Apport des Donnees d’Observation de la Terre Dans l’Evaluation du Potentiel Forester de la Reserve Narutelle Mabi- Yaya au Sud-est de la Cote d’Ivoire

Abstract

La réserve naturelle Mabi-Yaya (RNMY) a été créée à travers le décret n° 2019-897 du 30 octobre 2019 par le gouvernement de la Côte d’Ivoire pour palier le problème de pression anthropique qui pèse sur la zone. Elle est située dans le Sud-est de la Côte d’Ivoire et regorge une diversité floristique très riche. La présente étude vise à améliorer les connaissances sur le potentiel forestier de la réserve et les différentes pressions qu’elle subit, pour sa gestion durable. La réalisation de cette étude a été faite à travers les approches de télédétection qui ont consisté à la classification de deux images Sentinel-2A de 2015 et 2020. Cette classification des images Sentinels a ensuite été confirmée par des observations sur le terrain. Les résultats obtenus font état de six (6) classes d’occupation du sol dans la RNMY en 2015 et en 2020, avec les forêts denses humides comme classe dominante. L’analyse spatio-temporelle de ces images a permis d’avoir une carte de la dynamique de 2015 et une carte actualisée de 2020. Il ressort de l’analyse de ces différentes cartes que la RNMY est soumise à une forte pression anthropique. La dynamique de l’utilisation des terres a révélé une perte annuelle de près de 1 % des forêts denses humides, principalement due à la production des cultures pérennes (cacao, hévéa et café).

The Mabi-Yaya Natural Reserve (RNMY) was created through decree n° 2019-897 of October 30, 2019 by the government of Côte d'Ivoire in response to the anthropogenic pressure on the area. It is located in the South-east of Côte d'Ivoire and possesses a very rich floral biodiversity. This study aimed to improve knowledge of the forest potential and the various pressures on the reserve for its sustainable management. This study was carried out through remote sensing approaches which consisted in the classification of the two Sentinel-2A images from 2015 and 2020. The classification of Sentinel images was thereafter confirmed by field observations. The results showed six (6) land cover classes in the RNMY in 2015 and 2020, with dense humid forests as the dominant class. The spatio-temporal analysis of the images depicted a map of the dynamics in 2015 and an updated map of 2020. The analysis of these different maps revealed that the RNMY is heavily affected by anthropogenic pressure. Land use dynamics revealed an annual loss of nearly 1 % of dense humid forests each year mainly due to the production of perennial crops (cocoa, rubber and coffee).