D’une superficie de 225 000 ha, la Réserve de biosphère de Yangambi (République démocratique du Congo) est l’une des principales aires protégées menacées par l’anthropisation dans la région. Malgré son appartenance au réseau mondial des réserves de biosphère depuis les années 1970, les connaissances sur les dynamiques d’occupation du sol y sont encore lacunaires. Une démarche fondée sur l’analyse d’images (Landsat TM, ETM+ et OLI) et la réalité du terrain a été mise en œuvre pour étudier la dynamique d’occupation des sols de la réserve entre 1986 et 2016. Le taux annuel de déforestation est passé de 0,18 % au cours de la période 1986-2003 à 0,38 % en 2003-2016. Durant cette dernière période, la forêt primaire a connu un taux de déforestation plus élevé qu’en forêt secondaire (respectivement 4,5 % et 0,4 %). Quatre zones aux dynamiques socio-environnementales spécifiques ont été identifiées, nécessitant des approches de gestion différentes. Il s’agit notamment de la concession de l’INERA, des zones proches d’axes principaux de circulation, des zones situées sur des axes routiers plus ou moins abandonnés et des zones isolées du cœur de la réserve. Les principales causes de déforestation mentionnées par les habitants sont l’agriculture itinérante sur brûlis (54 % des ménages), l’exploitation artisanale des minerais (17 %) et la fabrication des pirogues (8 %). La pression démographique, sans amélioration du niveau de vie des communautés ou des techniques agricoles, et le développement du réseau routier, favorisant les échanges commerciaux, en sont les causes sous-jacentes. Cette dynamique de déforestation dans une forêt rattachée au réseau mondial des réserves de biosphère entame l’objectif fixé par l’État d’étendre le réseau d’aires protégées à 15 % du territoire national.

The Ituri-Epulu-Aru landscape (IEAL) is experiencing deforestation and forest degradation. This deforestation is at the root of many environmental disturbances in a region characterized by endemism in biodiversity. The importance of this article is to provide useful information for those who wish to discuss a model that can be replicated for other territories affected by deforestation and changes in natural and anthropogenic forest structure. This article focuses on the triangulation of spatialized prospective scenarios in order to identify future trajectories based on the knowledge of historical dynamics through the diachronic analysis of three satellite images (2003–2010–2014–2016). The scenarios were designed in a supervised model implemented in the DINAMICA EGO platform. The three scenarios: business as-usual (BAU), rapid economic growth (REG) and sustainable management of the environment (SME), extrapolating current trends, show that by 2061 this landscape will always be dominated forests (+84%). Old-growth forests occupy 74.2% of the landscape area in the BAU scenario, 81.4% in the SEM scenario and 61.2% in the REG scenario. The SEM scenario gives hope that restoration and preservation of biodiversity priority habitats is still possible if policy makers become aware of it.

La région forestière de Babagulu concerne ici la Réserve forestière de Babagulu (RFB) et sa périphérie. En République Démocratique du Congo, la région forestière de Babagulu subit des pressions anthropiques suite notamment à sa proximité par rapport à la ville de Kisangani. Ces pressions anthropiques restent peu documentées et leurs impacts sur ce paysage forestier demeurent mal connus. Le but de cette étude est de faire un suivi régulier de l’anthropisation du paysage de la région forestière de Babagulu. L’approche méthodologique adoptée est basée sur les techniques de la télédétection, de la cartographie et de l’écologie du paysage. Les images satellitaires Landsat TM (1984, 1986, 1990, 1994 et 2010), ETM+ (2001 et 2005) et OLI (2015 et 2018), toutes de 30 mètres de résolution spatiale, ont été mobilisées pour cartographier l’occupation du sol en trois classes (forêt primaire, friches/forêts dégradées et complexe rural). Le calcul de dix indices spatiaux a permis de caractériser la composition et la configuration du paysage entre 1984 et 2018. Ces indices spatiaux comprennent le nombre de taches, la taille moyenne des taches, sa variation absolue et relative, la densité du périmètre, l’indice d’agrégation, l’indice du plus large fragment, indice de forme du paysage, la distance euclidienne moyenne au plus proche voisin, la dimension fractale et l’indice de contagion. Les résultats montrent une régression significative de la forêt primaire au profit des classes anthropiques (complexes ruraux et friches/forêts dégradées) tant à l’extérieur (R² =0,98 ; p<0,01) qu’à l’intérieur (R² =0,99 ; p<0,01) de la réserve. La structure paysagère se complexifie au fil des années. Il est également à noter une fragmentation progressive des forêts primaires mises en évidence par l’augmentation continuelle du nombre (+310) et de la densité des périmètres des taches (+14 m/ha) ainsi que la diminution remarquable de leur aire moyenne (-223 ha). Aussi, la distance moyenne séparant deux taches voisines a augmenté, passant de 119,30 mètres en 1984 à 123,57 mètres en 2018 (soit un écart de 4,27 mètres) signalant un isolement accru des taches. Ces résultats montrent la nécessité de l’encadrement effectif de l’utilisation des terres en dehors de la réserve afin de préserver la biodiversité qui s’y trouve.

The forests of Central Africa constitute the continent’s largest continuous tract of forest, maintained in part by over 200 protected areas across six countries with varying levels of restriction and enforcement. Despite protection, these Central African forests are subject to a multitude of overlapping proximate and underlying drivers of deforestation and degradation, such as conversion to small-scale agriculture. This pilot study explored whether transboundary protected area complexes featuring mixed resource-use restriction categories are effective in reducing the predicted disturbance risk to intact forests attributed to small-scale agriculture. At two transboundary protected area complex sites in Central Africa, we used Google Earth Engine and a suite of earth observation (EO) data, including a dataset derived using a replicable, open-source methodology stemming from a regional collaboration, to predict the increased risk of deforestation and degradation of intact forests caused by small-scale agriculture. For each complex, we then statistically compared the predicted increased risk between protected and unprotected forests for a stratified random sample of 2 km sites (n = 4000). We found varied effectiveness of protected areas for reducing the predicted risk of deforestation and degradation to intact forests attributed to agriculture by both the site and category of protected areas within the complex. Our early results have implications for sustainable agriculture development, forest conservation, and protected areas management and provide a direction for future research into spatial planning. Spatial planning could optimize the configuration of protected area types within transboundary complexes to achieve both forest conservation and sustainable agricultural production outcomes.

The Ituri-Epulu-Aru landscape (IEAL) is experiencing deforestation and forest degradation. This deforestation is at the root of many environmental disturbances in a region characterized by endemism in biodiversity. This article focuses on the triangulation of spatialized prospective scenarios in order to identify future trajectories based on the knowledge of historical dynamics through the diachronic analysis of three satellite images (2003-2010-2014-2016). The scenarios were de-signed in a supervised model implemented in the DINAMICA EGO platform. The three scenarios Business-As-Usual (BAU), Rapid Economic Growth (REG) and Sustainable Management of the Environment (SME), extrapolating current trends, show that by 2061 this landscape will always be dominated forests (+ 84%). Old-growth forests occupy 74.2% of the landscape area in the BAU scenario, 81.4% in the SEM scenario and 61.2% in the REG scenario. The SEM scenario gives hope that restoration and preservation of biodiversity priority habitats is still possible if policy makers become aware of it.

The evaluation of deforestation by optical remote sensing remains a challenge in the humid tropical region due to high cloud cover. This paper develops a simple and reproducible method for mapping deforestation of the old-growth forest using open access software. A map of old-growth forest depletion was created using composites from three different dates (2003, 2010, 2016). Four models were tested: the first model using spectral bands (nir, swir1, swir2 and red), the second model was based on the association of spectral bands and spectral indices (NDVI, B54R, NDWI and NBR), the third model was constructed using spectral bands and geomorphological indices (DEM, Slope and Roughness) and the last model combined spectral bands, spectral indices and geomorphological indices. The optimal random forest ntrees and Mtry parameters were determined for each model to optimize the mapping in each model. The out-of-bag error for these four models was 2.15 %, 2.05 %, 1.86 % and 1.85 %, respectively. The fourth model had the lowest error and was hence used to predict deforestation of the old-growth forest. The annual rates of deforestation amounted 0.26 % (69861 ha) and 0.66 % (145768 ha) between 2003 – 2010 and 2010 – 2016, respectively. The area of the old-growth forest in 2016 was 3601607 ha and 215629 ha of forest lost between 2003 and 2016. These results showed that the Random Forest Classification (RFC) model was able to effectively map the reduction of old-growth forests.