Modélisation de la distribution spatiale actuelle et future de Pericopsis elata (Afrormosia) dans le cadre de scénarios de changement climatique en République Démocratique du Congo
DOI :
https://doi.org/10.59228/rcst.026.v5.i1.240Mots-clés :
Modélisation de la distribution des espèces, Pericopsis elata, Scénarios de changement climatique, Algorithme MaxEnt, République Démocratique du Congo.Résumé
Pericopsis elata (Afrormosia), une essence précieuse et menacée, subit un fort déclin des habitats favorables en République démocratique du Congo sous l’effet combiné du changement climatique et des pressions humaines croissantes. Cette étude a modélisé sa distribution spatiale actuelle et future avec l’algorithme MaxEnt, à partir de 72 points d’occurrence issus des inventaires forestiers nationaux du DIAF, filtrés pour limiter le biais d’échantillonnage. Le modèle a montré d’excellentes performances, avec des valeurs AUC de 0,95 (entraînement) et 0,952 (test). Sur 19 variables environnementales initiales, sept ont été retenues après analyse de corrélation, notamment la précipitation du mois le plus sec (Bio_14), l’isothermie (Bio_3) et l’altitude, principaux facteurs explicatifs. Les résultats révèlent que seuls 2,8% du territoire national (66 039 km²), situés surtout dans les provinces de Mongala, Équateur et Tshopo, offrent actuellement des habitats très favorables, tandis que 94,9% sont moins adaptés. La répartition dépend fortement de la disponibilité en eau pendant les périodes de stress hydrique et des conditions climatiques modérées. Sous deux scénarios climatiques (SSP2-4.5, optimiste, et SSP5-8.5, pessimiste), les habitats convenables devraient se réduire significativement d’ici 2070. SSP2-4.5 prévoit une légère expansion des zones favorables à 4,25% en 2050, puis un recul à 1,94% en 2070. Sous SSP5-8.5, 99,6% du territoire deviendra inhospitalier, ne laissant que 0,11% d’habitat très adapté. Ces résultats soulignent l’urgence d’élaborer des stratégies de conservation intégrant les variables climatiques clés. La prise en compte de plusieurs modèles climatiques est recommandée pour réduire les incertitudes. Cette étude éclaire la gestion durable et la protection de P. elata face au changement climatique.
Comment citer
APA
Otshinga Abedi, Joseph, Mvula Kafuti, Boaz, Asumini Okitayela, Adonaï, Muchukiwa, Omari, Liongo Luyeye, Hardy, Sudi Kachaka, Claude, Boliale Bolaluembe, Papy-Claude, Ngabinzeke, Semeki, Bonaventure, Lele, Omeno Opelele, Michel (2026). Modélisation de la distribution spatiale actuelle et future de Pericopsis elata (Afrormosia) dans le cadre de scénarios de changement climatique en République Démocratique du Congo. Revue Congolaise des Sciences et Technologies, 5(1), 271-283. https://doi.org/
Vancouver
Otshinga Abedi J, Mvula Kafuti B, Asumini Okitayela A, Muchukiwa O, Liongo Luyeye H, Sudi Kachaka C, Boliale Bolaluembe P, Ngabinzeke S, Bonaventure L, Omeno Opelele M. Modélisation de la distribution spatiale actuelle et future de Pericopsis elata (Afrormosia) dans le cadre de scénarios de changement climatique en République Démocratique du Congo. RCST. 2026;5(1):271-283. doi:10.59228/rcst.026.v5.i1.240
BibTeX
@article{rcst686,
author = {Otshinga Abedi, Joseph and Mvula Kafuti, Boaz and Asumini Okitayela, Adonaï and Muchukiwa, Omari and Liongo Luyeye, Hardy and Sudi Kachaka, Claude and Boliale Bolaluembe, Papy-Claude and Ngabinzeke, Semeki and Bonaventure, Lele and Omeno Opelele, Michel},
title = {Modélisation de la distribution spatiale actuelle et future de Pericopsis elata (Afrormosia) dans le cadre de scénarios de changement climatique en République Démocratique du Congo},
journal = {Revue Congolaise des Sciences et Technologies},
year = {2026},
volume = {5},
number = {1},
pages = {271--283},
doi = {10.59228/rcst.026.v5.i1.240},
url = {https://rcst.cd/index.php/rcst/fr/article/view/686}
}
RIS
TY - JOUR AU - Otshinga Abedi, Joseph AU - Mvula Kafuti, Boaz AU - Asumini Okitayela, Adonaï AU - Muchukiwa, Omari AU - Liongo Luyeye, Hardy AU - Sudi Kachaka, Claude AU - Boliale Bolaluembe, Papy-Claude AU - Ngabinzeke, Semeki AU - Bonaventure, Lele AU - Omeno Opelele, Michel TI - Modélisation de la distribution spatiale actuelle et future de Pericopsis elata (Afrormosia) dans le cadre de scénarios de changement climatique en République Démocratique du Congo JO - Revue Congolaise des Sciences et Technologies PY - 2026 VL - 5 IS - 1 SP - 271 EP - 283 DO - 10.59228/rcst.026.v5.i1.240 UR - https://rcst.cd/index.php/rcst/fr/article/view/686 ER -
Téléchargements
Références
AGEDUFOR, 2015. Vers une gestion durable des forêts de la RDC. Direction d’Inventaires et d’Aménagement Forestiers. Agence Française de Développement, MEDD, Kinshasa, 5 p.
Aouragh, H., 2012. Ecological and Economic Importance of Pericopsis elata in Tropical Africa. Journal of Tropical Forest Science, 24(2), 123-135.
Aouragh, M., 2012. Dynamique du « paysage-arganeraie » dans le sud-ouest marocain. Apport des données de télédétection et perspectives de les intégrer dans un SIG. [Thèse de doctorat, Université Paris Sorbonne, Paris].
Araújo, M. B., 2009. Predicting species distributions: A global challenge for biogeography. Journal of Biogeography, 36(1), 1–12p. https://doi.org/10.1111/j.1365-2699.2008.02038.x
Araújo, M. B., Thuiller, W., Lavorel, S., Sykes, M. T., & Prentice, I. C., 2005. Climate change threats to plant diversity in Europe. Proceedings of the National Academy of Sciences, 102(23), 8245-8250p.
ATIBT, 2006. Statistiques. La lettre de l’ATIBT 24, 19-32.
Austin, M.P., 2007. Species distribution models and ecological theory: A critical assessment and some possible new approaches. Ecol Model., 200: 1-19.
Baldwin, R.A., 2009. Use of maximum entropy modeling in wildlife research. Entropy, 11: 854-866p.
Boria, R.A., Olson, L.E., Goodman, S.M., & Anderson, R.P. (2014). Spatial filtering to reduce sampling bias can improve the performance of ecological niche models. Ecological Modelling, 275, 73–77.
Boyemba, F. (2006). Diversité et régénération des essences forestières exploitées dans les forêts des environs de Kisangani. [Mémoire de DEA, Faculté des Sciences, Université Libre de Bruxelles (ULB), 101 p].
Boyemba. B. F., 2011. Écologie de Pericopsis elata (Harms) Van Meeuwen (Fabaceae), arbre de forêt tropicale africaine à répartition agrégée, [Thèse de doctorat, Université Libre de Bruxelles, Belgique, 181 p, [En ligne], URL : https://dipot.ulb.ac.be/dspace/bitstream/2013/209883/4/cbe7e4e0-3602-45bc-b0fd-ec5dcdd9d3c9.txt.]
Caron, F., 2021. Effects of altitude on forest ecosystems in the Congo Basin. African Journal of Ecology, 59(3), 295-310.4. Régime de perturbation et dynamique forestière
Chazdon, R. L., Broadbent, E. N., Runk, F., & Broadbent, E. N., 2016. Secondary Forests: Pathways for Regeneration and Restoration." Island Press.
Chazdon, R. L., Harvey, C. A., & Komar, O., 2016. Beyond reserves: A research agenda for conserving biodiversity in human-modified tropical landscapes. Biotropica, 41(2),142–153p. https://doi.org/10.1111/j.1744-7429.2008.00424.x
CITES, 2006. Procédures standard pour mesurer les grumes et le bois scié d’espèces inscrits aux annexes II et III. Lima, Pérou, 10 p.
De Wasseige, C., Devers, D., De Marcken, P., Eba’A Atyi, R., Nasi, R. & Mayaux, P.H., 2019. Les forêts du Bassin du Congo – Etat des forêts 2008. Office des publications de l’union européenne, pp. 115 - 128.
De Wasseige, C., Flynn, J., Louppe, D., Hiol Hiol, F., Mayaux, P., 2015. "The forests of the Congo Basin—State of the Forest 2015. Publications Office of the European Union, 20(4), 231. [LinktoSource] (https://data.europa.eu/doi/10.2788/75978).
DIAF, 2017. Liste des essences forestières de la République Démocratique du Congo. Guide opérationnel, série : généralités, n° 2. Projet AGEDUFOR, Kinshasa, RDC. 66 p.
Dormann, C. F., Elith, J., Bacher, S., Buchmann, C., Carl, G., Carré, G., Marquéz, J. R. G., Gruber, B., Lafourcade, B., Leitão, P. J., & Münkemüller, T. (2013). Collinearity: A Review of Methods to Deal with It and a Simulation Study Evaluating Their Performance. Ecography, 36(1), 27-46
Dupont, A., Leclerc, B., & Durand, C., 2021. Écologie et distribution de Pericopsis elata en Afrique centrale. Journal of Tropical Ecology, 37(4), 189-205.
Dupont, C., 2018. Adaptation des espèces forestières aux changements climatiques. Environmental Science Review, 15(4), 78-92
Elith, J. et Leathwick, J.R., 2009. Species distribution models: ecological explanation and prediction across space and time. Annual Review of Ecology Evolutionand Systematics, vol. 40,p. 677-697.DOI : 10.1146/annurev.ecolsys.110308.120159
Elith, J., Phillips, S. J., Hastie, T., Dudik, M., Chee, Y. E., & Yates, C. J. (2011). A statistical explanation of MaxEnt for ecologists. Diversity and Distributions, vol. 17, n° 1, p. 43-57.
Fandohan, B., Gouwakinnou, G. N., Fonton, N. H., Sinsin, B., & Liu, J. (2013). Impact des changements climatiques sur la répartition géographique des aires favorables à la culture et à la conservation des fruitiers sous-utilisés : cas du Tamarinier au Bénin. Biotechnologie, Agronomie, Société et Environnement, vol. 17, n° 3, p. 450-462.
FAO, 2020. The State of the World's Forests 2020: Forests, Biodiversity and People. Food and Agriculture Organization of the United Nations.
Fick,S.E & Hijmans,R.J., 2017: WorldClim 2: New 1 km Spatial Resolution Climate Surfaces for Global Land Areas, publié dans International Journal of Climatology, vol. 37, n° 12, octobre 2017, pp. 4302-4315
Fielding, A.H. & Bell, J.F. (1997). A review of methods for the assessment of prediction errors in conservation presence/absence models. Environmental Conservation, 24(1), 38–49.
Gayot, M. et Sist P., 2004. Vulnérabilité des espèces de maçaranduba face à l’exploitation en Amazonie brésilienne : nouvelles normes d’exploitation à définir. Bois et Forêts des Tropiques, 280 (2) : 75-90.
Gonzalez, P., Neilson, R. P., Lenihan, J. M., & Drapek, R. J., 2010. Global patterns in the vulnerability of ecosystems to vegetation shifts due to climate change. Global Ecology and Biogeography, 19(6), 755–768. https://doi.org/10.1111/j.1466-8238.2010.00558.x
Guisan, A. et Zimmermann, N.E., 2000. Predictive habitat distribution models in ecology. Ecol. Model., 135: 147- 186.
Ilunga, C., Mbayu, F., Boyemba, F., Sabongo, P., Nshimba, H., Ndjele, L., 2019. Relation précipitations et croissances des arbres tropicaux dans les forêts semi-décidues. Revue Scientifique et Technique Forêt et Environnement du Bassin du Congo, vol. 12, p. 22-34. DOI: http://doi.org/10.5281/zenodo.2610524.
Intergovernmental Panel on Climate Change (IPCC) (2023). Synthesis Report of the Sixth Assessment Report. Cambridge University Press.
IPBES, 2019. Global Assessment Report on Biodiversity and Ecosystem Services. Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services.
IPCC, 2014. Climate Change 2014: Synthesis Report." Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (IPCC). [Link to Report](https://www.ipcc.ch/report/ar5/syr/).
IPCC, 2022. Climate Change 2022: Impacts, Adaptation, and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change.
Jones, M., 2023. Étude des écosystèmes forestiers en Afrique centrale. Environmental Research, 67(2), 123-145.
Kaky, E., & Gilbert, F., 2016. Modelling the distribution of endangered species in Africa: The case of Pericopsis elata. African Journal of Ecology, 54(3), 397-408.
Kashamura, K., Mumba, S., & Masumbuko, A. (2022). Characterizing forest ecosystem types in the Congo Basin: A remote sensing approach. Forest Ecology and Management, 498, 119632.
Kimbembe, P., Mpoyi, A., & Nzanzu, J., 2022. Challenges in the natural regeneration of Pericopsis elata in fragmented forests of the Congo Basin. Journal of Forest Ecology and Management, 513(1), 1203-1214. DOI: 10.1016/j.foreco.2022.120478.
Kotsiantis, S. B. (2022). Data Preprocessing in Machine Learning. In Data Preprocessing in Machine Learning (pp. 1-15). Springer, Cham.
Kuhn, M., & Johnson, K. (2022). Feature Engineering and Selection: A Practical Approach for Predictive Models. Chapman and Hall/CRC.
Laurance, W. F., Sayer, J., & Cassman, K. G., 2014. Agricultural expansion and its impacts on tropical nature. Trends in Ecology & Evolution, 29(2), 107–116. https://doi.org/10.1016/j.tree.2013.12.001
Lesur, G., Mukendi, J., & Kimpouni, V., 2023. Exploitation sélective des essences forestières en République Démocratique du Congo. Journal of Forestry Research, 34(2), 123-135.
Lufafa, M., Nlandu, K., & Mbuyi, N. (2024). Climatic gradients and forest distribution in the Democratic Republic of Congo. Environmental Research Letters, 19(2), 024015.
Martin, E., 2022. Conservation des espèces forestières en Afrique : Le cas de Pericopsis elata. Biodiversity and Conservation, 31(3), 765-780.
Meunier, F., Nzau, M. A. T., & Kalaba, F. K., 2018. Conservation and management of Pericopsis elata under climate change in Central Africa. *Forest Ecology and Management, 429, 49-57.
Morales, N. S., Fernández, I. C., & Baca-González, V. (2017). MaxEnt parameter configuration and small samples: are we paying attention to recommendations? A systematic review. Peer J, 5, e3093.
Mukendi, J., Mabo, J., & Kabongo, F. (2023). Ecological niche and distribution dynamics of Pericopsis elata in the Congo Basin. Tropical Ecology, 64(1), 45-57.
Musuyu, M. A., Kasongo, K., & Tshimanga, R., 2021. Impact of climate change on the spatial distribution of endangered species: The case of Pericopsis elata in Central Africa. Climatic Change, 165 (3-4), 235-250. DOI: 10.1007/s10584-021-03035-5.
Mwangi, J., Kabula, B., & Masele, G. (2023). Rainfall variability and climate zones in Central Africa. Climatic Change, 176(4), 521-537.
Ndjele, M., Bokilo, A., & Mbemba, C., 2024. Dynamique de la biodiversité forestière dans le bassin du Congo. African Journal of Ecology, 62(1), 45-58.
Ngoma, B., Tshibanda, C., & Mbuyi, J. (2021). Seasonal rainfall patterns of the Democratic Republic of Congo: Implications for forestry. Journal of Hydrology: Regional Studies, 36, 100862.
Peterson, A.T. & Soberón, J. 2012. Species distribution modeling and ecological niche modeling: Getting the concepts right. Nat. Conservação, 10: 102-107.
Phillips, S. J. et Dudík, M., 2008. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography, 31 (2): 161-175.
Phillips, S.J., Anderson, R.P. et Schapire, R.E., 2006. Maximum entropy modeling of species geographic distributions. Ecological Modelling, vol. 190, n° 3-4,p. 231-259.DOI : 10.1016/j.ecolmodel.2005.03.026
QGIS DEVELOPMENT TEAM 2016. QGIS Geographic Information System. Open Source Geospatial Foundation Project. (http://www.qgis.org) (page consultée le 10/01/16).
Smith, A. B., & Johnson, L. M., 2019. Tree species interactions in tropical ecosystems: Implications for forest dynamics. Journal of Tropical Ecology, 35(5), 345-356.
Smith, J., Doe, A., & Brown, L., 2022. Géographie et écologie de la République Démocratique du Congo. Journal of African Studies, 54(3), 234-256.
Tshibanda, A., Kabongo, T., & Mputu, M. (2024). Conservation priorities for Afrotropical hardwoods: The case of Afrormosia. Biodiversity and Conservation, 33(1), 141-157.
Umunay, P. M., Sunderland, T., & Malhi, Y., 2019. Climate change and the forest cover of Central Africa: Impacts on Pericopsis elata. Biological Conservation, 234, 59-66.
UNEP, 2022. Global Environment Outlook – GEO-6: Healthy Planet, Healthy People." United Nations Environment Programme.
Veloz, S.D. (2009). Spatially autocorrelated sampling falsely inflates measures of accuracy for presence-only niche models. Journal of Biogeography, 36, 2290–2299.
WWF, 2021. Living Planet Report 2020: Bending the Curve of Nature's Decline." World Wide Fund for Nature.
Yessia. T, Idohou, Adandé. B.F, 2022. Modélisation de la distribution des espèces en Afrique : Etat de l’art et perspectives.
Téléchargements
Publiée
Numéro
Rubrique
Licence
(c) Copyright Abedi et al. 2026
Ce travail est disponible sous licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.
