WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Impacts de l’anthropisation sur le paysage forestier et les variables climatiques dans la zone forestière de Yangambi. Recherche des scénarios à  court, moyen et long terme.


par Julien BWAZANI BALANDI
Université de Kisangani - Master en aménagement des écosystèmes  2019
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

II.2. Les approches méthodologiques

II.2.1. Acquisition des données

La cartographie de l'occupation du sol a recouru aux images du satellite Landsat. Elles sont téléchargées dans le site internet de United States Géologique Survey(USGS) http://earthexplorer.usgs.go. Ces images correspondent aux années 1986, 1995,2000, 2009 et 2018. La zone d'étude étant située à l'intersection de quatre scènes Landsat (la figure 10), il a ainsi fallu 20 images satellitaires en total en raison de quatre pour chaque date.

Fig.12. Les coordonnées Path et Row des scènes utilisées Au regard des variables climatiques, les données nécessaires sont essentiellement issues de la station climatologique de l'Institut National d'Etude et Recherches Agronomiques. Elles couvrent trois décennies : 1986-1995 ; 2000-2009 et enfin 2009-2018.

Pour ce qui est des moteurs de déforestation, l'approche DPSIR6 (figure 7) , a permis de générer les données nécessaires. Ainsi, sur base d'une pré-enquête et une connaissance approfondie de la région d'étude, 3 facteurs de déforestation et de dégradation ont été retenus. Il s'agit de :

1. L'agriculture itinérante sur brûlis ;

2. L'exploitation artisanale de bois énergie et enfin

3. L'exploitation artisanale des bois

Les indicateurs de chaque facteur de déforestation ont été également définis et sont consignés dans le tableau 3. Ils sont facilement mesurables.

6 DPSIR : (Drivers : forces motrices, Pressions, (State : état), Impact et Réactions), L'approche DPSIR est une méthode qui a été largement utilisée par les auteurs Tuner, 1989 ; Pierce, 1998 ; Agyemanget al., 2007 ; Camanhoet al., 2010 cités par UICN-PC,2014.

26

Tableau 3 : Indicateurs des facteurs de déforestation

Facteurs de déforestation et dégradation

 

Indicateurs

1.

Agriculture itinérante sur brûlis


·

Surface défrichée par l'agriculture pendant toute l'année ;

2.

Fabrication des braises


·

Surface de carbonisation sur une année

3.

Exploitation de bois d'oeuvre


·

Surface défrichée pour l'abattage

sur une année.

 

Une enquête a en effet été menée sur terrain et effectuée en deux séquences. La première séquence a concerné exclusivement les chefs des villages (Yakoko ; Yalungu ; Yaselia ; Obiloto et enfin Yapkonzi) dans l'objectif de collecter les données de bases telles que la démographie (composition et nombre des ménages) et les limites géographiques. La deuxième séquence a par contre, concerné les populations de différents villages. Dans le cadre de la dernière séquence, un échantillonnage aléatoire systématique est alors effectué comme méthode d'échantillonnage. On procède au tirage dans la base de sondage de manière systématique, en établissant un « pas de tirage » ou pas de sondage. Le rapport ci-après permet de terminer le pas de tirage :

nombre d'unités dans la base de sondage (population mère)

Pas de tirage =

nombre d'unités à échantillonner

Avant de déterminer le pas de tirage, la définition de la taille de l'échantillon a été nécessaire. Pour ce faire, nous avons estimé que la population dans la région de Yangambi est constituée d'au moins 85% des personnes ayant une activité pouvant générer des impacts négatifs sur la forêt (prévalence), et 15% constitués de personnes affectées à d'autres activités. Nous avons aussi accepté 5% de risque d'erreur ou 95% de confiance ceci avec une précision i = 7%. Ainsi, la taille de l'échantillon est déterminée par la formule ci-après :

Ou :

n = taille de l'échantillon ;

z21-á/2 = l'écart réduit pour le risque statistique á admis (de 1,96 pour le risque de 5%) p= prévalence attendue (85%)

d= précision relative (7%)

Considérant ceci, il nous a fallu un minimum de 143 ménages à enquêter pour avoir des résultats crédibles. On y a ajouté 18% (soit 31 ménages) afin de préserver l'intégrité de la taille de l'échantillon susceptible d'être corrompue par les absences et/ou le refus de répondre. Ce qui donne un total de 174 ménages enquêtés. La contribution des villages dans la taille d'échantillon calculée pour cette enquête est pondérée par rapport à la taille de la population de chacun d'eux. Les personnes d'au moins 18ans d'âge ont été sélectionnées pour participer à cette enquête. Le tableau 3 (aux annexes) présente le nombre pondéré des ménages à enquêter par village y compris le pas de tirage. Ce dernier est de 10 pour chaque village. Constituer un échantillon systématique dans ce cas, a donc consisté à sélectionner aléatoirement, un élément (un enquêté) parmi les 10 premiers de la liste de la population pour chaque village. Le second élément a correspondu au 10ème élément qui a suivi le 1er élément sélectionné et ainsi de suite.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le doute est le commencement de la sagesse"   Aristote