Memoire Online - Evaluation et cartographie de la déforestation au Katanga(RDC)

Ecosystème qui se développe sur des sols pauvres, formés sur des sables de type Kalahari ; il occupe les Hauts-Plateaux de Kamina, de Marungu, de Muhila, de Kibara, de Kundelungu, de Biano et de la Manika (Photo 9). Ces savanes sont à dominance de Poaceae cespiteuses, accompagnées des sous-arbrisseaux ou suffrutex et de géophytex (Acanthaceae, Myrtaceae, Rosaceae et surtout Fabaceae) et diverses plantes à bulbe. La sécheresse, ainsi que le passage quasi annuel du feu, impriment à ces formations une phénologie marquée. Parmi les géofrutex, notons Syzygium guineense subsp.huillense, Parinari capensis, Gnidia kraussiana var. Kraussiana.

La population du Katanga est de 8.167.240 en 2003, avec 49,7 % d'hommes et 50,3 % de femmes,
et un taux de croissance de 3,9 % par an. 61,5 % des habitants ont moins de 20 ans, et 52 % moins
de 15 ans. Les différentes ethnies de la province sont le plus souvent mélangées, à cause des

différentes migrations au cours des derniers siècles (conquêtes, industrialisation). Les groupes dominants sont les Lubas, les Lundas, les Sangas et les Lambas. Les minorités ethniques sont les Bambote, les Bayazi, les Ndembos et les Kalwenas. Les plateaux du Katanga accueillent de nombreuses fermes d'élevage et d'agriculture Nord -ouest (Kamina, Kabongo), le Nord-est (Moba, Kalemie, Nyunzu). L'est (Manono), le sud (Lubumbashi, Kolwezi) de la province renferment de très riches gisements de cobalt, cuivre, fer, radium, uranium, et diamant. C'est une population majoritairement rurale accordant une grande importance à la vie traditionnelle. Les techniques et les méthodes culturales utilisées sont encore dans l'ensemble fort rudimentaires (l'agriculture sur brûlis utilise la technique d'écobuage, un système efficace de défrichement très répandu, etc.). Ces techniques contribuent également à la réduction de la stabilité structurale des sols et versants par la dégradation des principales caractéristiques physico-chimiques et morphologiques telles que la densité apparente, la porosité, la structure, la consistance, la perméabilité, etc. (Djibu, 1999).

Il est donc important de souligner que, en cette région zambézienne, le feu anthropique constitue, par son passage quasi-annuel, un facteur écologique de très grande importance. Il contrôle la dynamique des formations végétales. Au Katanga, on distingue deux types de feu: le feu hâtif (début de la saison sèche) et le feu tardif (du début juillet au début de la saison des pluies). Le feu tardif est bien entendu plus intense que le feu hâtif car il intervient à une période où la dessiccation de la végétation est plus prononcée. Il coïncide avec la reprise de la végétation et consume pratiquement l'ensemble des organes aériens de la strate herbacée ainsi que la partie épigée des plantes ligneuses de faible diamètre. Cela signifie qu'en forêt claire, les pousses peu âgées et les plantules sont systématiquement détruites après le passage du feu tardif. La périodicité de faible amplitude de ces feux provoque un appauvrissement du couvert forestier et favorise une « savanisation du milieu ». Par ailleurs, le feu de litière, parfois observé en forêt dense sèche, progresse très rapidement et est très destructif. D'autres activités anthropiques comme l'exploitation minière, la coupe et la fabrication du charbon bois ou la récolte de produits sauvages comestibles ou utilisés à des fins curatives caractérisent le milieu katangais. L'homme joue donc un rôle prépondérant dans les changements des paysages.

Sur base des collaborations multiples et d'acquis scientifiques récents dans le domaine de la télédétection spatiale, l'unité de recherche en environnemétrie et géomatique de l'Université catholique de Louvain a rassemblé l'ensemble des données cartographiques sur le territoire de la République Démocratique du Congo. Les données numériques existantes ont été contrôlées, mises à jour, enrichies à partir des sources disponibles (images satellitaires, photographies aériennes, cartographie de terrain) et intégrées dans un Système d'Information Géographique (SIG). Des informations originales ont été produites combinant les techniques les plus récentes d'observation de la terre par satellite et les connaissances de terrain. Ainsi trois cartes de la République Démocratique du Congo ont été publiées en 2006 sous format papier et numérique aux échelles du 1:2.000.000 et du 1:3.000.000 à savoir :

- une carte générale, éditée au 1:2.000.000, comprend toutes les informations cartographiques de base ;

- une carte de l'occupation du sol, éditée au 1:3.000.000, représente l'utilisation actuelle du

- une carte de sites du patrimoine mondial et des aires protégées, éditée au 1:2.000.000, représente les parcs et réserves de la République Démocratique du Congo sur fond de carte générale dans un but d'information et de sensibilisation au patrimoine naturel du pays.

Dans le cadre de notre étude nous avons utilisé la carte de l'occupation du sol au format TIFF géoréférencé fournie par l'unité de recherche en environnemétrie et géomatique de l'Université Catholique de Louvain ainsi que les fichiers numériques correspondants en téléchargeant la classification de l'occupation du sol sur le site www.enge.ucl.ac.be/cartes-RDC/. Leurs caractéristiques sont regroupées dans le Tableau 10. Nous avons alors préféré utiliser leur produit afin de nous familiariser avec les outils de l'écologie du paysage et de logiciels de Télédétection en analysant la transformation spatiale au Katanga.

La classification de taches a été générée par le logiciel ArcView 3.3, afin d'obtenir les différents polygones à partir des quels plusieurs paramètres ont été calculés (indices et paramètres statistiques) avec Excel et Statistica. Dans la classification nous avons tenu compte de la carte générale dont les classes d'occupation du sol correspondent à une version simplifiée dérivée d'une série temporelle d'images satellites SPOT VEGETATION. Et étant donné que nous nous intéressons à la fragmentation des forêts et non des savanes, nous avons ainsi simplifié la classification en regroupant certaines classes, mettant en évidence in fine cinq classes d'occupation du sol pour le Katanga :

Nous avons enfin regroupé ces cinq classes obtenues en une classe des forêts comparée à la classe de l'ensemble du paysage pris en entier c'est-à-dire celle des forêts et des non forêts. Le non forêt est constitué du reste du paysage (eau, mosaïque agriculture-savane, savanes arbustive et herbeuse, sol nu, bâti). L'objectif étant de détermine la classe qui domine dans ce paysage.

Tableau 10 : Données de base de la carte de l'occupation du sol de la République Démocratique du Congo utilisée dans le cadre de notre étude.

Publication Presses Universitaires de Louvain, Unité de recherches en Environnemétrie et

Les paysages sont distingués par les relations spatiales entre leurs éléments. La structure du paysage est caractérisée par sa composition et sa configuration. Ces caractéristiques déterminent, indépendamment ou en combinaison les processus écologiques à l'échelle du paysage (Iorgulescu et Schlaepfer, 2002). Les éléments de composition retenus dans le cas de la carte utilisée sont : les classes (types de forêts) et les taches (ou polygones). Ainsi nous étudions ce paysage à trois niveaux: le paysage, la classe et la tâche. La composition spatiale se réfère aux caractéristiques concernant la présence et l'abondance d'unités ou de types d'unités dans le paysage. Elle est importante pour beaucoup d'organismes ou processus écologiques. Par exemple, des nombreuses espèces ont besoin d'un habitat spécifique ou encore d'une taille minimale pour leurs fonctions vitales.Tandis que la configuration se réfère à la distribution et l'arrangement des unités dans l'espace (Iorgulescu et Schlaepfer, 2002).

Les indices de configuration spatiale caractérisent l'aire de la tache i pour la classe j, a_ij, le périmètre de la tache i pour la classe j, p_ij ainsi que l'indice de forme de la tache i pour la classe j, IF_ij . Et ces mesures de configuration concernant l'aire, le périmètre et la forme sont calculés au niveau des taches et des classes.

Chaque classe du paysage est composée des taches dont l'étude correspond au niveau le plus fin de l'analyse paysagère (Burel et Baudry, 2003 dans Bamba 2006). Les mesures de configuration concernant l'aire et le périmètre ont été obtenues grâce à l'extension « patch analyst » du logiciel Arc View 3.3. Tandis que celles des formes ont été obtenues par la formule d'indice de forme définie par Iorgulescu et Schlaepfer (2002). Le nombre plus élevé des taches et leurs tailles encore beaucoup plus fines rendent difficile l'étude de chaque tache indépendamment. Ainsi, compte tenu de l'objectif et de l'échelle de notre étude, avons opté pour le niveau intégrateur de classes dans le paysage.

Dans cette étude, chaque classe ou type est un ensemble de taches d'un même identifiant composant un paysage. Le niveau de classes caractérise la répartition de différents types d'occupation du sol pour la province. Et pour caractériser l'état de chaque type, un certain nombre d'indices de structure spatiale ont été calculés : indices de composition et de configuration spatiale.

Chaque classe est constituée d'un ensemble des taches dont le nombre est un indicateur important de l'état de fragmentation: si le nombre de tache est élevé, la fragmentation est maximale et dans le cas contraire, elle est faible. Le nombre de taches a été obtenu en regroupant les taches ayant le même identifiant à partir de la table des attributs. Cette table des attributs a été obtenu à l'aide de l'extension « patch analyst » du logiciel Arc View 3.3 ; et ensuite importée dans le logiciel Excel pour les calculs d'autres indices en rapport avec l'aire et le périmètre. Le nombre de taches de la classe j est noté n_j.

L'aire des classes est un indicateur de la fragmentation du paysage : si l'aire est grande,
fragmentation est faible, et si elle est petite la fragmentation est importante. La mesure de l'aire
présente donc un aperçu global sur l'évolution de l'occupation du sol. L'aire totale, a _tj [km²] d'une

où a_ij est l'aire de la i-ème tache de la classe j et n_j est le nombre de taches de la classe j. L'aire a_tj s'exprime en unité de surface, et dans le cadre de cette étude elle est en km².

Les valeurs extrêmes des aires de la classe j sont caractérisées par l'aire de la plus petite tache et
l'aire de la plus grande tache. La première correspond à l'aire minimale _amin,j et la seconde à l'aire

L'étendue de l'aire des taches de la classe e_j (a) est obtenue par la formule :

L'étendue est un paramètre de dispersion d'une distribution. Elle varie de 0 à 100 et indique la variabilité entre les aires extrêmes de la classe j. Plus l'étendue est proche de 100, plus elle est grande, plus les tailles ne sont pas homogènes entres les taches. Les tailles entre les taches sont homogènes quand l'étendue est faible.

La dominance D_j (a) est la proportion d'aire occupée par la plus grande tache de la classe j dans l'aire totale a_tj. Elle se calcule par la formule :

La fragmentation est faible si la dominance est élevée, et elle est intense si la dominance est faible. Elle varie de0 = D_j(a) = 1, sans unité, mais peut également s'exprimer en %.

La moyenne, la médiane et le mode sont les paramètres caractérisant le centre d'une distribution. Leur comparaison permet de rendre compte de la forme de la distribution des aires de la classe j et les valeurs centrales qui présentent son état de fragmentation.

La valeur moyenne de l'aire a_j [km²] de la classe j est calculée par la formule:

La médiane X_j (a) est la valeur centrale obtenue après avoir classé toutes les valeurs des aires de

la classe j par ordre croissant. Elle partage la distribution en deux ensembles d'effectifs égaux : 50 % des valeurs lui sont supérieures et 50 % lui sont inférieures. Si la distribution des aires est un nombre impair, on trouve une valeur unique ; si elle a un nombre pair, on prend la valeur du centre de deux valeurs qui déterminent l'intervalle médian. Si la médiane est élevée, on a des grandes taches et la fragmentation est faible ; la fragmentation est maximale si la valeur de la médiane est faible et dans ce cas on a beaucoup de petites taches.

Le mode est la valeur la plus fréquente de la distribution des aires de la classe j obtenue à partir des histogrammes de fréquences. Quand le mode est élevé on a des taches de grandes tailles, et la fragmentation est faible.

ój ² a[km²] des aires des taches de la classe j, serait évidemment nulle si toutes les aires sont identiques, et elle est d'autant plus élevée que les valeurs des aires sont différentes les unes des autres ; il y a donc une grande variabilité (hétérogénéité) des aires des taches au sein de la classe j. Elle est faible s'il y a présence des grandes taches et d'une faible fragmentation. Elle a été calculée par :

n_j

ó a .

² ( ) ²

j a a

ij j

( ) ?=

= -

n j i 1

(5)

Le coefficient de variation CV_j (a) est un indicateur de dispersion, il correspond à l'écart type
de la distribution ó_j (a) exprimé en pourcentage de la moyenne de la distribution a_j . Ce rapport

permet de comparer la dispersion autour de la moyenne des aires de taches de la classe j possédant des échelles de valeurs différentes. Sa formule générale est :

Plus le coefficient de variation est élevé, plus la dispersion autour de la moyenne est grande, plus il y a une grande variabilité des aires des taches c'est-à-dire la fragmentation n'est pas maximale. Le coefficient de variation est très important, car donne beaucoup plus d'informations que seule la moyenne des taches. Par exemple si deux classes possèdent la même valeur moyenne mais avec valeurs de coefficient de variation différentes, cela signifie que la classe j dont le coefficient de variation est plus faible contient des taches beaucoup plus homogènes tandis que la seconde a des taches à tailles (aires) variables.

où n_j représente le nombre total des taches pour la classe j et m_j est généralement dans un fichier raster le nombre de pixels, mais étant donné que nous avons travaillé avec un fichier vecteur m_j a été estimé par le rapport:

où m_j est le rapport d'aire totale a_tj de la classe j en fonction d'aire de la plus petite tache _aminj. Il varie de 0 =F_j = 1. La classe est moins fragmentée si F_j est proche de 0 et fragmentée si F_j est proche de 1.

Les métriques concernant la frontière sont également de mesures de la configuration du paysage. Et au niveau de l'unité, cette frontière est égale à son périmètre. En écologie du paysage une grande partie de l'importance accordée à la structure du paysage est liée à l'effet de frontière (l'effet de lisière en forêt) (Chen and Franklin, 1990 dans Iorgulescu et Schlaepfer, 2002). Ainsi le périmètre total p_tj de la classe j dans un paysage donné pourrait être l'information la plus

importante pour l'étude de la fragmentation et un bon indicateur de l'hétérogénéité spatiale. Plus le
contour est grand, plus le paysage est hétérogène. La somme totale des contours de chacune des
taches de la classe j représente le périmètre totale p_tj [km] de la classe j. Il s'obtient par la

où p_ij est le périmètre de la tache i de la classe j. Les valeurs extrêmes de la classe sont

représentées par _pmax,j^et pmin,j ; ?i: p ij = pmax,j et ?i: p ij = pmin,j .

Le périmètre moyen p_j [km] des taches de la classe j est calculé par la formule :

Plus le périmètre moyen est petit, plus la classe est suffisamment découpée (morcelée). La variance du périmètre ( )

ó ( )

j p p

² (

p = -

n j i 1

) ² (13)

La médiane X(p) [km²] et le coefficient de variation CV _j (p) donnent des informations sur la

manière dont les valeurs de périmètres de taches sont dispersées dans une classe. Le coefficient de variation se calcule à partir de la formule :

L'indice de forme IF _j est un rapport de l'aire de la classe j sur le carré du périmètre p_tj . Si l'indice
de forme IF_j est élevé l'aire est grande relativement au périmètre, la forme est alors circulaire. Par
ailleurs la forme est allongée si l'indice de forme IF_j est petit. Il est donc à noter que la relation

entre la taille et la forme des éléments influence un certain nombre de processus écologiques, entre autre l'intensité des flux biotiques et abiotiques à travers la frontière. La forme est surtout importante pour comprendre l'effet de lisière (Iorgulescu et Schlaepfer, 2002).

L'indice des formes permet de mesurer la compacité des formes des deux objets bidimensionnels
afin d'évaluer l'effet des perturbations externes sur un habitat naturel (Bogaert et al, 2000). Car
deux taches de même taille par exemple, peuvent avoir des formes différentes. Par conséquent la

superficie de chaque habitat devient une variable déterminante pour la présence et l'abondance de certaines espèces. L'indice de formes est aussi utile pour comprendre le comportement de telles espèces dans un paysage.

Les valeurs extrêmes de la classe j sont représentées par les valeurs maximale _IFmax,j et minimale

IFmin, j ; ?i: IF ij = IFmax, j et ?i: IF ij = IFmin,j . IF_ij est la forme de la i-ème tache de la classe j. L'étendue de la forme e_j (IF) informe sur la variabilité des formes des taches de la classe j. Et s'obtient par la formule :

La médiane X(IF) et le coefficient de variation des formes CV_j (IF) de la classe j donnent l'information sur la dispersion. Le coefficient de variation s'obtient par :

La dimension fractale D utilise essentiellement le principe du ratio entre périmètre et la surface, et a été proposée par Mandelbrot (1977) dans le but de quantifier la forme d'objets complexes (Iorgulescu et Schlaepfer, 2002). Des formes géométriques simples ou régulières telles le cercle, le carré ou le rectangle a une dimension fractale proche de l'unité, c'est-à-dire le paysage est anthropisé. Et lorsque la complexité de la frontière croît, la valeur de la dimension fractale D se rapproche de deux. Si l'objet d'étude est constitué d'une mosaïque d'îlots ou d'agrégats irréguliers, par exemple agrégats de végétation, la dimension fractale des frontières de ces agrégats peut être calculée à partir des estimations de périmètre et d'aire, en partant de la relation (Imre et Bogaert, 2004 dans Bamba, 2006) :

Au niveau de la classe j la dimension fractale s'obtient donc à partir de la régression logp_ij par
rapport à log a_ij. Le graphique log-log donne la pente de la régression qui est égale à D_ij / 2. La

valeur de la dimension fractale est donc le double de la valeur de la pente de la droite de régression
obtenue. Elle varie de 1 à 2 ; 1 = Df j = 2. Lorsque Df _j tend vers 2 on a des formes à géométrie

complexe, mais on a des formes simples ou linéaires lorsque Df_j tend vers l'unité. Ces dernières formes sont souvent dues à l'impact humain.

Les indices de composition peuvent être aussi calculés pour l'ensemble du paysage. Dans ce cas ils permettent d'apprécier la dominance d'une classe sur l'occupation du sol. Ils donnent donc un aperçu de la structure du paysage sans toutefois définir les relations spatiales entre les différents indices. Nous avons comparé les indices de composition des classes des forêts et et ceux de l'ensemble du paysage, c'est-à-dire les cinq classes des forêts et une sixième classe de non forêt qui constitue le reste (eau, mosaïque agriculture-savane, savanes arbustive et herbeuse, sol nu, bâti).

L'aire totale du paysage a_L est la somme totale des aires des classes du paysage donnée par la formule :

où a_tj est l'aire totale de la classe j et s le nombre total de classes dans le paysage. La proportion de l'aire de chaque classe dans son paysage respectif R_j (a) s'obtient par:

La cohérence des aires des classes du paysage C(a) est une mesure du degré de partition des aires

continues en plusieurs petites fractions (Jaeger, 2000 dans Bamba, 2006).Elle se calcule par la formule :

Elle varie de 0 = C(a) = 1. Elle est élevée proche de l'unité s'il y a une classe qui domine. Les aires

des classes dans le paysage sont donc très disproportionnelles. Par contre, elle est faible ou tend vers zéro, lorsqu'il y a plus de classes de petites tailles ou équitables.

L'indice de diversité de Shannon des aires entre les classes du paysage H(a) se calcule par la formule:

L'indice de diversité de Shannon traduit la diversité du paysage, il définit le contenu d'un voisinage sans en indiquer l'organisation spatiale (Lampin, 2004). Elle mesure la diversité relative des aires de classes au niveau du paysage. Il est probablement l'indice le plus utilisé, car il considère à la fois l'abondance et la richesse (Gray et al. 1990 dans Bamba, 2006). Les valeurs du H(a) varient en fonction du nombre de classes présentes dans le paysage. La valeur de H(a) varie

de0 = H(a) = lns. Elle est faible dominance d'une seule classe. Par contre lorsqu'elle est plus

élevée cela souligne les zones de contact entre les différentes classes d'occupations du sol, d'où présence de beaucoup de classes. Plus l'indice de Shannon est élevé, plus il y a beaucoup de classes, plus l'équitabilité est élevée, moins est la dominance. Notons donc comme le souligne McGarigal (2002) que cet indice peut être égale à zéro lorsque le paysage n'est constitué que d'une seule classe et sa valeur croit avec le nombre et le type différents de classes.

L'équitabilité de Pielou des aires des classes du paysage E(a) se calcule par la formule :

où ln s est le logarithme népérien s. L'indice d'équitabilité ou de régularité est calculé à partir des
valeurs obtenues par le calcul de l'indice de diversité de ShannonH(a). Selon Puerto et Rico

(1997) dans Bamba (2006), cet indice permet de comparer la diversité mesurée à la diversité
théorique maximale. Il exprime donc le rapport de la diversité atteinte H_j et la diversité maximale

potentielle _(Hmax équivaut àlns qui est le logarithme du nombre total de classes dans le paysage)

pouvant être obtenu avec le même nombre de classes (Frontier et Pichod-Viale, 1991 dans Bamba,
2006). La valeur varie de 0 = E(a) = 1. Elle est faible si le paysage comprend des classes

dominantes, et elle est élevée s'il y a beaucoup de classes de même taille équitable, un bon équilibre entre les aires des classes, c'est-à-dire chaque classe est caractérisée par la même superficie.

En somme on peut donc dire que la cohérence C(a) est élevée s'il y a moins de classes, et

dominance d'une seule classe ; l'indice de Shannon est élevée s'il y a beaucoup de classes et la
dominance est faible ; et l'indice d'équitabilité diminue au fur est à mesure que les classes sont
disproportionnelles. E(a) est égale à l'unité si les classes ont toutes la même taille peu importe leur

Dans cette troisième partie, nous présentons les résultats obtenus à partir des différentes techniques et méthodes de l'écologie du paysage et de la télédétection.

Par traitement numérique des données cartographiques de la carte de l'occupation du sol de la République Démocratique du Congo, nous avons généré la carte du Katanga dont les résultats sont représentés dans la Figure 12.

Nous avons constaté que la forêt claire et savane boisée constituent la matrice sur la carte, alors que la forêt dense n'est observée que sous forme des petites taches éparpillées, comme la forêt secondaire et la mosaïque forêt - savane, et généralement rencontrées au Nord de la province.

La structure générale du paysage observée sur la carte, et caractérisé par beaucoup de petites taches dont la taille est généralement inférieure à 100 km², dénote une forte fragmentation de la zone d'étude.

Les paysages sont distingués par les relations spatiales entre leurs éléments. La structure du paysage est caractérisée par sa composition et sa configuration. Ces caractéristiques déterminent, indépendamment ou en combinaison les processus écologiques à l'échelle du paysage. La composition se réfère aux caractéristiques concernant la présence et l'abondance d'unités ou de types d'unités dans le paysage ; d'où une statistique de taille de l'unité de type favorable est utile pour comprendre le comportement d'une telle espèce dans un paysage. La configuration se réfère à la distribution et l'arrangement des unités dans l'espace (Schlaepfer, 2002). Notons donc l'importance de cartographie des unités, de la télédétection et des SIG comme méthodes appropriées dans la description de la structure du paysage au Katanga.

Les résultats des métriques pour (mesures concernant) les aires et les périmètres ont été obtenus sous forme de distribution cumulative (l'échelle logarithmique pour l'axe des abscisses) prenant en compte la totalité des taches de la carte (Figure 13). Nous avons du utiliser les fréquences relatives cumulées pour chaque tache afin de tracer les courbes de fréquences cumulées. L'allure de courbes renseigne sur les types de taches présentes dans une classe (combien d'éléments sont supérieurs ou inférieurs au seuil de 100%) et servent de repérer les zones de concentration et de dispersion des valeurs de la distribution de types de taches. En effet, plus il y a de petites taches plus la pente est forte et cela caractérise une zone de concentration des valeurs. Par contre la zone de dispersion des valeurs est caractérisée par une faible pente, alors que le replat représente la discontinuité signalant une distribution multimodale (la distribution comporte plusieurs modes, et le mode principal est différent de la moyenne et de la médiane).

La distribution des aires des taches est représentée par des courbes des fréquences cumulées en fonction des aires de taches pour chaque classe (Figures 13, 14, 15, 16 et 17). Elles servent de repérer les zones de concentration et de dispersion des valeurs de la distribution des aires de taches. Toutes les courbes de classes ont presque la même convexité dont la pente forte caractérise une zone de concentration des valeurs, soit plus de 85 % de taches ont des aires inférieures à 100

On constate que toutes les courbes de classes (Figures 18, 19, 20, 21 et 22) ont presque la même convexité dont la pente forte caractérise une zone de concentration des valeurs, soit plus de 85 % de taches ont un périmètre inférieur à 100 km. La présence d'une forte pente caractérise la concentration de taches de périmètres de petites tailles.

Toutes les classes ont presque la même forme de courbe, en S (Figures 23, 24, 25, 26 et 27), dont la pente forte au milieu de la courbe caractérise une zone de concentration de valeurs de forme de 0,04 à 0,063. Une zone de dispersion dont les valeurs de forme sont inférieures à 0.04 est représentée par une pente faible de peu de taches. Toute fois on observe également une discontinuité des valeurs caractérisées par le replat pour les forêts claires du type miombo et les forêts claires-savanes boisées (valeurs supérieures à 0,063). Les valeurs à droite à partir de 0,04 caractérisent les formes simples isodiamétriques alors que celles d'à gauche les formes allongées ou linéaires. Il s'agit des formes généralement plus ou carrées car leur indice de forme est proche de celui du carré, 0,0625. Quelques formes circulaires sont également observées étant donné que leurs valeurs sont proches à celle du cercle, 0,079.

1,0E-02 1,0E-01 1,0E+00 1,0E+01 1,0E+02 1,0E+03 1,0E+04 1,0E+05
log _aij (km²)

Figure 13: Courbe des fréquences cumulées des taches en fonction des aires pour la classe forêt claire du type Miombo. La pente forte caractérise la concentration des valeurs de la distribution des taches de petites tailles.

Figure 14: Courbe des fréquences cumulées des taches en fonction des aires pour la classe forêt claire-savane boisée. La pente forte caractérisant la concentration des valeurs de la distribution des taches de petites tailles.

Figure 15: Courbe des fréquences cumulées des taches en fonction des aires pour la classe forêt secondaire. La pente forte caractérise la concentration des valeurs de la distribution des taches de petites tailles.

Figure 16: Courbe des fréquences cumulées des taches en fonction des aires pour la classe mosaïque forêt-savane. La pente forte caractérise la concentration des valeurs de la distribution des taches de petites tailles.

Figure 17: Courbe des fréquences cumulées des taches en fonction des aires pour la classe forêt dense. La pente forte caractérise la concentration des valeurs de la distribution des taches de petites tailles.

Figure 18: Courbe des fréquences cumulées des taches en fonction des périmètres pour la classe forêt claire du type Miombo. La pente forte caractérise la concentration des valeurs de la distribution des taches de petits périmètres.

Figure 19: Courbe des fréquences cumulées des taches en fonction des périmètres pour la classe forêt claire-savane boisée. La pente forte caractérise la concentration des valeurs de la distribution des taches de petits périmètres.

Figure 20 : Courbe des fréquences cumulées des taches en fonction des périmètres pour la classe forêt secondaire. La pente forte caractérise la concentration des valeurs de la distribution des taches de petits périmètres.

Figure 21: Courbe des fréquences cumulées des taches en fonction des périmètres pour la classe forêt mosaïque forêt- savane. La pente forte caractérise la concentration des valeurs de la distribution des taches de petits périmètres.

Figure 22: Courbe des fréquences cumulées des taches en fonction des périmètres pour la classe forêt dense. La pente forte caractérise la concentration des valeurs de la distribution des taches de petits périmètres.

Figure 23 : Courbe de fréquences cumulées des taches en fonction de l'indice de forme pour la classe forêt claire du type Miombo. La distribution est caractérisée par une courbe en forme de S, dont la pente forte caractérise une zone de concentration des valeurs de 0.04 à 0.063. Une zone de dispersion dont les valeurs sont inférieures 0.04 (pente faible). Les valeurs à droite à partir de 0,04 caractérisent les formes simples plutôt compactes, isodiamétriques alors que celles d 'à gauche les formes complexes, allongées, caractérisées par des périmètres larges.

Figure 24 : Courbe de fréquences cumulées des taches en fonction de l'indice de forme pour la classe forêt claire savane-boisée. La distribution est caractérisée par une courbe en forme de S, dont la pente forte caractérise une zone de concentration des valeurs de 0.04 à 0.063. Une zone de dispersion dont les valeurs sont inférieures 0.04 (pente faible). Les valeurs à droite à partir de 0,04 caractérisent les formes simples plutôt compactes, isodiamétriques alors que celles d 'à gauche les formes complexes, allongées, caractérisées par des périmètres larges.

Figure 25 : Courbe de fréquences cumulées des taches en fonction de l'indice de forme pour la classe forêt secondaire. La distribution est caractérisée par une courbe en forme de S, dont la pente forte caractérise une zone de concentration des valeurs de 0.04 à 0.063. Une zone de dispersion dont les valeurs sont inférieures 0.04 (pente faible). Les valeurs à droite à partir de 0,04 caractérisent les formes simples plutôt compactes, isodiamétriques alors que celles d'à gauche les formes complexes, allongées, caractérisées par des périmètres larges.

Figure 26 : Courbe de fréquences cumulées des taches en fonction de l'indice de forme pour la classe mosaïque forêt- savane. La distribution est caractérisée par une courbe en forme de S, dont la pente forte caractérise une zone de concentration des valeurs de 0.04 à 0.063. Une zone de dispersion dont les valeurs sont inférieures 0.04 (pente faible). Les valeurs à droite à partir de 0,04 caractérisent les formes simples plutôt compactes, isodiamétriques alors que celles d'à gauche les formes complexes, allongées, caractérisées par des périmètres larges.

Figure 27 : Courbe de fréquences cumulées des taches en fonction de l'indice de forme pour la classe forêt dense. La distribution est caractérisée par une courbe en forme de S, dont la pente forte caractérise une zone de concentration des valeurs de 0.04 à 0.063. Une zone de dispersion dont les valeurs sont inférieures 0.04 (pente faible). Les valeurs à droite à partir de 0,04 caractérisent les formes simples plutôt compactes, isodiamétriques alors que celles d 'à gauche les formes complexes, allongées, caractérisées par des périmètres larges.

Les résultats de calcul de nombres de taches par classe ont été regroupés dans le tableau 11. Deux groupes de taches se dégagent : un groupe de petit nombre des taches variant de 100 à 204, et un autre groupe constitué de deux classes, la forêt claire du type Miombo et la forêt claire- savane boisée, dont le nombre de taches est ~ 20 fois plus supérieur que celui du premier. Le plus petit nombre de taches, soit 100, s'observe pour la forêt dense et le plus grand (2566) pour la forêt claire-savane boisée. La fragmentation est plus intense pour les classes de forêt claire du type Miombo et de forêt claire-savane boisée dont le nombre de taches n. est respectivement de 2.127

Nous calculons pour chaque classe, les valeurs extrêmes des taches, l'étendue des taches maximales ainsi que la dominance. Les résultats obtenus ont été regroupés dans le tableau 12.

On constate une grande variabilité entre les tailles de taches extrêmes pour les deux groupes observés : un groupe dont la tache la plus grande dépasse 30.000 km² et un autre où elle est inférieure à 600 km². La plus grande valeur de l'aire maximale est observée dans la classe de forêt claire-savane boisée, 35.059, 64 km², soit plus de 40 fois la somme des aires maximales de trois classes (forêt secondaire, mosaïque forêt-savane et forêt dense). Elle domine à plus de 26 % l'aire totale de la classe. Les valeurs de cet indice variant de 47,95 km² à 35.059,64 km² ; l'aire maximale _amax,. de classes est donc très variable.

Tableau 12 : Indices se rapportant aux valeurs extrêmes des aires des classes.

	Forêt claire du type Miombo	Forêt claire- savane boisée	Forêt secondaire	Mosaïque forêt-savane	Forêt dense
amax,j [km²]	30.198,37	35.059,64	47,95	169,17	561,41
amin,j [km²]	0,04	0,06	0,02	0,01	0,64
e_j(%)	100,00	99,99	99,95	99,99	100,00
D_j (%)	20,47	26,41	6,10	16,47	25,38

En comparant les valeurs centrales (Tableau 13) dont le but est de définir la forme des distributions des taches de classes, nous avons constaté qu'elles sont différentes et qu'elles sont unimodales dissymétriques à gauche (mode<médiane<moyenne). C'est à dire qu'il y a une concentration des valeurs faibles (petites taches) et dispersion pour les valeurs fortes (grandes taches). Ce sont donc les valeurs centrales de la classe de la forêt claire du type Miombo et celles de la forêt cliaresavane boisée qui présentent les propriétés les plus intéressantes en ce qui concerne les potentialités de conservation (51,73 km² et 69,36 km²). Les coefficients de variation sont faibles pour l'ensemble de classes, variant de 0,39 à 0,63 ; ce qui explique la forte dispersion des aires autour de la moyenne.

On constate alors une fragmentation intense et la présence de beaucoup de taches de petites tailles. La variance étant élevée pour les classes de la forêt claire du type Miombo et forêt claire-savane boisée, ce qui dénote une grande variabilité au sein de ces classes et la présence de grandes taches et petites taches. La fragmentation n'y est donc pas encore maximale. Le taux de fragmentation F_j semble être faible pour l'ensemble des classes. Ceci peut s'expliquer par la dominance des

Forêt claire du
type Miombo

Forêt claire-
savane boisée

Forêt
secondaire

Mosaïque
forêt-savane

Forêt dense

[ ² ]

atj km

[ 2

a _j km ] X_j(a) [km²]

( ) [ 2]

ój ² a km

CV_j (a)[-]

F_j

147.525,21
69,36
6,00
783,55

0,40

0,000

132.744,64
51,73
2,69
854,72

0,56

0,00 1

785,84 3,85 1,32 6,07

0,63

0,006

1.026,68 7,72 2,00 20,12

0,58

0,00 1

2211,60 22,12 2,55 73,39

0,39

0,030

Le Tableau 14 regroupe les résultats de calculs pour les valeurs extrêmes des périmètres des classes de forêts.

Tableau 14 : Indices se rapportant aux valeurs extrêmes des périmètres des classes.

pmax,j[km]	5.804,30	7.533,81	43,75	96,73	181,88
pmin,j[km]	0,99	2,30	0,75	0,52	3,75
e_j(%)	100,00	99,99	98,28	99,46	98,00
D_j (%)	8,00	12,17	2,83	6,90	12,00

Les valeurs extrêmes des contours des taches sont variables entre les classes. Les valeurs maximales sont
observées dans les classes de forêt claire du type Miombo et de forêt claire savane-boisée. C'est cette
dernière qui a le pmax,j le plus élevé, soit 7.533,81 km avec une dominance à plus de 12 % du périmètre

total. Dans l'ensemble les valeurs maximales du périmètre des classes varient entre 43 km et 7533 km. Ce qui dénote une grande variabilité des valeurs extrêmes des périmètres des taches dans toutes les classes. L'étendue du périmètre des taches est grande dans toutes les classes, car supérieure à 98 %. Les résultats de calculs des paramètres statistiques des périmètres ont été regroupés dans le Tableau 15.

	Forêt claire- savane boisée	Forêt secondaire	Mosaïque forêt-savane	Forêt dense
75.367,75	61.894,75	1.545,76	1.401,05	1.572,48
35,43	24,12	7,58	10,53	15,72
10,66	7,48	5,43	6,00	7,13
201,57	192,38	6,04	13,15	27,29
0,40	0,57	0,32	0,34	0,33

Les périmètres moyens sont différents d'une classe à l'autre. Différents et supérieurs à la médiane pour toutes les classes, cela démontre une concentration des valeurs faibles (périmètres courts) et une dispersion pour les valeurs fortes (périmètres longs). Le coefficient de variation et faible, varie entre 0,33 et 0,57, et n'est pas du tout très variable entre les classes. Ce qui explique la forte dispersion des valeurs des périmètres autour de la moyenne. La variance est plus grande dans les classes de forêt claire du type Miombo et forêt claire-savane boisée. Cela dénote une grande variabilité des périmètres au sein de ces classes.

La forme est très importante pour comprendre le processus d'effet de lisière. Les résultats de calculs des valeurs extrêmes des indices des formes des taches sont regroupés dans le Tableau 16.

IFmax,j	0,0674	0,0672	0,0656	0,0643	0,0673
IFmin, j	0,0004	0,0006	0,0 163	0,0 145	0,0093
e_j	0,9928	0,9908	0,75 17	0,7745	0,8609

L'indice des formes varie de 0 = IF j = 1 4ð. Si la valeur de cet indice est faible, la forme est moins

compacte et moins isodiamétrique comme le cercle. Plus la forme d'une tache est circulaire, plus l'aire de la tache est grande et plus sa valeur tend vers 1 4ð. On constate que toutes les classes ont

des valeurs maximales des indices des formes IFmax, j élevées proches de la forme isodiamétrique c'est-à-dire d'un cercle. Les valeurs extrêmes la plus élevée IFmax, j (0,0674) et la moins élevée IFmin, j (0,0004) sont rencontrées dans la classe de forêt claire du type Miombo. Mais pour

l'ensemble des classes les valeurs extrêmes des formes semblent plus ou moins identiques. Les formes ne sont pas homogènes car l'étendue est grande et proche de 100, 75 % à 99 %. Ce qui dénote une variabilité entre les formes extrêmes de la classe j. Le Tableau 17 regroupe les résultats de calculs des valeurs statistiques en rapport avec les formes des classes.

	Forêt claire du type Miombo	Forêt claire- savane boisée	Forêt secondaire	Mosaïque forêt-savane	Forêt dense
IF_j	0,00002	0,00003	0,00032	0,00052	0,00089
IF_j	0,0453	0,0487	0,0535	0,0509	0,0500
X_j(IF)	0,0477	0,0480	0,0555	0,0545	0,0515
ój ² IF ( )	0,0130	0,0123	0,0101	0,0118	0,0100
CV_j (IF)	2,518	2,276	1,881	2,135	2,159

Les indices des formes IF_j de classes varient entre 0,00002 et 0,00089. Ils sont donc dans l'ensemble

généralement très faibles et ne fournissent pas des renseignements précis sur les formes globales des
classes. Les formes moyennes des taches IF _j des classes sont presque identiques variant entre 0,0453 et

0,0535. Le coefficient de variation CV _j (IF) le plus élevé, 2,518, explique la variabilité de fragmentation de la classe de forêt claire du type Miombo. Et il est faible, 1,88 1, pour la classe de forêt secondaire. Les valeurs de variance ( )

ój ² IFsont généralement faibles pour l'ensemble des classes, alors que celles de la médiane X_j (IF) restent généralement supérieures à la moyenne des formes IF_j des

classes. Ce qui dénote la présence des grandes taches dominantes dans chaque classe, dont les formes régulières sont des polygones quelconques. Ceci démontre également que la fragmentation semble donc dans l'ensemble ne pas être maximale.

La dimension fractale Df_j utilise essentiellement le principe du ratio entre périmètre et la surface,

et a été proposée par Mandelbrot (1977) dans le but de quantifier la forme d'objets complexes
(Iorgulescu et Schlaepfer, 2002). Au niveau de la classe j la dimension fractale s'obtient donc à
partir de la régression logp_ij par rapport àloga_ij. Les graphiques log-log (Figures 28, 29, 30, 31 et

32) donnent la pente de la régression qui est égale à Df _j /2. La valeur de la dimension fractale est

donc le double de la valeur de la pente de la droite de régression obtenue. Elle est respectivement
de 1,18 pour la forêt claire type Miombo, de 1,17 pour la forêt claire-savane boisée, de 1,09 pour la

forêt secondaire, de 1,12 pour la mosaïque forêt-savane et de 1,13 pour la forêt dense. Ces valeurs sont généralement dans l'ensemble plus proches de l'unité. Ce qui dénote des formes géométriques simples, pas du tout très irrégulières, mais plus ou moins carrées ou circulaires. Il s'agit donc d'un paysage anthropisé.

Figure 28: Droite de régression des logarithmes des périmètres en fonction des logarithmes des aires des taches pour la classe forêt claire du type Miombo. On observe une forte corrélation entre les aires des taches et les périmètres. Leurs périmètres sont d'autant plus importants que leurs surfaces (aires) sont plus grandes. La forme de la relation est linéaire, y= ax+b, car le nuage de points s'ajuste correctement à une droite. La valeur de la dimension fractale est le double de la valeur de pente de cette droite: elle est de 1,18 pour cette classe.

Figure 29: Droite de régression des logarithmes des périmètres en fonction des logarithmes des aires des taches pour la classe forêt claire-savane boisée. On observe une forte corrélation entre les aires des taches et les périmètres. Leurs périmètres sont d'autant plus importants que leurs surfaces (aires) sont plus grandes. La forme de la relation est linéaire, y= ax+b, car le nuage de points s'ajuste correctement à une droite. La valeur de la dimension fractale est le double de la valeur de pente de cette droite: elle est de 1,17 pour cette.

Figure 30: Droite de régression des logarithmes des périmètres en fonction des logarithmes des aires des taches pour la classe forêt claire secondaire. On observe une forte corrélation entre les aires des taches et les périmètres. Leurs périmètres sont d'autant plus importants que leurs surfaces (aires) sont plus grandes. La forme de la relation est linéaire, y= ax+b, car le nuage de points s'ajuste correctement à une droite. La valeur de la dimension fractale est le double de la valeur de pente de cette droite: elle est de 1,09 pour cette classe.

Figure 31: Droite de régression des logarithmes des périmètres en fonction des logarithmes des aires des taches pour la classe mosaïque forêt-savane. On observe une forte corrélation entre les aires des taches et les périmètres. Leurs périmètres sont d'autant plus importants que leurs surfaces (aires) sont plus grandes. La forme de la relation est linéaire, y= ax+b, car le nuage de points s'ajuste correctement à une droite. La valeur de la dimension fractale est le double de la valeur de pente de cette droite: elle est de 1,12 pour cette classe.

Figure 32: Droite de régression des logarithmes des périmètres en fonction des logarithmes des aires des taches pour la classe forêt dense. On observe une forte corrélation entre les aires des taches et les périmètres. Leurs périmètres sont d'autant plus importants que leurs surfaces (aires) sont plus grandes. La forme de la relation est linéaire, y= ax+b, car le nuage de points s'ajuste correctement à une droite. La valeur de la dimension fractale est le double de la valeur de pente de cette droite: elle est de 1,3 pour cette classe.

Les résultats de calcul des indices de comparaison des aires des forêts et du paysage ont été regroupés dans le Tableau 18.

Tableau 18: Indices de comparaison en rapport avec les aires des forêts et du paysage

	Forêts	Forêts et non-forêts
ntj	5.130	9.065
a_L [km²]	284.294	496.865
C(a)	0,48	0,34
H(a)	0,77	1,12
E(a)	0,09	0,12

L'analyse de ce tableau nous permet de comparer les caractéristiques globales des forêts à celles du paysage pris dans son ensemble. On observe que les valeurs de la cohérence sont plus élevées en forêt (0,48) qu'en ensemble du paysage (0,34). Ce qui explique la présence d'une classe qui domine au niveau des forêts. Les indices de Shannon et de d'équitabilité y sont faibles, cela

dénote qu'il y a toujours moins de classe et une classe qui domine. Il y a beaucoup de classes pour le paysage pris en entier (forêts et non-forêts) car les deux indices de composition sont élevés. Cela démontre également que les aires des taches du paysage forêt et non-forêt présentent une hétérogénéité beaucoup plus grande que dans le premier groupe des forêts. La forêt claire savane boisée reste la classe la plus dominante du paysage.

Notre secteur d'étude est la province du Katanga. Vaste de 497.000 km², et en dépit de ses ressources naturelles, le Katanga connaît une déforestation inquiétante durant ces dernières années. Certaines zones de la Province, suite à une forte pression démographique et exploitation minière connaissent de sérieux problèmes de dégradation des terres, de violences des vents, de réduction de la pluviométrie, des crues, etc. Les zones principalement affectées sont celles situées au Nord - Est, dans les territoires de Kalemie, Pweto et Mitwaba ; au Nord - Ouest, dans toute la région longitudinale allant de l'extrême Sud - Ouest de la Province du Katanga ; au Sud, dans le District du Haut Katanga. A ces manifestations régionales de la dégradation des terres s'ajoutent également celles des hinterlands de tous les grands centres urbains, notamment Kolwezi, Kamina, Kipushi, Likasi, Kalemie et Lubumbashi. Ces différents problèmes qui résultent principalement d'une polarisation inappropriée de l'occupation humaine et des activités qui en résultent ont motivé cette étude.

Le support de données utilisé est la carte de l'occupation du sol (Defourny et al. 2006) au format TIFF géoréférencié à l'échelle de 1/3.000.000, datée du janvier 2006, ainsi que les fichiers numériques correspondants. Cette carte nous a été fournie par l'unité de recherche en environnemétrie et géomatique de l'Université Catholique de Louvain. La classification des classes de cette carte dérive d'une série temporelle d'images satellitaires, SPOT VEGETATION dont la résolution est de 1 km², des photographies aériennes et des cartographies de terrain. Les données numériques existantes ont été contrôlées, mises à jour, enrichies à partir des sources disponibles et intégrées dans un système d'information géographique. Cette classification a été fournie dans la projection Mercator sécante aux parallèles 5 N et 5 S, datum WGS 84 (format géoréférencée) permettant son utilisation comme fond dans un système d'information géographique. Il s'agit en fait d'une carte de haute valeur cartographique sur la République Démocratique du Congo, produit de collaborations multiples et d'acquisitions scientifiques

récentes dans le domaine de la télédétection spatiale et de la cartographie numérique. Certes, nous sommes confrontés à certaines limitations liées aux données : effet de généralisation et l'aspect temporel des données (données acquises d'avant 2001 mais la carte publiée en 2006). Néanmoins cette carte reste une source indispensable pour fournir les informations sur l'occupation du sol au Katanga. Constituée d'une méthodologie conforme, elle est la plus récente et disponible pour la République Démocratique du Congo et particulièrement pour le Katanga. Nous avons donc préféré d'utiliser ce produit afin de nous familiariser avec les outils de l'écologie du paysage et de logiciels de télédétection en analysant la transformation spatiale du paysage au Katanga.

Deux approches méthodologiques concourent à proposer l'état de fragmentation des forêts au Katanga: le système d'information géographique et l'analyse spatiale. Avec le système d'information géographique (SIG) nous avons utilisé le logiciel ArcView 3.3 pour le traitement classique c'est-à-dire générer la classification des taches afin d'obtenir les différents polygones à partir desquels plusieurs paramètres ont été calculés (indices et paramètres statistiques) ; on a donc extrait la carte de l'occupation du sol du Katanga, support de l'analyse spatiale. L'analyse spatiale nous a permis de calculer et d'interpréter les résultats du calcul des indices paysagers (indices de composition et de configuration spatiale du Katanga) en s'appuyant sur les logiciels Excel et Statistica.

Nous nous intéressons uniquement à l'état de fragmentation du paysage forestier du Katanga et non de savanes. Ainsi, pour faciliter le calcul des indices paysagers et l'interprétation ultérieure de leurs résultats, la classification a été simplifiée en regroupant certaines classes, mettant en évidence in fine cinq classes d'occupation du sol au Katanga : forêt claire du type Miombo humide, forêt claire-savane boisée, forêt secondaire, mosaïque forêt-savane, forêt dense. Elle constitue le support indispensable et fiable pour une analyse spatiale. La carte utilisée n'a pas du tout subit d'effet cartographique qui puisse influencer la forme des taches ou le périmètre de taches. Nous estimons alors que les résultats obtenus reflètent la réalité du terrain. Nous pensons que l'approche méthodologique utilisée est aussi bien adaptée pour un début du travail en écologie du paysage, car elle permet d'appréhender le problème de fragmentation au Katanga. Cependant elle doit être validée par des nombreuses reconnaissances sur le terrain, ce qui confirme la poursuite de cette étude en projet de recherche de thèse doctorale afin de faire une étude diachronique combinant différentes couches des données de sources différentes. Ceci permettra de mieux encore appréhender le processus de transformation spatiale et la dynamique spatiotemporelle du paysage forestier au Katanga. L'étude du phénomène de déforestation exige la combinaison de plusieurs

sources d'informations (Figure 33). D'où l'utilité de commencer cette étude et l'intérêt de la continue.

La croissance démographique a un impact important sur la fragmentation des forêts au Katanga. L'exploitation minière, l'exploitation intempestive des bois pour besoin de combustible et de construction ainsi que la culture sur brûlis, restent les causes principales de la déforestation dans cette province. Et cela n'est pas sans conséquences comme l'indique la Figure 33 : augmentation des écarts de températures et la violence des vents ; réduction de la pluviométrie ; augmentation des ruissellements ; érosion ; risques des crues ; réduction des infiltrations et baisse de niveau des nappes phréatiques ; destruction de la réserve d'eau contenue dans la biomasse forestière et réduction de l'évapotranspiration. Il a été également constaté dans cette même région tropicale, que l'eau souterraine qui n'est plus aspirée par les racines des arbres, remonte par capillarité, entraînant avec elle les oxydes de fer qui s'accumulent et précipitent en surface, provoquant ainsi la formation permanente des croûtes latéritiques infertiles autour des grandes villes (Petit, 1990). L'espace rural du Katanga constitue donc un système complexe dont l'étude peut s'envisager à différents niveaux d'organisation, et selon différents points de vue. La maîtrise de la complexité des systèmes nécessitent une approche renouvelée des dynamiques spatiales comme l'indique la Figure 34.

Facteurs
			Volonté d'exploiter les ressources économiques

			l l

		Appauvrissement ou pertes de terres agricoles
Conséquences

Figure 33 : comprendre le phénomène de la déforestation exige une approche méthodologique combinant plusieurs
sources d'informations en rapport avec les causes, les facteurs, les agents et les conséquences. D 'où l'importance du

	Objet d'étude	Type de carte
Approches	Flore	Carte de la végétation
thématiques	Faune	Carte de répartition et flux de la vie animale
	Ecosystème et	Carte écologique et Carte
	activités	de l'occupation du sol
	anthropiques	Carte pédologique, de
	Risques	géorisques et des aléas
Approches	Aménagement	Cartes d'aménagement
synthétiques, ouverture sur l'homme	forestier	(carte des stations, des types de peuplements réguliers et irréguliers)
	Paysage	Carte des sensibilités paysagères, de transformation spatiale, d'interface habitat-forêt
Outils pour une approche globale
Géomatique environnementale (SIG, Télédétection, cartographie)

Figure 34 : Proposition d 'un plan simple de gestion du paysage. Gérer des forêts oblige à croiser les objets d'étude et les échelles de décision. Cela exige donc trois approches : thématique, synthétique et globale.

Avec le développement des photographies aériennes et des images satellites à très haute résolution, le paysage peut être perçu dans toute sa globalité et sa variété, dans toutes ses dimensions spatiales, verticale et horizontale. Vu dans sa dimension verticale, le paysage est considéré comme une superposition de couches, chacune étant la représentation cartographique d'une variable du paysage, toute la variété du paysage apparaissant aux intersections de ces couches. Dans sa dimension horizontale, en revanche, le paysage apparaît comme un agencement dans certaines proportions de plusieurs affectations de sol (Bruneau et al, 1985). C'est dans ce cadre que l'écologie du paysage offre un grand nombre d'indices permettant de traduire alors la composition mais aussi la structure de ce paysage (McGarigal, 2000). Ces indices opèrent au niveau de l'ensemble du paysage comme au niveau de ses unités spatiales élémentaires. Parmi ceux-ci deux catégories d'indices se sont avérés appropriés pour décrire objectivement l'état de la fragmentation

des forêts au Katanga : les indices de composition (la cohérence, l'indice de diversité de Shannon et l'indice d'équitabilité de Pielou) et les indices de configuration spatiale (le nombre de taches, l'aire de taches, le périmètre de taches et la forme de taches). Nous avons calculé certains paramètres statistiques pour chaque tache (les valeurs extrêmes, la moyenne, la médiane, la variance, le coefficient de variation, l'étendue et la dominance) ainsi que la dimension fractale.

En comparant les résultats obtenus au niveau des aires et périmètres de taches, nous avons constaté que la médiane n'apporte pas d'information utile que la moyenne de la quelle elle est plus éloignée. Ceci peut s'expliquer soit par l'abondance de taches de petites tailles et la dominance des grandes taches sur l'ensemble de l'occupation du sol soit par l'effet de transformation cartographique. Le coefficient de variation et la dominance semblent mieux fournir les informations sur la variabilité des taches que l'étendue et la variance. Pour l'indice des forme de taches de grande taille, les mesures sont proches les unes des autres et proches de la forme isodiamétrique. D'une manière générale, l'indice de forme semble apporter des informations utiles. Les mesures de la dimension fractale semblent être proches les unes les autres et proche de l'unité, ce qui expliquerait la dominance de formes moins complexe mais plus ou moins régulière. Cette dominance de la forme régulière dans toutes les cinq classes peut être due, soit à la perte des informations lors des transformations cartographiques (digitalisation) soit tout simplement à l'anthropisation du paysage forestier.

Ces indices restent des indicateurs importants de l'hétérogénéité spatiale. Mais le problème que suscitent ces indices est la rédondance des mesures (Bogaert et Mahamane, 2005) c'est-à-dire plusieurs indices peuvent décrire la même information. L'important donc reste de savoir quel indice utiliser et quelle mesure expriment le mieux tel phénomène ou tel autre. Bien que ces mesures pour quantifier l'hétérogénéité spatiale puissent être corrélées, la nécessité d'en utiliser plusieurs semble logique (Bogaert et Mahamane, 2005). Il y a donc beaucoup d'indices en écologie du paysage, nous avons choisi ceux qui expliquent le mieux l'hétérogénéité spatiale de cette zone. Ils concernent l'aire, le périmètre et la forme.

On constate à coté des grandes taches présentes dans toutes les classes, une grande variabilité des taches de petite taille dont la forme est plus ou moins régulière. Ces taches ne représentent que moins de 20 % de la superficie totale et ont une aire qui varie entre 0,02 à 100 km². La classe de forêt claire claire-savane boisée compte plusieurs petites taches, soit 2566 dont deux occupent plus de 40 % de l'aire total. La présence d'une grande tache qui domine justifierait une cohérence

élevée et l'abondance des petites taches de moins de 100 km². Par rapport à l'ensemble des forêts, la forêt claire savane-boisée possedent plus de 50 % des taches contre 41 % pour la forêt claire du type Miombo humide. La forêt dense, la forêt secondaire et la mosaïque forêt-savane ne représentent ensemble que 9 % de nombre des taches. Le paysage pris en entier, la forêt claire savane-boisée n'occupe que 28 % d'aire et constitue la classe qui domine. Les forêt claire du type Miombo, forêt claire savane-boisée et forêt secondaire sont les plus fragmentée, suivie de trois autres, mosaïque forêt-savane, forêt dense. Nous pouvons alors constater que le paysage forestier au Katanga a beaucoup évolué ces dernières années, mais reste à savoir avec quel rythme. On peut nuancer étant donné qu'on observe encore une potentialité de fragmentation et aussi une potentialité pour la conservation.

Evaluation et cartographie de la déforestation au Katanga(RDC)

I.3.5.5.e Savane steppique des Hauts-Plateaux sur sable de type Kalahari