Publication Information

 

Récents processus géomorphologiques sur le plateau du Kwango : cas de l'anthropisation et des glissements de terrain dans la zone du Pont Kwango en RDC

Fils Makanzu Imwangana^1,2, Thierry Lefa Mayoko², Wilfrid Lutete Nzau², Blaise Kalunga Mukuwa², Daddy Patrick Ilito Lofongo²

 

1 : Université de Kinshasa (UNIKIN), Faculté des Sciences et Technologies, Mention Géosciences, Unité de Recherches et de Formation en Gestion des Risques Naturels, Kinshasa, RD.Congo

2 : Centre de Recherches Géologiques et Minières, Département de Géologie urbaine et Environnement, Laboratoire de Géomorphologie et Télédétection, Kinshasa, RD. Congo.

 

Publisher:

EcoClean Environment Company

Figure 2 : Démarches sur l’acquisition et le traitement des données acquises

Il est à noter que la lumière naturelle souvent retenue par les nuages dans cette région donne par conséquent des images ayant une couverture nuageuse considérable et peu claire. Les images satellitaires étaient sous format zip ou compressé ; ainsi la première de chose à faire a été de les « dézipper ».  Pour cette action de « dézippage », nous avons utilisé le logiciel Win RAR archivé qui est un logiciel spécifiquement conçu pour la compression et la décompression des fichiers ou de dossiers. Après le dézippage de différentes images satellitaires, nous avons obtenu plusieurs canaux ou bandes (Tableau 1), correspondant chacune à une région du spectre électromagnétique. Signalons d’ores et déjà que, les images que nous avons utilisées ont été ortho-rectifiées.

En télédétection spatiale, les cartes graphiques utilisent trois entrées correspondant aux trois couleurs de base (Rouge, Vert, Bleu) pour représenter l’ensemble des couleurs.  L’extension Arc Tools Box (plus précisément la commande « Composite Bands Data ») du logiciel ArcGis 10.3 a permis de réaliser une composition colorée (Fig.3)  la plus simple, qui consiste à simuler les vraies couleurs. Par exemple, avec Landsat7 : bande 1 -> Bleu, bande 2 -> Vert et bande 3 -> Rouge d’où RGB : 123. Mais comme on dispose de plus de trois canaux, rien n’empêche de les

utiliser pour créer des images en fausses couleurs. Ces compositions sont utilisées pour mettre en évidence des éléments dont la réflectance est plus forte dans certains canaux (https://hal.inria.fr/inria-00072636/document). 

 

Figure 3 : Résultat de la composition colorée utilisée

Figure 4 : Image Landsat LC8 (RGB 234) du Secteur de Bukanga-Lonzo

Avec la composition colorée obtenue, on a extrait le Secteur administratif de Bukanga-Lonzo (Fig.4) dont fait partie la zone du Pont Kwango, qui est la zone d’intérêt sur laquelle nous devons réaliser notre étude sur les éventuels changements morphologiques en évidence avec l’évolution du couvert végétal. C’est grâce à l’outil « Clip data » d’ArcMap qui permet d’entrer par tour de rôle « l’image satellitaire à couper » et le « fichier de forme » représentant les limites de notre zone d’étude.

 

3.3. Inventaire cartographique des glissements de terrain

L’usage des images satellitaires dans le monitoring et l’identification des glissements de terrains a été appliqué par plusieurs chercheurs (Fisher et al., 2012 ; Guzzetti et al., 2012 ; Hungr et al., 2013 ; Corominas et al., 2014). Pour réaliser l’inventaire des glissements de terrain dans notre zone d’étude, nous avons utilisé deux techniques qui sont la photo-interprétation des images satellitaires contenues dans Google Earth (Sheppard et Cizek, 2009 ; Ozer, 2014 ; Ilito et al., 2017) et la cartographie par la numérisation de leurs contours. Ces deux techniques font partie de la télédétection et des systèmes d'informations géographiques (SIG) qui sont généralement associés et constituent des outils modernes permettant de faire des études complexes des phénomènes environnementaux à l’échelle spatiale et temporelle. Ces techniques très efficaces nous ont permis d’identifier et de cartographier le glissement de terrain et de mettre en évidence d’autres alignements ou facteurs qui peuvent être à la base de ces risques de catastrophes dans la région. Ainsi, la télédétection nous a permis d’obtenir des images Landsat du logiciel Google Earth. Ce logiciel a servi de mener l'analyse visuelle de notre zone d’étude, ainsi que la numérisation sous forme des polygones pour chaque glissement de terrain en format « Kml » et l'obtention de la position spatiale de ces glissements.

3.4. Elaboration de la carte d’occupation des sols

La classification supervisée a pour objectif, de classer l’ensemble des pixels d’une image à partir d’un échantillon de zones d’entraînement. Pour les classifications supervisées, on va demander au logiciel ArcGis 10.3 de rechercher dans l’image les pixels les plus proches d’une signature type. On a procédé par localiser les parcelles représentatives de chaque catégorie d’occupation du sol appelée aussi parcelles d’entrainement dans l’image découpée. Puis, sachant que chaque catégorie d’occupation du sol a une signature spectrale qui lui est propre, on a réalisé une numérisation de points pour chaque parcelle avec l'assignation d’un identifiant unique pour chaque classe d’occupation du sol : forêt, savane et zone anthropique. Cela veut dire que nous avons créé un « shapefile point » ou fichier de forme point et nous avons pointé sur les images chaque pixel correspondant à une classe d’occupation du sol. Autrement dit, on a défini pour chaque plage sur l’image leurs classes d’appartenance : affectation du pixel à un groupe unique. Pour chaque classe d’occupation du sol, nous avons réalisé 10 points représentatifs de différents pixels de l’image. Ainsi, le logiciel a mené de manière automatique une analyse des pixels inclus dans les parcelles d'entraînement et a réalisé à la fin une création d'un fichier de signatures spectrales pour chaque catégorie d'occupation du sol.

Afin de catégoriser nos classes d’occupation du sol, nous avons créé quatre classes à partir de la classification supervisée et avons numérisé la rivière à l’aide de l’image satellitaire ou Shuttle Radar Topography Mission (SRTM, 2017) découpée aux limites de secteur administratif de Bukanga-Lonzo. La quatrième classe représente les cours d’eau. Le Tableau 2 présente la manière dont nous avons classifié notre zone d’étude en termes d’occupation du sol.

Tableau 2 : Classification de la zone d’étude

Classe	Description
Forêt	Espaces ayant une couverture végétale dense lors de la prise de vue des images satellitaires : Forêt, galerie forestière ou forêt claire
Savane	Espaces ayant une couverture herbeuse arborée
Zone Anthropique	Parcelles agricoles (les surfaces cultivées ayant un couvert végétal peu dense  au moment de la prise de vue des images satellitaires), sols nus (Les espaces ou la couverture végétale est absente, nous faisons aussi ici référence aux terres labourées), Espace Bâti (Les zones urbanisées)
Eau	Cette classe est constituée des cours d’eau. Elle a été numérisée à partir de l’image satellitaire ou Modèle Numérique de Terrain, SRTM 2017

 

 

3.5. Modélisation

Vu la disponibilité des données, nous n’avons retenu que 10 facteurs pour notre recherche sur les glissements de terrain dans la zone du Pont Kwango (Fig.5). Pour modéliser la base de données SIG dans ArcMap 10.3, on a procédé de la manière ci-après: (i) l’image SRTM (DEM) a été ajoutée dans l’ArcGIS 10.3  et coupée en fonction de limites de la zone d’étude, en utilisant le module Arc Tools Box, spatial analysis, et l’extension extraction : extract by mask ; (ii) avec l’image SRTM (DEM) découpée, on a élaboré la carte de pente, d'aspect de la pente, de la curvature, du contour, du SPI, des altitudes, et du "hillshade", etc. grâce à l'activation du module Arc Tools Box et l’extension analysis spatial, surface raster ; (iii) les fichiers couches (shapefiles) des glissements de terrain et de la carte de sol ont été ajoutés sur ArcMap 10.3 afin de contrôler les relations entre les glissements et les facteurs élaborés  (indépendants) ; (iv) les facteurs ont été subdivisés en nombre de classe, en mode raster pour connaître le nombre de pixel ou leurs superficies en fonction de glissements de terrain ; (v) avec la table des facteurs indépendants (Tabulate Area), on a calculé et obtenu la table des superficies de glissements de terrain. La table permet de calculer les relations entre glissements de terrain et les facteurs indépendants (pente, aspect de la pente, SPI, curvature, altitude, etc..), et ainsi on augmente la probabilité de glissements de terrain en utilisant l’intersection entre les facteurs indépendants et l’occurrence de glissements de terrain, afin déterminer la fréquence ratio de tous les facteurs ; (vi) de même pour l’image Landsat LC 8 , on a obtenu le nombre de classe en fonction des glissements de terrain pour associer les superficies de la carte d’occupation du sol avec la superficie de glissements de terrain, afin de déterminer la fréquence ratio ; (vii) la carte de sol a été transformée de vecteur en raster pour l'associer avec le facteur dépendant (glissements de terrain), ainsi on a obtenu la superficie de carte de sol avec les glissements de terrain afin de déterminer la fréquence ratio.

En associant la table Area et la classification de facteurs indépendants, il a été possible d’exporter ces données dans Microsoft Excel pour calculer les fréquences ratios (FR) de tous les facteurs indépendants avec les glissements de terrain, comme l'indique le modèle de Lee (2014). Formule : LSFI = Sfr1+Sfr2+Sfr3+fr…. + FR_n 

 

Figure 5 : Méthodologie d’étude flow chart pour le glissement de terrain 

 

3.6. Enquête par questionnaire

Les connaissances des habitants de la cité de Kwango en ce qui concerne les changements morphologiques et les glissements de terrains ont été évaluées grâce à un questionnaire d’enquête rempli par une cinquantaine d’entre eux. Après la compilation, leurs réponses ont été analysées et présentées sous-forme de cartographie. Une série des questions focalisées sur le degré de connaissance sur le phénomène de catastrophe et de glissement de terrain en particulier ; dont on reprend les quelques questions majeures comme : (i) Avez-vous déjà entendu parler d’un glissement de terrain ? (ii) Savez-vous c'est qu’un glissement de terrain ? (iii) Etes-vous préoccupés par les effets de glissements de terrain ? (iv) Où et quand est-ce que cela se produit ? (v) Quels sont les risques qui menacent le plus la cité selon vous : ruissellement sur le versant, inondation des plaines, érosion des sols, chute de blocs, glissement de terrain ?

Il sied de signaler qu’il y avait parfois de problèmes de compréhension de terminologie lors de l’enquête sur le terrain.  L’une des techniques utilisées pour savoir si la question a été comprise par notre interlocuteur, c’est de l’interroger là où ce phénomène se produit, par exemple au niveau des amphithéâtres le long de la rivière Kwango.

 

4. RÉSULTATS

4.1. Inventaire cartographique des glissements de terrain

Le premier aperçu de cette analyse a été basée sur les dispositions spatiale et cartographique de glissements de terrain à l’aide de l’imagerie satellitaire de l’outil Google Earth puis Landsat. La carte d'inventaire des glissements de terrain a été préparée en analysant l'imagerie satellitaire Google Earth couplée à des levés de terrain en utilisant le GPS. Au total, dix-huit glissements de terrain (Tableau 3) ont été identifiés et cartographiés en évaluant des images Google Earth (Fig.6), à l’aide du logiciel de son éponyme avec des relevés de terrain bien étayés et ensuite numérisés pour une analyse plus approfondie.

 

Tableau 3 : Inventaire de glissements de terrain

Glissements-Types	Nombre	Superficie (m2)	Observations
Type 1	4	48540	Proximité de la RN1
Type 2	7	73877	Les effets de la topographie
Type 3	4	103888	Proximité de la rivière Kwango
Type 4	3	27398	Proximité des affluents de la rivière Kwango

 

Figure 6 : Carte de répartition des glissements de terrain dans la zone du Pont Kwango (voir PDF)

Après avoir identifié ces glissements de terrain, quelques sites ont été sélectionnés pour les observations sur le terrain. Il en résulte que ces observations corroborent avec celles effectuées à l’aide des images satellitaires. Nous retraçons ici, les sites les plus marquants (Figs.7 & 8).

Après avoir identifié ces glissements de terrain, quelques sites ont été sélectionnés pour les observations sur le terrain. Il en résulte que ces observations corroborent avec celles effectuées à l’aide des images satellitaires. Nous retraçons ici, les sites les plus marquants (Figs.7 & 8).

 

Figure 8 : En (a), on voit un glissement de terrain qui a été photographié aux environs de la rivière Kwango, et en (b) ce glissement a été identifié sur Google Earth Pro en 3D.

Il y a presque 40 ans, il y avait l'exploitation artisanale du diamant (Figs.9) mais il n’y a pas eu des travaux de remédiation environnementale du site. Vu les conditions topographiques de la zone, on pense que les glissements se seraient produits à la suite des changements de pluviosité enregistrée à l'échelle régionale (Ntombi et al., 2009 ; GIEC, 2013).

Figure 9:   Glissements de terrain produits en amont d’une ancienne carrière artisanale de diamant (a) : 4°39’04.0’’ S et 16°31’53.4’’E ; (b) : 4°39’18.7’’ S et 16°31’53.7’’ E) dans la zone du Pont Kwango. (4°39’04.0’’ S et 16°31’53.4’’ E)

Figure10 : Carte d’occupation des sols à partir des images Landsat LC8 2017

Les figures 10 et 11 montrent d’abord l’occupation du sol puis en second lieu la disposition spatiale des glissements de terrain développés dans la zone du Pont Kwango. Cette étude montre deux types de glissements de terrains dont l’un est lié aux activités anthropiques et l’autre qui serait naturel. Ceux qui sont numérotés 1 sont proches de la route nationale N°1 (RN1), on pense d’une part qu’au-delà de la topographie, les eaux de ruissellement drainées par la RN1 en seraient la cause. D’autre part, les enquêtes sur le terrain révèlent que ces aires sont liées aux travaux de la construction de la route connue sous le nom de cinq chantiers. Ceux qui portent le N°2 semblent être naturels, dus à la topographie des lieux car ils ne sont pas proches des zones d’activités anthropiques mais se situent dans les pentes des collines, qui constituent des milieux instables. Ceux qui portent les N°3 et 4 sont proches des cours d’eau respectivement de la rivière Kwango et de ses affluents. Ces glissements de terrain  se développant le long des cours d’eau seraient liés  aux activités anthropiques telles que les carrières artisanales d’exploitation de diamant.

 

Figure11 : Carte d’occupation des sols à partir des images Landsat LC 8 (2017)

 

4.3. Cartographie de la susceptibilité aux glissements de terrain

Partant des paramètres (facteurs dépendant et indépendant) élaborés dans cette étude et des valeurs de fréquence ratio (FR) obtenues, on est parvenu à élaborer une carte simulée de la susceptibilité aux glissements de terrain. Les résultats obtenus dans la zone du Pont Kwango (Fig.12) ont permis l'extrapolation dans l’ensemble du secteur de Bukanga Lonzo (Fig.13). Ainsi, cette carte de susceptibilité a été élaborée sur la base des 18 glissements provenant de notre inventaire en juxtaposant avec l’étude de terrain (Fig.13). 

Ces résultats aident à proposer les mesures de prévention face aux glissements de terrain qui causent des dégâts dans la zone du Pont Kwango. La principale mesure de prévention est l’interdiction de construire et de pratiquer des activités anthropiques sur les zones à très fort risque (Figs.12 et 13). Toutes les activités peuvent être développées dans la zone dite de risque acceptable c’est-à-dire là où le risque est faible ou moyen. Dans la zone de faible risque, les activités doivent être bien réglementées par une bonne gestion de l'espace. Dans la zone de risque moyen, l’homme peut s’adapter à exercer ses activités mais en tenant compte de contraintes environnementales de la zone.

 

Figure12 : Carte simulée de susceptibilité au glissement de terrain dans la zone du Pont Kwango

Figure13 : Carte simulée de la susceptibilité dans le secteur de Bukanga-Lonzo

                      

 

 

 

5. DISCUSSION DES RESULTATS

5.1. A propos de l'inventaire cartographique des glissements de terrain

L’identification et l'analyse effectuées sur la base du logiciel Google Earth Pro ont permis de faire un inventaire des glissements de terrain, leur disposition spatiale et les facteurs influençant leur développement. L'analyse a été complétée par le logiciel Arc Gis 10.3 et a permis de déterminer les facteurs indépendants tels que la pente, l’altitude, l’orientation de la pente, la Curvature, le SPI, le Hillshade et l’occupation de sol.

Après la classification dans le logiciel Arc Gis 10.3, les résultats ont été exportés dans le logiciel MS Excel pour faciliter le calcul des fréquences ratios de paramètres indépendants. Ce calcul permet de savoir si ces facteurs de prédisposition naturelle qu’anthropique augmentent la probabilité de développement des glissements de terrain. En confrontant ces résultats par rapport aux autres études (Lee, 2014 ; Fisher, 2012 ; Maki Mateso et Dewitte, 2014), cela a permis aussi d'aborder le risque de susceptibilité aux glissements de terrain. Cependant, nous avons constaté que la présence de glissements de terrain observés dans la zone du pont Kwango et ses environs est à la fois due par des activités anthropiques et par la nature du sol.

Pour les activités anthropiques, les glissements enregistrés se développent au fur et en mesure qu’il y a des activités d’ordre économique telles que l’exploitation des carrières artisanales, routes (et sentier) et l’agriculture. Quant à la nature du sol, les glissements de terrain enregistrés de part et d’autre ne présentent aucun indice d’activité humaine. Car leur développement est souvent dû à l’absence du couvert végétal. Le sol nu, s'imbibe d'eau, rompt l'équilibre hydrogéomorphologique (Montgomery et Dietrich, 1988 et 1994 ; Makanzu Imwangana et al., 2014) et favorise ainsi la mise en mouvement en masse du sol. C'est l'apparition du glissement de terrain.

Les observations suivantes peuvent être retenues : (i) les pentes jouent un rôle sur le développement des glissements de terrain dans la zone d'étude lorsqu’elles sont supérieures à 20 degrés, ainsi que sa valeur de fréquence ratio présente 120% beaucoup plus dans de collines très élevées. Cela correspond à des valeurs quelque peu supérieures à ce que l’on trouve dans d’autres régions du monde (par exemple : Fisher et al, 2012 ; Lee, 2014 ; Maki Mateso et Dewitte, 2014). (ii) Pour l’altitude, les relations positives sont marquées entre 200-400 m, 400-600 m et 600-800 m. Les deux premières tranches d’altitude correspondent aux glissements qui se trouvent entre la rivière Kwango et l’activité d’exploitation  artisanale du diamant dans la cité du pont Kwango où se succèdent de nombreuses zones marécageuses, occupées par Bukanga-Lonzo. La deuxième tranche d’altitude correspond essentiellement aux hautes terres agricoles notamment celles de la zone de cité du pont Kwango et le long de grands axes routiers comme la RN1 entre Kinshasa et Kikwit. Enfin, la dernière tranche d’altitude correspond aux glissements se trouvant en amont de la rivière Kwango. (iii) En ce qui concerne le sol, les glissements de terrain qui s'y développent sont dus à l’influence du relief sur l’écoulement, la nature de sol, de la végétation. En outre, la pente influe sur la vitesse d’écoulement des eaux de ruissellement. (iv) L’occurrence des glissements de terrain et la présence des cours d’eau ou lignes denses de drainage (spi) : la présence de grandes valeurs de SPI à proximité de la rivière inclurait potentiellement un mécanisme de déclenchement lié à l’érosion le long des piémonts. Evidemment, on retrouve plus les glissements de terrain proches de la rivière Kwango que plus loin.

 

Cette étude tout en montrant pour la première fois l’occurrence des glissements de terrain dans la partie ouest de la RDC en général et dans la zone du Pont Kwango en particulier, devrait s’étendre dans toute la région du Plateau du Kwango-Kwilu. Si une telle étude devrait être reprise, il faudrait qu’elle montre la spatio-temporalité des glissements de terrain en prenant un peu plus du recul dans le temps, dans la mesure où la photographie aérienne  devrait être complétée par l’imagerie satellitaire et Google Earth Pro.

 

5.2.  La Carte de susceptibilité au glissement de terrain

Partant des paramètres (facteurs dépendant et indépendant) élaborés dans cette étude et des valeurs de fréquence ratio (FR) obtenues, on est parvenu à élaborer une carte simulée de la susceptibilité aux glissements de terrain. Les résultats obtenus dans cette étude dans la zone du Pont Kwango ont permis l'extrapolation l’ensemble du secteur. Ainsi, cette carte de susceptibilité a été construite sur la base des 18 glissements provenant de l’inventaire en juxtaposant avec l’étude de terrain. L'inventaire et la carte de susceptibilité peuvent aider à réduire les risques des catastrophes de glissement de terrain dans la zone. On a ainsi proposé les mesures de prévention face aux glissements de terrain qui causent des dégâts dans la zone du Pont Kwango. La principale mesure de prévention est l’interdiction de construire et de pratiquer des activités anthropiques sur les zones à très fort risque. Toutes les activités peuvent être développées dans la zone dite de risque acceptable c’est-à-dire là où le risque est faible ou moyen. Dans la zone de faible risque, les activités doivent être bien réglementées par une bonne gestion de l'espace. Dans la zone de risque moyen, l’homme peut s’adapter à exercer ses activités mais en tenant compte de contraintes environnementales.

 

6. LIMITATIONS

• Il y a lieu de reconnaitre que la limitation principale de cette étude est spatio-temporelle. On aurait dû mener une analyse chronologique dans une zone plus vaste que la zone du Pont Kwango et environs au lieu d’une étude ponctuelle. Cela aurait dû exposer la manière dont le paysage a évolué au fil du temps dans la région.
• Le séjour d’une semaine sur le terrain contraint par les moyens financiers et l’accessibilité non aisée  constitue l’autre limitation de notre étude.
• Néanmoins, ces limitations n’affectent en rien les résultats de l’étude et nous pensons qu’il vaille mieux publier ce manuscrit.

 

7. CONCLUSION

L’identification de récents processus géomorphologique tels que le glissement de terrain était l'objectif principal de notre étude dans la zone du Pont Kwango. En utilisant des données d’entrée gratuite (Google Earth, Landsat, SRTM), on a pu identifier et cartographier 18 glissements de terrain et monter une carte de susceptibilité. Cet inventaire constitue un début dans la compréhension de l’anthropisation et du développement des glissements de terrain dans la zone du Pont Kwango. La carte de susceptibilité au glissement de terrain tient compte de facteurs de prédisposition naturelle et anthropique connus. Cette carte est un précieux outil d'aide à la décision dans une zone où se développent de plus en plus des activités agricoles pour alimenter la ville de Kinshasa. Cette perspective d’aide à la décision apparait comme un préalable indispensable à une meilleure gestion du risque en général et en particulier à l’élaboration du futur plan de prévention. L’utilisation des techniques de la télédétection et du SIG offre des perspectives de développement de recherche scientifique important, car l’accès aux données gratuites devrait se multiplier dans le jour avenir. Cependant la reconnaissance de terrain montre que l’utilisation de la télédétection et de SIG  est dans une certaine mesure assez efficace pour identifier, localiser et cartographier des zones problématiques et de se faire une première idée sur la disposition spatiale de certains phénomènes.

Pour ce faire, nous recommandons la poursuite des investigations dans la zone, voire dans toute la région du Plateau du Kwango-Kwilu, en intégrant plus de détails sur les types et la nature du sol, sur la géologie locale et l'utilisation des sols afin d'améliorer l'esquisse de susceptibilité. Cette carte pourrait servir dans le développement de l'aménagement local et la planification foncière dans la zone. Etant donné que les zones à occurrence des glissements de terrain se trouvent dans les plages à sol nu sur de fortes pentes, il est plus que nécessaire d'initier des actions de reboisement dans la région.

 

8. CE QUI EST DEJA CONNU SUR CE SUJET

• C’est connu que les glissements de terrain notamment participent à l’évolution du relief. Ils se manifestent souvent dans des concavités et les amphithéâtres des sources.
• C’est connu que les changements dans l’occupation des terres apportent des modifications dans le paysage, et en ce qui concerne les plateaux et collines, ce sont les glissements de terrain et/ou l’érosion des sols qui y sévissent à la suite de la déforestation.
• C’est connu qu’à la suite des changements climatiques qui vont se manifester notamment avec des pluies très intenses et abondantes dans la région, dans ces types d’environnement qu’il y ait une recrudescence des cas notamment des glissements de terrain. 

 

9. CE QUE CETTE ETUDE APPORTE

• En fournissant cet inventaire des glissements de terrain dans la zone du Pont Kwango au sud-ouest de la ville-province de Kinshasa, cette étude montre que les mouvements de masse tels que les glissements de terrain ont aussi une occurrence à l’Ouest du pays, qui est pourtant plus réputé pour l’érosion ravinante et les inondations.
• Aussi, cette étude confirme le rôle joué par l’ouverture des routes, qui sont de grands pourvoyeurs du ruissellement, dans le déclenchement du processus des glissements de terrain dans le paysage.
• Enfin, cette étude avertit déjà les décideurs et aménageurs que l’espace du plateau du Kwango en général et en particulier la zone du Pont Kwango et environs où l’on se bouscule pour des concessions agro-pastorales, est une zone exposée à l’aléa glissement de terrain. 

 

10. REMERCIEMENTS

Nous remercions l’Unité de Recherche et de Formation en Gestion des Risques Naturels (URF-GRN) de l’Université de Kinshasa pour leur avoir assuré les déplacés et toutes les facilités afin de bien mener cette étude.

Nous remercions également les auteurs pour leur contribution à la conception, la collecte des données, l'analyse et l'interprétation des résultats, ainsi que pour la rédaction et la révision critique du manuscrit.

11. CONFLITS D’INTERETS

Etant donné qu’aucun auteur n’a reçu de rémunération, de frais, ou de salaire d’une quelconque organisation ou d’un tiers, les auteurs déclarent qu'ils n'ont aucun conflit d'intérêt qu’il soit financier ou tout autre en rapport avec cette étude.

12. CONTRIBUTIONS DES AUTEURS

• Fils Makanzu Imwanagana : Conception et design de l’étude, contrôle-qualité des données, analyse des données et interprétation des résultats, élaboration du manuscrit, révision critique pour le contenu, validation et approbation finale du manuscrit à soumettre à l’éditeur
• Thierry Lefa Mayoko : Conception et design de l’étude, collecte des données au laboratoire SIG et sur le terrain, traitement et analyse des données, interprétation des résultats, élaboration du manuscrit, révision critique pour le contenu, approbation finale du manuscrit à soumettre à l’éditeur
• Wilfrid Lutete Nzau : Conception et design de l’étude, collecte des données au laboratoire SIG et sur le terrain, traitement et analyse des données, interprétation des résultats, élaboration du manuscrit, révision critique pour le contenu, approbation finale du manuscrit à soumettre à l’éditeur
• Blaise Kalunga Mukuwa : Conception et design de l’étude, collecte des données au laboratoire SIG et sur le terrain, traitement et analyse des données, interprétation des résultats, élaboration du manuscrit, révision critique pour le contenu, approbation finale du manuscrit à soumettre à l’éditeur
• Daddy Patrick Ilito Lofongo : Conception et design de l’étude, collecte des données au laboratoire SIG et sur le terrain, traitement et analyse des données, interprétation des résultats, élaboration du manuscrit, révision critique pour le contenu, approbation finale du manuscrit à soumettre à l’éditeur

 

 

References

Bunduki, K., Mushayuma, N., Tambala, T., Materanya, C., & Matembera, B. (2015). Cartographie des sites sinistrés par les glissements de terrain du 17 au 26/01/2014 dans le bassin du Lac Kivu à Bukavu, Sud-Kivu, RD Congo. IJISR, 14 (2), 118-126.

Butara, S., Fiama, S., Mugisho, B., & Mongane, A. (2015). Susceptibilité aux glissements de terrain: cas de la Commune d’Ibanda / Bukavu / République Démocratique du Congo. IJIAS, 11(1), 129-147.

Chako Chunga, I., Mugaruka Bibentyo, T., Ilombe Mawe,G., Nzolang, C., Majaliwa Mwanjalolo, & Makanzu Imwangana, F. (2024). Landslide Susceptibility Assessment Using Frequency Ratio: A Case Study of Kiliba (Sud-Kivu/DR Congo). East African Journal of Environment and Natural Resources, 7(1), 183-199. https://doi.org/10.37284/eajenr.7.1.2008.

Dille, A., Kervyn, F., Mugaruka Bibentyo, T., Delvaux, D., Bamulezi Ganza, G., Ilombe Mawe, G., Kalikone Buzera, C., Safari Nakito, E., Moeyersons, J., Monsieurs, E., Nzolang, C., Smets, B., Kervyn, M., & Dewitte, O. (2019). Causes and Triggers of Deep-Seated Hillslope Instability in the Tropics : Insights from a 60-Year Record of Ikoma Landslide (DR Congo). Geomorphology, 345. doi:10.1016/j.geomorph.2019.106835.

Fisher, Gg. B., Amos, C. B., Bookhagen, B., Burbank, D.W., & Godard, V. (2012). Channel widths, landslides, faults, and beyond: the new world order of high-spatial resolution google earth imagery in the study of earth surface processes. Geological society of America special papers, 492, 1-22

GIEC. (2013). Les bases des sciences physiques. Contribution du groupe de travail i au cinquième rapport d’évaluation du groupe intergouvernemental d’experts en changement climatique, GIEC, Génève, suisse. https://www.ipcc.ch/report/ar5/wg1/

Gill, J.C. & Malamud B.D. (2017). Anthropogenic processes, natural hazards, and interactions in a multi-hazard framework. Earth-Science Reviews, 166, 246-269,        http://dx.doi.org/10.1016/j.earscirev.2017.01.002

Gill, J.C. & Malamud, B.D. (2014). Reviewing and visualizing the interactions of natural hazards. Rev. Geophys., 52, 680–722, doi:10.1002/2013RG000445.

Guetter, P., & Kutzbach, J. (1990). A modified Köppen classification applied to model simulations. Climate change 16 (2), 193-216.

Guzzetti, F., Mondini, A. C., Cardinali, M., Fiorucci, F., Santangelo, M., & Chang, K. T. (2012). Landslide inventory maps: new tools for an old problem. Earth-science reviews 112, 42-66.

Hungr, O., Leroueil, S., & Picarelli, l. (2014). The varnes classification of landslide types, an update. Landslide 11, 167-194.

Ilito Lofongo, D.P., Makanzu Imwangana, F., Matungila, J., & Muanza Kant, P. (2017). Utilisation de l'imagerie satellitaire Google Earth dans l’identification des dépôts de sables alluvionnaires de la rivière Kwilu dans la Province du Kongo Central, RDC. Journal CongoSciences, 6(1), 14-22. http://www.congosciences.org

Ilombe Mawe, G. (2024). Urban Gullies in the Democratic Republic of the Congo : Susceptibility, Expansion Rates and Impacts. Thèse de doctorat en sciences, co-tutelle ULiège-UNIKIN, 181p.

Ilombe Mawe, G., Lutete Landu, E., Makanzu Imwangana, F., Hubert, A., Dille, A., Bielders, C., Poesen, J.,  Dewitte, O., & Vanmaercke, M. (2024). What controls the expansion of urban gullies in tropical environments? Lessons learned from contrasting cities in D.R. Congo. Catena, 241 (2024) 108055. https://doi.org/10.1016/j.catena.2024.108055

Kulimushi M., Mugaruka, B., Muhindo, S., Michellier, C., & Dewitte, O. (2017). Glissements de terrain et éléments à risque dans le bassin versant de la Wesha (Bukavu, RD Congo). Geo-Eco-Trop., 41 (2), n.s., 233-248

Lee, S. (2014). Geological application of geographic information system, Kigam, is-geo-002, Korea, 340p.

Makanzu Imwangana, F. (2015). Compilation des rapports d’étude sur le changement climatique : « l’impact du changement climatique sur les activités agricoles de la femme paysanne en République Démocratique du Congo. » ACORD et OSISA, inédit.

Makanzu Imwangana, F., Bambi Tshitshi, M., & Ntombi muen Kabeya, M. (2020). Occurrences des catastrophes dues aux aléas naturels en RD.Congo : causes et conséquences. Bull. du CRGM, XIII N°cumulatif, 255-273.

Makanzu Imwangana, F., Dewitte, O., Ntombi, M., & Moeyersons, J. (2014). Topographic and road control of mega-gullies in Kinshasa (DR. Congo). Geomorphology, 217, 131-139. Doi 10.1016/j.geomorph.2014.04.021

Makanzu Imwangana, F., Kayembe, M., Ntombi muen Kabeya, M., & Moeyersons, J. (2017). La ville de Kinshasa face aux risques hydrologiques : Cas du ravinement urbain. Journal CongoSciences, 5(2), 126-137. http://www.congosciences.org

Maki Mateso, JC., & Dewitte, O. (2014). Vers un inventaire des glissements de terrain et des éléments à risque sur les versants du Rift à l’ouest du lac Kivu (RDC). Geo-Eco-Trop., 38 (1), n.s., 137-154

Moeyersons, J., & Trefois, Ph. (2008). Desertification and changes in river regime in central africa : possible ways to prevention and remediation. In : Gabriels, D., Cornelis, W., Eyletters, M., Hollebosch, P., combating desertification ? Assessment, adaptation and mitigation strategies. Proceedings of the conference on desertification, Ghent, 23 january 2008. Unesco centre for eremology, ghent university, belgium, 144 - 156.

Monsieurs, E., Jacobs, L., Michellier, C., Basimike Tchangaboba, J., Bamulezi Ganza, G., Kervyn, F., Maki Mateso, JC., Mugaruka Bibentyo, T., Kalikone Buzera, C., Nahimana, L., Ndayisenga, A., Nkurunziza, P., Thiery, W., Demoulin, A., Kervyn, M., & Dewitte, O. (2018). Landslide Inventory for Hazard Assessment in a Data-Poor Context : A Regional-Scale Approach in a Tropical African Environment. Landslides, 15 (11), 2195–2209. doi:10.1007/s10346-018-1008-y.

Montgomery, D.R., & Dietrich, W.E. (1988). Where do channels begin? Nature 336, 232-234.

Montgomery, D.R., & Dietrich, W.E. (1994). Landscape dissection and drainage area-slope thresholds. In: Kirkby, M.J. (Ed.), Process Models and Theoretical Geomorphology. Wiley, Chichester, 221-246.

Mubanga Nzo-Ayum Ntub, G., Aloni Komanda, J., & Makanzu Imwangana, F. (2024). Dynamique des risques d’érosion ravinante des terres marginales de la commune rurale d’Idiofa (Kwilu/RD.Congo). Journal Africain des Sciences, 1 (1), 37-47. ISSN (online) : 3006-2306 ; ISSN (print) : 3006-3760. https://jafrisci.org    

Mugisho Bachinyaga, J., Deijns, A., Ilombe Mawe, G., Kervyn, F., Michellier, C.,  Mugaruka Bibentyo, T., Nkere Buliba, J., Nzolang, C., Smets, B., & Dewitte, O. (2022). The Flash Floods of April 2020 in Uvira (DR Congo) : Story of an Event with Extreme Impacts. In EGU General Assembly 2022, Abstracts. doi:10.5194/egusphere-egu22-6223

Ntombi, M.K., Pangu, S., Mukunayi, N., Kisangala, M., Ntombi, M.M., & Makanzu Imwangana, F. (2009). Les ressources en eau et les changements climatiques en cours en république démocratique du congo. In : Endundo José, "seconde communication nationale à la convention cadre sur le changement climatique." ministre de l'environnement, conservation de la nature et tourisme de la RD.Congo. Kinshasa, novembre 2009. Présentée à la communauté internationale en réponse au protocole de Kyoto.

Ozer, P. (2014). Catastrophes naturelles et aménagement du territoire: de l’intérêt des images Google earth dans les pays en développement.  Geo-Eco-Trop., 38 (1), n.s., 209-220.

Peel, M.C., Finlayson, B.L., & McMahon, T.A. (2007). Updated World map of the Köppen-Geiger climate. Hydrology and Earth System Sciences, 11, 1633-1644.

Petley, D. (2012). Global Patterns of Loss of Life from Landslides. Geology, 40, 927-930. https://doi.org/10.1130/G33217.1

Phambu Nlandu, J., & Kant Kabalu, F. (2012). In Omasombo, J.: Kwango pays de Bana Lunda : Relief, Géologie et Hydrographie. Ed. LE CRI, 19-28.

Sheppard, SRJ., Cizek, P. (2009). The ethics of google earth: crossing thresholds from spatial data to landscape visualisation. Journal of Environmental Management, 90 (6), 2102–2117.