Memoire Online - Apport de la télédétection dans le suivi de la dynamique des aires protégées. Cas du parc national de la Kibira.

ULg - Faculté des Sciences - Département des Sciences et Gestion de l'Environnement UCL - Faculté des bioingénieurs

APPORT DE LA TÉLÉDETECTION DANS LE SUIVI DE LA
DYNAMIQUE DES AIRES PROTEGÉES : Cas du parc national

MEMOIRE PRÉSENTÉ EN VUE DE L'OBTENTION DU DIPLÔME DE MASTER DE SPECIALISATION EN SCIENCES ET GESTION DE L'ENVIRONNEMENT DANS LES PAYS EN DEVELOPPEMENT

Copyright (c) année 2017 : «Toute reproduction du présent document, par quelque procédé que ce soit, ne peut être réalisée qu'avec l'autorisation de l'auteur et de l'autorité académique* de l'Université de Liège et de l'Université catholique de Louvain. * L'autorité académique est représentée par le(s) promoteur(s) membre(s) du personnel enseignant de l'ULg et/ou de l'UC L».

Auteur du présent document : NDAYIKENGURUKIYE Médard Adresse mail : mdardn@yahoo.fr

ULg - Faculté des Sciences - Département des Sciences et Gestion de l'Environnement UCL - Faculté des bioingénieurs

APPORT DE LA TÉLÉDETECTION DANS LE SUIVI DE LA
DYNAMIQUE DES AIRES PROTEGÉES : Cas du parc national

MEMOIRE PRÉSENTÉ EN VUE DE L'OBTENTION DU DIPLÔME DE MASTER DE SPECIALISATION EN SCIENCES ET GESTION DE L'ENVIRONNEMENT DANS LES PAYS EN DEVELOPPEMENT

Communauté française de Belgique
REMERCIEMENTS

Vu l'heureuse issue du présent travail, j'aimerais remercier tous ceux qui ont contribué à sa réalisation d'une manière ou d'une autre.

Premièrement je remercie Dieu qui m'a donné la bonne santé, la force et le courage pour l'accomplissement de ce travail.

Deuxièmement, je remercie grandement l'Académie de Recherche et d'Enseignement Supérieur (ARES-CCD) qui m'a donné cette opportunité pour épanouir mes connaissances en m'octroyant cette bourse.

Je tiens à exprimer mes vifs et sincères remerciements à mon promoteur, Professeur Bernard TYCHON. Malgré ses fonctions multiples et importantes, il a toujours accepté de répondre à nos multiples sollicitations. Qu'il trouve ici le témoignage de notre grande gratitude.

Mes remerciements chaleureux sont aussi adressés à Antoine Denis assistant de ce Master. Il s'est donné corps et âme pour nous aider dans les différentes préoccupations tant académiques que sociales pendant cette formation.

Enfin je voudrais remercier tous les professeurs que j'ai rencontrés au cours de cette formation ainsi que toute personne ayant contribué de près ou de loin pour ce travail.

DEDICACES

A ma chère épouse
A mon fils IMPANEZA Lucky Welton,
A ma fille IRATANGA Havila Ilena,
Je dédie ce travail.

RÉSUMÉ

Situé sur la crête Congo-Nil, au nord-ouest du pays, le Parc National de la Kibira est une forêt ombrophile de montagne ayant une superficie estimée à quarante mille hectares (40 000 ha). Du nord au sud, il mesure 80 Km de long et une largeur maximale de 8 Km. Il est formé par quatre secteurs dont le secteur de Rwegura, le secteur de Teza, le Secteur de Musigati et le secteur de Mabayi.

L'objectif de notre travail est de montrer le rôle de la télédétection dans le suivi des aires protégées. Pour faire cette étude, deux images Landsat de 1986 et Sentinel 2 de 2016 ont été traitées et analysées. Quatre classes principales ont été étudiées : la classe de forêt dense, les clairières, les zones défrichées et le lac de retenue. Le choix des classes s'est basé principalement sur les priorités du Ministère de l'Eau, de l'Environnement de l'Aménagement du Territoire et de l'Urbanisme mais aussi sur les connaissances que nous avons sur la zone d'étude. Pour étudier l'évolution de ces différentes classes, nous avons procédé à la classification supervisée pour les deux images pour pouvoir observer les différents changements qui se sont opérés pendant 30 ans. Notre étude a pu montrer qu'entre 1986 et 2016, la classe forestière a régressé de 10.23 % alors que les clairières ont augmenté de 9.62% et 0.58 % pour les zones défrichées.

En plus de cela, notre étude a démontré que les secteurs les plus menacés sont ceux qui se trouvent dans les communes les plus densément peuplés ayant une densité supérieure à 300 habitants au Km² notamment les communes de Kabarore, Muruta, Matongo, Bukeye et Muramvya. Ces secteurs sont Rwegura et Teza et un peu le secteur de Musigati.

Après avoir étudié l'évolution du PNK, nous avons essayé de comparer les performances des satellites que nous avons utilisés au cours de ce travail. Pour les comparer, nous avons traité deux images qui ont été prises à des périodes très proches mais par des satellites différents. La première image est celle de Landsat 8 qui a été prise le 5 juillet 2016 et l'image de Sentinel 2 prise le 2 juillet 2016. En comparant les différentes caractéristiques de ces satellites et en analysant les images et les résultats trouvés au cours du traitement, notre analyse a prouvé que Sentinel 2 a de bonnes performances par rapport à Landsat grâce à sa bonne résolution spatiale de 10 m dans le visible. Cependant, en cas d'étude, ces deux satellites peuvent se compléter étant donné que Landsat dispose beaucoup de données d'archives qui peuvent servir à des études de longues dates.

Mots clés : Forêt ombrophile de montagne, parc national de la Kibira, Aire protégée, télédétection.

Located on Congo-Nile ridge in the north-west of the country, Kibira national park is the mountain rainforest wich has area estimated of 40 000 hectares. From north to south, it measures 80 kilometers in length and 8 kilometers in width. It is formed by four sectors: Rwegura, Teza, Musigati and Mabayi.

The objective of this work is to show the role of remote sensing in the monitoring of protected areas. Two images were selected for this study, Landsat image which was taken on july 5, 2016 and Sentinel 2 image of july 2, 2016. Four classes were studied: dense forest class, clearings class, land cleared and reservoir lake. The choice for these classes is based on priority of ministry of Water, Environment, Land Management and Urban Plan and with our knowledge of study zone. In order to study the different evolutions of classes, we proceeded to the supervised classification.

The study showed that betwen 1986 and 2016 the class of forest was regessed to 10.23 % so that the clearings evolved at 9.62 % and 0.58 % for land cleared. The study showed also that the most degraded areas are located in desenly populated communes. These sectors are Rwegura, Teza and a part of Musigati. The communes are Kabarore, Muruta, Matongo, Bukeye and Muramvya. They have a density superior to 300 inhabitants by square kilometer.

After the study of the evolution of Kibira national park, we tried to compare the performances of these both satellites that we used for this work. The study showed that Sentinel 2 have many more performances than Landsat 8 because his spatial resolution is 10 meters. However, these satellites are complementary in order Landsat has enough data for research.

Key words: Mountain rainforest, Kibira national park, protected area, remote sensing

TABLE DES MATIERES

3.3. Caractéristiques des images Landsat 5 de 1986, Landsat 8 et Sentinel-2 de 2016 18

4.1. Analyse du changement temporel par création d'indices de végétation (NDVI) 20

IV.1.6.1. Calculs statistiques des classes d'occupation sol entre 1986 et 2016 30

IV.1.6.2. Représentation graphique de l'évolution des classes d'occupation du sol 31

IV.1.7. Evaluation des actions anthropiques par commune frontalière du PNK entre 1986 et 2016 34

IV.1.8. Analyse comparative des performances des satellites Landsat 8 et Sentinel-2 36

Communauté française de Belgique LISTE DES TABLEAUX

Tableau 4 : Les régions d'intérêt sélectionnées pour l'image landsat de 1986 22

Tableau 5 : Les régions d'intérêt sélectionnées pour l'image Sentinel 2 de 2016 23

Communauté française de Belgique
LISTE DES FIGURES

Figure 15 : Evolution des différentes classes d'occupation du sol entre 1986-2016 31

Figure 18 : Cartes de comparaison des performances des images Landsat et de Sentinel 2 37

Communauté française de Belgique SIGLES ET ABREVIATIONS

MEEATU : Ministère de l'Eau, de l'Environnment, de l'Aménagement du Territoire et de

Communauté française de Belgique 0. INTRODUCTION GÉNÉRALE

Avec une superficie de 27.834 km^2, le Burundi possède 15 aires protégées dont le Parc National de la Kibira (PNK) (Décret-loi N°1/10 du 30 mai 2011 ; OBPE, 2014 (a). Il est la seule forêt ombrophile de montagne qui existe au Burundi et se trouve au Nord- Ouest du pays sur la crête Congo-Nil (FAO, 2002 ; Manirakiza, 2013). Le parc national de la Kibira joue un rôle important dans la régulation du régime hydrique et la protection des bassins versants à fortes pentes contre l'érosion. Il contribue beaucoup à l'alimentation de plusieurs barrages hydroélectriques du Burundi ainsi qu'à l'irrigation des régions agricoles surtout celles de la plaine de l'Ouest, importante région d'agriculture et d'élevage, des plateaux centraux ainsi que celles du centre et le nord du Burundi (MANIRAKIZA, 2013). Selon les données recueillis dans les différents rapports consultés, les chiffres les plus récents parlant de la superficie du PNK sont ceux de 1934 qui indiquent une superficie de 40 000 ha. Suite à des situations politiques qu'a traversées le Burundi, on ne dispose pas de données précises et actualisées sur la superficie du parc. Cependant, sa superficie a sensiblement diminué suite aux morcellements dont fait objet cette aire protégée.

Cependant, le parc national de la Kibira subit des pressions anthropiques liées au fait qu'il est riverain des provinces les plus peuplées du pays. Les principales menaces qui sont à l'origine de cette dégradation du PNK sont entre autres, les changements d'affectation des terres, la dégradation de nombreux écosystèmes ; la dégradation des sols et des ressources en eau ; la modification et la fragmentation des habitats ; l'exploitation sélective des espèces forestières, surtout l'abattage des arbres de forêt ; les feux de brousse ; l'orpaillage illicite et l'extension des centres urbains (Riera & Alexandre, 2004 cité par Manirakiza, 2013). Tout cela montre que le parc national de la Kibira a été soumis à des différentes perturbations qui entrainent sa destruction.

En 2012, le gouvernement du Burundi via l'Office Burundaise pour la Protection de l'Environnement (OBPE) a commencé un vaste programme de suivi de la dynamique des habitats dans les aires protégées du territoire national et spécialement dans les Parcs de la Kibira, Ruvubu, et la Rusizi. Ce suivi est basé essentiellement sur les relevés réguliers de végétations à partir de transects permanents (Muhashy, 2012 cité par Manirakiza, 2013). Si ces transects ont été choisis de manière à tenir compte de tous les faciès de végétation observés dans un habitat, malheureusement cette méthodologie affiche au moins trois faiblesses majeures qu'il convient de lever si possible :

(iii) la collecte et le dépouillement de ces données collectées sur terrain demande un temps et un personnel important et qualifié dans le traitement des données.

Une des solutions pour améliorer les faiblesses ci-haut énoncées est de recourir au Système d'Information Géographique (SIG) et à la télédétection. En effet, la télédétection permet d'avoir un point de vue global d'une superficie assez étendue et peut permettre de remonter assez loin dans le temps car on peut obtenir des images satellitaires à des époques assez reculées. De plus, les données relatives à la télédétection demandent moins de personnel et un temps assez réduit pour être acquises. De plus, il existe des données gratuites, qui sont disponibles au public. Ainsi, la télédétection, couplée aux informations de terrain, peut améliorer sensiblement l'efficacité des informations récoltées sur le terrain. Le Parc National de la Kibira fait partie des Aires Protégées concernées par ce programme de suivi de la dynamique des habitats d'où notre travail intitulé : « APPORT DE LA TELEDETECTION DANS LE SUIVI DE LA DYNAMIQUE DES AIRES PROTEGEES AU BURUNDI : Cas du Parc National de la Kibira ». Ainsi donc, ce travail va contribuer à l'étude de la dynamique des habitats dans cette aire protégée en utilisant des images satellitaires.

0.1. Objectifs

1.1. Objectifs global :

Le but principal de ce travail est de contribuer au suivi écologique des aires protégées au Burundi.

1.2. Objectifs spécifiques

0.2. Hypothèses

1. Certaines localités du PNK sont dégradées suite aux pressions anthropiques

3. Les majeures causes de la régression du PNK sont la théiculture et l'agriculture vivrière des régions riveraines du parc.

4. Les zones les plus dégradées sont celles qui sont proches des habitations ;

0.3. Méthodologie

3.1. Usage d'images satellitaires

Ce travail sera bâti sur la classification et l'analyse diachronique d'images Landsat et Sentinel 2 entre 1986 et 2016.

3.2. Entretien

Les entretiens ont été faits auprès des responsables du PNK ainsi qu'à la population environnante du parc pour avoir une idée de l'état actuel des choses, l'historique et mieux situer le PNK dans son environnement socio-économique.

3.3. Interprétations des résultats

Nous allons mettre en confrontations les informations recueillies sur le terrain et les faits observés sur les images pour confirmer ou rejeter nos hypothèses de recherche.

Le présent travail sera composé de quatre chapitres en plus de l'introduction qui débute et de la conclusion. Le premier chapitre parle de la gestion des aires protégées, le deuxième chapitre concerne la zone d'étude, le troisième chapitre relate la méthodologie du travail utilisée et enfin le dernier chapitre sera consacré à la présentation et l'interprétation des résultats.

Communauté française de Belgique
CHAPITRE I. GESTION DES AIRES PROTÉGÉES

Selon la définition donnée par l'UICN en 2008, « une aire protégée est un espace géographique clairement défini, reconnu, consacré et géré, par tout moyen efficace, juridique ou autre, afin d'assurer à long terme la conservation de la nature ainsi que les services écosystémiques et les valeurs culturelles qui lui sont associés (UNEP-WCMC, 2008 ; Triplet P., 2009) ».

L'objectif de la création des aires protégées était de garantir la protection et le maintien de la biodiversité, des ressources naturelles, des paysages et des valeurs culturelles (Triplet P., 2009). En plus du secteur public, la gestion des réserves naturelles est également assurée par différentes structures non gouvernementales comme les ONG, les communautés locales ou le secteur privé (Dudley, 2008 ; Triplet, 2009). En se basant sur les objectifs de la création des aires protégées, l'UICN a classé les aires protégées en six grandes catégories (Dudley, 2008) :

I : Protection intégrale (a : réserve naturelle intégrale / b : zone de nature sauvage),

IV : Conservation par une gestion active (aire de gestion des habitats/espèces),

V : Conservation d'un paysage terrestre/marin et loisirs (paysage terrestre/marin protégé),

VI : Utilisation durable des écosystèmes naturels (aire protégée de ressources naturelles gérée).

I.1. Evolution mondiale des aires protégées

Au niveau mondial, la superficie des aires protégées continue d'augmenter. On estime que la superficie mondiale a augmenté de 50% depuis 1990¹. Selon la déclaration de Julia-Marton Lefèvre au cours de la conférence mondiale pour la nature qui a eu lieu en Corée du Sud, en date du 6 au 15 septembre 2012, elle déclare que les AP jouent un rôle important dans la conservation de la biodiversité et suggère aux communautés futures d'augmenter la superficie des AP. Le tableau ci-dessous montre l'évolution des AP depuis 1962 jusqu'en 2014.

Le tableau n^o 1 ci-dessus nous présente l'évolution des AP entre 1962 et 2014. Comme illustré dans le tableau, la superficie des aires protégées est passée de 2 400 000 Km² à 32 868 209 Km² (Deguignet M. et al, 2014). De 2003 à 2014, on a une augmentation de 15 millions de km² de la superficie des AP ce qui est presque la moitié de la superficie des AP qu'on avait jusqu'en 2003(figure 1).

Figure1 : Graphique de l'évolution des aires protégées au niveau mondial (Source : Deguignet M. et al, 2014)

I.2. Gouvernance des aires protégées

Selon l'UICN, il existe trois types de gouvernances des aires protégées. Ces dernières peuvent interagir de façon horizontale, verticale, ou officielle/non officielle (Berrini-Feyerabend, G. et al, 2014). Le tableau ci-dessous montre les différents types de gouvernances :

Types de gouvernance	Sous-types
Type A. Gouvernance par le	·	Ministère ou agence fédéral ou national responsable
gouvernement	·	Ministère ou agence infranational responsable (p.ex. à l'échelle régionale, provinciale, municipale)
	·	Gestion déléguée par le gouvernement (p.ex. à une ONG)
Type B. Gouvernance	·	Gouvernance transfrontalière (arrangements officiels
partagée		entre un ou plusieurs États souverains ou Territoires)
	·	Gouvernance collaborative (par des formes variées de collaboration entre plusieurs acteurs et institutions)
	·	Gouvernance conjointe (comité de gestion pluraliste ou autre forme d'organismes multipartenaires)
Type C. Gouvernance	·	Aires conservées établies et gérées par :
privée		- un propriétaire individuel
		- des organisations sans but lucratif (p. ex. des
		ONG, des universités)
		- des organisations à but lucratif (p.ex. des sociétés, des coopératives)
Type D. Gouvernance par	·	Aires et territoires du patrimoine autochtone établis et
des peuples autochtones et		gérés par des peuples autochtones
des communautés locales	·	Aires et territoires du patrimoine communautaire établis et gérés par des communautés locales

Tableau 2: Type de Gouvernance des AP (Berrini-Feyerabend, G. et al, 2014)

I.3. Gestion des aires protégées au Burundi de 1980-2017

La gestion des AP constitue un élément clé pour la conservation de la biodiversité (MEEATU, 2013 (a)). Au Burundi la gestion des aires protégées a été mise sous la responsabilité de plusieurs institutions pendant les trente-six années qui se sont écoulées.

A partir du Décret-loi n^o 100/47 du 3 mars 1980, portant création de l'Institut National pour la Conservation de la Nature (INCN), les AP étaient sous la responsabilité de cette institution qui a été créée avec pour mission la création et la gestion des aires protégées (UICN/PACO, 2011). Plus tard, avec le décret-loi n^o 100 du 5 octobre 1989, l'INCN a été transformé à l'Institut National pour l'Environnement et la Conservation de la Nature, INECN en sigle (UICN/PACO, 2011). Actuellement, depuis le Décret-loi n^o 100/240 du 29 octobre 2014, portant création de l'Office Burundaise pour la Protection de l'Environnement (OBPE) les AP sont gérées par cette institution et comprend trois directions dont la direction des forêts, la direction de l'Environnement et du Changement Climatique ainsi que la Direction

Administrative et Financière ( http://bi.chm-cbd.net/). Les AP sont sous la responsabilité directe de la Direction des forêts.

En plus des organes de gestion des AP, il y a aussi la police de l'environnement qui est aussi chargée de surveiller les abus qui peuvent être commis dans les différents réserves en particulier ou pour l'environnement en général. Tour cela est régulé par des textes législatifs qui établissent les lois et les normes pour la gestion des différents AP. Selon UICN/PACO (2011), la gestion des AP au Burundi repose sur la seule loi du décret n° 1/6 du 3 mars 1980 portant création des parcs et réserves naturelles.

I.4. Les différentes aires protégées du Burundi

Grâce à l'ampleur de la dégradation des écosystèmes, leur conservation et gestion se fait sous forme d'AP (Nzigidahera, 2007). En 1980, le Burundi a mis en place un décret-loi portant création des parcs nationaux et réserves naturelles (UICN/PACO, 2011). En 2001, 14 AP étaient reconnues au Burundi dont les parc nationaux, les réserves naturelles, les monuments naturels et paysages protégés (OBPE, 2014). Actuellement, 17 AP sont reconnues au Burundi (Masharabu, 2011).

Les aires protégées qui existent au Burundi sont réparties sur tout le territoire national et sont classées dans les six catégories qui ont été mises en place par l'UICN. La figure 2 ci-dessous donne un aperçu sur la répartition des aires perotégées qui existent au Burundi.

CHAPITRE II. PRESENTATION DE LA ZONE D'ETUDE

II.1. Situation géographique

Etant la plus ancienne des aires protégées au Burundi, le PNK est situé au Nord-Ouest du pays sur la Crête Congo-Nil dans le Rift Albertin (OBPE, 2015 ; Muhashy Habiyaremye & Nzigidahera, 2016, Nzigidahera et al, 2008). Il occupe la partie septentrionale de la crête Congo-Nil où il se prolonge jusqu'au Rwanda et constitue la ligne de partage des eaux entre les bassins hydrologiques du fleuve Congo à l'Ouest et du fleuve Nil à l'Est (OBPE, 2014). Selon Arbonier, 1996 cité par Manirambona en 2015, le PNK couvre une superficie de 40.000 ha, soit 1,4 % de la superficie du pays. Il traverse quatre provinces, du Sud au Nord dont la province de Muramvya, Bubanza, Kayanza et Cibitoke respectivement dans les communes de Muramvya-Bukeye, Rugazi-Musigati, Muruta-Kabarore-Matongo, Bukinanyana-Mabayi (Manirakiza,2013). Le PNK a une longueur d'environ 80 Km et une largeur maximale de 8 Km entre Bugarama et la frontière Rwandaise où il se prolonge dans la forêt de Nyungwe au Rwanda (Manirakiza, 2013 ; OBPE, 2014 ; 2015). Il s'étend entre 2°36' et 3°17' latitude Sud et 29°12' et 29°35' longitude Est (Manirambona, 2015). Avec une altitude comprise entre 1600 et 2660 m (Manirakiza, 2013), le PNK est subdivisé en 4 secteurs (Figure 3) :

Secteur Teza (5794 ha) situé dans la province de Muramvya, Secteur Musigati (15424 ha) situé dans la province de Bubanza, Secteur Rwegura (12423 ha) situé dans la province de Kayanza et Secteur Mabayi (6359 ha) situé dans la province de Cibitoke

2.1. Sol

Sur les crêtes, on trouve deux types d'association pédologique ; les sols de la forêt de montagne et les sols des prairies d'altitude (Manirakiza, 2013). Les forêts de montagne ont en général un potentiel de fertilité élevé ; les ferrisols argileux lourds avec intrusion locale de schistes ou de roches basiques et des ferralsols humifères argileux (Manirakiza, 2013). Le nord de Teza est formé par des lithosols non différenciés de mauvaise qualité et dans la région de Teza on y trouve des endosols riches (Manirambona, 2015). Selon Lewalle, 1972, les sols fragiles sont exposés au dessèchement et à l'érosion lorsqu'ils sont mal cultivés. Dans la Kibira, 2 facteurs essentiels déterminent la typologie des sols à savoir la nature de la roche-mère et le climat montagnard (INECN, 2002). La roche-mère regroupe les faciès lithologiques en quatre ensembles majeurs dont les Crêtes quartzitiques, les Granites et granito-gneiss, le Complexe schisto-métarmorphique et les Alluvions (INECN, 2002 ; Manirambona, 2015).

2.2. Climat

Le PNK a un climat tropical d'altitude plus ou moins tempéré avec un caractère montagnard très marqué (INECN, 2002). C'est une zone où les températures sont les plus basses de tout le pays et peuvent descendre en dessous de 0°C la nuit pendant la saison sèche et on peut y observer des brouillards pendant les périodes de pluie. On enregistre une amplitude annuelle qui est inférieure à 2°C mais l'amplitude diurne peut aller jusqu'à 25°C (Manirakiza, 2013).

Du point de vue pluviométrique, on se retrouve sur la crête Congo Nil où les pluviométries sont les plus importantes, entre 1700 et 2000 mm par an (INECN, 2002 ; OBP, 2014). Les pluies tombent presque pendant neuf mois, de septembre à mai avec une saison sèche de 3 mois pendant la période de juillet à août. L'humidité annuelle se situe entre 60 et 90% avec une moyenne gravitant autour de 75% (Manirambona, 2015).

2.3. Le Relief et la géomorphologie du PNK

De part et d'autre de la crête Congo Nil, le PNK est caractérisé par des pentes vives et très accentuées sur le versant occidental avec une altitude qui est entre 1600m et 2666m (Lewalle, 1972 ; OBPE, 2014 ; INECN,2002). Le relief du PNK forme quatre blocs qui se suivent du sud au nord avec des caractéristiques morphologiques distinctes (Gourlet, 1986 cité par Manirakiza, 2013 et OBPE, 2014) :

? Bloc 1 : Prenant naissance au niveau de Bugarama à une altitude de 2200 m. son ossature unique est constituée d'une ligne de crête s'élevant progressivement pour culminer à 2666 m au Mont Teza avant de rechuter brutalement à 2300 m au niveau de l'étranglement qui sépare les blocs 1 et 2 ;

V' Bloc 2 : Ce bloc a la forme d'un quadrilatère très allongé s'étendant du SSE au NNW (longueur de 25 km pour une largeur de 7 à 9 km). Son point culminant très central, atteint 2574 m ;

V' Bloc 3 : Venant au contact de la frontière rwandaise et se présente sous une forme sensiblement parallélépipédique. Il culmine au Mont Musumba à l'Est ;

V' Bloc 4 : Ce bloc est entièrement en contact avec la frontière rwandaise dans la localité de Mabayi. Il culmine à 2559 m au Mont Twinyoni au Nord.

2.4. L'hydrologie

Le parc national de la Kibira se trouve sur la ligne de partage des eaux des bassins du Congo et celui du Nil (Manirambona, 2015). Beaucoup de grandes rivières prennent leurs sources dans ce massif forestier d'où il est considéré comme le château d'eau du Burundi (Manirakiza, 2013). Les rivières qui se trouvent à l'Ouest de la crête Congo Nil coulent vers l'Imbo en se déversant dans la rivière Rusizi (Ruhora, Mpanda, Gitenge, Ruvyironza et Kaburantwa). A l'Est, les rivières vont vers le plateau central et la dépression de Bugesera comme Nyabihondo, Nyakabindi, kayave et Buyumpu qui se jettent respectivement dans la Nkokoma, Ruvubu, Kanyaru et Buyumpu (INECN, 2002 ; Manirakiza, 2013 ; OBPE, 2014 ; Manirambona, 2015).

4. L'environnement écologique du PNK

3.1. Végétation

3.2. Phytogéographie

5. Environnement socio-économique du PNK

4.1. La population autour du PNK

Le parc national de la Kibira (PNK) est composé de quatre secteurs, le secteur de Teza, le secteur de Rwegura, le secteur de Mabayi et le secteur de Musigati (FAO, 2002). Ces quatre secteurs appartiennent aux entités administratives des neuf communes qui sont riveraines du PNK. Selon les données du recensement général de la population et de l'habitat au Burundi en 2008, les quatre provinces riveraines du parc font partie des provinces les plus densément peuplées du pays (Figure 8), cela peut expliquer la pression importante autour du parc.

Autour du parc la population pratique un élevage essentiellement extensif pour le grand bétail comme pour le petit bétail et même l'élevage de la basse-cour (Manirambona, 2015). Dans la politique d'impliquer la population pour la sauvegarde des parcs et des réserves naturelles, on a commencé à appuyer la population riveraine avec de petits projet en les donnant de bétails comme les porcins et des caprins pour les motiver de travailler en association. Cela va faciliter leur intégration dans la gestion communautaire du parc.

4.3. La gestion du PNK

Le parc national de la Kibira est sous l'autorité du Ministère en charge de l'Eau, de l'Environnement, de l'Aménagement du Territoire et de l'Urbanisme (MEEATU). Sa gestion est assurée par l'Office Burundaise pour la Protection de l'Environnement (OBPE). Dans la structure administrative de l'OBPE, au niveau du parc il y a un responsable, les chefs des 4 secteurs avec les gardes forestiers. A côté de cela s'ajoute les guides et les services de secrétariat et de comptabilité. Actuellement la gestion des AP au Burundi implique la population locale dans l'objectif d'une gestion durable (OBPE, 2016).

Communauté française de Belgique
CHAPITRE III. METHODOLOGIE DU TRAVAIL

Cette étude vise à mettre en évidence l'évolution spatio-temporelle du PNK par télédétection. La télédétection est la méthode la plus développée actuellement dans le suivi des aires protégées en utilisant les images satellitaires. Pour répondre à notre objectif, la méthodologie adoptée s'est basée sur les points suivant : une revue documentaire, l'acquisition des données, le prétraitement, le traitement des données et l'interprétation des résultats.

III.1. Approche méthodologique générale de l'étude

III.2. Recherche bibliographique

Notre recherche documentaire s'est basée sur l'exploitation des ouvrages scientifiques qui sont en lien avec notre travail. Elle nous a permis de mieux cadrer notre travail et nous a donné les pistes nécessaires pour mieux acquérir des données et les traiter convenablement.

En effet, plusieurs études en rapport avec le suivi les aires protégées par télédétection ont été faits. A titre d'exemples :

- S. Eddine, et al, 2011, ont fait une étude diachronique des changements du couvert végétal dans un écosystème montagneux par télédétection spatiale en Algérie occidentale (monts du Tessala). Grâce aux images satellitaires Landsat TM et Landsat ETM+, ils ont pu arriver à montrer les différents changements de l'occupation du sol au cours du temps. La détection et l'identification des variations de l'occupation du sol dans la zone d'étude entre 1987 et 2007 se sont basées sur l'exploitation de ces deux images de référence prises par les deux satellites et l'indice de végétation normalisé (NDVI) a été choisi pour faire cette analyse.

- Pour BAMBA et al., 2008, ils ont étudié l'influence des actions anthropiques sur la dynamique spatio-temporelle de l'occupation du sol dans la province du Bas-Congo (R.D.C). Cette étude avait pour but de quantifier la dynamique paysagère dans une zone test de cette province entre les années 1960 et 2005. En utilisant la matrice de transition appuyée par le calcul d'indices de structure spatiale, ils sont arrivés à montrer que l'occupation du sol a profondément changé et que ce changement est provoqué par l'action anthropique.

A. A. Tidjani, (2009), dans son travail intitulé « Apports de la télédétection dans l'étude de la dynamique environnementale de la région de Tchago (nord-ouest de Gouré, Niger) » a montré que la télédétection est capable de faire une surveillance environnementale sur de larges étendues et de faire des comparaisons dans le temps et dans l'espace pour comprendre l'évolution de l'écosystème. Pour y arriver, elle a utilisé trois séries de photographies aériennes, une image Ikonos et deux images Landsat (Landsat 5 TM et Landsat7 ETM). La démarche utilisée pour réaliser cette étude combinait l'interprétation visuelle des photographies aériennes et des images satellitaires avec une bonne connaissance de la zone d'étude.

G. W. Tabopda and F. Huynh, (2009) ont effectué une étude de « Caractérisation et suivi du recul des ligneux dans les aires protégées du Nord Cameroun » en faisant une analyse par télédétection spatiale dans la réserve forestière de Kalfou. Pour faire cette étude, ils ont adopté une méthode d'analyse basée sur l'exploitation des images satellitaires Landsat TM de 1986 et Landsat ETM + de 2001.

La classification hiérarchique pseudo dirigée couplée aux relevés de terrain a permis la caractérisation des types d'occupation du sol en identifiant les éléments constitutifs du couvert végétal de 1986 et 2001.

Cela a permis de produire des documents spatialisés sur la réserve forestière à partir de deux images satellitaires Landsat à 30m de résolution. Le traitement des images satellitaire leurs a permis de produire une information élaborée en fonction des objectifs fixés.

Tabopda G. W., (2010). Dans son étude intitulée « Quantification de l'évolution du couvert végétal dans la réserve forestière de Laf-Madjam au nord du Cameroun par télédétection satellitale » a montré qu'à l'aide des données de la télédétection on peut étudier le couvert végétal et son évolution. Sont étude était fondé sur l'exploitation des images satellites Landsat MSS de 1976, Landsat TM de 1986 et Landsat TM de 2001.Grâce à la classification hiérarchique pseudo-dirigée couplée aux relevées de terrain, Tobopda a montré les différentes évolutions d'occupation du sol pour la réserve forestière de Laf-Madjam au nord du Cameroun entre les années de 1976 et 2001.

Une autre étude récemment faite par RANDRIANASOLO Safidinomena R, 2016, concerne l'étude et l'évaluation des pressions anthropiques sur l'Aire protégée d'ANKARANA liée aux exploitations illicites de saphir dans sa zone d'implantation. Grâce à la télédétection, ce travail a pu montrer que les activités minières exercent des pressions sur l'aire protégé en termes de dégradation des ressources forestières surtout les ressources forestières qui sont en dehors de

l'aire protégée. Pour y arriver, cet auteur a utilisé quatre images Landsat 4/5 TM de 1984, Landsat 4/5 TM de 1986, Landast TM 4/5 de 2008 et Landsat 8 OLI/TIR de 2014.Ces images ont été traitées et analysées par des logiciels adaptés ENVI 5.0, Arcgis 10.2 et Qgis 2.12.

En plus de notre documentation sur les différents travaux en rapport avec la télédétection, les connaissances acquises au cours de cette formation de Master de Spécialisation en Science et Gestion de l'Environnement dans les Pays en Développement spécialement le cours d'Application de la Télédétection et des Systèmes d'Information Géographique à la Gestion de l'Environnement nous ont permis d'avoir des outils nécessaires pour réaliser ce travail.

III.3. Acquisition des images satellitaires

3.1. Le choix des capteurs

Pour faire une étude de suivi des aires protégées par télédétection, le choix d'un capteur à utiliser est indispensable car plusieurs critères doivent être pris en considération en fonction des objectifs visés. Il faut tenir compte de la variabilité des prix, de la catégorie des images, leurs caractéristiques, ainsi que de la politique suivie par les différents fournisseurs.

Deux grandes catégories d'images sont à distinguer : les images d'archive et les images sur programmation. Les images d'archive proviennent d'observations faites au préalable et conservées par les fournisseurs d'images. Elles sont mises à disposition pour consultation et commande. Parmi ceux-là, on distingue les images à très haute résolution, les images à moyenne résolution et les images à basse résolution. Pour notre étude, nous avons choisi d'utiliser deux sortes d'images : Landsat et Sentinel-2.

Landsat et Sentinel-2 sont des satellites d'observation de la terre qui sont équipés de capteurs multi spectraux, ils sont capables de saisir des images de plus en plus précises et de plus en plus riches en information géographique. En plus de cela, ces deux satellites font partie d'un groupe des satellites adaptés à l'observation des ressources terrestre et de l'environnement. Ils sont caractérisés par :

V' Une combinaison de capteurs avec des domaines spectraux façonnés pour l'observation de la terre

V' Résolution spatiale fonctionnelle est de 30 m pour Landsat et 10 m pour Sentinel-2 V' Une bonne couverture du globe c'est à dire la fauchée et la répétitivité

V' Landsat possède des archives volumineuses sur les ressources terrestres ce qui facilite la surveillance à long terme ainsi que le maintien des données historiques et de la recherche.

V' Ils sont pratiques pour les pays en voie de développement qui n'ont pas les moyens pour se procurer les données des satellites payants.

3.2. Sélection des images

Les images utilisées sont celles du capteur Landsat 4-5 TM C1 et Sentinel-2 respectivement de 1986 et 2016. Elles sont accessible gratuitement sur les sites www.earthexplorer.usgs.gov et https://scihub.copernicus.eu/. Ces images ont été prises respectivement le 19 juillet 1986 et le 02 juillet 2016 qui est une période correspondant à la saison sèche. Cela nous a permis d'avoir de bonnes images où les conditions atmosphériques tels que le taux de recouvrement des nuages est faible pour la bonne visibilité.

3.3. Caractéristiques des images Landsat 5 de 1986, Landsat 8 et Sentinel-2 de 2016

	Image Landsat 5	Landsat 8 OLI / TIRS	Sentinel 2
Nom du fichier téléchargé	LT05_L1TP_173062 _19860719_2017021 7_01_T1.tar	LC08_L1TP_173062_2 0160705_20170323_01 _T1.tar.gz	S2A_OPER_PRD_MSI L1C_PDMC_20160702 T132302_R078_V2016 0702T082522_2016070 2T082522.SAFE
Nom du satellite	Landsat 4-5 TM C1 Level-1	Landsat 8 OLI/ TIRS C1 Higher-Level	Sentinel-2
Date d'acquisition	19/07/1986	05/07/ 2016	2 juillet 2016
Résolution spatiale	30m	30m	10m - 20m - 60m
Nombre de bandes spectrales	8	12	13
Couverture nuageuse	0	4.44	0
Système de coordonnées	MAP_PROJECTIO N Level1= "UTM" DATUM = "WGS84" ELLIPSOID = "WGS84" UTM_ZONE = 35	MAP_PROJECTION Level1= "UTM" DATUM = "WGS84" ELLIPSOID = "WGS84" UTM_ZONE = 35	MAP_PROJECTION Level1= "UTM" DATUM = "WGS84" ELLIPSOID = "WGS84" UTM_ZONE = 35
Format des images	GEOTIFF	GEOTIFF	GEOTIFF

3.4. Prétraitements des images satellites

Les traitements préliminaires d'images ou prétraitements sont un ensemble d'opérations qui ont pour but d'augmenter la lisibilité des données et de faciliter leur interprétation et une meilleure extraction de l'information utile (G. WAFO TABOPDA et F. HUYNH, 2009).

3.5. Regroupement des bandes spectrales des images

Avant de faire d'autres traitements, Il faut combiner les différentes bandes spectrales d'une image en une seule image composée de plusieurs bandes pour rendre la manipulation plus facile pour que les traitements se fassent simultanément sur l'ensemble des bandes regroupées (A. Denis, 2016). Pour le faire, nous nous sommes servis d'un logiciel Envi qui est spécialisé dans le traitement d'images de télédétection. La combinaison des différentes couches se fait via l'outil « Layer stacking » (« collage des couches ») qui est disponible dans le menu : Basic Tools > Layer Stacking.

Pour Sentinel 2, avant de faire le prétraitement avec Envi ; nous avons d'abord importé notre image dans la plate-forme SNAP d'application de Sentinel pour pouvoir l'exporter ensuite dans Envi via : File > Import > Optical sensors > Sentinel 2 > S2-MSIL1C.

Après l'importation dans SNAP, nous avons ensuite exporté l'image dans Envi pour poursuivre la combinaison des bandes et le redimensionnement de l'image.

3.6. Mosaïquage d'image

Le mosaïquage est l'opération qui permet de lier deux ou plusieurs images en une image unique (J-P. Lacombe, 2008). Pour Sentinel-2, nous avons téléchargé deux images pour pouvoir couvrir toute la zone d'étude. Ces images sont mises ensemble via le menu : Map > Mosaicking > Pixel based.

3.7. Découpe de l'image sur la zone d'intérêt (« Spatial subset »)

Pour toutes les deux images (Landsat et Sentinel-2) que nous avons téléchargées, nous avons remarqué qu'elles couvrent une grande superficie qui ne sera pas nécessaire pour notre étude. C'est pour cela que pour faciliter et accélérer nos opérations, nous avons choisi de réduire la taille de nos images à traiter par découpage pour garder la partie intéressante.

La Manipulation dans Envi s'est faite via le menu: Basic Tools > Resize Data (Spatial/Spectral), puis sélection de l'image à couper et identification de la zone à conserver.

Communauté française de Belgique 3.8. Réalisation et application d'un masque

Comme nos images découpées gardent aussi des zones non concernées, il a été nécessaire d'appliquer un masque pour pouvoir ne rester qu'avec notre zone d'étude. La technique du masque se fait en 2 temps :

Tout d'abord la création d'un fichier de masque à partir d'un fichier de type « ROI » ou à partir d'un fichier vectoriel (« .shp » converti en «. evf » par exemple), via le menu : Basic Tools > Masking > Build Mask. Pour notre cas le Shapefile utilisé pour le masque a été pris sur le site http://www.protectedplanet.net/.

Ensuite il faut faire une application du masque créé sur l'image à masquer, via le menu : Basic Tools > Masking > Apply Mask.

III.4. Traitement des données

D'après G. WAFO TABOPDA et F. HUYNH, 2009, le traitement des données satellitaires a pour but de produire une information élaborée en fonction des objectifs fixés. Il s'agit d'extraire de l'information utile à partir des images satellites retenues. Cette étape nécessite beaucoup plus d'attention.

4.1. Analyse du changement temporel par création d'indices de végétation (NDVI)

L'analyse de détection du changement comprend de nombreuses méthodes dont le but est d'identifier, de décrire et de quantifier, les différences entre les images d'une même scène (même endroit) prises à différents moments ou dans des conditions différentes (A. Denis, 2016).

L'indice de végétation par différence normalisé, appelé aussi NDVI est calculé à partir des bandes rouges (R) et proches infrarouge (PIR). Elle met en valeur la différence entre la bande visible du rouge et celle du proche infrarouge. NDVI = (PIR-R) / (PIR+R). Selon Bernard TYCHON, 2016 ; l'indice de végétation constitue une mesure de la quantité et de la vitalité de la végétation présente sur un sol.

Les valeurs du NDVI sont comprises entre -1 et +1. Les surfaces comme la neige, l'eau ou les nuages prennent les valeurs négatives à cause de leurs réflectances caractérisées par le rouge qui est dominant par rapport au proche infrarouge. Les sols nus ont des réflectances qui sont plus ou moins égales pour le rouge et le proche infrarouge ce qui fait que leurs valeurs de NDVI soient proche de zéro. Les formations végétales quant à elles, ont des valeurs de NDVI positives, généralement comprises entre 0,1 et 0,7. Les valeurs les plus élevées correspondant aux couverts les plus denses ( www.dronesimaging.com).

ENVI est un logiciel bien adapté pour la création de NDVI à partir des bandes spectrales du Proche Infrarouge (PIR) et ceux du Rouge (R) des différents capteurs. Le calcul de NDVI se fait dans ENVI via le menu : Transform > NDVI. Pour notre travail, nous avons utilisé deux versions pour calculer le NDVI : ENVI 5.0 pour l'image de Lands 5 de 1986 et ENVI 5.3 pour l'image de Landsat 8 de 2016.

4.2.1. Identification des classes d'occupation du sol

Pour identifier et déterminer les classes d'occupation du sol, plusieurs critères ont été associés :

V' Analyse visuelle de la zone d'étude sur Google Earth pour essayer de reconnaitre les zones que je n'ai pas pu visiter ou identifier sur terrain,

V' Utilisation de la base de données que j'ai pu trouver dans le Bureau Central de Géomatique au Burundi.

En plus des critères techniques, la détermination des classes d'occupation du sol s'est basée aussi sur les priorités du MEEATU pour présenter une carte d'occupation du sol qui répond mieux aux objectifs visés du ministère dans sa politique de gestion des aires protégées.

4.3. Les classifications numériques

Pour rappel, il existe deux méthodes de classification : la classification non supervisée qui est une classification automatique où le logiciel défini lui-même les classes d'occupation du sol sans intervention de l'opérateur et la classification supervisée où seul l'opérateur défini les classes d'occupation du sol. Les deux cas vont être utilisés pour notre travail ( https://orbi.ulg.ac.be/bitstream/2268/172881/1/Formation_ENVI%20oct-2013.pdf).

4.3.1. Classification non supervisée

V' La méthode de K-Mean qui consiste en l'attribution des pixels au centre le plus proche (Bernard T. , 2016). Elle permet une analyse régionale des grands types homogènes de couvertures végétales.

V' La méthode de classification non supervisée en valeurs égales (Isodata) : elle permet un groupement des pixels de l'image aux centres des classes, régulièrement distribués dans l'hyperespace, les plus proches (distance). Cette méthode sera utilisée pour

notre travail. Pour faire cette classification via le menu principal ENVI, on clique sur Classification ? Unsupervised ? Isodata.

4.3.2. Classification supervisée

D'après Soro, 2014 cités par M. DIARRA, 2016, il existe plusieurs méthodes de classification supervisée. La méthode « Maximum de vraisemblance » qui est la méthode la plus répandue en traitement d'images et considérée comme la plus performante dans la production des cartes thématiques de l'occupation du sol. L'algorithme de la méthode « Maximum de vraisemblance » calcule une fonction de probabilité multidimensionnelle qui permet de déterminer la probabilité de chaque pixel d'appartenir à l'une des catégories correspondant aux signatures spectrales (Collet, 1992; Mouhamadou, 2012 cité par M. DIARRA, 2016).

? La première étape consiste à sélectionner des zones de l'image dont on connaît la vraie occupation du sol. Ces zones sont appelées régions d'intérêt (ROI)

? On utilise ensuite ces zones comme références à la généralisation sur l'ensemble de l'image.

Pour les aires d'entrainement, nous avons sélectionné le maximum de pixels possible en fonction de l'importance des classes. Par après, nous avons validé notre classification pour évaluer la qualité. La sélectionnant des pixels de validations a été faite avec rigueur pour éviter le chevauchement avec les pixels de calibration.

	CLASSES D'OCCUPATION DU SOL
	FORET DENSE		CLAIRIERES		ZONE DEFRICHEES		LAC DE RETENUE
	PIXEL	ROI	PIXEL	ROI	PIXEL	ROI	PIXEL	ROI
Calibration	2011	84	1387	54	1001	60	236	12
Validation	1060	33	636	29	511	37	130	8
TOTAL	3071	117	2023	83	1512	97	366	20

Tableau 4 : Les régions d'intérêt sélectionnées pour l'image Landsat de 1986

	CLASSES D'OCCUPATION DU SOL
	FORET DENSE		CLAIRIERES		ZONE DEFRICHEES		LAC DE RETENUE
	PIXEL	ROI	PIXEL	ROI	PIXEL	ROI	PIXEL	ROI
Calibration	3171	42	1506	55	1005	74	970	37
Validation	1075	39	1308	27	933	31	593	11
TOTAL	4246	81	2814	82	1938	105	1563	48

Tableau 5 : Les régions d'intérêt sélectionnées pour l'image Sentinel 2 de 2016

L'analyse de la matrice de confusion va nous permettre d'évaluer la précision de notre classification. Il existe plusieurs indicateurs pour évaluer la précision de la classification.: Overall Accuracy qui montre le niveau de précision globale, le coefficient Kappa, Commission (erreurs d'excédents et de déficits), Omission (l'erreur de déficit), User Accuracy (précision pour l'utilisateur) et (Producer Accuracy) précision pour le réalisateur. (Midekor et Wellens, 2013, M. DIARRA, 2016).

4.3.3. LES POST-TRAITEMENTS

La phase d'intégration des données dans un système d'information géographique constitue la phase des post-traitements. Cette étape a été effectuée à l'aide du logiciel QGis 2.14.7. Elle nous a permis d'intégrer dans la base de données commune toutes les informations utiles à l'analyse de la dynamique de l'occupation du sol à l'intérieur du PNK. Les informations issues du traitement des images satellitaires et de l'analyse spatio-temporelle de l'occupation du sol ont été exportées dans une base de données SIG.

4.3.4. Interprétation des résultats

Après le traitement des données, c'est la phase d'interprétation des résultats obtenus. Les différents résultats obtenus i.e. les cartes, les tableaux et les graphiques ont été interprétés. L'interprétation des résultats a été faite dans l'objectif de confirmer ou infirmer nos hypothèses formulées. Elle nous a aussi permis d'évaluer sur base de nos différents résultats l'état d'évolution du PNK pour pouvoir formuler les recommandations.

CHAPITRE IV : PRESENTATION ET INTERPRETATION DES
RESULTATS

IV.1. Présentation des résultats

Les résultats qui sont présentés ici concernent l'étude de l'évolution du PNK entre deux périodes de 1986 et 2016. Le traitement d'images satellitaires Landsat et Sentinel-2 a été la base de notre travail pour pouvoir arriver à nos résultats.

IV.1.1. Calcul de l'indice de végétation entre 1986 et 2016

Comme la figure 10 ci-dessous le montre, le calcul de NDVI nous a permis de détecter en premier lieu les changements de la végétation du PNK entre deux périodes de1986 et 2016.

Figure 10 : Indice de végétation entre 1986 (a) et 2016 (b) (Auteur, 2017)

Le calcul du NDVI permet de montrer un changement au niveau de l'évolution de la couverture végétale en observant l'augmentation ou la diminution des valeurs de NDVI. La figure 10 présente les valeurs du NDVI pour deux images de Landsat 5 de 1986 et Landsat 8 de 2016. Les différentes couleurs représentent les valeurs de NDVI pour les deux périodes

1986 et 2016. Comme c'est indiqué sur la figure ci-dessus, la couleur verte foncé indique les valeurs de NDVI qui sont supérieures à 0.6 et le rouge des valeurs inférieures à 0.2. En comparant les deux images, on voit que l'image de 2016 présente beaucoup de zones où les valeurs de NDVI sont faibles (< à 0.4) par rapport à l'image de 1986. Ces résultats nous donnent la première impression sur l'évolution du parc national de la Kibira avant d'aller dans les analyses plus approfondies.

IV.1.2. Analyse temporelle de changement par NDVI entre 1986 et 2016

Avec l'outil « Computer difference Map », nous avons pu identifier et quantifier les différents changements opérés entre deux périodes. La figure 11 nous présente les résultats :

La carte de détection de changement ci-dessus ( figure 11) montre les différents changements qui ont eu lieu en 30 ans sur le PNK, entre 1986 et 2016. Comme la légende de la carte le montre, nous avons choisi 5 classes pour évaluer les changements et leurs variations sont comprises entre +2 et -2. Le signe plus (+) indique un changement positif tandis que le signe (-) un changement négatif. Le changement +2 indique une augmentation de NDVI supérieure à 0.5 et +1 une augmentation de NDVI inférieure ou égale à 0.5. Pour ce qui est de la diminution de NDVI, -2 indique les valeurs de NDVI qui sont inférieures à -0.5 et -1 une diminution de NDVI compris entre -0.5 et 0. Globalement, on voit sur la figure la dominance de la couleur orange (-1) qui indique une diminution de NDVI pour des valeurs comprises entre -0.5 et 0.

IV.1.3. La classification non supervisée

Afin d'avoir une idée sur les différentes classes d'occupation du sol, nous avons tout d'abord procédé à la classification non supervisée. Cette classification a fait sortir aléatoirement sept (7) classes parmi lesquelles la couleur rouge est la plus dominante. La figure 12 nous montre les différentes classes qui ont été créées en utilisant cette méthode :

Figure 12 : Classification non supervisée des images Landsat de 1986 et Sentinel-2 de 2016 ; (Auteur, 2017)

Pour les deux méthodes de classification non supervisée possibles dans ENVI, nous avons chosi d'utiliser la méthode Isodata qui permet le regroupement des classes les plus proches. En utilisant la classification non supervisée, il est difficile de reconnaitres les différentes classes étant donné que les classes sont choisies aléatoirement sans l'intervention du manipulateur. Cependant, comme nous connaissons la zone d'étude, nous avons tenté de reconnaitres les différentes classes d'occupation en utilisant les méthodes d'identification

ainsi que Google earth. Quatre classes ont été reconnues facilement parmi les sept classes qui sont sorties de cette classification notamment la forêt dense, les clairières, le lac de retenue et les zones défrichées.

Comme la figure 12 le montre, parmi les sept classes, la couleur rouge est la plus dominante de toutes les classes. Elle représente la classe forestière qui est la principale classe d'occupation du sol pour notre zone d'étude. Les autres couleurs représentent les différentes variations spectrales au niveau de la réserve. Même si cette méthode n'a pas été privilégiée pour la suite de nos traitements, elle nous a permis d'avoir une idée sur l'occupation du sol ce qui nous a aidé pour la suite de nos traitements.

IV.1.4. La classification supervisée

Pour étudier l'évolution du PNK, nous avons procédé à la classification supervisée. La classification supervisée nous a permis de montrer l'évolution des différentes classes d'occupation du sol entre les deux périodes de 1986 et 2016. La figure 13 ci-dessous nous présente les détails pour cette classification :

Figure 13 : Classification supervisé des images Landsat de 1986 et Sentinel-2 de 2016 ; (Auteur, 2017)

Comme les images de la figure 13 ci-dessus le montrent, quatre classes d'occupation du sol ont été identifiées. La classe de forêt dense caractérisée par la couleur verte, les clairières avec la couleur jaune, les zones défrichées qui prennent la couleur rouge et le lac de retenue auquel on a attribué la couleur bleue. En observant les deux images (figure 13), on voit des changements qui se sont opérés entre les différentes classes d'occupation du sol dans les quatre secteurs qui forment le PNK. Comme la figure le montre, la classe forestière a diminué sur l'image de 2016 alors que les clairières et les zones défrichées ont augmenté. Cela montre que la forêt est en train de régresser. A titre d'exemple, dans le secteur de Mabayi et le secteur de Rwegura, on voit l'augmentation des zones défrichées et des clairières en 2016 par rapport à 1986. Cela prouve qu'il y a eu l'intensification des pressions sur les ressources forestières au cours de cette période.

IV.1.5. Evaluation de la classification avec la matrice de confusion

La matrice de confusion nous a permis d'évaluer la qualité statistique de notre travail. Les résultats de notre classification nous montrent que 3629/3684 pixels ont été bien classés pour l'image de 1986 et 4456/4556 pixels pour l'image de 2016. Les résultats sont présentés dans les tableaux ci-dessous :

A. Aperçu de la matrice de confusion pour limages de 1986

	Clairières	Lac de retenue	Zones défrichées	Forêt dense	Total	Précision pour l'utilisateur	Erreur d'excédent
Clairières	1335	0	0	0	1335	100	0
Lac de retenue	0	233	0	0	233	100	0
Zones défrichées	1	0	1001	0	1002	99.9	0.1
Forêt dense	51	3	0	1060	1114	95.15	4.85
Total	1387	236	1001	1060	3684
Précision pour le réalisateur	96.25	98.73	100	100
Erreur de déficits	3.75	1.27	0	0

Les résultats montrent que pour la classification de l'image de 1986, on a 3629 /3684 pixels qui ont été bien classés ce qui donne une précision globale de 98.5071 % et un coefficient de

Kappa de 0.9786. Même si la matrice de confusion nous affirme une bonne classification ; on remarque que 52 pixels des clairières ont été attribués à d'autres classes. Cela entraine l'erreur de déficit de 3.75 % et 1.27% respectivement pour les clairières et le lac de retenue ainsi qu'un excédent de 0.1 % pour les zones défrichées et 4.85 % pour la forêt dense.

	Clairières	Lac de retenue	Zones défrichées	Forêt dense	Total	Précision pour l'utilisateur	Erreur d'excédent
Clairières	1504	0	1	71	1576	95.43	4.57
Lac de retenue	0	953	0	0	953	100	0
Zones défrichées	2	0	1004	9	1015	98.92	1.08
Forêt dense	0	17	0	995	1012	98.32	1.68
Total	1506	970	1005	1075	4556
Précision pour le réalisateur	99.87	98.25	99.9	92.56
Erreur de déficits	0.12	1.75	0.1	7.44

Comme pour les résultats de l'année 1986, la matrice de confusion pour la classification de l'image de 2016 affirme que la classification est bonne. On a une précision globale de 97.8051 % et un coefficient de Kappa de 0.9703. Néanmoins 71 pixels de la forêt dense ont été attribués aux clairières et 9 aux zones défrichées. La matrice de confusion donne l'erreur d'excédent de 4.57 % pour les clairières, 1.08 % pour les zones défrichées et 1.68 % pour la forêt dense. L'erreur de déficit est respectivement de 0.12 %, 1.75 %, 0.1 % et 7.44 % pour les clairières, le lac de retenue, les zones défrichées et la forêt dense.

IV.1.6. Analyse des changements d'occupation du sol entre 1986 et 2016

Notre travail consiste à étudier l'évolution du PNK en montrant les différents changements qui se sont opérés pendant 30 ans, entre 1986 et 2016. Après la classification, nous avons déterminé l'occupation du sol pour chaque classe entre les deux périodes afin de pouvoir quantifier les changements.

IV.1.6.1. Calculs statistiques des classes d'occupation sol entre 1986 et 2016

Le tableau 9 donne la superficie pour chaque classe d'occupation du sol pour la zone d'étude entre 1986 et 2016. Comme c'est déjà cité dans les paragraphes antérieurs, la superficie totale du PNK est estimée aux environs de 40.000 ha (OBPE, 2014 (a) OBPE, 2014(b), Manirakiza, 2013) mais il faut aussi rappeler qu'à l'intérieur de la réserve, il y a des zones libérées pour des activités d'intérêt public comme les champs d'expérimentation des pomme de terre pour la Direction Provinciale de l'Agriculture (DPAE), l'Institut des Sciences Agronomique du Burundi (ISABU) ainsi que le barrage hydroélectrique de la société REGIDESO. Le tableau ci-dessous nous présente l'évolution des différentes classes d'occupation du sol du PNK entre 1986 et 2016 :

Classes d'occupation du sol	Occupation du sol en 1986	Occupation du sol en 2016	Evolution	Observation
FORET DENSE	34997.63	30103.28	-4894.35	Régression
CLAIRIERES	10061.55	14664.81	4603.26	Augmentation
ZONES DEFRICHEES	2629.21	2907.72	278.51	Augmentation
LAC DE RETENUE	148.59	161.17	12.58	Augmentation
Total	47836.98	47836.98

Comme le tableau le montre, on constate que la classe de forêt dense est passée de 34 997.63 ha en 1986 à 30 103.28 ha en 2016. Pour les zones défrichées, elles sont passées de 2 629.21 ha à 2 907.72 ha pendant la période de 1986 à 2016. Les clairières ont été estimées à une superficie de 10 061.55 ha en 1986 alors qu'en 2016 la superficie a augmenté jusqu'à atteindre une superficie de 14 664.81 ha.

Ces résultats montrent donc que la classe forestière a régressé alors que les autres classes ont évolué. Cette régression de la classe forestière prouve que le PNK est en train de subir des pressions anthropiques d'où on observe une augmentation des clairières et des zones défrichées qui sont le résultat de la déforestation. La présence des zones défrichées dans le parc peut s'expliquer par les activités agricoles qui sont pratiquées illégalement à l'intérieur de la réserve par des gens qui s'introduisent illégalement dans la réserve pour chercher des terres cultivables. La coupe des grands arbres à l'intérieur de la réserve favorise l'augmentation des clairières. Cette coupe des arbres laisse des espaces libres permettant la pénétration de la lumière à l'intérieur de la forêt favorisant ainsi la végétation basse qui avait besoin de la lumière pour se développer ce qui donne lieu à des clairières.

IV.1.6.2. Représentation graphique de l'évolution des classes d'occupation du sol

Comme les résultats sont présentés dans le tableau 9, la classe forestière a diminué pendant les 30 ans passés entre 1986 et 2016 contrairement aux clairières et les zones défrichées qui ont augmenté. La figure 15 ci-dessous est une représentation graphique du tableau 9 pour montrer les différents changements qui se sont opérés dans les différentes classes d'occupation du sol dans le PNK entre les deux périodes de 1986 et 2016.

40000 35000 30000 25000 20000 15000 10000 5000

Occupation du sol en 1986

Occupation du sol en 2016

FORET DENSE

CLAIRIERES ZONES

DEFRICHEES

LAC DE RETENUE

Figure 15 : Evolution des différentes classes d'occupation du sol entre 1986-2016

Comme le graphique ci-dessus le montre, les différentes classes d'occupation du sol ont subi des changements. La classe forestière a évolué de façon régressive alors que les clairières et les zones défrichées ont augmenté suite aux actions anthropiques. Entre 1986 et 2016, on voit que la classe forestière dense a régressé de 4894.35ha. Cela équivaut à 10.23 % de la superficie totale du parc national de la Kibira qui a été perdu pendant 30 ans. Pour les clairières, elles ont subi une augmentation de 4603.26 ha ce qui correspond à un gain de 9.62 %. De même, les zones défrichées ont augmenté de 278.51 ha soit à peu près 0.58 % entre 1986 et 2016.

IV.1.6.3. Cartographie des classes d'occupation du sol entre 1986 et 2016

Pour une bonne illustration de l'évolution du PNK, nous avons élaboré des cartes d'occupation du sol montrant l'évolution des différentes classes entre les deux périodes de 1986 et 2016. Notre cartographie s'est appuyée sur des images satellitaires de Landsat et Sentinel-2 qui nous ont permis d'obtenir des images montrant notre zone d'étude. Landsat nous a permis d'obtenir l'image de 1986 et Sentinel 2 pour avoir l'image de 2016.

Après les traitements dans Envi 5.0, ces images ont été exportées dans QGIS 2.14.7 pour pouvoir sortir deux cartes montrant l'évolution du PNK. Comme la figure 16 le montre, quatre classes ont été représentées sur les deux cartes : la forêt dense qui est marquée par la couleur verte, les clairières avec la couleur jaune, les zones défrichées marquées par le rouge ainsi que le lac de retenue qui est caractérisée par la couleur bleue. Les deux cartes de la figure 14 viennent confirmer ce qui a été illustré dans le tableau 9 et graphique de la figure 15. On constate sur la carte de 2016 une augmentation des couleurs rouge et jaune par rapport à la carte de 1986. Ces couleurs représentent respectivement les zones défrichées et les clairières. Les différentes variations d'occupation du sol observées sur les deux images de 1986 et 2016 du PNK mettent en évidence l'évolution du PNK au cours des 30 années qui se sont écoulées.

IV.1.7. Evaluation des actions anthropiques par commune frontalière du PNK entre 1986 et 2016

Au niveau des limites administratives, le parc national de la Kibira traverse quatre provinces : Bubanza, Cibitoke, Kayanza et Muramvya. Ces provinces ont neufs communes qui sont limitrophes au Parc (figure 17). Les cartes de la figure 17 ci-dessus nous présentent les communes riveraines du parc et leurs densités de la population au Km² entre 1986 et 2016. En se basant sur les données du recensement général de la population et de l'habitat de 2008 au Burundi ; dans les neuf communes riveraines du parc, on a deux communes avec une densité supérieure à 400 habitants au Km², trois avec une densité compris entre 300 et 400 habitants au Km² et trois autres qui ont une densité située entre 200 et 300 habitants au Km². Nos résultats prouvent que les secteurs les plus dégradés sont ceux qui traversent les communes ayant une densité élevée (300 hab/Km² et plus). Ces secteurs sont Rwegura et Teza. Dans le secteur de Rwegura, les communes de Matongo et Muruta ont une densité supérieure à 400 Hab/Km2 et la commune de Kabarore avec une densité de 310 Hab/Km2. Pour le secteur de Teza, on a les communes de Bukeye et Muramvya respectivement avec une densité de 347 et 359 habitants au Km2. Pour montrer un lien entre la dégradation du PNK et l'évolution de la population, nous avons étudié l'évolution du PNK entre 1986 et 2016. Les résultats trouvés ont été comparés avec l'évolution de la population en utilisant les données de 1990 et 2008 qui sont disponible. Le tableau ci-dessous nous présente la densité de la population des communes limitrophes du parc entre 1990 et 2008.

Provinces	Secteurs	Communes	Densité par commune en 1990 (Hab/km2)	Densité par commune en 2008 (Hab/km²)	Densité par province en 2008 (Hab/km2)
Muramvya	Teza	Bukeye	291	347	420.7
		Muramvya	297	359
Kayanza	Rwegura	Matongo	318	421	474.7
		Kabarore	252	310
		Muruta	312	436
Cibitoke	Mabayi	Mabayi	116	200	281.5
		Bukinanyana	148	231
Bubanza	Musigati	Musigati	199	312	310.4
		Rugazi	293	395

Tableau 9 : Densité de la population des communes riveraines du PNK (ISTEEBU, 2008)

En analysant les données de la densité de la population des communes limitrophes du parc entre les deux périodes de 1990 et 2008, on voit que c'est toujours les communes appartenant aux secteurs de Rwegura et de Teza qui ont toujours une densité élevée. La même analyse montre que ces secteurs appartiennent aux provinces les plus densément peuplée du pays (Kayanza et Muramvya). Globalement, nos résultats prouvent que les secteurs les plus menacés sont ceux qui sont entourés par les communes ayant une densité élevée. Les résultats présentés pour notre étude sont très cohérents avec les informations recueillies sur terrain pendant notre visite que nous avons effectué au mois d'aout, 2016 où nous avons fait un entretien avec les responsables du PNK et la population riveraine du parc. Selon notre

entretien, les responsables nous ont révélés que le PNK est principalement menacé par des actions anthropiques des populations riveraines qui dépassent les limites du parc en cherchant les terres cultivables ou autres produits forestier ainsi que les activités d'intérêt public comme les routes qui traversent la forêt ou la construction des barrages hydroélectriques. Selon OBPE, 2014, les activités autour du PNK entrainent des effets néfastes aux ressources forestières provoquant la fragmentation du parc. Autour du PNK dans les communes de Bukeye, Muramvya, Kabarore, Muruta et Matongo où on enregistre les densités de la population les plus élevées, les activités agricoles sont de grande ampleur ce qui constituent une menace pour le parc.

IV.1.8. Analyse comparative des performances des satellites Landsat 8 et Sentinel-2

Notre travail était de montrer le rôle de la télédétection dans le suivi des aires protégées. Etant donné que nous avons utilisé les images des satellites différents (Landsat et Sentinel 2), cela nous a incités à étudier et comparer les performances de chacun de ces deux satellites. Pour faire cette analyse, nous avons traité les images de ces deux satellites qui ont été prises dans les périodes très proches ; celle de Landsat 8 prise le 5 juillet 2016 et celle de Sentinel 2 qui a été prise le 2 juillet 2016.

Après la classification de ces images, nous avons analysé les résultats des deux images pour voir si on peut aboutir aux mêmes résultats. En plus de cela nous avons évalué la facilité pour le traitement de ces images et les informations qu'on a pu avoir sur les deux images. Avant de faire cette comparaison, nous présentons les caractéristiques des deux capteurs dans le tableau 11 ci-dessous :

	Landsat 8	Sentinel 2
Orbite	Héliosynchrone, altitude 705 Km	Héliosynchrone, altitude de 786 Km
Temps entre deux passages	16 jours	5 jours
Durée de vie	5 ans	7 ans
Poids	2600 Kg	1140 Kg
Nombre de bandes spectrales	12 bandes	13bandes
Longueur d'onde	0.433 um à 2.3um	0.443 um à 2.19 um
fauchée	185 Km	290 Km
Résolution spatiale	30 m-15m-60m	10m-20m-60m

Figure 18 : Cartes de comparaison des performances des images Landsat et de Sentine

a. Image Landsat 8 prise le 05/07/2016 b. Image Sentinel 2 prise le 02/07/20162016

Pour comparer les performances de ces deux satellites, nous sommes partis de trois critères : les caractéristiques des capteurs, les images brutes et les résultats trouvés après le traitement.

Premièrement en analysant les caractéristiques de ces deux satellites, Sentinel 2 a des performances supérieures par rapport à Landsat : elle a une résolution spatiale dans le visible de 10 m ce qui lui donne la possibilité de fournir des images ayant une bonne qualité aussi sur un intervalle de temps très court. En plus, avec Sentinel 2, on peut avoir beaucoup plus d'informations qu'avec Landsat. Quant aux résultats trouvés avec le traitement de ces deux images, globalement les résultats nous prouvent les mêmes réalités sur terrain sauf que la précision n'est pas la même. Les résultats de Sentinel 2 sont beaucoup plus précis que ceux de Landsat 8. A titre illustratif, sur les deux images de la figure 18, la couleur verte montre la classe de forêt dense, le jaune se sont les clairières, le rouge les zones défrichées et le bleu le lac de retenue. On voit que la carte élaborée à base de l'image Landsat 8 (carte A) présente beaucoup de couleurs jaunes qui représentent la classe des clairières que par rapport à la carte de l'image de Sentinel 2 (carte B). Cette différence peut être expliquée par la confusion des classes pour les capteurs de Landsat 8 due à sa résolution qui n'est pas très élevée comparativement à celle de Sentinel 2. Avec la résolution spatiale de 30 m, il est normal que les capteurs peuvent confondre par exemple la forêt dense à des clairières ou des sols nus à des clairières ce qui est le cas pour notre étude. Globalement, Sentinel-2 a des performances beaucoup plus élevées que Landsat 8 ; cela a été bien illustré sur base de nos résultats. Cependant les deux Satellites sont complémentaires dans la mesure où Sentinel-2 ne possède que des données depuis 2015. Landsat peut le compléter pour avoir des données sur des périodes les plus anciennes ce qui va faire avancer la recherche scientifique.

IV.2.1. Indice de végétation

Avec les deux images de Landsat 5 et Sentinel 2, nous avons calculé l'indice de végétation (NDVI) pour pouvoir observer les changements qui se sont opérés pendant 30 ans à partir de 1986 jusqu'en 2016. Les résultats ont montré que les valeurs de NDVI faibles ont été observées sur des zones défrichées et des clairières. Pour ces classes, les valeurs de NDVI sont inférieures à 0.4 alors que pour la forêt dense on a des valeurs de l'indice de végétation supérieures à 0.4 avec une valeur maximale dépassant un peu 0.7.

En observant les deux images de la figure 10, on identifie des zones qui ont eu une diminution de la NDVI en 2016 alors qu'en 1986 elles avaient un indice de végétation qui était élevé. Cette diminution de la NDVI s'observe particulièrement dans des zones qu'on trouve défrichées en 2016 ou sont transformées en clairières ou en zones défrichées alors qu'en 1986 elles constituaient la classe forestière. L'observation du changement de la NDVI a été prouvée par l'analyse de détection de changement de la NDVI.

IV.2.2. Classification

Pour étudier l'évolution des différentes classes d'occupation du sol, nous avons utilisé deux images l'un de 1986 qui a été produite par le satellite Landsat 5 et l'autre de 2016 de Sentinel 2. Même si ces deux satellites produisent des images de résolution spatiale différente, leurs traitements nous ont permis d'étudier la dynamique du parc national de la Kibira.

Ces images ont été traitées pour détecter les changements. Deux types de classification ont été effectuées ; la classification non supervisée avec la méthode Isodata et la classification supervisée. La classification non supervisée a été faite pour voir les variations spectrales des différentes classes d'occupation du sol qui se réalisent automatiquement avec le logiciel de traitement Envi 5.0. Sept classes ont été sorties parmi lesquelles la classe forestière était reconnue par la couleur rouge qui est la plus dominante.

Pour la classification supervisée, quatre classes ont été analysées dont la forêt dense, les clairières, les zones défrichées et le lac de retenue. Le choix des classes a été fait sur base de nos connaissances de terrain, des besoins du Ministère en charge de l'Environnement ainsi que de l'observation sur des images les classes qui sont facilement identifiables pour bien faire la classification. La comparaison des résultats des deux images de 1986 et 2016 a montré que la classe forestière a régressé alors que les autres classes notamment les clairières et les zones défrichées ont augmenté.

Après la classification, nous avons évalué la qualité de notre traitement des images en cherchant la matrice de confusion.

A titre de rappel, la matrice de confusion permet d'évaluer la qualité statistique des noyaux (ROIS) élaboré par le photo-interprète (Lacombe, 2008). Comme les normes le stipulent, la

classification est bonne quand le coefficient kappa est supérieur ou égal à 0.75 et une précision globale supérieure à 80 % (A. Denis, 2017). Les calculs de la matrice de confusion nous montrent que notre classification a été bonne. Pour améliorer la qualité de notre travail, nous avons repris notre travail à mainte reprise en essayant de majorer le nombre des pixels et les résultats donnent toujours pour les deux images une précision globale supérieure à 95 % et un coefficient de Kappa avoisinant à 0.95. Ces résultats sont justifiés du fait que on a une zone qui est très homogène avec un nombre de classes qui est très réduit.

IV.2.3. Evolution du parc national de la Kibira

Les AP au Burundi sont en état de précarité à cause des actions anthropiques (MEEATU, 2013). A l'exemple du PNK, nous avons constaté que de 1986 à 2016, le PNK a évolué de façon régressive. La superficie de la classe forestière ne cesse de diminuer et est transformée en clairières ou zones défrichées. Comme les résultats le montrent, la forêt dense a régressé de 4894.35 ha soit 10.23 % alors que les clairières ont augmenté de 4603.26 ha (9.62%) entre la période de 1986 et 2016. Pour les zones défrichées, on constate une petite augmentation de 0.58%. Cet accroissement des zones dégradées s'observe dans les secteurs situés dans des communes les plus densément peuplés comme les secteurs de Rwegura et de Teza. Comme illustré sur les cartes de la figure 17, les secteurs de Rwegura et Teza sont situés dans les communes de Kabarore, Muruta, Matongo, Bukeye et Muramvya. Les données du recensement général de la population et de l'habitant qui a été fait en 2008 montrent que ces communes sont les plus densément peuplées par comparaison avec les autres communes qui sont riveraines du parc. Les zones les plus dégradées sont situées dans des communes ayant une densité supérieure à 300 habitants au Km². De même, notre analyse a remarqué que ces secteurs dégradés se trouvent dans les provinces les plus densément peuplé au niveau national comme la province de Kayanza avec une densité moyenne de 474,7 habitant au Km²qui coiffe tout le secteur de Rwegura ainsi que la province de Muramvya (420.7 hab/Km²) qui prend tout le secteur de Teza.

Pour expliquer les causes de cette dégradation, il faut partir des principales activités qui se font autour du parc. D'abord la population riveraine du parc est à majorité formée par des agriculteurs-éleveurs. La terre est leur principale ressource de revenu qu'il faut exploiter pour vivre. Avec le problème d'exiguïté des terres lié à un accroissement élevé de la population, la population riveraine tente de dépasser les limites de leurs exploitations en grignotant sur la zone du parc. En plus de cela, elle pénètre illégalement à l'intérieur de la forêt pour chercher des terres à cultiver ou se procurer du bois de chauffage qui constitue la seule source d'énergie.

En plus des actions anthropiques qualifiés d'illégales, le parc national de la Kibira est menacé aussi par des activités de développement comme les routes qui traversent la forêt, les barrages hydroélectriques et les champs d'expérimentation agricoles qu'on a installés dans la forêt et la culture industrielle du thé qui est autour du parc dans les secteurs de Rwegura, Teza et Mabayi.

Dans la période de 1993 à 2005, les actions anthropiques se sont accentuées à cause de la crise socio-politique dans laquelle le pays était plongé. Pendant ce temps, le PNK était servait comme un lieu de refuge pour les différents groupes armés qui existaient au Burundi mais aussi à cause du manque de suivi, la population riveraine en profitait pour se procurer illégalement les terres cultivables à l'intérieur de la réserve.

Notre étude de la dynamique du PNK, a associé les résultats trouvés lors du traitement des images des Satellites Landsat 5 et Sentinel 2 utilisées avec les informations trouvées sur terrain lors des entretiens qu'on a fait avec les responsables et la population riveraine du PNK. Les résultats trouvés sont très cohérant avec la situation sur terrain.

V.2.4. Analyse des performances des satellites Landsat et Sentinel 2

Pour comparer les performances de ces deux satellites, nous avons pris trois critères principaux : les caractéristiques de chacun de ces deux satellites, les images brutes et les résultats trouvés à l'aide des logiciels spécialisés dans le traitement d'images satellitaires (Envi et QGIS).

A priori, Sentinel 2 a une meilleure résolution spatiale dans le visible qui est de 10 m contre 30 m pour Landsat. Avec 10 mètre de résolution spatiale il est plus facile de reconnaitre les objets sur terre ce qui le permet de fournir des images qui ont une grande précision et aussi facile à l'analyse visuellement. Cependant, Landsat a des avantages du fait que c'est un Satellite qui a commencé à produire des données depuis 1972 alors que Sentinel 2 ne date que de 2015. Pour un bon travail de recherche, ces deux outils peuvent être associés pour se compléter l'un à l'autre pour produire des résultats très fiables.

IV.3. Les limites du travail

Notre travail a deux principales limites. La première limite c'est le temps qui n'est pas suffisant. Le temps que nous avons eu pour ce travail n'a pas été suffisant pour pouvoir sortir tous les détails que nous aimerions faire. Une autre limite c'est la confusion des parcelles attribuées à la DPAE et de l'ISABU à la classe des zones défrichées. A l'intérieur du PNK, on a 52.5 ha de terres qui ont été cédés à la Direction Provinciales de l'Agriculture et de l'Elevage ainsi que 53 ha pour l'Institut des Sciences Agronomiques du Burundi (Habonimana B. & Nzigidahera B., 2016). A cause de la petitesse de ces parcelles, on n'est pas parvenu de les distinguer avec la classe des zones défrichées même si on reconnaît leur existence. D'où on a opté de les combiner avec la classe des zones défrichées.

CONCLUSIONS ET RECOMMANDATIONS

Notre travail était de montrer le rôle de la télédétection dans le suivi de la dynamique des aires protégée. Pour le prouver, nous avons étudié l'évolution du PNK en utilisant les images satellitaires de Landsat 5 et Sentinel 2 qui ont été prises par ces satellites dans les années 1986 et 2016. En plus de cela nous avons essayé de comparer les performances de Landsat et Sentinel 2 à l'aide des images prises dans des périodes très proches 5 juillet 2016 et 2 juillet 2016.

Pour arriver à nos résultats, deux logiciels Envi 5.0 et QGIS 2.14 étaient nos principaux outils pour les différents traitements effectués. Grâce à ces outils, nous avons mis en évidence les différentes évolutions du PNK entre les années 1986 à 2016 avec les différents changements qui ont eu lieu dans les différentes classes d'occupation du sol dans le parc national de la Kibira. Avec les différentes cartes qui ont été élaborés à l'aide de ces logiciels, nous avons pu montrer comment ont évolué les différentes classes en déterminant les superficies par classes et leur degré d'évolution ou de régression. Comme les différents résultats le montrent, le PNK a subi une régression au cours des 30 années avec une perte de près de 10.23 % de la zone forestière en faveur des clairières et des zones défrichées qui ont augmenté respectivement de 9.62 % et 0.58% suite aux actions anthropiques.

En combinant nos résultats avec les différents recherches bibliographiques que nous avons effectué pour ce travail, nous avons remarqué aussi que les zones les plus touchées sont principalement les zones qui sont frontalières avec les communes les plus densément peuplée comme les communes de Muruta, Kabarore, Matongo, Muramvya et Bukeye qui ont une densité supérieure à 300 habitants au Km² allant même jusqu'à plus de 400 habitants dans certaines communes comme Matongo et Muruta . On a vu aussi que cette dégradation du PNK est due aux actions anthropiques de ces populations riveraines qui cherchent des terres à cultiver. En plus les activités d'ordres publiques qui se font à l'intérieur ou à proximité du parc contribuent aussi à la dégradation.

Pour ce qui est des performances des deux satellites Landsat 8 et Sentinel 2 utilisés pour ce travail, les trois critères de comparaison choisis montrent que Sentinel 2 est plus performant que Landsat 8. Cependant, le seul problème c'est qu'il est très récent ce qui lui prendra beaucoup de temps pour avoir des données suffisantes. En cas d'étude en utilisant les données de Sentinel 2, il s'avère donc nécessaire de recourir aux autres satellites ayant des données d'archives pour compléter celles de Sentinel 2.

Au cours de ce travail ; notre méthodologie a prouvé que la télédétection est une méthode efficace pour étudier le suivi des aires protégées. Le traitement des images Landsat et Sentinel 2 nous ont permis d'arriver à nos objectifs et de prouver nos hypothèses qui ont été formulées. Actuellement nous pouvons affirmer sans doute que la télédétection est une bonne méthode pour étudier l'évolution des aires protégées. Sa qualité réside au fait que c'est une méthode

moins couteuse et qui nécessite moins du personnel pour pouvoir produire les résultats plus fiables et transparents.

Notre travail a montré l'évolution du parc national de la Kibira et l'importance de la télédétection dans le suivi des aires protégées. La télédétection couplée aux informations recueillies sur le terrain nous a aidé à repérer les différentes zones du PNK qui sont menacées et les différents facteurs qui ont contribué à sa dégradation. Grace à ces résultats, quelques recommandations sont proposées à l'égard de différents acteurs.

Comme signalé par MANIRAKIZA en 2013, le PNK joue un rôle important notamment dans la régulation des eaux et la protection des bassins versants qui ont des pentes élevées et alimente un grand nombre de barrages hydroélectriques du pays. Malgré tous ces avantages qu'il nous procure, les différents acteurs et bénéficiaires ne sont pas conscient de l'importance de sauvegarder cette ressource rare pour le pays.

Comme présenté dans nos résultats, le PNK est en train de subir une dégradation importante Sa disparition risque d'entrainer des conséquences généralisées sur la vie de tout le pays. Pour cela, il est temps pour les différents acteurs, le Gouvernement, l'OBPE, la REGIDESO, l'OTB, la population riveraine et les autres acteurs d'agir dans l'immédiat.

Nous suggérons au gouvernement du Burundi de s'impliquer efficacement dans la gestion durable de cette ressource rare qui risque de perturber la vie socio-économique du pays une fois qu'elle sera détruite. L'OBPE qui est responsable de la gestion de cette forêt et de tous les AP en général doit s'approprier la question et prendre des dispositions nécessaires pour protéger cette forêt qui est menacée.

Il est aussi nécessaire si non obligatoire pour les différents partenaires ou bénéficiaires de cette forêt (la REGIDESO, l'OTB et autres acteurs) de pouvoir collaborer efficacement avec l'OBPE et les autres organisations en matière de la protection de l'environnement pour prendre des mesures nécessaires pouvant empêcher la régression de cette forêt.

La population riveraine du parc a besoin d'une sensibilisation intensive pour leur montrer l'importance de cette forêt et développer des activités génératrices de revenus pour réduire la pression sur la Kibira. Nous proposons aux différents partenaires comme la REGIDESO, l'OTB, l'OBPE et autres non cités ici de s'impliquer effectivement dans la création d'activités génératrices de revenus pour la population riveraine du parc et les encadrer pour leurs projets de développement cela pourra contribuer pour réduire la pression sur le parc.

Comme la télédétection a prouvé ses aptitudes dans la gestion et le suivi des AP, il est donc important pour l'OBPE de créer un service qui sera chargé des Systèmes d'Information Géographique (SIG). Ce service permettra à l'OBPE de pouvoir gérer et suivre l'évolution des AP et prendre des mesures nécessaires avec moins de dépenses.

Références bibliographiques

Antoine D., (2016). Travaux Pratiques de Télédétection Spatiale, Université de Liège, 84p.

Bernard T., (2016). Application de la télédétection et des systèmes d'information géographique à la gestion de l'environnement, Université de Liège, Campus Arlon, 27p.

Borrini-Feyerabend, G., Dudley,N., Jaeger,T., Lassen B., Pathak Broome N., Phillips A. & Sandwith T., (2014). Gouvernance des aires protégées : de la compréhension à l'action.Collection des lignes directrices sur les meilleures pratiques pour les aires protégées N°20, Gland, Suisse: IUCN. xvi + 124pp.

Deguignet M., Juffe-Bignoli D., Harrison J., MacSharry B., Burgess N., Kingston N., (2014). Liste des Nations Unies des Aires Protégées 2014. UNEP-WCMC: Cambridge, UK.

Dudley, N. (Éditeur), (2008). Lignes directrices pour l'application des catégories de gestion aux aires protégées. Gland, Suisse : UICN. x +96ppN.

Elias Ayrey, Shawn Fraver, John A. Kershaw Jr., Laura S. Kenefic, Daniel Hayes, Aaron R. Weiskittel & Brian E. Roth,(2016) . Layer Stacking: A Novel Algorithm for Individual Forest Tree Segmentation from LiDAR Point Clouds, Can. J. Remote Sens., vol. 8992, no. January, pp. 1-13, 2016.Sens. Vol. 42, no. 5, pp. 619-641.

FAO, (2002). Etude de cas d'aménagement forestier exemplaire en Afrique centrale: le parc national de la Kibira, Burundi. Par Cyriaque Nzojibwami, octobre 2002. Document de travail FM/9F. Service de la mise en valeur des ressources forestières, Division des ressources forestières. FAO, Rome (non publié).

Habiyaremye M., (2016). Habitats du Parc National de la Kibira (Burundi).Lexique des plantes pour connaître et suivre l'évolution des forêts du secteur Rwegura.

INECN, (2000). Stratégie nationale et plan d'actions en matière de la diversité biologique ( S N P A-D B), Bujumbura,120p.

INECN, (2002). Plan communautaire de conservation du parc national de la Kibira.Rapport sur le diagnostic participatif en commune Muramvya, zone Bugarama, Bujumbura,56p.

ISTEEBU, (2013). Rapport des projections démographiques 2008-2030. Bujumbura ,20p.

J. Lewalle, (1972). Les étages de végétation du Burundi occidental: Bulletin du Jardin botanique National de Belgique,vol. 42, no. 1, pp. 1-171.

Jean-Paul L.,(2008). Initiation au traitement d'images s tellitales. Travaux dirigés. ENSA Toulouse, 89p.

Jomaa I., (2008). Analyse diachronique de la fragmentation des forêts du Liban. Planète et Univers. Université Paul Sabatier - Toulouse III.

Manirakiza M., (2013). Etablissement de la situation de référence dans le but de suivine de la dynamique des habitats au PNK: Cas du secteur Rwegura, Mémoire, Université du Burundi, 122p.

Manirambona A., (2015) : strategie de generation des revenus alternatifs aux ressources

naturelles pour les communautes riveraines du parc national de la kibira,Bujumbura, 49p.

Masharabu T., (2011). Flore et végétationdu parc national de la Ruvubu au Burundi: diversité, structure et implications pour la conservation, Thèse de doctorat, Université Libre de Bruxelles, 224p.

MEEATU, (2009). Etudes de vulnérabilité et d'adaptation aux changements climatiques. Bujumbura,173p.

MEEATU, (2013) (a). Stratégie Nationale et Plan d ' Action sur laBiodiversité.Bujumbura, 104p.

MEEATU, (2013) (b). Atlas des quatres sites RAMSAR. Localisation et Ressources, Bujumbura, 45p.

Midekor & J. Wellens, (2013). Initiation à ENVI, Ouagadougou, Burkina Faso, 85p. MININTER, (2008). Recensement général de la population et de l'habitat 2008, vol. 3.

MOUSSA DIARRA (2016). apport de la teledetection dans l'etude de la dynamique spatio-temporelle du couvert vegetal dans le vieux bassin cotonnier du mali (koutiala) : cas de la commune de m'pessoba, Mémoire, Université de Liège, 75p.

Nzigidahera B. & Habonimana B., (2016). Etude des tendances de la biodiversité , des espèces et des écosystèmes fournissant les services écosystemiques : Formulation des indicateurs pour mesurer , suivre et rapporter la tendance de la biodiversité au Burundi, Buujumbura, 61p.

Nzigidahera B., (2007). Ressources biologiques sauvages du Burundi:Etat des connaissances traditionnelles. Bujumbura, 115p.

Nzigidahera B., (2012).Vulnérabilité des forêts ombrophiles de montagne aux changements climatiques au Burundi: Renforcement de leur pouvoir d ' adaptation, vol. 6973, no. 257, pp. 35-45.

Nzigidahera B., Habonimana B., Ndihokubwayo, N., Habonayo R. & Bogaert J., (2008). Essai de détermination des indicateurs de dégradation forestière.Cas de la forêt ombrophile de la Kibira au Burundi.

Nzigidahera B.,(2006). Etudes de vulnérabilité et d'adaptation aux changements climatiques au Burundi.Ecosystème terrestre, Bujimbura, 66p.

OBPE, (2014) (a). Etude d'identification des sites degradés et leurs systemes de réhabilitation au parc national de la Kibira ( PNK ). Bujumbura , décembre 2014, 59p.

OBPE, (2016). Sauvegarde des aires protegées pour la survie de l ' humanité: Appel à l ' implication effective des communautés riveraines, 28p.

Patrick Triplet (2009). Manuel de gestion des aires protégées d'Afrique francophone. Awely, Paris,pp.1215.

Randrianasolo Safidinomena R., (2016). Etude et évaluation des pressions anthropiques sur

l'aire protégée d'Ankarana liées aux exploitations illicites de saphir dans sa zone d'implantation , Région Diana, Madagascar. Mémoire, Université de Liège,53p.

République du Burundi (2011). Decret N^o 100/240 du 29 octobre 2014 portant création, mission, organisation et fonctionnement de l'Office Burundaise pour la Protection de l'Environnement, Bujumbura, 132p.

République du Burundi (2014). Loi N^o 10 du 30 mai 2011 portant création et gestion des aires protégées au Burundi, Bujumbura, 17p.

S. Eddine, B. Bouiadjra, W. El, and K. Benabdeli, (2011). Etude diachronique des changements du couvert végétal dans un écosystème montagneux par télédétection spatiale: cas des monts du Tessala ( Algérie occidentale ),» vol. 5,.

Tabopda G. W. & F. Huynh, (2009). Caractérisation et suivi du recul des ligneux dans les aires protégées du Nord Cameroun: analyse par télédétection spatiale dans la réserve forestière de Kalfou.

Tabopda G. W., (2010). Quantification de l'évolution du couvert végétal dans la réserve forestière de Laf-Madjam au nord du Cameroun par télédétection satellitale,«Article de recherche,» vol. 21, no. 3, pp. 169-178.

Tidjani A. A.,( 2009). Apports de la télédétection dans l'étude de la dynamique environnementale de la région de Tchago ( nord-ouest de Gouré , Niger ), pp. 69-80.

UICN/PACO, (2011). Parcs et réserves du Burundi: Evaluation de l'efficacité de la gestion des aires protégées.

UNEP-WCMC, (2008). Etat des aires protégées dans le monde , 2007. Bilan annuel des progrès mondiaux en matière de conservation,Cambridge.

White J. C., Coops N. C., Wulder M. A., Vastaranta M., Hilker T., and Tompalski P., (2016). Remote Sensing Technologies for Enhancing Forest Inventories: A Review, Can. J. Remote Sens., vol. 42, no. 5, pp. 619-641.

RÉSUMÉ

Mots clés : Forêt ombrophile de montagne, parc national de la Kibira, Aire protégée, télédétection.

Apport de la télédétection dans le suivi de la dynamique des aires protégées. Cas du parc national de la Kibira.

Communauté française de BelgiqueREMERCIEMENTS

DEDICACES

RÉSUMÉ

TABLE DES MATIERES

Communauté française de Belgique LISTE DES TABLEAUX

Communauté française de BelgiqueLISTE DES FIGURES

Communauté française de Belgique SIGLES ET ABREVIATIONS

Communauté française de Belgique 0. INTRODUCTION GÉNÉRALE

0.1. Objectifs

1.1. Objectifs global :

1.2. Objectifs spécifiques

0.2. Hypothèses

0.3. Méthodologie

3.1. Usage d'images satellitaires

3.2. Entretien

3.3. Interprétations des résultats

I.1. Evolution mondiale des aires protégées

I.2. Gouvernance des aires protégées

I.3. Gestion des aires protégées au Burundi de 1980-2017

I.4. Les différentes aires protégées du Burundi

CHAPITRE II. PRESENTATION DE LA ZONE D'ETUDE

II.1. Situation géographique

2.1. Sol

2.2. Climat

2.3. Le Relief et la géomorphologie du PNK

2.4. L'hydrologie

4. L'environnement écologique du PNK

3.1. Végétation

3.2. Phytogéographie

5. Environnement socio-économique du PNK

4.1. La population autour du PNK

4.3. La gestion du PNK

Communauté française de BelgiqueCHAPITRE III. METHODOLOGIE DU TRAVAIL

III.1. Approche méthodologique générale de l'étude

III.2. Recherche bibliographique

III.3. Acquisition des images satellitaires

3.1. Le choix des capteurs

3.2. Sélection des images

3.3. Caractéristiques des images Landsat 5 de 1986, Landsat 8 et Sentinel-2 de 2016

3.4. Prétraitements des images satellites

3.5. Regroupement des bandes spectrales des images

3.6. Mosaïquage d'image

3.7. Découpe de l'image sur la zone d'intérêt (« Spatial subset »)

III.4. Traitement des données

4.1. Analyse du changement temporel par création d'indices de végétation (NDVI)

4.2.1. Identification des classes d'occupation du sol

4.3. Les classifications numériques

4.3.1. Classification non supervisée

4.3.2. Classification supervisée

4.3.3. LES POST-TRAITEMENTS

4.3.4. Interprétation des résultats

CHAPITRE IV : PRESENTATION ET INTERPRETATION DESRESULTATS

IV.1. Présentation des résultats

IV.1.1. Calcul de l'indice de végétation entre 1986 et 2016

IV.1.2. Analyse temporelle de changement par NDVI entre 1986 et 2016

IV.1.3. La classification non supervisée

IV.1.4. La classification supervisée

IV.1.5. Evaluation de la classification avec la matrice de confusion

A. Aperçu de la matrice de confusion pour limages de 1986

IV.1.6. Analyse des changements d'occupation du sol entre 1986 et 2016

IV.1.6.1. Calculs statistiques des classes d'occupation sol entre 1986 et 2016

IV.1.6.2. Représentation graphique de l'évolution des classes d'occupation du sol

IV.1.6.3. Cartographie des classes d'occupation du sol entre 1986 et 2016

IV.1.7. Evaluation des actions anthropiques par commune frontalière du PNK entre 1986 et 2016

IV.1.8. Analyse comparative des performances des satellites Landsat 8 et Sentinel-2

IV.2.1. Indice de végétation

IV.2.2. Classification

IV.2.3. Evolution du parc national de la Kibira

V.2.4. Analyse des performances des satellites Landsat et Sentinel 2

IV.3. Les limites du travail

CONCLUSIONS ET RECOMMANDATIONS

Références bibliographiques

RÉSUMÉ

Communauté française de Belgique
REMERCIEMENTS

Communauté française de Belgique
LISTE DES FIGURES

Communauté française de Belgique
CHAPITRE III. METHODOLOGIE DU TRAVAIL

CHAPITRE IV : PRESENTATION ET INTERPRETATION DES
RESULTATS