente les
matériels utilisés ainsi que les méthodes suivies. Dans le
troisième chapitre, les principaux résultats cartographiques et
de la classification sont présentés et interprétés.
Enfin, le quatrième chapitre discute la méthodologie
utilisée et les principaux résultats obtenus.
4
Chapitre 1 . Revue de la littérature
1.1. Croissance urbaine et ses conséquences
L'urbanisation est un phénomène universel et a
connu une accélération particulière en Afrique
subsaharienne. Cette croissance forte s'est faite dans un contexte
économique particulier marqué par des politiques de rigueur
(Philippe, 1997). Il existe maintenant 28 mégapoles à travers le
monde qui accueillent plus de 10 millions d'habitants (UN, 2014). Tokyo est la
plus grande de ces mégapoles avec une population qui
s'élève à environ 40 millions de personnes. De plus, les
continents qui s'urbanisent ne sont plus les mêmes qu'autrefois. C'est
présentement certaines régions de l'Afrique et de l'Asie qui
subissent les plus fortes croissances urbaines au monde (SCBD, 2012; UN, 2014).
Dans certaines villes d'Afrique centrale, la situation devient de plus en plus
alarmante.
La ville de Bukavu est particulièrement sujette aux
mouvements gravitaires et les versants affectés sont parmi les plus
peuplés de la ville (Birembano, 2012).
Il est question dans ce point de dresser un portrait plus
détaillé des grandes tendances d'urbanisation mondiale en
générale et en particulier celles de la zone d'étude.
1.1.1. Les tendances d'urbanisation dans le monde
C'est en 2007 que la population urbaine a
dépassé la population rurale et que l'homme est devenu pour la
première fois de son histoire une espèce urbaine (figure 1.1)
(UN, 2014). Ceci est le résultat du phénomène
d'urbanisation qui a eu lieu au cours des six dernières
décennies. Aujourd'hui, près de 3,9 milliards d'êtres
humains vivent en milieu urbain, soit 54% de la population humaine. Si les
tendances se maintiennent, ce chiffre atteindra 6,3 milliards en 2050 et
représentera 66% de la population mondiale. Cette croissance urbaine se
produira dans les villes de petite et moyenne taille, et non pas dans les
mégapoles (UN, 2014).
Il va sans dire que cette augmentation de la population
urbaine sera accompagnée d'une expansion des zones urbaines. Les
tendances actuelles démontrent que les surfaces artificialisées,
soit les infrastructures, les immeubles, les pelouses ou les parcs, se
développement plus rapidement que les populations urbaines. En effet, le
total de ces surfaces augmente en moyenne deux fois plus rapidement que les
populations urbaines. Cela suggère un développement urbain plus
étalé qu'autrefois (Seto et al., 2011).
5
Figure 1.1. Population urbaine et rurale dans le
monde, 1950-2050 (UN, 2014).
1.1.2. Situation de la ville de Bukavu
La géographie de Bukavu, se caractérise par des
terrains fragiles à cause des failles (cassures) qui apparaissent en
surface à plusieurs endroits. Les couches qui constituent les terrains
comportent des roches d'origine volcanique (basaltes et trachytes surtout)
fortement altérées, décomposées et pourries
responsable de la formation des sols argileux très bien connus à
Bukavu (Birembano, 2012). A plusieurs endroits, ces couches de roches
volcaniques sont séparées entre elles par des dépôts
d'argiles rouges appelées « lits argileux rouges ». C'est au
niveau de ces lits argileux rouges qu'apparaissent souvent à Bukavu les
sources d'eaux. Au contact avec l'eau les lits argileux rouges sont glissant et
se comportent donc comme couches-savons, ce qui facilite le glissement des
terrains superficiels qu'ils supportent, surtout quand ces derniers sont
gorgés d'eau et qu'ils se trouvent sur une pente. Ce processus
géologique explique en partie les érosions et notamment les
déplacements auxquels les habitants de Bukavu ont souvent
été soumis, déplacements qui surviennent le plus souvent
après des catastrophes (Ndyanabo, et al., 2010). En plus, la
ville n'est pas exemptée de toute forme de pression anthropique. Elle
subit depuis quelques années une forte croissance démographique
(Birembano, 2012).
Avec une population qui s'accroit d'année en
année, la densité de la ville de Bukavu est estimée
à 13 449 habitants /km2 (Godding, 2013). Cette croissance a
été plus spectaculaire après l'indépendance
(Figure1.2). La population de Bukavu était estimée en 1935
à 2 050 habitants dont 450 Européens. Elle est passée
à 2 501 habitants en 1939, à 15 865
6
habitants en 1944, et à 27 087 habitants en 1950 avec
un taux annuel de croissement de 8,21 % (Chamaa et al., 1981).
Figure 1.2. L'évolution de la population
de Bukavu de 1958 à 1976 (Chamaa et al., 1981).
Cette croissance démographique résulte de
plusieurs facteurs, notamment (Chamaa et al., 1981) :
a. L'exode rural : la croissance
démographique de la ville Bukavu connaissait une augmentation lente
assise sur une politique administrative sérieusement
contrôlée. Toute personne désireuse de se rendre en ville
devait d'abord obtenir de l'administration du territoire une feuille de route
et demander un permis de séjour à son arrivée. L'octroi de
ce permis pour une durée très longue ne pouvait se justifier que
par un emploi. Après un certain temps le contrôle fut
complétement relâché et ce qui a conduit à
déséquilibre total.
b. Les facteurs répulsifs :
L'hinterland de Bukavu a une très forte
densité
moyenne par rapport au reste du pays. En effet, dans les
zones de Kabare et de Walungu fortement
peuplées, l'insuffisance des terres cultivables accentuée par le
régime foncier de type féodal, entraîne le départ
des ruraux vers Bukavu à la recherche d'autres moyens de survie. Mais
aussi la population vit dans un climat d'insécurité qui
occasionne un départ en milieu urbain pour assurer leur survie.
7
c. Les facteurs attractifs : A la recherche
d'une ample aisance, la population rurale a
fini par abandonner son quotidien artisanal et laisser place aux
activités étrangères.
1.1.3. Les conséquences de l'urbanisation
L'expansion des zones urbaines et le développement
d'infrastructure, telles que les logements, les bâtiments industriels et
les réseaux de transports, contribuent directement à plusieurs
types de perturbations, notamment (Ferland, 2015) :
a. La perte et fragmentation des milieux naturels
Ces changements au niveau de l'utilisation du sol demeurent
la première cause du déclin de la biodiversité à
l'échelle mondiale (SCDB, 2014). Selon Seto et al. (2012),
l'expansion urbaine devrait tripler entre 2000 et 2030, ce qui
entraînerait une perte additionnelle de 1 500 000 km2
d'habitats naturels. Comme il a été mentionné
précédemment, cette perte sera particulièrement importante
dans les zones riches en biodiversité, telles que les points chauds de
la biodiversité et les zones côtières. Dans certaines
parties du monde, les aires protégées se verront aussi
perturbées par l'urbanisation, car elles sont trouveront de plus en plus
proches des villes (Ferland, 2015).
b. La pollution
La pollution dégrade les écosystèmes et
crée un environnement toxique pour l'ensemble des espèces ou
certaines d'entre elles. De nombreuses activités urbaines polluent
l'air, l'eau et les sols sur lesquels la biodiversité dépend pour
survivre (Ferland, 2015).
c. Les espèces exotiques envahissantes
L'urbanisation favorise l'établissement de ces
espèces pour deux principales raisons. La première est en lien
avec l'introduction croissante des espèces non indigènes dans les
milieux urbains (McKinney, 2006). Ces espèces peuvent être
introduites de manière accidentelle par tout moyen de transport
associé avec l'expansion du commerce et des déplacements humains.
Elles peuvent aussi être importées de manière
intentionnelle pour son utilisation dans plusieurs domaines, tels que
l'agriculture, l'horticulture, le commerce d'animaux de compagnie et la
recherche scientifique (McKinney, 2006).
Figure 1.3. Schéma général
de fonctionnement (Manuel TELCAN, 2013).
8
d. La surexploitation des ressources naturelles
En raison de la croissance urbaine, une part importante de la
production biologique et des ressources non renouvelables de la planète
est consacrée à combler les besoins de la population urbaine. Ces
besoins nécessitent de grandes quantités de ressources à
l'échelle globale, particulièrement en eau, en énergie, en
produits agricoles et en matériaux de construction (Ferland, 2015).
e. Les changements climatiques
Les villes sont des zones concentrées en
activités humaines, ce qui fait d'elles des sources importantes de CO2
et d'autres gaz à effet de serre (GES) (Grimm et al., 2008).
1.2. La télédétection comme
outils d'analyse du paysage
La télédétection spatiale est une
discipline scientifique qui intègre un large éventail de
compétences et de technologies utilisés pour l'observation,
l'analyse et l'interprétation des phénomènes terrestres et
atmosphériques. Ses principales sources sont les mesures et les images
obtenues à l'aide de plates-formes aériennes et spatiales. Comme
son nom même l'indique, la télédétection est
l'acquisition de l'information à distance, sans contact direct avec
l'objet étudié (CCT, 2004).
1.2.1 Fonctionnement des systèmes de
télédétection
La figure 1.3 ci-dessous illustre le processus de
télédétection spatiale.
9
Le rayonnement émis par une source d'énergie
parcourt une certaine distance et interagit avec l'atmosphère avant
d'atteindre la cible. L'énergie interagit avec la surface de la cible,
en fonction des caractéristiques du rayonnement et des
propriétés de la surface. Le rayonnement est
réfléchi ou diffusé vers le capteur, qui l'enregistre et
peut ensuite transmettre l'énergie par des moyens électroniques
à une station de réception où l'information est
transformée en images (numériques ou photographiques). Une
interprétation visuelle et/ou numérique de l'image est ensuite
nécessaire pour extraire l'information que l'on désire obtenir
sur la cible. La dernière étape du processus consiste à
utiliser l'information extraite de l'image pour mieux comprendre la cible, pour
nous en faire découvrir de nouveaux aspects ou pour aider à
résoudre un problème particulier. D'après C.C.T. (2009)
modifié.
1.2.2 Régions spectrales utilisées pour
l'observation à distance de la terre
? Spectre visible (0,4-0,7 um) : C'est la
gamme de fréquence que peut supporter l'oeil humain. Elle est
Subdivisée en trois groupes : Red (rouge), Green (vert), Blue (bleu).
? Infrarouge proche (0,7-1,1 um) :
Appelé JR réfléchi, il renseigne sur l'énergie
solaire des corps réfléchissants, ce spectre est utilisé
en télédétection de la même façon que le
rayonnement visible.
? Infrarouge moyen (1,1 -8 um) : C'est un
mélange de rayonnement solaire et d'émission, il affecte de
manière significative l'atmosphère et employé pour mesurer
les concentrations de vapeur d'eau, ozone, aérosols, etc.
? Infrarouge thermique (8-14 um) :
Rayonnement émis par les organismes eux-mêmes, il permet de
déterminer la température d'un corps (JR thermique) et les images
peuvent être disponibles à tout moment de la journée.
? Micro-ondes (1um-1m) : Cette bande
présente un intérêt croissant dans la
télédétection du fait de sa faible interaction avec
l'atmosphère et sa transparence pour les nuages. Les capteurs actifs
sont généralement utilisés dans cette bande.
1.2.3 Interactions atmosphériques
L'atmosphère est un mélange de gaz, elle est
divisée en plusieurs couches, les 80 premiers kilomètres
contiennent plus de 99% de la masse totale de l'atmosphère de la Terre.
Lorsque le rayonnement EM traverse l'atmosphère (figure 1.4), il peut
être absorbé ou diffusé par les particules de
l'atmosphère et elle émet également JR thermique.
10
Figure 1.4. Pourcentage du rayonnement
absorbé par l'atmosphère (Manuel TELCAN, 2013).
1.2.4. Réflectivité spectrale
La réflectance, également nommée facteur
de réflexion, est la proportion de la lumière
réfléchie par la surface d'un matériau (Figure 1.5). Elle
est donc un rapport entre le flux lumineux réfléchi et incident.
La réflectance d'une surface varie en fonction de la longueur des ondes
qui la frappent et s'exprime généralement comme un pourcentage.
Ainsi, tout corps réel a une émissivité et une
réflectivité qui varient avec la longueur d'onde (signature
spectrale).
11
Figure 1.5. La signature spectrale de quatre
surfaces source Manuel (TELCAN, 2013).
1.2.5. Images satellitaires
L'image est définie comme un signal bidimensionnel,
une application d'un sous-ensemble M x N de R x R vers l'ensemble des
réels R, qui, à chaque couple de réels (x, y) associe le
réel f(x, y) tel que f : (M x N) ? R et (x, y) ? f(x, y). Le
sous-ensemble ((M x N) est constitué de couples d'entiers (x, y) tels
que x ° {0, 1, 2, 3,...NC}, et y ° {0, 1, 2, 3,...NL}. Elle est
constituée d'un ensemble de points élémentaires
appelés pixels.
Le couple réels (x, y) représente la position
spatiale d'un pixel et la valeur f(x, y) représente le niveau de gris
d'un pixel (figure 1.6) (CCT, 1995).
Figure 1.6. Les positions spatiales et les
valeurs de niveau de gris dans une image satellitaire. Le niveau de gris d'un
pixel est une grandeur proportionnelle à l'intensité du signal
réfléchi par ce pixel lorsqu'il est radié notamment par
une onde électromagnétique.
12
1.2.6. Résolution d'images
On distingue quatre types de résolution d'images :
- La résolution spatiale : permet
d'apercevoir le détail sur une image (Martin et al., 1998).
- La résolution spectrale :
représente l'aptitude d'un capteur à employer de petites
fenêtres de longueurs d'onde (Lee et al., 1990).
- La résolution temporelle : est le
temps que prend un satellite pour réaliser un cycle orbital complet
(Bonn & al., 1992).
- La résolution radiométrique :
est la sensibilité à l'intensité de
l'énergie électromagnétique à chaque fois qu'une
image est captée par une pellicule ou un capteur (CCT, 1995).
1.2.7. Types d'images satellitaires
Il existe plusieurs types d'images satellitaires en
télédétection (tableau 1).
Tableau 1.1. Quatre types d'images
satellitaires et leurs caractéristiques spécifiques (CCT,
1995).
Types
|
Système de caméras et bandes
|
Application
|
Landsat
|
- Multi Spectral Scanner (MSS) Chaque
|
La gestion des
|
|
bande possède une résolution spatiale de 60
|
ressources, la
|
|
sur 80 mètres, et une résolution
|
cartographie, la
|
|
radiométrique de 6 octets, ou de 64 valeurs
|
surveillance de
|
|
numériques. - Thematic Mapper (TM) La
|
l'environnement et la
|
|
résolution spatiale de 30 m pour toutes les
|
détection du changement
|
|
bandes, sauf l'infrarouge thermique qui est de
|
(par exemple, la
|
|
120 m. Toutes les bandes sont enregistrées
|
surveillance des coupes à
|
|
sur une étendue de 256 valeurs numériques (8
octets). - Return Beam Vidicon (RBV)
|
blanc) etc.
|
SPOT
|
- Haute Résolution Visible (HRV) Peut
|
SPOT est utile pour les
|
|
capter en mode panchromatique (une seule
|
applications qui
|
|
bande) et offre une excellente limite de
|
requièrent une excellente
|
|
13
|
résolution spatiale de 10 m. Ils peuvent aussi
|
résolution spatiale
|
|
capter en mode multibande (MLA) (trois
|
(comme la cartographie
|
|
bandes) qui offre une résolution spatiale de
|
urbaine), la foresterie et
|
|
20 m. Le système SPOT présente plusieurs
avantages par rapport aux autres capteurs spatiaux. Sa limite de
résolution fine et le dépointage des capteurs sont les
principales raisons de sa popularité.
|
l'agriculture.
|
IRS
|
Combine les caractéristiques des capteurs de
|
La discrimination de la
|
|
Landsat MSS et TM et du capteur HRV de
|
végétation, la
|
|
SPOT
|
cartographie terrestre, et
pour la gestion des
ressources naturelles.
|
Quickbird
|
la résolution panchromatique passe de 80
|
les bâtiments, les
|
|
centimètres à 61 centimètres et les
|
voitures et même de
|
|
résolutions multispectrales de 4 à 2,44
|
grands arbres individuels
|
|
mètres.
|
peuvent être reconnus.
|
|
1.2.8. Classification et analyse d'images
Les opérations de classification et d'analyse d'image
sont utilisées pour identifier et classifier numériquement des
pixels sur une image. La classification numérique des images utilise
l'information spectrale contenue dans les valeurs d'une ou de plusieurs bandes
spectrales pour classifier chaque pixel individuellement. Ce type de
classification est appelé reconnaissance de regroupements
spectraux. Les deux façons de procéder (manuelle ou
automatique) ont pour but d'assigner une classe particulière ou
thème (par exemple : eau, forêt de
conifères, maïs, blé, etc.) à chacun des pixels d'une
image. La "nouvelle" image qui représente la classification est
composée d'une mosaïque de pixels qui appartiennent chacun à
un thème particulier. Cette image est essentiellement une
représentation thématique de l'image originale.
14
Figure 1.7. Illustration d'une classification et
analyse des images
Les méthodes de classification les plus communes
peuvent être séparées en deux grandes catégories :
les méthodes de classification supervisée et les
méthodes de classification non supervisée.
1.2.8.1 Distinction entre la classification non
supervisée et supervisée
Lors de l'utilisation d'une méthode de classification
supervisée, l'analyste identifie des échantillons assez
homogènes de l'image qui sont représentatifs de différents
types de surfaces (classes d'information). Ces échantillons forment un
ensemble de données-tests. La sélection de ces
données-tests est basée sur les connaissances de l'analyste, sa
familiarité avec les régions géographiques et les types de
surfaces présents dans l'image. L'analyste supervise donc la
classification d'un ensemble spécifique de classes. Les informations
numériques pour chacune des bandes et pour chaque pixel de ces ensembles
sont utilisées pour que l'ordinateur puisse définir les classes
et ensuite reconnaître des régions aux propriétés
similaires à chaque classe.
La classification non supervisée procède de la
façon contraire. Les classes spectrales sont formées en premier,
basées sur l'information numérique des données seulement.
Ces classes sont ensuite associées, par un analyste, à des
classes d'information utile (si possible). Des programmes appelés
algorithmes de classification sont utilisés pour
déterminer les groupes statistiques naturels ou les structures des
données. Des informations plus détaillées se trouvent sur
le site
https://www.rncan.gc.ca/sciences-terre/geomatique/imagerie-satellitaire-photos-aeriennes/imagerie-satellitaire-produits/ressources-educatives/9362
15
1.3 Principaux concepts de l'écologie du
paysage
L'expression « écologie du paysage »
daterait de 1939. Elle faisait alors écho à une théorie
émergeante (Lands cape Ecology pour les anglais,
Landschaftsökologie ou Geoökologie pour les allemands,
Landschapecologie pour les néerlandais), proche de la
biogéographie, mais s'intéressant plus spécifiquement aux
échelles dites « paysagères » ou «
écopaysagères » (Burel et al., 2003).
Les méthodes scientifiques de cette nouvelle science
sont, la cartographie, la télédétection, les
systèmes d'informations géographiques, les méthodes
statistiques et la modélisation (John et al., 2002).
L'écologie s'intéresse à la dynamique de
la biodiversité, à toutes les échelles spatiales et
temporelles (Ramade, 2003), alors que l'écologie du paysage
s'intéresse particulièrement à l'échelle
intégratrice du paysage, des continents et de la planète, et
à l'évolution du paysage sous l'effet des intégrations
complexes entre processus écologiques et organisation des structures
spatiales (Burel et al., 2003).
1.3.1 Notion du paysage
Avant d'être l'objet d'étude en écologie,
le paysage a été repris dans de nombreuses disciplines comme la
peinture, l'architecture, la littérature, et la géographie
(Berdoulay et al., 1985 dans Burel et al., 1999). Plusieurs
définitions du terme paysage ont été proposées,
parmi lesquelles nous optons pour les deux suivantes en rapport avec
l'hétérogénéité spatiale:
? comme une portion de territoire
hétérogène composée d'un ensemble
d'écosystèmes en interaction qui se répètent de
façon similaire dans l'espace (Forman et Godron, 1986).
? un niveau d'organisation des systèmes
écologiques supérieurs à l'écosystème ; il
se caractérise essentiellement par son
hétérogénéité et par sa dynamique
gouvernée en partie par les activités humaines. Il existe
indépendamment de la perception (Burel et al., 1999).
De par sa nature globalisante, on reproche souvent un
caractère « fourre-tout » à la notion du paysage
(Baudat ,2003). D'une manière générale, le paysage se
réfère à une aire relativement large de quelques hectares
à quelques centaines de km2 (Forman et al., 1986
dans Burel et al., 1999 ). La constatation que la taille des paysages
puisse varier amène les problèmes de
hiérarchie et
16
d'échelles (Figure 1.3. & Figure 1.4.) dans la
réflexion écologique (Meentemeyer et al.,1987 dans Burel
et al., 1999). Au coeur de la démarche de
télédétection en vue des applications, il y'a la notion du
paysage, une notion à la fois qualitative, quantitative et
esthétique qui fusionne un ensemble de perceptions et des concepts comme
l'échelle, le relief, la couverture végétale et
l'occupation humaine (Bonn, 1996).
1.3.2 Echelle spatiale
L'échelle est la dimension spatiale ou temporelle d'un
objet ou d'un processus, elle est caractérisée par le grain et
l'étendue (Turner et al. 2001). Si on se place dans la
perspective d'un organisme, le grain est la dimension spatiale la plus
réduite à laquelle un organisme perçoit un paysage
(Iorgulescu & al., 2002). L'étendue est la largeur de
l'aire d'étude, les limites d'une carte par exemple (Figure 1.8) (Milne,
1990). L'information spatiale de base sur le paysage consiste en une carte de
pixels. Le paysage est ainsi découpé, selon une grille
régulière, en éléments supposés uniformes
(les pixels), ayant chacun une valeur qui le caractérise (Schermann et
al., 2002).
Figure 1.8. Le paysage, niveau
d'organisation des systèmes écologiques situés au-dessus
de l'écosystème, mais en dessous de la région et du
continent (Forman, 1995 dans Burel et Baudry, 1999).
1.3.3 Eléments du paysage
Une structure paysagère est caractérisée
par trois éléments essentiels (Figure 1.9) basés sur la
configuration spatiale des unités paysagères (Forman, 1995 dans
Burel et Baudry, 1999): les taches, les corridors et la matrice.
17
Tache
Matrice
Corridor
Figure 1.9. Eléments de base d'une
structure paysagère formant le paysage à savoir les taches, les
corridors et la matrice (Burel et al., 2003).
Les taches sont des mosaïques d'unités
fonctionnelles, des surfaces qui diffèrent par leur apparence et leur
composition de ce qui les entourent (la matrice). Ces unités
représentent des conditions environnementales homogènes et leurs
frontières se distinguent par des discontinuités dans les
variables d'état d'une magnitude (amplitude) qui est significatif pour
le processus écologique ou l'organisme considéré (Bogaert
et al., 2005). Elles peuvent donc largement varier en taille, type,
hétérogénéité et/ou en
caractéristiques des frontières. L'ensemble des unités
fonctionnelles ayant des caractéristiques similaires pour le processus
considéré forme un type ou une classe (Iorgulescu et
al., 2002).
Les corridors sont des unités ayant une forme
linéaire caractéristique et remplissant des fonctions
écologiques de conduite (passage), filtre ou barrière. Ils sont
souvent présents dans un paysage en forme d'un réseau (Munyemba,
2007).
La matrice désigne généralement
l'élément dominant d'un paysage homogène, observé
à la fois en tant que support et produit de la biodiversité. Elle
constitue donc l'élément englobant le plus extensif et le plus
connecté. C'est le type le plus répandu et le moins
fragmenté soulignent Iorgulescu et al. (2002) ainsi que Bogaert
et al. (2005). Ce type peut également être
considéré comme l'arrière-plan du paysage, dans lequel se
situent les autres éléments. Ces différents
éléments d'une matrice éco paysagère
s'interconnectent de manière complexe. Notons que la subdivision du
paysage en ces trois éléments à savoir taches, corridors
et matrices est connu comme modèle « patch - corridors - matrix
» (Forman et al., 1981; Forman et al., 1986;
18
Forman, 1997 in Bogaert et al., 2005). Et ce
modèle sert souvent de base de référence pour les mesures
de configuration spatiale.
1.3.4 Structure spatiale et processus
écologiques
L'importance de la structure spatiale des
écosystèmes paysagers pour éclairer les processus
écologiques est reconnue par le système écologique. Il est
caractérisé par une interdépendance de trois
éléments clés: sa configuration, sa composition et son
fonctionnement (Bamba, 2006 ; Iorgulescu et al., 2002). Un changement
d'un des éléments aura des répercussions sur les deux
autres. Et si la structure spatiale d'une composante paysagère change,
par exemple suite à la fragmentation d'une zone forestière, les
processus de migration des populations qui utilisent cette forêt
changeront également. En plus, si l'écosystème
considéré est fragmenté, la composition du paysage
connaîtra une dynamique, car les zones initialement couvertes par la
forêt seront remplacées par une autre classe d'occupation du sol.
Ce principe justifie l'importance donnée en écologie du paysage
à l'étude des structures spatiales des paysages (Bogaert et
al., 2005). Les éléments clés d'un système
écologique sont repris dans la Figure 1.10 ci-dessous :
Figure 1.10. Eléments clés
d'un système écologique applicable à chaque échelle
spatio-temporelle: la structure du paysage, la composition et les fonctions
présentes dans le paysage (Noon et al.,1997 in Bogaert et
al., 2005).
1.3.5 Indices de structures spatiales
Pour étudier les rapports entre la configuration du
paysage et les processus écologiques, il est utile de décrire ces
structures en termes quantifiables. Ceci explique le développement d'une
série d'indices « landscape metrics » (Hargis et al.,
1997 dans Bogaert et al., sous presse). Ces mesures sont souvent un
indicateur de l'impact humain sur la morphologie
19
du paysage (Krummel et al. 1987 dans Burel et
al., 2003). Puisque aucune mesure ne peut résumer à elle
seule toute la complexité de l'arrangement spatial des taches, un
ensemble de mesures doit généralement être effectué
(Dale et al., 1994 dans Bogaert et al., sous presse) ; cette
idée est à la base de l'existence d'une abondance d'indices.
Certains d'entre eux interviennent dans la composition du paysage (proportion,
richesse, équitabilité, dominance), pendant que quelques-uns sont
appliqués à la mesure de la configuration spatiale (mesurant la
géométrie des taches et leur répartition spatiale)
(McGarigal & al., 1995 ; Gustafson, 1998; BotequilhaLeitão
& al., 2002 ; Bogaert & al., 2005).
20
Chapitre 2 Milieu, matériels et
méthodes
2.1. Milieu d'étude
2.1.1. Situation géographique
Située à l'Est de la République
Démocratique du Congo dans la province du Sud-Kivu, notre zone d'Etude
est localisée entre 2°30'55» de latitude Sud et
28°50'42» de longitude Est, plus précisément dans le
bassin appelé Eastern Valley Grabben (région des
grands-lacs). La ville Bukavu présente une superficie de 6000 ha et est
subdivisée en trois communes (figure 2.1): commune de Kadutu, commune
d'Ibanda et commune de Bagira (Rapport annuel de la mairie de Bukavu, 2013).
Figure 2.1. Localisation de la ville de Bukavu
dans la province du Sud Kivu en République Démocratique du
Congo.
21
2.1.2. Caractéristiques biophysiques
a. Climat
Avec une altitude comprise entre 1500m (à
l'emplacement de la Société Nationale des Chemins de fer
Congolais, SNCC, où la rivière Kahwa rencontre le lac Kivu) et
2194m (sur le Mont Mbogwe dans le quartier Kasha en commune de Bagira), la
ville de Bukavu a un climat se rapprochant de celui subéquatorial ou
tropical humide (de courte durée) avec l'influence du climat d'altitude
de 1500 à 2000m. Elle connait deux saisons à savoir : la saison
pluvieuse (s'échelonnant sur plus ou moins 8 mois de septembre à
mi-mai) et la saison sèche (CAID, 2015). La ville de Bukavu enregistre
une température moyenne de 20°C tout au long de la cote et
tempérée dû à la présence du lac-Kivu. La
station d'observation météorologique de Muhungu dans le Quartier
Ndendere (à 1,670m d'altitude) renseigne que les précipitations
oscillent entre 1000mm et 2500mm avec une moyenne annuelle de 1320mm (CAID,
2015). Le tableau 2.1 ci-dessous montre les données de la station
météorologique de Bukavu située à 1478m
d'altitude.
Tableau 2.1. Données de la station
météorologique de Bukavu (1478 m d'altitude).
Mois J F M A M Jn Jt At S O N D Année
T°
|
20.
|
20
|
17.
|
19.
|
20
|
19.
|
21.
|
20.
|
20.8
|
20.
|
19.8
|
19.5
|
20
|
|
2
|
|
8
|
5
|
|
5
|
9
|
6
|
|
4
|
|
|
|
Pm
|
128
|
144
|
168
|
142
|
82
|
27.
|
13.
|
40.
|
109.
|
134
|
176.
|
156.
|
1324.
|
m
|
.5
|
.8
|
.8
|
.1
|
|
7
|
9
|
8
|
5
|
|
5
|
2
|
8
|
|
b. La végétation
La végétation dominante de la Ville de Bukavu
se rapproche à celle du type savane africaine. Elle est parsemée
d'arbustes et des herbes sauvages à savoir : le Tithonia trifolia
(Bilula), Lantanotrifolia sp. (Kashukanshuha), Veronia
amygdalina (Mubirizi), Chiendents sp. (Mushindangombe). Sur les
sols moins fertiles et les collines, on retrouve le Galinsango pawiflora
(Ragala) et le Commelina diffusa (Mudege). Notons cependant que
les espaces verts ayant échappé aux constructions anarchiques
sont boisés d'Eucalyptus sp., Grevelia sp.,
Markamia sp., etc.
Le sol et le substratum basaltique privilégient Bukavu
d'être relativement fertile. Le sol de Bukavu n'est pas
complètement argileux car est beaucoup plus compact et mois
imperméable.
c. Le Sol
22
Il est aussi moins poreux car à la moindre
sècheresse, l'eau arriverait à manquer. Le sous-sol de Bukavu est
réputé mal connu. On y exploite cependant des carrières
à moellons dans chaque commune (Ndyanabo et al., 2010).
d. L'Hydrographie
La cote littorale du lac Kivu (étendue sur une
distance de #177;10km) est l'un des aspects importants du tourisme de la Ville
de Bukavu. Les rivières Kawa, Wesha, Chula, Mugaba et Nyaciduduma sont
les plus importantes de la Ville et constituent les affluents du Lac Kivu
tandis que la rivière Ruzizi, frontière de la RDC avec le Rwanda
et le Burundi, déverse les eaux du lac Kivu dans le lac Tanganyika
à l'extrême Sud de la Ville (CAID, 2015).
2.2. Démarche méthodologique :
outils et méthodes d'analyse du paysage
2.2.1. Données
L'image Landsat 5 du capteur TM de 2017
fournie par le laboratoire Géographie et Gestion de l'Environnement de
l'Institut Supérieur Pédagogique de Bukavu a été
utilisée pour analyser la structure spatiale de la ville de Bukavu.
Les caractéristiques de cette image sont
représentées dans le tableau 2.2 ci-dessous.
23
Tableau 2.2. Caractéristiques du
satellite d'observation de la terre Landsat 5 (
https://fr.m.wikipedia.org/wiki/ProgrammeLandsat)
Satellite et capteur
|
Dimension d'une
scène
|
Résolution spectrales (Bandes
spectrales)
|
Résolution radiométrique (Longueurs
d'onde)
|
Résolution spatiale
|
Résolution
temporelle
(Date de prise
de
vue)
|
Landsat 5 TM
|
185 x 185 km
|
Bande 1 - Bleu
|
0, 45, 0,52 um
|
30 m
|
13 mars 2017
|
|
0,52-0,60 um
|
|
0,63-0,69 um
|
|
0,76-0,90 um
|
|
1,55-1,75 um
|
|
10,4-12,5 um
|
120 m
|
|
2,08-2,35 um
|
30 m
|
|
L'algorithme paramétrique choisi est la méthode
« unsupervised K-Means » qui a subdivisé
l'image en 100 classes d'occupation du sol. La carte a été
améliorée en fusionnant certaines
24
2.2.2. Logiciels utilisés
Le choix a porté sur des logiciels libres :
? Envi 4.7 : pour la visualisation, le
traitement de l'image satellitaire utilisée et la vectorisation et la
cartographie de la classification supervisée validée. Ce logiciel
grâce à sa complexité nous a permis de faire une
classification non supervisée qui a été un
élément important dans l'élaboration et la validation de
l'occupation du sol de notre zone d'étude.
? ArcMap 10.1 : pour le traitement des
données vectorielles
? Excel 2013 : pour la production des
graphiques et tableaux, ainsi que les calculs des indices de structure
spatiale.
Le Global Positioning System (GPS) de marque Garmin
60s a été utilisé pour le
prélèvement des coordonnées géographiques de
vérité de terrain.
2.2.3. Traitement numérique de l'image
satellitaire
2.2.3.1. Isolation de la zone d'étude
Trois bandes spectrales de l'image satellitaire
Landsat 5 (bande 2, bande 3 et bande 4) ont été
projetées suivant une projection cartographique à la zone UTM 35S
/WGS-84 dans le logiciel ArcMap 10.1. Ceci a permis de les superposer sur le
shapefile de la limite de la ville de Bukavu afin de circonscrire notre zone
d'étude grâce au module « Analysis Tools
».
2.2.3.2. Composition colorée
La composition colorée qui a été
privilégiée pour la détermination des unités
d'occupation du sol est celle réalisée en fausse couleur
standard. Elle combine les bandes du proche infrarouge, du rouge et du vert du
capteur respectivement dans les canaux d'affichage rouge, vert et bleu de la
fenêtre « Available Bands List » du logiciel Envi 4.7.
2.2.3.3. Classification de l'image satellitaire
2.2.3.3.1. La classification non supervisée,
supervisée et signature spectrale
25
classes pertinentes en s'appuyant sur la composition
colorée et l'Indice par Différence Normalisée de la
Végétation (NDVI) pour permettre la discrimination de la
végétation. Ceci a abouti à la création de quatre
classes d'occupation du sol dans la zone d'étude. Il s'agit des classes
Forêt, Savane herbeuse, Savane et Sol nu et Bâtis. Cette
élaboration s'est basée sur la fusion des classes redondantes de
la classification non supervisée afin de maintenir quatre classes
d'occupation du sol dans la zone d'étude. Notamment :
? le sol nu et bâtis : ce complexe
montre toutes les surfaces occupées par les bâtiments, les routes,
le sol nu. C'est ce que Forman (1995) appelle des espaces fortement
anthropisés ;
? savane herbeuse : cette classe
représente toutes les surfaces couvertes par une
végétation d'une herbe abondante. Par exemple, les champs.
? Savane : regroupe toutes les surfaces
couvertes par une végétation dépourvue des grands arbres.
Elle peut être une savane arborée, boisée mais autre que la
savane herbeuse;
? la Forêt : cette classe regroupe
toutes les surfaces couvertes de bois, de nombreux arbres proches.
La procédure à suivre dans le traitement des
données afin de réaliser une classification acceptable est
reprise dans la figure 2.2 ci-dessous.
26
Figure 2.2. Etapes principales pour la
classification de l'image, depuis le choix de l'image jusqu'à la
classification acceptable.
Les statistiques radiométriques de ces classes ont
été extraites d'une part des bandes spectrales du rouge
(0,62-0,69ìm) et du proche-infrarouge (0,76-0,90ìm) et
projetées sur des axes orthonormés où l'axe des Y indique
les valeurs du niveau de gris dans le rouge et l'axe des X indique les valeurs
du niveau de gris dans le proche infrarouge, afin de regrouper les classes
radio-métriquement proches.
2.2.3.3.2. Evaluation de la qualité de la
classification supervisée
Le coefficient Kappa a été
généré (équation 1) dans la matrice de confusion
calculée à partir du logiciel Envi 4.7 en confrontant les
données de vérité de terrain dont les coordonnées
géographiques prélevées à l'aide du GPS Garmin 60s
avec les résultats de la classification supervisée. Les
coefficients suivants également ont été
générés : La précision totale qui est le nombre de
pixels bien classés divisé par le nombre total d'individus,
l'erreur d'omission et l'erreur de commission.
27
Dans l'équation (1), r est le nombre de
rangées dans la matrice de confusion, xii est le nombre
d'observation dans la rangée i et la colonne i sur la
diagonale, x1+ représente le total des observations dans la
rangée i et x+1 est le total des observations dans la
colonne i. N est le total des observations dans la matrice.
A partir de cette matrice, la précision globale de la
classification est donnée par la moyenne des pourcentages des pixels
correctement classés (MPPCC ) dans l'équation (2)
2.2.3.4. Vectorisation et exportation de l'image
classifiée dans ArcMap 10.1
La vectorisation de la classification supervisée
validée a été réalisée dans le logiciel Envi
4.7.Le fichier vectoriel généré a été
exporté en format shapefile pour être utilisable dans le logiciel
ArcMap 10.1. Le fichier ainsi obtenu a servi à calculer les indices de
structures spatiales.
2.2.4. Calcul des indices de structure spatiale
a. Nombre de taches par classe
Le nombre de taches par classe (nj) est très
important, car il nous situe sur l'état de fragmentation d'une classe
à une période. Il s'obtient par la somme de différentes
taches présentes dans une classe à partir des tables d'attributs
(Davidson, 1998).
c. L'aire totale atj : c'est la superficie
totale occupée par une classe j donnée. Elle s'exprime en
unité de mesure et se calcule comme suit :
28
Où aij est l'aire de la i -ième
tache de la classe j et nj est le nombre des taches de la
classe j.
c. L'aire moyenne aj: elle indique la valeur
moyenne de l'aire des taches de la classe j et a été
calculée selon la formule suivante :
?j = atj / nj (4)
d. La dominance Dj (a) : elle indique la
proportion d'aires occupées par la tache dominante dans la classe
j, plus la valeur de la dominance est grande moins la classe est
fragmentée (Mouhamadou, 2012).
(5)
Dj (a) = amaxj / atj x 100.
Ou amaxj est l'aire totale (atj) occupée
par la plus grande tahce de la classe j
e. Le périmètre total du paysage
: c'est la somme des périmètres totaux pt,
des classes et est :
f.
Où at, est l'aire totale de la
classe et pt, , son périmètre total.
Densité : La densité de taches
renseigne sur le nombre de taches de la classe j par unité
de surface occupé par cette classe. Elle est
calculée par : D= nj/ atj
g. L'indice de forme
|
(7)
|
L'indice des formes est basé sur un principe de rapport
de l'aire sur le périmètre. La forme est un élément
difficile à quantifier et qui peut donner libre cours à
différentes interprétations (Ducrot, 2005). Elle peut être
liée à des degrés d'artificialisation : exemple, les
terres agricoles sont très polygonales alors que les formations
naturelles, telles que les forêts ont souvent un contour plus complexe.
Plus cette valeur est faible plus la classe aura une forme complexe (Bogaert
et al., 2000).
29
Chapitre 3 . Résultats
3.1 . Composition colorée
Sur la figure 3.1 ci-dessous, les composantes
forestières sont caractérisées en teinte rouge. Elles se
concentrent sur la partie Sud-Ouest de la zone d'étude où la
teinte est la plus vive et tend à s'atténuer en s'approchant
progressivement du centre de la zone d'étude. Dans cette zone, nous
pouvons remarquer quelques taches de forêts dans la commune de
Bagira, notamment à Bwindi, dans la
commune de Kadutu, notamment au lycée Wima
et dans la commune d'Ibanda, notamment à
l'Université Evangélique en Afrique. Les savanes arborées
et herbeuses sont caractérisées par une atténuation
progressive de la teinte rouge. Les champs et les zones de jachères sont
caractérisés par une teinte chocolat, moins vive, beaucoup plus
remarquable le long des routes et aux bordures des forêts. Les savanes
arborées présentent une teinte plus vive que celle des savanes
herbeuses. Le sol nu et bâtis est caractérisé par des
teintes variables (bleu ciel et blanche), blanche plus remarquable sur les
zones d'habitations et bleu ciel à côté des taches de
savanes ou des forêts.
30
Système de Projection : WGS-84 / UTM Zone
35S
Figure 3.1. Composition colorée en
fausse couleurs de l'image TM de Landsat 5 de la zone d'étude
réalisée par la combinaison de bandes du rouge, du bleu et du
proche Infrarouge.
31
3.2 Classifications et cartographie de l'occupation du
sol
3.2.1 Classification non supervisée
La classification non supervisée réalisée
à partir de la composition colorée fausse couleur de l'image
satellitaire de la zone d'étude Landsat 5 de 2017 a
permis de caractériser 100 classes d'occupation du sol. Elle fournit une
segmentation trop détaillée, contenant des classes redondantes.
Compte tenu du nombre élevé de classes, nous avons observé
plusieurs variantes de teintes au sein d'une même classe d'occupation du
sol. A titre indicatif, le sol nu et bâtis représenté en
teintes bleu ciel au centre dans la composition colorée, ont
été segmentées en plusieurs teintes dans la classification
non supervisée.
En effet, cette classification non supervisée obtenue a
été d'une grande importance. Elle a permis d'amorcer la
procédure d'identification d'objets dans la zone d'étude
32
Système de Projection : WGS-84 / UTM Zone
35S
Légende :
Figure 3.2. Classification non supervisée
de l'occupation du sol de Bukavu ayant 100 classes à fusionner.
33
3.2.2 Cartographie de l'occupation du sol
3.2.2.1 Signatures spectrales
La figure 3.3 ci-dessous présente les signatures
spectrales de quatre classes d'occupation du sol retenues dans la zone
d'étude.
350
Forêt
Savane Savane herbeuse
Sol nu et bâtis
0 20 40 60 80 100 120 140 160
300
250
200
150
100
50
Niveau de gris dans le canal du Rouge
0
-50
Niveau de gris dans le canal du PIR
Figure 3.3. Regroupement des valeurs
radiométriques des classes d'occupation du sol dans les canaux du Rouge
et Proche-Infrarouge (PIR). Les traits horizontaux et verticaux
représentent les écarts-types des différentes classes
autour de la moyenne.
Les classes présentent des comportements spectraux
très différents les uns des autres sur les bandes spectrales
considérées, le proche infrarouge (0,76-0,90 um) et le rouge
(0,63-0,69um). Les classes de végétation présentent des
valeurs de niveau de gris plus élevées dans la bande spectrale du
rouge et faibles dans le canal du proche infrarouge. La classe forêt se
distingue des autres avec une valeur du niveau de gris très
élevée dans le canal du Rouge, suivie de la savane et de la
savane herbeuse. Contrairement à la classe anthropique (sol nu et
bâtis), le niveau de gris est trop faible dans le canal du rouge et
très élevé dans le canal du proche infrarouge. Ces
variations très significatives nous ont permis de faire une
différence entre les différentes classes de
végétation et mieux encore de sol non couvert.
34
3.2.2.2 Matrice de confusion
La matrice de confusion de la classification a
été calculée par la confrontation des résultats de
la classification non supervisée et des données de contrôle
de terrain. La matrice de confusion obtenue est représentée par
le tableau 3.1 ci-dessous. Il indique un coefficient Kappa de 78,89%,
traduisant le pourcentage de réussite de la classification
supervisée, avec une précision globale de 84,16%.
Tableau 3.1. Présentation des
résultats de calcul de la matrice de confusion réalisée
dans le logiciel Envi4.7.
|
Classes
|
Vérité de Terrain
|
|
Savane
|
Forêt
|
Savane herbeuse
|
Sol nu et bâtis
|
Total
|
Erreur de commission
|
|
Savane
|
20
|
1
|
2
|
0
|
23
|
3
|
|
Forêt
|
3
|
28
|
0
|
0
|
31
|
3
|
|
Savane herbeuse
|
4
|
1
|
25
|
2
|
32
|
7
|
|
Sol nu et bâtis
|
3
|
0
|
3
|
28
|
34
|
6
|
|
Total
|
30
|
30
|
30
|
30
|
120
|
|
|
Erreur d'omission
|
10
|
2
|
5
|
2
|
|
|
|
Précision globale
|
84,16%
|
|
Kappa (%)
|
78,89%
|
On constate également les confusions spectrales entre
les différentes classes. Les faibles erreurs d'omission suggèrent
de manière successive que les zones d'entrainement de sol nu et
bâtis, de Forêt, de savane herbeuse et de Savane sont les mieux
affectées. Cela se traduit par un pourcentage élevé de
précision pour le réalisateur, soit 93,3% pour le sol nu et
bâtis et la classe forêt, soit 83,3% pour la Savane herbeuse et
66,6% pour la Savane. Les erreurs de commission indiquent les nombres de pixels
d'une classe affectés à une autre classe. Elles suggèrent
que les
35
classes ont été plus ou moins mieux
classées. Successivement, il s'agit des classes de la Forêt
(90,93%), Savane (86,95%), Sol nu et bâtis (82,35%), et Savane herbeuse
(78,12%). En abrégé, les erreurs les plus remarquables ont
été observées dans les classes Savane (33,33% d'erreurs
d'omission), Savane herbeuse (21,18% d'erreurs de commission et 16,6% d'erreur
d'omission) et Sol nu et bâtis (17,64% d'erreurs d'commissions).
3.2.2.3 Cartographie de l'occupation du sol
A l'issu de ces résultats (figure 3.4), nous pouvons
constater une prédominance de la classe Sol nu et bâtis dans la
zone d'étude. Cette classe est plus localisée au centre de la
zone d'étude où les activités anthropiques sont plus
prononcées. Les classes de végétation (Forêt, savane
herbeuse et Savane) sont plus localisées dans la partie sud-ouest de la
zone d'étude, et où on trouve moins d'activités
anthropiques. Ceci s'explique par une grande concentration de la population
dans le centre-ville et qui dégrade au jour le jour le peu du couvert
végétal qu'on retrouve dans cette zone.
36
|
|
|
|
|
|
Légende :
|
|
|
|
Système de Projection : WGS-84 / UTM Zone
35S
|
|
|
Figure 3.4. Carte de l'occupation du sol dans la
ville de Bukavu donnant quatre classes.
37
3.3 . Ecologie du paysage
Tableau 3.2 Présentation des
résultats des indices de structure de paysage.
|
Indices CLASSE
|
nj
|
atj (km2)
|
Pt (km)
|
aj (km2)
|
Dj
|
If
|
Densité
|
|
S Savane
|
734
|
8,3358
|
501,06
|
0,011356676
|
16,56229756
|
3,3202.10-5
|
88,05393603
|
|
Forêt
|
414
|
4,7295
|
236,52
|
0,011423913
|
20,83729781
|
8,4543.10-5
|
87,5356803
|
|
Sol nu et bâtis
|
596
|
23,6997
|
668,76
|
0,039764597
|
76,13260927
|
5,2991. 10-5
|
25,14799765
|
|
Savane herbeuse
|
1482
|
6,5448
|
552,96
|
0,004416194
|
2,227722772
|
2,1405. 10-6
|
226,4393106
|
Légende :
? nj : nombre de taches de la classe j;
atj : aire totale de la tache j; aj : aire
moyenne de la tache j; Dj : Dominance de la tache j;
Hj : Indice de Shannon de la tache j; Ptj :
Périmètre total de la classe j.
Ces indices reposant sur l'analyse de la structure spatiale
nous ont permis d'agréger à différentes échelles,
l'information pertinente sur la structure de l'occupation du sol de la zone
d'étude. De manière globale, on observe beaucoup de taches au
niveau de différentes classes ce qui nous situe sur l'état de
fragmentation. La classe savane herbeuse (1482) compte le plus grand nombre des
taches suivies des classes savane (734), sol nu et bâtis (596) et enfin
la classe forêt (414). A cet effet, le rapport entre le nombre de taches
et l'aire totale indique une très grande quantité des taches de
la classe savane herbeuse (226,4393106) pour une très petite superficie.
Ceci indique que cette classe présente un nombre élevé des
petites taches sur des surfaces très réduites. Par contre, la
classe sol nu et bâtis présente une petite quantité de
taches pour une très grande surface (25,14799765). Ceci indique que
cette classe présente des très grandes taches sur des surfaces
très élargies. Les valeurs des aires moyennes varient
proportionnellement à l'augmentation de nombres de taches. Les valeurs
de cet indice varient de 0,039764597 km2 pour la classe sol nu et
bâtis avec une dominance (Dj) de 76,13% ; 0,011423913 km2 pour
la classe Forêt avec une dominance (Dj) de 20,83% ; 0,011356676 km2
pour la classe savane avec une dominance (Dj) de 16,56% et 0,004416194
km2 pour la classe savane herbeuse avec une dominance (Dj) de 2,23%.
La tache la plus dominante est dans la classe sol nu et bâtis et
représente 76,13%.
38
Les valeurs de l'indice de de forme varient de
8,45.10-5 pour la classe forêt ; 5,3.10-5 pour la
classe sol nu et bâtis ; 3,32.10-5 la classe savane et
2,14.10-6 pour la classe savane herbeuse. Cette valeur de l'indice
de forme plus au moins élevée de la classe forêt laisse
croire un effet des perturbations sur la forme des taches des forêts dans
cette zone. Ceci témoigne l'empreinte de l'homme sur la modification de
la structure de l'occupation du sol dans cette zone. Quant à la
distribution des aires totales de taches, le sol nu et bâtis occupe
l'aire la plus grande de la zone d'étude. Cette classe occupe 23,6997
km2 soit 54,72% de la surface totale de la zone d'étude. Elle
est suivi par les savanes qui occupent 8,3358 km2
représentant 19,25% de la surface totale, par les savanes herbeuses avec
6,54 km2 soit 15,11% ; et enfin par les Forêts avec 4,7295
km2 soit 10,92% de la superficie totale.
En somme, 2/4 de la superficie du paysage est occupé
par la classes anthropique (sol nu et bâtis) et 2/4 par la
végétation, avec environ 1/4 pour la forêt et savane
herbeuse et 1/4 pour la savane (figure 3. 5).
Savane herbeuse
15%
Savane
19%
Forêt
11%
Sol nu et batis
55%
Figure 3.6. Distribution des différentes
classes de l'occupation du sol dans la ville de Bukavu.
39
Chapitre 4 . Discussion
4.1 . Démarche méthodologique
En dépit des inconvénients que présente
la télédétection en termes de résolution spatiale
et interaction des données avec l'atmosphère, elle nous offre
aujourd'hui un panorama radicalement différent de celui de ses origines.
Ainsi elle a connu un développement spectaculaire jusqu'à la
sophistication moderne des capteurs embarqués à bord des
satellites autour de la terre qui échantillonnent presque toutes les
régions du spectre électromagnétique possibles. De cette
façon, la télédétection spatiale permet
actuellement l'étude de notre planète car elle nous offre une
vision synoptique et répétitive qui facilite l'obtention de
données dans une courte période du temps (Derdjini,2017).
Depuis quelques années, l'imagerie satellitaire
multi-bandes s'est progressivement affirmée comme une source de
données primordiales face à l'impact des problèmes
environnementaux sur le futur des humains. Elle possède une
périodicité des prises de vue et des résolutions spatiales
de plus en plus performante. Les résolutions spatiale et temporelle
jouent un rôle très important dans l'identification et le suivi
des dynamiques paysagères. Ainsi, la télédétection
multi-spectrale offre la capacité d'identification et de mesure des
caractéristiques biophysiques du paysage qui autrement ne pourraient pas
être faites si l'on utilisait seulement qu'une seule bande spectrale.
Pour les études portant sur des grandes études comme le souligne
UMR TETIS (2005), les images Landsat sont
préconisées malgré leur résolution grossière
; elles permettent d'avoir une vision globale de tout le paysage. L'image
Landsat 5 TM de 2017 de la ville de Bukavu nous a permis de
ressortir une carte d'occupation du sol de la zone en question. Comme le
souligne Derdjini (2017), une modification considérable de l'occupation
s'observe généralement sur un intervalle de 5 ans ou plus selon
le type de pression ou actions que subissent ces ressources. La date
d'acquisition de cette image s'est faite dans une période où on a
un meilleur contraste entre la végétation et les sols nus.
A cet effet, une composition colorée fausse couleur a
été réalisée, dans le logiciel Envi 4.7, en
combinant les bandes du proche infrarouge, du rouge et du vert du capteur
respectivement dans les canaux d'affichage Rouge, Vert et Bleu de la
fenêtre de visualisation du logiciel Envi 4.7. Cette composition est
très efficace pour analyser la végétation, et elle
présente l'avantage pour l'interprète d'avoir pratiquement les
mêmes propriétés que les photographies infrarouges en
couleur utilisées depuis longtemps par les photo-interprètes,
comme le souligne Kerle (2001).
40
Les classifications numériques permettent de rassembler
des pixels en classes susceptibles de contenir les objets recherchés.
Dans l'analyse synchronique de l'occupation du sol, la classification permet de
mettre en évidence une structure spatiale cartographique pour une
analyse de l'hétérogénéité. Nous avons tenu
compte de la classification non supervisée avec un algorithme de
classification K-means qui offre une segmentation de l'image
en grands thèmes d'occupation du sol (Wolff, 2005). En tenant compte des
classes moins significatives, le logiciel a donné cent classes
d'occupation du sol qui nous ont permis de ressortir quatre classes
d'occupation du sol.
Lors de la campagne sur terrain, nous avons identifié
des sites témoins servant à la validation des résultats.
Dans la matrice de confusion calculée, la précision globale de la
classification est bonne et est de 84,16%. Le coefficient Kappa qui est de
78,89% indique que globalement, la classification réalisée est
satisfaisante (Rosenfield et al., 1986). La matrice de confusion
permet de vérifier la qualité de l'apprentissage et donne une
estimation de la validité de la classification (Mouhamadou, 2012). Les
principales sources d'erreurs découlent du fait que certaines classes
possèdent des caractéristiques radiométriques similaires
et que rien ne permet de les nuancer si ce n'est qu'une vérification sur
terrain (Renard, 1997). Sachant la complexité de l'occupation du sol,
les résultats ainsi obtenus permettent de constater que le taux de
réussite global ne dépasse pas celui suggéré par
Anderson et al. (1976) qui est de 85% et plus.
Ainsi pour analyser la structure spatiale de l'occupation du
sol à travers les mesures de la configuration et de la composition, ces
mesures sont décrites en termes quantifiables. Ce qui explique le
développement d'une série d'indice (Hargis et al., 1997
dans Bogaert et Mahamane sous presse). Il faut chercher à savoir quelles
mesures expriment mieux tels phénomènes ou tels autres. Le nombre
des taches, l'aire, le périmètre, la dominance et l'indice de
forme ont été les indices choisis pour mieux expliquer les
phénomènes écologiques qui se déroulent dans la
ville de Bukavu. Puisque aucune mesure ne peut résumer à elle
seule toute la complexité de l'arrangement spatial des taches, un
ensemble de mesures doit généralement être effectué
(Dale et al.,1994 dans Bogaert et al., sous presse).
41
4.2 . Analyse de la structure spatiale
Sachant que certains éléments varient d'une
étude à l'autre (nombre et type de taxons, milieu traité,
thématique abordée, échelle cartographique, images
utilisées).Il ressort des résultats obtenus que les indices
utilisés ont fournis le maximum d'informations utiles sur
l'interprétation de la structure spatiale. Lorsqu'on observe le rapport
entre le nombre de taches et l'aire totale, on constate que la classe savane
herbeuse présente un grand nombre de petites taches sur des surfaces
très réduites. Ceci renseigne sur la tendance de fragmentation de
cette classe-(Davidson,1998). Quant à la répartition de
différentes classes d'occupation du sol, on constate avec amertume que
la classe anthropique occupe la quasi-totalité de la superficie de la
zone d'étude. Le Sol nu et les bâtis occupent à eux seuls
54,74% de la superficie totale de la zone d'étude. Ceci s'explique par
une intensification de la dégradation du couvert végétal
qui s'observe de manière exponentielle et qui conduit à une
modification irréversible du sol. Selon les recommandations de plusieurs
auteurs (Andrén, 1994; Beninde et al., 2015; Radford et
al., 2005), il est de préférence de maintenir
l'équivalent de 40 à 50% d'une superficie en habitats naturels,
à l'intérieur d'un paysage fragmenté. En dessous de ce
seuil, il pourrait y avoir un déclin rapide de la richesse
spécifique en raison d'un effet synergique entre la perte et la
fragmentation d'habitats (Radford et al., 2005). Même si ce
seuil n'a pas été identifié spécifiquement pour les
milieux urbains, il serait prudent d'encourager son utilisation dans les
villes. C'est pourquoi il est suggéré de conserver un couvert
végétal d'au moins 40 %. Pour ce faire, les villes peuvent
préférablement protéger les milieux naturels existants ou
augmenter la superficie des espaces verts sur leur territoire.
? créer un réseau écologique qui
relie les parcelles d'habitats le long du gradient urbain rural : Un
réseau écologique regroupe un ensemble de parcelles d'habitats
et
42
Conclusion et perspectives
Ce travail s'inscrivant dans le cadre de l'application des
techniques d'écologie du paysage et les outils du Système
d'Information Géographique, avait pour objectif d'analyser la structure
de l'occupation de la ville de Bukavu à partir de données de
télédétection, du SIG et d'outils d'analyse de
l'écologie du paysage.
Il ressort de cette analyse que la structure spatiale de
l'occupation du sol de la ville de Bukavu est déjà
profondément anthropisée et que la végétation
naturelle se détériore considérablement. Les
résultats obtenus montrent que les Sols nus et bâtis occupent
54,72% de la surface totale suivie par les Savanes avec une proportion de
19,25%, par les Savanes herbeuses 15,11% et par les Forêts 10,92%. Et
donc, la classe anthropique représente (Sols nus et bâtis)
déjà environ le 1/2 de la superficie du paysage, sans compter la
proportion occupé par la végétation anthropisée
(Savanes herbeuses et Savanes).
Compte tenu de ces situations qui sévissent, des
mesures de protection des paysages dans milieux urbains doivent être
prises dans l'ensemble du pays avant qu'il ne soit trop tard. Une meilleure
planification conciliant le développement urbain au maintien de la
biodiversité doit être entreprise. Notamment :
? augmenter ou maintenir une superficie relative du
couvert végétal d'au moins 30% : les efforts de
verdissement peuvent se concentrer sur les milieux naturels
dégradés, tels que les milieux humides, les habitats
côtiers et les bandes riveraines. Ils peuvent également viser
à réduire les surfaces imperméables sur le bord des
routes, dans les parcs, les espaces publiques et les stationnements. Les villes
peuvent également inciter tous types de propriétaire à
verdir leurs propriétés par la mise en place de toits verts, de
murs végétaux ou de potagers.
? restaurer la qualité des parcelles d'habitats
existants en encourageant une gestion écologique des espaces verts
: un moyen efficace pour augmenter la qualité des parcelles
d'habitats en milieu urbain est la conservation de la diversité
structurelle de la végétation.
43
les corridors qui les relient (CRECQ, 2014). En milieu urbain,
il est recommandé de créer un réseau écologique
à l'échelle du gradient urbain-rural (Noss, 2004). Ce dernier est
relié à un réseau encore plus large qui se retrouve
à l'extérieur des milieux urbains et qui comprend de très
grandes zones de végétation naturelle et une meilleure
connectivité globale.
La présente étude n'est pas un produit fini.
Elle comporte certainement des imperfections et des inconnues qui limitent
encore notre compréhension du phénomène de
l'anthropisation du paysage. Cependant, elle demeure le début d'un
cheminement de recherche qui devrait s'étendre en étudiant la
dynamique spatiotemporelle. Il conviendrait de disposer d'images satellitaires
à intervalles de dix ans afin de mieux caractériser
l'anthropisation du paysage à Bukavu et ses périphéries.
Ainsi, nous pouvons chercher à améliorer ou créer d'autres
indicateurs paysagers afin d'aboutir à une catégorisation de
l'anthropisation (faible, moyenne, élevée, très
élevée) des paysages, proposer une démarche à
caractère pragmatique qui cherche à utiliser les
possibilités offerte par la géomatique, l'écologie du
paysage et les données de terrain avec les populations locales pour
apporter une contribution à la compréhension de la dynamique
paysagère, alimenter une base de données nationales concernant
l'identification des milieux urbains à haut risque d'anthropisation. Ces
actions pourraient probablement enrichir les réflexions d'une population
en pleine mutations socio-économiques qui s'interroge déjà
sur le devenir des générations futures sur le choix des
politiques de planification spatiale.
44
Références bibliographiques
Anderson J. R., Hardy E. E., Roach, J.T. and Witmer, R.E.
1976. A land Use and Land Cover Classification System for use with remote
sensor data. Geological Survey Professional Paper. 964, US Government
Printing Office, Washington, DC
Andrén, H.,1994. Effects of habitat fragmentation on
birds and mammals in landscapes with different proportions of suitable habitat:
a review. Oikos, vol. 71, p. 355-366.
Baudat J., 2003.Méthodologie pour la spatialisation
d'un suivi de la faune sauvage dans une étude intégrée de
la désertification .SILAT.
Beninde, J., Veith, M., and Hochkirch, A., 2015. Biodiversity
in cities needs space: a meta-analysis determining intra-urban biodiversity
variation. Ecology Letters, p. 1-12.
Birembano, B. R., 2012. Inondations et sédimentation
dans les basses terres du littoral du lac Kivu à Bukavu: cas du bassin
versant de la Tshula, Mémoire de DEA, UPN Kinshasa.
Bizangi, K. 1983. La production du bois de feu et du charbon
de bois dans l'arrière -pays de Lubumbashi: aspect techniques, sociaux
et économiques. Dissertation de DES en Sciences Géographiques,
Faculté des Sciences, UNILU, Lubumbashi.
Bogaert J. & Mahamane A., sous presse .Cibler la
configuration et l'échelle spatial. Annales des sciences
agronomiques du Bénin.
Bogaert J., Rousseau R. , Van Hecke P. & Impens I., 2000.
Alternative area-perimeter ratios for measurement of 2D shape compactness
of habitats. Applied Mathematics and Compilation 111
(2000) : 71-85.
Bogaert, J. et Mahamane, A., 2005. Ecologie du paysage: cibler
la configuration et l'échelle spatiale. Annales des Sciences
Agronomiques du Bénin, 7 (1): 1-15.
Bogaert, J., R. Rousseau, P. Van Hecke et I. Impens, 2000.
Alternative area-perimeter ratios for measurement of 2D shape compactness of
habitats. Applied Mathematics and Compilation.
111 : 71-85. DOI : 10.1016/S0096-3003(99)00075-2
Bogaert, J., Zhou, L., Tucker, C.J., Myneni, R.B. &
Ceulemans, R. 2002. Evidence for a persistent and extensive greening trend in
Eurasia inferred from satellite vegetation index data. J. Geophys. Res.
107(D11), DOI 10.1029/2001JD001075.
Bonn, F. & Rochon, G. 1992. Précis de
télédétection. Principes et méthodes. Volume 1.
Presses de l'Université du Québec, UREF & AUPELF,
485 p.
BotequilhaLeitão A. & Ahern J., 2002. Applying
landscape ecological concepts and metrics in sustainable landscape planning.
Landscape Urban Plan. 59: 65-93.
Burel F., & Baudry J., 1999. Ecologie du
paysage:concepts, méthodes, et applications.Tec&doc, Paris,
317p.
Burel, F. et Baudry., J. 2003. Ecologie du paysage :
concepts, méthodes et applications. Tec & Doc, Paris, France.
362p.
C.C.T. 2009. Notions fondamentales de
télédétection. Centre Canadien de
Télédétection, Canada.
www.ccrs.nrcan.gc.ca
45
CAID,2015. Cellule d'Analyse des Indicateurs de
Développement.
https://www.caid.cd/index.php/donnees-par-villes/ville-de-bukavu/?domaine=fiche
(Page consultée 29 juillet 2019).
Chamaa S. et Ahobangeze N., 1981. Evolution et structure de la
population de Bukavu. Les Cahiers d'Outre-Mer. Pp. 43-56
CRECQ (Conseil régional de l'environnement du
Centre-du-Québec). 2014. Principe d'élaboration des corridors
naturels au Centre-du-Québec. Québec, CRECQ, 100 pages. (Page
consultée le 25 juillet 2019)
CRED (Centre de Recherches sur l'Epidémiologie des
Désastres), 2015. Rapport annuel de catastrophes naturelles.
Davidson, C., 1998, Issues in measuring landscape
fragmentation. Wildlife Soc. Bul.26:32-37.
Derdjini H., 2017. Cartographie des changements de
l'occupation du sol dans la plaine de la MITIDJA à partir des images
landsat. Mémoire de DEA, ENSH ARBAOUI Abdellah.
Diop A, 2006. Dynamique de l'occupation sol dans des niayes de
la région de Dakar de 1954 à 2003.
Mémoire DEA, Université Cheikh Anta DIOP
de
Dakar.
https://www.memoireonline.com/07/09/2241/m_Dynamique-de-loccupation-sol-dans-des-niayes-de-la-region-de-Dakar-de-1954--2003-exemples-de-la6.html#toc13(page
consulté le 20 juillet 2019)
Ducrot, D., 2005. Méthodes d'analyses et
d'interprétation d'images de télédétection
multisource. Extraction de caractéristiques du paysage.
Mémoire de recherche. INP, Toulouse, France. 216 p.
Duvigneaud P., 1958. La végétation du Katanga et
de ses sols métallifères. Bulletin de la Société
Royale Botanique de Belgique, 90, 127-186.
Environnement Canada, 2018. Les catastrophes naturelles qui
ont marqué 2018. Science et
Environnement.
http://www.lefigaro.fr/sciences/2018/12/28/01008-
20181228ARTFIG00084-les-catastrophes-naturelles-qui-ont-marque-2018.php
(page
consulté le 20 juillet 2019)
FAO, 2001. FOSA Document national de prospective -
République Démocratique du Congo
http://www.fao.org/docrep/003/X6779F/
X6779F00.HTM
Ferland, A., 2015. La conservation de la biodiversité en
milieu urbain : comment aménager les villes du monde?.
Département de biologie à l'Université de SHERBROOKE.
Travail de master 2015.
Godding,R., 2013. Geographie physique, politique et economique du
Congo, Bruxelles-Paris.
Grimm, N.B., Faeth, S.H., Golubiewski, N.E., Redman, C.L., Wu,
J., Bai, X., and Briggs, J.M. 2008. Global change and the ecology of cities.
Science, vol. 319, p. 756-760.
Gustafson, E.J. 1998. Quantifying landscape spatial pattern:
What is the state of the art? Ecosystems 1: 143-156.
Iorgulescu I. & Schlaepfer R., 2002. Paysage en tant
qu'écocomplexe : définition, types, caractéristiques,
fonctionnement et fonctions. Fiche d'enseignement 4.1, Laboratoire de
Gestion des Ecosystèmes, Ecole Polytechnique de Lausanne, 24 pp.
IPCC (Intergovernmental Panel on Climate Change).2014. Climate
Change 2014: Synthesis Report.
Switzerland, IPCC Secretariat, 132 p.
46
http://www.ipcc.ch/pdf/assessmentreport/ar5/syr/SYR_AR5_LONGERREPORT_Corr2.pd
f (Page consultée le 28 avril 2019).
Kerle, N., et B. van Wyk de Vries, 2001, The 1998 debris
avalanche at Casita volcano, Nicaragua -- Investigation of structural
deformation as the cause of slope instability using remote sensing. Journal of
Volcanology and Geothermal Research, 105, 49-63
Kpedenou K., Drabo O., Pounyala O, Constant E.,2018. Analyse
de l'occupation du sol pour le suivi de l'évolution du paysage du
territoire Ouatchi au sud-est Togo entre 1958 et 2015. Cahiers du
Cerleshs, Presses de l'Université de Ouagadougou, 2017, XXXI (55),
pp.203-228. <hal-01701176>.
Lacombe J., et Sheeren D.,2007. La téledetection :
Principes et applications. Département Agronomie et Environnement. Ecole
Nationale Supérieure Agronomique de Toulouse.
http://www.blog-ecologie.fr/fichiers/2007/09/2007-09-28,%20Teledetection-Principes%20et%20applications.pdf
(Page consultée le 29 avril 2019).
Lee, J.B., Woodyatt, S. & Berman, M., 1990. Enhancement of
High Spectral Resolution Remote-Sensing Data by a Noise-Adjusted Principal
Components Transform. Transactions on Geoscience and Remote Sensing, 28 (3):
295-304.
Lu, D. et alii, 2004. «Change detection, technic».
International Journal of Remote Sensing, 25, 12pp. 2365-2407.
Mas, J-F., 2000. «Une revue des méthodes et des
techniques de télédétection du changement»,
Journal canadien de télédétection, 26, 4, pp.
349362.
Mbenza, M., 1994. La déforestation dans le degré
carré de Lubumbashi. Rapport interne.
McGarigal K. & Marks B. J., 1995. Fragstats:
Spatial Pattern Analysis Program for Quantifying Structure. Department of
Agriculture, Pacific Northwest Research Station General Technical Report
PNW-GTR-351. Oregon, USA. (disponible sur Internet http: //
www.fs.fed.us/pnw/pubs/gtr
351.pdf).
McKinney, M.L., and Lockwood, J.L., 1999. Biotic
homogenization: a few winners replacing many losers in the next mass
extinction. Trends in Ecology & Evolution, vol. 14, p. 450-453.
Milne A.K. & O'Neil A.L., 1990. Mapping and Monitoring
Land Cover in the Willandra Lakes World Heritage Region. International
Journal of Remote Sensing, 11 : 2035-2049.
Mouhamadou Inoussa Toko, Fatou Touré, Ismaila Toko
Imorou et Brice Sinsin, « Indices de structures spatiales des îlots
de forêts denses dans la région des Monts Kouffé »,
VertigO - la revue électronique en sciences de l'environnement
[En ligne], Volume 12 numéro 3 | décembre 2012, mis en ligne le
16 novembre 2012, consulté le 27 juillet 2019. URL :
http://journals.openedition.org/vertigo/13059
; DOI : 10.4000/vertigo.13059
Munyemba K., 2007. Analyse de
l'hétérogénéité spatiale de l'occupation du
sol dans le cône de pollution à LUBUMBASHI. Mémoire de DEA,
UNILU.
Ndyanabo S., Vandecasteele I., Moeyersons J., Ozer A., Ozer
P., Kalegamire D., et Bahati C.,2010. Développement de la ville de
Bukavu et cartographie des vulnérabilités, R.D. Congo. Annales
Sci. Sci. Appl. U.O.B. Vol. 2 : 2010
Noss, R.F., 2004. Can urban areas have ecological integrity?
In Shaw, W.W., Harris, L.K., and V., L., Proceedings 4th International Urban
Wildlife Symposium(p. 3-8). Tuscon, University of Arizona.
47
ONU-Habitat (Programme des Nations unies pour les
établissements humains), 2014. L'État des villes africaines 2014
: Réinventer la transition urbaine. Nairobi, Kenya, Programme des
Nations unies pour les établissements humains, 250 p.
http://unhabitat.org/books/stateof-african-cities-2014-french-language-version-re-imagining-sustainable-urbantransitions/
(Page consultée le 6 avril 2019).
Philippe A., 1997. L'urbanisation en Afrique et ses perspectives.
Aliments dans les villes. DT/12-97F-1997
Radford, J.Q., Bennett, A.F., and Cheers, G.J., 2005.
Landscape-level thresholds of habitat cover for woodland dependent birds.
Biological Conservation, vol. 124, no. 3, p. 317-337.
Ramsar, 2014. Rapport national sur l'application de la Convention
de RAMSAR sur les zones humides.
https://www.undp.org/content/dam/algeria/docs/EnvironnementetEnergie/Manuel
%20Convetion%20de%20Ramsar.pdf (Page consultée le 5 septembre
2019)
Rapport annuel de la mairie de Bukavu, 2013. p 75, p 65.
Renard E., Baudouin Y., et Pourouchottamin P., 1997.
Cartographie des modes d'utilisation du sol à Conakry (Guinée)
par intégration des données multisources. Ed. AUPELF-UREF.
4(35-45)
Rosenfield G.H. & Fitzpatrick-Lins K., 1986. A
coefficient of agreement as a measure of thematic classification accuracy,
P.E.R.S., 52, 223-227.
SCBD (Secretariat of the Convention on Biological Diversity),
2012. Cities and Biodiversity Outlook. Montreal, Secretariat of the Convention
on Biological Diversity, 64 p.
http://cbobook.org/pdf/2013_CBO_Action_and_Policy.pdf
(Page consultée le 6 avril 2019).
Seto, K. C., Güneralp, B., and Hutyra, L. R., 2012.
Global forecasts of urban expansion to 2030 and direct impacts on biodiversity
and carbon pools. Proceedings of the National Academy of Sciences, vol. 109,
no. 40, p. 16083-16088.
Seto, K.C., Fragkias, M., Güneralp, B., and Reilly, M.,
2011. A Meta-Analysis of Global Urban Land Expansion. PLoS ONE, vol.
6, no. 8, p. 1-9.
Sherula M., 2017. Impact environnemental sur la construction
anarchique dans la commune de Kadutu, cas du quartier Nkafu. Travail de fin de
Cycle /ISTEGI
http://www.africmemoire.com/read-impact-environnemental-sur-la-construction-anarchique-dans-la-commune-de-kadutu-cas-du-quartier-nkafu-raquo--1009.html
(Page consulté le 5 septembre 2019)
TELCAN, 2013. Manuel de Télédétection
Spatiale
UMR TETIS.2005. Note sur la recherche et l'utilisation
d'images landsat gratuites. cirad amis, maison de
télédétection.
UN (United Nations), 2014. World Urbanization Prospects: The
2014 Revision, Highlights. New York, Department of Economic and Social Affairs,
United Nations, 34 p.
http://esa.un.org/unpd/wup/Highlights/WUP2014-Highlights.pdf
(Page consultée le 7 décembre 2014).
Vink A. P. A., 1983. Landscape ecology and land use. Longman, New
York, USA. 264 pp.
Wolff E., 2005. Rapport de mission cartographique à
Kisantu (R.D. Congo) du 15 au 30 Septembre 2005. SLCD, Bruxelles
Belgique.
| 
