Navigation – Plan du site

AccueilNumérosVolume 17ArticlesDynamique de l'occupation du sol ...

Articles

Dynamique de l'occupation du sol et trajectoire du couvert végétal autour de trois sites miniers du Sud Mali entre 1988 et 2019

Land use dynamics and vegetal cover trajectory around three mining sites in Southern Mali between 1988 and 2019
Souleymane Sidi Traore, Sidi Dembele, Djénéba Dembele, Nouhoum Diakite et Cheick Hamalla Diakite
p. 151-166

Résumés

Les opérations d'extraction d'or génèrent divers impacts sur l'environnement, qui doivent être mesurés spatialement. L'objectif de ce travail est de déterminer la dynamique d'occupation du sol et le changement du couvert végétal autour de trois sites miniers. Des images Landsat de deux périodes (pré-mine et actuelle) ont été utilisées. La méthode de classification par maximum de vraisemblance, couplée à un algorithme de détection de changement, a été utilisée pour déterminer l'étendue et les changements des classes d'occupation. Les valeurs du NDVI calculées à partir des images ont été réparties en six classes, cinq avec des niveaux de densité allant de très faible à très élevé et une négative sans végétation. Le test t de STUDENT a été utilisé pour comparer les valeurs du NDVI extraites de manière aléatoire sur 30 points. Les résultats montrent une forte dynamique des classes d'occupation du sol. Cette dynamique se caractérise par la conversion de l'espace de végétation dense en sol faiblement couvert, en surface agricole et en sol nu. Durant la même période, le couvert végétal a considérablement perdu de sa vitalité, signe d'une tendance à la dégradation. La comparaison des valeurs du NDVI extraites aléatoirement confirme cette perte de qualité de la végétation. Ce travail conclut que la végétation dans les sites miniers étudiés a subi une forte dégradation.

Haut de page

Texte intégral

I - Introduction

1La dégradation de l'environnement suscite une inquiétude mondiale, en raison de la menace qu'elle fait peser à la fois sur le fonctionnement des écosystèmes et sur le bien-être des communautés humaines (J.D.D. MANGAMBU MOKOSO et al., 2021). Les causes en sont d'ordres naturel et anthropique (J. OBODAI et al., 2019 ; S.S. TRAORE et al., 2014 ; S.S. TRAORE, 2015). Les causes anthropiques sont dues à des pressions diverses liées à la forte croissance démographique, aux progrès technologiques, à l'industrialisation, à l'expansion agricole et à l'exploitation minière (J.A. LARA-PULIDO et al., 2018 ; I.R. ORIMOLOYE et O.O. OLOLADE, 2020). Les changements qui en découlent, sont autant d'atteintes sérieuses aux écosystèmes et à l'environnement.

2Parmi les ressources minières en exploitation, l'extraction de l'or occupe une place prépondérante au Mali. Selon la Direction Nationale de la Géologie et des Mines du Mali (DNGM, 2014), cette activité contribue à environ 75 % des recettes d'exportation, 25 % du budget de l'État et 8 % du Produit Intérieur Brut (PIB). Le pays dispose de 13 mines industrielles actives, pour une production de 65,2 tonnes d'or en 2020 (DNGM, 2021). Il occupe ainsi le 4ème rang des pays producteurs africains (Mining.com, 2019). Ces mines sont toutes situées dans le Sud et l'Ouest du pays, dans les anciennes régions administratives de Kayes et Sikasso. Cependant l'essor du secteur minier soulève de nombreux défis, dont celui de la sauvegarde de l'environnement et des ressources naturelles.

3L'exploitation de l'or, que ce soit par la méthode artisanale ou par la méthode industrielle, cause des dommages sur l'environnement (ELAW, 2010). Les activités d'extraction et de traitement du minerai d'or participent à la dégradation de la flore et de la faune, à la détérioration du paysage, à la dénaturation de la structure des sols et à la pollution des ressources en eau (A. BEBBINGTON et al., 2008 ; G.M. MUDD, 2010 ; I.R. ORIMOLOYE et O.O. OLOLADE, 2020). De ce fait, des études sont nécessaires pour mesurer l'étendue spatiale et temporelle de l'anthropisation des paysages autour des sites miniers, afin de formuler des propositions en vue d'en atténuer les impacts environnementaux (Z.Q. HU et T. CHEN, 2008 ; X. LIU et al., 2016 ; Y.U. SIKUZANI et al., 2020). La télédétection est largement utilisée pour évaluer les effets des pressions anthropiques et naturelles sur les écosystèmes (S.S. TRAORE et al., 2014, 2015 ; I.R. ORIMOLOYE et O.O. OLOLADE, 2020 ; Y.U. SIKUZANI et al., 2020). Toutes ces études ont démontré l'intérêt d'utiliser les images satellitaires, à différentes résolutions spatiales et temporelles, pour suivre la dynamique des états de surface. Par le présent article, nous souhaitons contribuer à l'évaluation des impacts environnementaux de l'exploitation des mines d'or, à travers l'étude par télédétection de l'évolution de l'occupation du sol sur trois sites du Sud Mali entre la période avant l'implantation de la mine et la période actuelle.

II - Matériels et méthodes

1 ) Présentation des sites d'étude

4L'étude a porté sur des sites en activité en 2019 (Tab. I, Fig. 1) :

  • La mine à ciel ouvert de Morila, d'une superficie de 1250 ha, se trouve dans les communes de Sanso et Domba, à 160 km au sud-est de Bamako. Exploitée par AngloGold Ashanti et Randgold, elle a été ouverte en 2000 et a entamé une procédure de fermeture en 2020.

  • La mine de Sadiola, elle aussi à ciel ouvert, a été ouverte en 1996 et poursuit son activité. Elle est située à la bordure ouest du pays, près de la frontière avec le Sénégal. Elle couvre une superficie de 302 ha.

  • La mine de Syama, à l'extrémité sud du Mali, près de la frontière avec la Côte d'Ivoire, est toujours opérationnelle. Elle est parmi les mines d'or souterraines les plus avancées techniquement au monde. Elle comprend deux usines de traitement distinctes : un circuit pour le sulfure (minerai provenant de la mine souterraine de Syama) et un circuit pour l'oxyde (minerai provenant de la mine à ciel ouvert de Tabakoroni).

Tableau I - Caractéristique des sites miniers d'étude.

Tableau I - Caractéristique des sites miniers d'étude.

Figure 1 - Localisation des sites miniers d'étude.

Figure 1 - Localisation des sites miniers d'étude.

5Les secteurs d'étude sont soumis à des climats humides, de type sud-soudanien (Morila), soudanien (Sadiola) et pré-guinéen (Syama). Toutefois les précipitations ont fortement décliné à partir du début des années 1970 (D. BIRAMA, 2020), ce qui a provoqué un déplacement des isohyètes vers le sud. L'isohyète 1400 mm disparaît au Mali sur la période 1980-1990, et l'isohyète 1200 mm sur la période 1990-2000 (H. DIAWARA, 2019). Au cours des deux dernières décennies, les précipitations ont augmenté localement, comme à Bamako, sans pour autant retrouver le niveau antérieur à 1970. Mais cette évolution n'a pas été générale comme en témoignent les observations faites dans le cercle de Tominian de 1988 à 2017 (I. OUATTARA et al., 2020). La diminution des précipitations après 1970 s'est accompagnée d'un accroissement progressif des températures moyennes annuelles, qui peut maintenant dépasser par endroit 1,5°C (I. OUATTARA et al., 2020).

2 ) Données utilisées

6Un jeu de deux images Landsat exemptes de nuages, d'une résolution de 30 mètres, a été acquis pour les trois sites de référence et pour deux dates différentes (Tab. II). La première date correspond à la période avant l'installation de la mine et la seconde à la période actuelle. Dans tous les cas, c'est la saison de croissance de la végétation (octobre à décembre) qui a été choisie, le contraste entre les terres cultivées et le milieu "naturel" étant alors le plus marqué (D. RUELLAND et al., 2010). Les images ont été récupérées dans les archives de l'USGS. Déjà bien géoréférencées, elles proviennent des capteurs TM/ETM+ pour la première date et OLI pour la seconde. Une zone de 10 km autour des sites miniers a été choisie comme zone d'étude, l'hypothèse étant que cette zone est potentiellement impactée par les activités minières.

Tableau II - Caractéristiques des images satellitaires utilisées.

Tableau II - Caractéristiques des images satellitaires utilisées.

3 ) Analyses des données

7La méthode de classification supervisée par maximum de vraisemblance, couplée à un post-traitement manuel, a été utilisée pour l'analyse des images à l'aide du logiciel ENVI dans sa version 4.7.

8Pour les images les plus récentes, la classification supervisée par maximum de vraisemblance a été validée à l'aide de données d'entraînement collectées sur Google Earth. Des informations complémentaires ont été extraites des cartes issues des travaux du Projet Inventaire des Ressources Ligneuses (PIRL) de 1990. La précision des classifications des images a été évaluée en utilisant la matrice d'erreur, qui est l'une des méthodes les plus largement retenues pour l'évaluation de la précision (D. LU et Q. WENG, 2007). Un algorithme de détection des changements par comparaison post-classification a été utilisé pour déterminer l'évolution des unités d'occupation du sol. Cette approche fournit des informations sur les passages d'une classe à une autre, à partir desquelles l'évolution globale de chaque classe d'occupation peut être facilement calculée. Une analyse de tabulation croisée a été effectuée pour analyser la distribution spatiale des différentes unités d'occupation du sol. Le taux de changement des classes d'occupation du sol a été déterminé en utilisant la formule suivante :

9Pour évaluer les changements d'une date à l'autre, chaque pixel de la première date a été comparé à la cellule correspondante de la seconde date. Cette procédure crée une matrice de transition qui montre les surfaces initiales et finales de chaque classe d'occupation du sol, ainsi que les surfaces perdues ou gagnées au détriment des autres. Pour chaque unité d'occupation du sol, l'écart entre les surfaces déterminées pour deux dates différentes correspond à l'évolution nette entre ces dates.

10L'indice de végétation par différence normalisée (NDVI) met en valeur la différence entre la bande visible du rouge (canal R) et celle du proche infrarouge (canal PIR) (J.W. ROUSE et al., 1974). Il est calculé comme suit :

11Cet indice est sensible à la densité et à la vigueur de la végétation. Ses valeurs sont comprises entre -1 et +1. Les valeurs positives (surfaces avec végétation) ont été classées selon cinq niveaux d'intensité. Pour chaque site et chaque date, trente valeurs du NDVI ont été déterminées en des points, les mêmes aux deux dates, aléatoirement répartis. Elles ont été analysées en utilisant le test t de STUDENT, l'un des tests statistiques les plus généralement utilisés pour la comparaison des moyennes de deux petits échantillons (P. INGRAND, 2018).

III - Résultats et commentaires

1 ) Dynamique de l'occupation du sol sur les trois sites

12De 1999 à 2019, l'évolution de l'occupation du sol sur le site de Morila (Tab. III, Fig. 2) montre une diminution de 630 ha pour la savane arborée (-5,8 %) et de 7650 ha pour le sol faiblement couvert (-25,1 %). En revanche, la zone agricole a connu une augmentation de 6053 ha (+259,2 %). La surface de la mine, digitalisée sur Google Earth et combinée à la classification, a atteint 1320 ha en 2019, superficie gagnée en grande partie au détriment de la classe "savane arborée" (350 ha), du sol faiblement couvert (748 ha) et du bâti et sol nu (157 ha). Ces classifications sont validées par les valeurs de la précision globale (86,1 % en 1999 et 94,1 % en 2019) et du coefficient de KAPPA (0,83 et 0,92 respectivement).

Tableau III - Matrice de transition des unités d'occupation du sol de Morila entre 1999 et 2019.

Tableau III - Matrice de transition des unités d'occupation du sol de Morila entre 1999 et 2019.

Les superficies sont exprimées en ha.
SA : savane arborée. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu. T1 : total 1. T2 : total 2. TC : taux de changement.

Figure 2 - Carte des changements de l'occupation du sol à Morila entre 1999 et 2019.

Figure 2 - Carte des changements de l'occupation du sol à Morila entre 1999 et 2019.

13À Sadiola, entre 1989 et 2019 (Tab. IV), la forêt claire a perdu 1229 ha (­12,15 %), la savane arborée 10359 ha (-38,3 %), la zone agricole 108 ha (-5,3 %) et le bâti et sol nu 1509 ha (­50,9 %). Sur la même période, le sol faiblement couvert a gagné 16012 ha (+63,9 %). La surface de la mine était estimée à 2647 ha en 2019, gagnée pour l'essentiel au détriment de la forêt claire (319 ha), de la savane arborée (518 ha), du sol faiblement couvert (2837 ha) et du bâti et sol nu (1348 ha). Comme pour le site précédent, ces classifications sont validées par les valeurs de la précision globale (97,17 % pour 1989 et 95 % pour 2019) et du coefficient de KAPPA (0,89 et 0,94 respectivement pour les deux années). La figure 3 traduit l'étendue spatiale des changements des unités d'occupation du sol.

Tableau IV - Matrice de transition des unités d'occupation du sol de Sadiola entre 1989 et 2019.

Tableau IV - Matrice de transition des unités d'occupation du sol de Sadiola entre 1989 et 2019.

Les superficies sont exprimées en ha.
FC : forêt claire. SA : savane arborée. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu, TC : taux de changement. T1 : total 1. T2 : total 2. TC : taux de changement.

Figure 3 - Carte des changements de l'occupation du sol à Sadiola entre 1989 et 2019.

Figure 3 - Carte des changements de l'occupation du sol à Sadiola entre 1989 et 2019.

14 Le tableau V présente l'évolution des classes d'occupation du sol sur le site de Syama entre 1988 et 2019. La savane arborée a perdu 5872 ha et la savane arbustive 674 ha, ce qui correspond à des taux de diminution de 33,3 % et 18,4 % respectivement. Le sol faiblement couvert a gagné 3959 ha (+24,9 %), la zone agricole 982 ha (+24,6 %) et le bâti et sol nu 1538 ha (+76,5 %). La superficie de la mine était estimée à 667 ha en 2019, gagnée principalement au détriment de la savane arborée (259 ha) et du sol faiblement couvert (322 ha). Les valeurs de la précision globale (98,8 % pour 1988 et 98,4 % pour 2019) et du coefficient de KAPPA (0,98 dans les deux cas) valident les classifications. Les changements des unités d'occupation du sol sont spatialisés sur la figure 4.

Tableau V - Matrice de transition des unités d'occupation du sol de Syama entre 1988 et 2019.

Tableau V - Matrice de transition des unités d'occupation du sol de Syama entre 1988 et 2019.

Les superficies sont exprimées en ha.
SA : savane arborée. Sar : savane arbustive. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu. T1 : total 1. T2 : total 2. TC : taux de changement.

Figure 4 - Carte des changements de l'occupation du sol à Syama entre 1988 et 2019.

Figure 4 - Carte des changements de l'occupation du sol à Syama entre 1988 et 2019.

2 ) Dynamique de l'occupation du sol en dehors des surfaces minières

15 Pour chaque unité d'occupation du sol, les évolutions ont été calculées en retranchant aux superficies déterminées à la date initiale (T1), celles transformées en mine à la date finale (T2). Les résultats sont présentés dans le tableau VI.

Tableau VI - Évolution de l'occupation du sol sur les sites miniers en dehors de l'espace correspondant aux mines.

Tableau VI - Évolution de l'occupation du sol sur les sites miniers en dehors de l'espace correspondant aux mines.

Les superficies sont exprimées en ha.
FC : forêt claire. SA : savane arborée. Sar : savane arbustive. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu. T1 : total 1. T2 : total 2. TC : taux de changement.

16Les valeurs de T1 sont ici plus élevées que dans les tableaux III à V, ce qui se répercute sur les différences T2-T1 et sur les taux de changement. Mais les écarts sont faibles, surtout lorsque les taux de changement calculés pour les sites considérés globalement, sont pondérés pour que les résultats soient réellement comparables (Tab. VII).

Tableau VII - Rapports entre les taux de changement déterminés en considérant les seules surfaces non gagnées par les mines (R1) et la totalité des surfaces cartographiées en ajustant les valeurs (R2).

Tableau VII - Rapports entre les taux de changement déterminés en considérant les seules surfaces non gagnées par les mines (R1) et la totalité des surfaces cartographiées en ajustant les valeurs (R2).

* : R2 = rapport brut / (Shm / St) où Shm est la surface hors mine et St la surface totale cartographiée.
FC : forêt claire. SA : savane arborée. Sar : savane arbustive. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu. T1 : total 1. T2 : total 2. TC : taux de changement.

3 ) Dynamique des classes de densité du NDVI sur les trois sites

17Dans notre étude, six classes sont utilisées pour catégoriser les valeurs des images NDVI :

  • Très faible densité (0,02 à 0,10).

  • Faible densité (0,11 à 0,20).

  • Densité moyenne (0,21 à 0,30).

  • Densité élevée (0,31 à 0,40).

  • Densité très élevée (> 0,40).

  • Autres (< 0) : affleurements rocheux, sols totalement nus et surfaces en eau, pour l'essentiel.

18La figure 5 et le tableau VIII indiquent, pour chaque site minier, l'évolution des classes de densité NDVI entre la période avant la mine et 2019.

Figure 5 - Poids de chacune des classes de densité NDVI à l'ouverture de la mine et en 2019.

Figure 5 - Poids de chacune des classes de densité NDVI à l'ouverture de la mine et en 2019.

Tableau VIII - Évolution des classes de densité NDVI entre l'ouverture de la mine et 2019 (en % de la surface initiale).

Tableau VIII - Évolution des classes de densité NDVI entre l'ouverture de la mine et 2019 (en % de la surface initiale).

19Des changements importants se sont produits dans les classes de densité NDVI "moyenne", "élevée" et "très élevée", tandis que les classes de densité "faible" et "très faible" ont connu de moindres, voire de très faibles, évolutions.

20Sur le site de Morila (Fig. 6), la classe "très élevée" était dominante avant l'ouverture de la mine, puisqu'elle couvrait 63,5 % de la surface cartographiée. Elle était suivie de la classe "élevée" (23,4 % de la surface) et de la classe "moyenne" (10,1 % de la surface). En 2019, c'est la classe "moyenne" qui avait pris la première place (65,8 % de la surface), suivie de la classe "faible" (24,5 %).

Figure 6 - Carte de densité du NDVI à Morila, en 1999 (a), avant la mine, et en 2019 (b).

Figure 6 - Carte de densité du NDVI à Morila, en 1999 (a), avant la mine, et en 2019 (b).

Point noir : lieu d'échantillonnage. Orange foncé : densité très faible. Orange clair : densité faible. Vert pâle : densité moyenne. Vert : densité élevée. Vert foncé : densité très. élevée. Rouge : classe "Autres".

21À Sadiola (Fig. 7), la classe "très élevée" tenait le premier rang dans la période pré-mine (56,1 % de la surface), suivie de la classe "élevée" (36,4 %). En 2019, la zone était dominée par la classe "élevée" (45,4% de la surface), légèrement devant la classe "moyenne" (43,8 %), la classe "très élevée" étant dorénavant réduite à presque rien.

Figure 7 - Carte de densité du NDVI à Sadiola, en 1989 (a), avant la mine, et en 2019 (b).

Figure 7 - Carte de densité du NDVI à Sadiola, en 1989 (a), avant la mine, et en 2019 (b).

Point noir : lieu d'échantillonnage. Orange foncé : densité très faible. Orange clair : densité faible. Vert pâle : densité moyenne. Vert : densité élevée. Vert foncé : densité très élevée. Rouge : classe "Autres".

22À Syama (Fig. 8), la domination de la classe "très élevée" était encore plus nette que sur les autres sites : en 1988, elle couvrait 89 % de la surface cartographiée. En 2019, la classe "moyenne" était devenue majoritaire (50,8 %), suivie de la classe "élevée" (40,6 %).

Figure 8 - Carte de densité du NDVI à Syama, 1988 (a), avant la mine, et en 2019 (b).

Figure 8 - Carte de densité du NDVI à Syama, 1988 (a), avant la mine, et en 2019 (b).

Point noir : lieu d'échantillonnage. Orange foncé : densité très faible. Orange clair : densité faible. Vert pâle : densité moyenne. Vert : densité élevée. Vert foncé : densité très élevée. Rouge : classe "Autres".

23Le couvert végétal des sites a subi une forte dégradation, comme le montrent les variations des valeurs du NDVI collectés sur trente points aléatoirement déterminés par site. À Morila, en 1999, la valeur maximale a été de 0,44 et la valeur minimale de 0,21, pour une valeur moyenne de 0,33 +/- 0,060. En revanche, en 2019, les valeurs n'ont été que de 0,32 pour la maximale et de 0,05 pour la minimale, avec une moyenne de 0,22 +/- 0,058.

24À Sadiola, en 1989, la valeur maximale a été de 0,51 et la valeur minimale de 0,24, avec une valeur moyenne de 0,40 +/- 0,069 en 1989. En 2019, les valeurs maximale et minimale ont atteint 0,38 et 0,13 respectivement, et la valeur moyenne 0,28 +/- 0,058.

25À Syama, entre 1988 et 2019, la valeur maximale est passée de 0,54 à 0,34, la valeur minimale de 0,24 à 0,03 et la valeur moyenne de 0,45 +/- 0,077 à 0,25 +/- 0,069.

26Sur les trois sites, le test t de STUDENT montre une différence très hautement significative entre les moyennes des deux séries au seuil alpha = 0,05, ce qui confirme une dégradation de la vigueur du couvert végétal entre les deux dates.

IV - Discussion

1 ) Dynamique des états de surface

27Durant la période d'étude, l'occupation du sol a subi, sur les trois sites, des modifications très sensibles. La végétation spontanée (forêt claire et savane arborée principalement) a fortement régressé au profit des sols faiblement couverts et des sols nus. Sur les sites de Morila et de Syama, il faut en outre noter une augmentation des surfaces agricoles. En termes de superficies, les pertes des classes "savane arborée" et "sols faiblement couverts" étaient respectivement de 630 ha et 7650 ha à Morila. À Sadiola, nous estimons les pertes à 1229 ha pour la forêt claire, 10359 ha pour la savane arborée et 7221 ha pour les terres agricoles. À Syama, les pertes sont enregistrées au niveau de la savane arborée (5872 ha) et de la savane arbustive (674 ha). Les causes de cette forte fragmentation de l'espace sont surtout d'ordre anthropique. Ces résultats corroborent ceux de J. OBODAI et al. (2019), qui avaient déjà démontré une forte dynamique de l'occupation du sol liée à l'exploitation minière. En effet, les activités minières entraînent un afflux de population et favorisent la multiplication d'effets complémentaires de ceux de l'extraction minière proprement dite, comme l'expansion agricole et la multiplication des constructions, ce qui contribue à la déforestation (P. BASOMMI et al., 2015 ; M.A. KAMGA et al., 2019 ; Y.U. SIKUZANI et al., 2020). En conséquence, l'augmentation de la population entraîne la dégradation des sols, de la végétation et de la biodiversité (Y.U. SIKUZANI et al., 2020 ; I. VRANKEN et al., 2013 ; S. BOISSON et al., 2015 ; M.N. SHUTCHA et al., 2015). En corollaire, elle génère aussi des rivalités d'accès à l'espace et aux ressources (T. TREFON et S. COGELS, 2007 ; J. BOGAERT et al., 2015 ; A. WEERTS, 2015).

2 ) Tendance à la dégradation de la vigueur de la végétation

28Le couvert végétal spontané a subi une fragmentation sévère, mais la végétation aussi a perdu de sa vitalité. L'analyse des classes du NDVI met cette évolution en évidence sur les trois sites. Des changements importants se sont produits dans les classes de densité moyenne, élevée et très élevée. Des résultats comparables ont été obtenus par A. MADASA et al. (2021), D. USMAN KAKU et al. (2021) et I.R. ORIMOLOYE et O.O. OLOLADE (2020) en utilisant la même approche. Selon V. SHEORAN et al. (2010), ces perturbations environnementales dans les zones minières se produisent aussi bien pour les mines à ciel ouvert que pour les mines souterraines. Il en résulte une altération des propriétés chimiques, biologiques et physiques du sol (V. SHEORAN et al., 2010) et un dysfonctionnement des écosystèmes (M.H. GLANTZ, 2019). Des analyses poussées des sols et des végétaux seraient nécessaires pour identifier et quantifier les transformations du milieu. Elles fourniraient des éléments de connaissance pertinents en vue de remédier aux problèmes.

V - Conclusion

29Cette étude présente la tendance actuelle de la dynamique paysagère sur trois sites miniers du Sud Mali au cours des dernières décennies. Les résultats montrent que la végétation s'est fragmentée, mais aussi qu'elle a subi une dégradation, mise en évidence à travers l'Indice Normalisée de Différenciation de la Végétation (NDVI).

30Nous avons cependant conscience des limites de notre approche, qui ne tient pas compte de l'évolution des conditions climatiques, même si celles-ci ont été moindres au cours des vingt dernières années, ni de l'évolution démographique globale des régions dans lesquelles se situent les secteurs d'étude. Pour assurer que les mutations mises en évidence tiennent à l'exploitation des mines, il conviendra d'étudier d'autres secteurs éloignés de sites miniers.

31Quoi qu'il puisse en ressortir alors, un suivi continu de la transformation des classes d'occupation du sol apparaît important pour la définition de programmes de gestion de l'environnement adaptés aux réalités de terrain. Les résultats permettraient aux acteurs, et notamment aux sociétés minières, de mesurer les impacts de leurs opérations et de trouver les meilleurs moyens pour réhabiliter les zones dégradées. Dans cette perspective, nous recommandons la mise en place d'un observatoire dévolu à cette problématique.

Haut de page

Bibliographie

BASOMMI P., GUAN Q. et CHENG D. (2015) - Exploring land use and land cover change in themining areas of Wa East district, Ghana using satellite imagery. Open Geosciences, vol. 7, n° 1, p. 618-626.

BEBBINGTON A., HINOJOSA L., BEBBINGTON DH., BURNEO ML. et WARNAARS X. (2008) - Contention and ambiguity: mining and the possibilities of development. Development and Change, vol. 39, n° 6, p. 887-914.

BIRAMA D. (2020) - Les changements climatiques au Mali et impacts. In : Adaptation de l'agriculture et l'élevage au changement climatique au Mali. Résultats et leçons apprises au Sahel, I. N'DIAYE, J.B. AUNE, G. SYNNEVÂG, H. YOSSI et A. HAMADOUN édit., Édit. Institut d'Économie Rurale, Bamako (Mali), p. 15-35.

BOGAERT J., BILOSO A., VRANKEN I. et ANDRÉ M. (2015) - Peri urban dynamics: landscape ecology perspectives. In : Territoires péri-urbains: développement, enjeux et perspectives dans les pays du Sud, J. BOGAERT et J.M. HALLEUX édit., Édit. Les Presses Agronomiques de Gembloux, Gembloux (Belgique), p. 63-73.

BOISSON S., COLLIGNON J., LANGUNU S., LEBRUN J., NGOY SHUTCHA M. et MAHY G. (2015) - Concilier la phytostabilisation des sols pollués avec la conservation de la flore cupro-cobalticole dans la région de Lubumbashi : une stratégie pour valoriser les écosystèmes extrêmes ? In : Territoires péri-urbains: développement, enjeux et perspectives dans les pays du Sud, J. BOGAERT et J.M. HALLEUX édit., Édit. Les Presses Agronomiques de Gembloux, Gembloux (Belgique), p. 129-140.

DIAWARA H. (2019) - Analyse de l'évolution contemporaine de la température de l'air et des précipitations sur le territoire du Mali. European Scientific Journal, vol. 15, n° 2, p. 154­168.

DNGM (2014) - Rapport du Forum sur l'orpaillage. Édit. Direction Nationale de Géologie et des Mines du Mali, Bamako (Mali), 20 p.

DNGM (2021) - Rapport d'activité de 2020. Édit. Direction Nationale de la Géologie et des Mines du Mali, Bamako (Mali), 34 p.

ELAW (2010) - Guide pour l'évaluation des EIE de projets miniers. Édit. Environmental Law Alliance Worldwide (ELAW), Eugene (USA), 130 p.

GLANTZ MH. (2019) - Desertification: environmental degradation in and around arid lands. Édit. CRC Press, Boca Raton (USA), 366 p.

HU Z.Q. et CHEN T. (2008) - ERDAS aided extraction of vegetation fraction from remote sensing information in coalmine area based - A case study of Shenfu coalmine. Journal of Northwest Forestry University, vol. 23, n° 2, p. 164-167, 183.

INGRAND P. (2018) - Le test t de Student, Journal d'Imagerie Diagnostique et Interventionnelle, vol. 1, n° 2, p. 81-83.

KAMGA M.A., NGUEMHE FILS S.C., AYODELE M.O., OLATUBARA C.O., NZALI S., ADENIKINJU A. et KHALIFA M. (2019) - Evaluation of land use/land cover changes due to gold mining activities from 1987 to 2017 using Landsat imagery, East Cameroon. GeoJournal, vol. 85, p. 1097-1114.

LARA-PULIDO J.A., GUEVARA-SANGINES A. et MARTELO C.A. (2018) - A meta-analysis of economic valuation of eco-system services in Mexico. Ecosystem Services, vol. 31, partie A, p. 126-141.

LIU X, ZHOU W. et BAI Z. (2016) - Vegetation coverage change and stability in large open-pit coal mine dumps in China during 1990-2015. Ecological Engineering, vol. 95, p. 447­451.

LU D. et WENG Q. (2007) - A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing, vol. 28, n° 5, p. 823-870.

MADASA A., ORIMOLOYE I.R. et OLOLADE O.O. (2021) - Application of geospatial indices for mapping land cover/use change detection in a mining area. Journal of African Earth Sciences, vol. 175, p. 104108.

Mining.com (2019) - Animation: top 20 gold producing countries. Données extraites de : lien, site consulté le 13 novembre 2021 à 17h07'GMT.

MANGAMBU MOKOSO J.D.D., ASIMBO BONDOO N. et EKELE MBENGA R. (2021) - Regards sur les impacts environnementaux de projet d'exploitation minière semi-industrielle dans le bassin du Congo. Cas de la rivière Aruwimi (territoire de Basoko, RD Congo). European Scientific Journal, vol. 17, n° 29, p. 328-363.

MUDD GM. (2010) - Global trends and environmental issues in nickel mining: sulfides versus laterites. Ore Geology Reviews, vol. 38, n° 1-2, p. 9-26.

OBODAI J., ADJEI K.A., ODAI S.N. et LUMOR M. (2019) - Land use/land cover dynamics using Landsat data in a gold mining basin-the Ankobra, Ghana. Remote Sensing Applications: Society and Environment, vol. 13, p. 247-256.

ORIMOLOYE I.R. et OLOLADE O.O. (2020) - Spatial evaluation of landuse dynamics in gold mining area using remote sensing and GIS technology. International Journal of Environmental Science and Technology, vol. 17, p. 4465-4480.

OUATTARA I., DIARRA Y. et MAROKO S. (2019) - Étude des impacts des changements climatiques sur les activités agricoles dans la commune rurale de Mafouné. European Scientific Journal, vol. 15, n° 11, p. 121-144.

ROUSE J.W., HAAS R.H., SCHELL J.A., DEERING D.W. et HARLAN J.C. (1974) - Monitoring the vernal advancements and retrogration of natural vegetation. Édit. NASA/GSFC, rapport, Greenbelt (USA), 137 p.

RUELLAND D., LEVAVASSEUR F. et TRIBOTTÉ A. (2010) - Patterns and dynamics of land-cover changes since the 1960s over three experimental areas in Mali. International Journal of Applied Earth Observation and Geoinformation, vol. 12, supplément 1, p. 511-517.

SHEORAN V., SHEORAN A.S. et POONIA P. (2010) - Soil reclamation of abandoned mine land by revegetation: a review. International Journal of Soil, Sediment and Water, vol. 3, n° 2, article 13, 20 p.

SHUTCHA M.N., FAUCON M.P., KAMENGWA KISSI C., COLINET G., MAHY G., NGONGO LUHEMBWE M., VISSER M. et MEERTS P. (2015) - Three years of phytostabilisation experiment of bare acidic soil extremely contaminated by copper smelting using plant biodiversity of metal-rich soils in tropical Africa (Katanga, DR Congo). Ecological Engineering, vol. 82, p. 81-90.

SIKUZANI Y.U., BOISSON S., KALEBA S.C., KHONDE C.N., MALAISSE F., HALLEUX JM., BOGAERT J. et KANKUMBI F.M. (2020) - Dynamique de l'occupation du sol autour des sites miniers le long du gradient urbain-rural de la ville de Lubumbashi, RD Congo. Biotechnologie, Agronomie, Société et Environnement, vol. 24, n° 1, p. 1-14.

TRAORE SS., LANDMANN T., FORKUO E.K. et TRAORE P.C.S. (2014) - Assessing long-term trends in vegetation productivity change over the Bani river basin in Mali (West Africa). Journal of Geography and Earth Sciences, vol. 2, n° 2, p. 21-34.

TRAORE SS., FORKUO E.K., TRAORE P.C.S. et LANDMANN T. (2015) - Assessing the inter-relationship between vegetation productivity, rainfall, population and land cover over the Bani River Basin in Mali (West Africa). IOSR Journal of Engineering, vol. 5, n° 6. p. 10­18.

TREFON T. et COGELS S. (2007) - Espaces périurbains d'Afrique centrale et gouvernance environnementale. Édit. Université libre de Bruxelles, Bruxelles (Belgique), 72 p.

USMAN KAKU D., CAO Y., AL-MASNAY Y.A. et NIZEYIMANA J.C. (2021) - An integrated approach to assess the environmental impacts of large-scale gold mining: the Nzema-Gold mines in the Ellembelle district of Ghana as a case study. International Journal of Environnemental Research and Public Health, vol. 18, n° 13, article 7044, 20 p.

VRANKEN I., AMISI Y.M., MUNYEMBA KANKUMBI F., BAMBA I., VEROUSTRAETE F., VISSER M. et BOGAERT J. (2013) - The spatial footprint of the non-ferrous mining industry in Lubumbashi. Tropicultura, vol. 31, n° 1, p. 20-27.

WEERTS A. (2015) - Les sites miniers en République Démocratique du Congo : conflits et développement autour d'un espace hybride. In : Territoires péri-urbains: développement, enjeux et perspectives dans les pays du Sud, J. BOGAERT et J.M. HALLEUX édit., Édit. Les Presses Agronomiques de Gembloux, Gembloux (Belgique), p. 75-81.

Haut de page

Table des illustrations

Titre Tableau I - Caractéristique des sites miniers d'étude.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-1.jpg
Fichier image/jpeg, 76k
Titre Figure 1 - Localisation des sites miniers d'étude.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-2.jpg
Fichier image/jpeg, 120k
Titre Tableau II - Caractéristiques des images satellitaires utilisées.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-3.jpg
Fichier image/jpeg, 60k
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-4.jpg
Fichier image/jpeg, 40k
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-5.jpg
Fichier image/jpeg, 12k
Titre Tableau III - Matrice de transition des unités d'occupation du sol de Morila entre 1999 et 2019.
Légende Les superficies sont exprimées en ha.SA : savane arborée. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu. T1 : total 1. T2 : total 2. TC : taux de changement.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-6.jpg
Fichier image/jpeg, 240k
Titre Figure 2 - Carte des changements de l'occupation du sol à Morila entre 1999 et 2019.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-7.jpg
Fichier image/jpeg, 468k
Titre Tableau IV - Matrice de transition des unités d'occupation du sol de Sadiola entre 1989 et 2019.
Légende Les superficies sont exprimées en ha.FC : forêt claire. SA : savane arborée. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu, TC : taux de changement. T1 : total 1. T2 : total 2. TC : taux de changement.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-8.jpg
Fichier image/jpeg, 264k
Titre Figure 3 - Carte des changements de l'occupation du sol à Sadiola entre 1989 et 2019.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-9.jpg
Fichier image/jpeg, 516k
Titre Tableau V - Matrice de transition des unités d'occupation du sol de Syama entre 1988 et 2019.
Légende Les superficies sont exprimées en ha.SA : savane arborée. Sar : savane arbustive. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu. T1 : total 1. T2 : total 2. TC : taux de changement.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-10.jpg
Fichier image/jpeg, 264k
Titre Figure 4 - Carte des changements de l'occupation du sol à Syama entre 1988 et 2019.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-11.jpg
Fichier image/jpeg, 548k
Titre Tableau VI - Évolution de l'occupation du sol sur les sites miniers en dehors de l'espace correspondant aux mines.
Légende Les superficies sont exprimées en ha.FC : forêt claire. SA : savane arborée. Sar : savane arbustive. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu. T1 : total 1. T2 : total 2. TC : taux de changement.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-12.jpg
Fichier image/jpeg, 220k
Titre Tableau VII - Rapports entre les taux de changement déterminés en considérant les seules surfaces non gagnées par les mines (R1) et la totalité des surfaces cartographiées en ajustant les valeurs (R2).
Légende * : R2 = rapport brut / (Shm / St) où Shm est la surface hors mine et St la surface totale cartographiée.FC : forêt claire. SA : savane arborée. Sar : savane arbustive. SFC : sol faiblement couvert. ZA : zone agricole. BSN : bâti et sol nu. T1 : total 1. T2 : total 2. TC : taux de changement.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-13.jpg
Fichier image/jpeg, 140k
Titre Figure 5 - Poids de chacune des classes de densité NDVI à l'ouverture de la mine et en 2019.
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-14.jpg
Fichier image/jpeg, 84k
Titre Tableau VIII - Évolution des classes de densité NDVI entre l'ouverture de la mine et 2019 (en % de la surface initiale).
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-15.jpg
Fichier image/jpeg, 112k
Titre Figure 6 - Carte de densité du NDVI à Morila, en 1999 (a), avant la mine, et en 2019 (b).
Légende Point noir : lieu d'échantillonnage. Orange foncé : densité très faible. Orange clair : densité faible. Vert pâle : densité moyenne. Vert : densité élevée. Vert foncé : densité très. élevée. Rouge : classe "Autres".
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-16.jpg
Fichier image/jpeg, 192k
Titre Figure 7 - Carte de densité du NDVI à Sadiola, en 1989 (a), avant la mine, et en 2019 (b).
Légende Point noir : lieu d'échantillonnage. Orange foncé : densité très faible. Orange clair : densité faible. Vert pâle : densité moyenne. Vert : densité élevée. Vert foncé : densité très élevée. Rouge : classe "Autres".
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-17.jpg
Fichier image/jpeg, 208k
Titre Figure 8 - Carte de densité du NDVI à Syama, 1988 (a), avant la mine, et en 2019 (b).
Légende Point noir : lieu d'échantillonnage. Orange foncé : densité très faible. Orange clair : densité faible. Vert pâle : densité moyenne. Vert : densité élevée. Vert foncé : densité très élevée. Rouge : classe "Autres".
URL http://journals.openedition.org/physio-geo/docannexe/image/14565/img-18.jpg
Fichier image/jpeg, 179k
Haut de page

Pour citer cet article

Référence papier

Souleymane Sidi Traore, Sidi Dembele, Djénéba Dembele, Nouhoum Diakite et Cheick Hamalla Diakite, « Dynamique de l'occupation du sol et trajectoire du couvert végétal autour de trois sites miniers du Sud Mali entre 1988 et 2019 », Physio-Géo, Volume 17 | -1, 151-166.

Référence électronique

Souleymane Sidi Traore, Sidi Dembele, Djénéba Dembele, Nouhoum Diakite et Cheick Hamalla Diakite, « Dynamique de l'occupation du sol et trajectoire du couvert végétal autour de trois sites miniers du Sud Mali entre 1988 et 2019 », Physio-Géo [En ligne], Volume 17 | 2022, mis en ligne le 18 septembre 2022, consulté le 28 septembre 2022. URL : http://journals.openedition.org/physio-geo/14565 ; DOI : https://doi.org/10.4000/physio-geo.14565

Haut de page

Auteurs

Souleymane Sidi Traore

Département de Géographie, Université des Sciences Sociales et de Gestion de Bamako, MALI et chercheur associé à l'Unité SIG et Télédétection, Laboratoire Sol-Eau-Plantes, CRRA de Sotuba, IER, MALI.
Courriel : sstraore@yahoo.fr

Sidi Dembele

Département de Géographie, Université des Sciences Sociales et de Gestion de Bamako, MALI et chercheur associé à l'Unité SIG et Télédétection, Laboratoire Sol-Eau-Plantes, CRRA de Sotuba, IER, MALI.
Courriel : sidi_dembele@yahoo.fr

Djénéba Dembele

Unité SIG et Télédétection, Laboratoire Sol-Eau-Plantes, CRRA de Sotuba, IER, MALI.
Courriel : djenebademb@yahoo.fr

Nouhoum Diakite

Département de Géographie, Université des Sciences Sociales et de Gestion de Bamako, MALI.
Courriel : diakiten55@gmail.com

Cheick Hamalla Diakite

Laboratoire Sol-Eau-Plantes, CRRA de Sotuba, IER, MALI.
Courriel : cheikhamallafr@yahoo.fr

Haut de page

Droits d’auteur

Licence Creative Commons
Les contenus de Physio-Géo - Géographie Physique et Environnement sont mis à disposition selon les termes de la Licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.

Haut de page
  • Logo DOAJ – Directory of Open Access Journals
  • Logo EuroPub database
  • OpenEdition Journals
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search