The problem of soil erosion and sedimentation of watercourses is becoming widespread due to increasing unwholesome land-use practices and population pressure on the limited landscapes. To ascertain the response of the Kubanni drainage basin to natural and anthropogenic forcing, this study adopted SCS-CN and geospatial technology to estimate the runoff of the Kubanni drainage basin. Some of the unique contributions of this study include the determination of the HSG and SCS-CN for the Kubanni drainage basin as a precondition to estimating runoff in a GIS environment. Satellite images of Landsat OLI for December 2014 and 2018, rainfall data from 2014 to 2018, soil data and DEM of 30-meter resolution were utilized for the study. A maximum likelihood supervised classification method was adopted in processing the satellite images to determine the LULC classes for the Kubanni drainage basin landscape. The LULC classes for the study area include built-up area, water, vegetation, farmland and bare land. The SCS-CN values for the sub-basins of Goruba, Maigamo, Tukurwa and Malmo were discovered to be 79.724, 76.506, 71.470 and 66.004 respectively, while the average SCS-CN value was found to be 73.426. The volume of runoff for the year 2014, 2015, 2016, 2017 and 2018 were discovered to be 1,435,722.7m3, 1,651,498.6m3, 1,281,367.5m3, 1,051,406.9m3 and 1,592,346.9m3 respectively, while the average runoff was found to be 1,402,406.52m3 year-1. The model of this study is empirically viable and demonstrates its applicability in investigating watershed runoff due to anthropogenic and climatic forcing. Le problème de l’érosion des sols et de la sédimentation des cours d’eau se généralise en raison de l’augmentation des pratiques malsaines d’utilisation des terres et de la pression démographique sur un paysage limité. Pour déterminer la réponse du bassin versant du Kubanni au forçage naturel et anthropique, cette étude a adopté la technologie SCS-CN et géospatiale pour estimer le ruissellement du bassin versant du Kubanni. Parmi les contributions uniques de cette étude, mentionnons la détermination du HSG et du SCS-CN pour le bassin versant de Kubanni comme condition préalable à l’estimation du ruissellement dans un environnement SIG. Des images satellites de Landsat OLI pour décembre 2014 et 2018, des données pluviométriques de 2014 à 2018, des données sur le sol et un DEM d’une résolution de 30 mètres ont été utilisés pour l’étude. Une méthode de classification supervisée de probabilité maximale a été adoptée lors du traitement des images satellites afin de déterminer les classes LULC pour le paysage du bassin versant de Kubanni. Les classes LULC pour la zone d’étude comprennent la zone bâtie, l’eau, la végétation, les terres agricoles et les terres nues. Les valeurs SCS-CN pour les sous-bassins de Goruba, Maigamo, Tukurwa et Malmö se sont révélées être de 79,724, 76,506, 71,470 et 66,004 respectivement, tandis que la valeur moyenne SCS-CN s’est avérée être de 73,426. Le volume de ruissellement pour les années 2014, 2015, 2016, 2017 et 2018 s’est avéré être de 1 435 722,7m3, 1 651 498,6m3, 1 281 367,5m3, 1 051 406,9m3 et 1 592 346,9m3 respectivement, tandis que le ruissellement moyen a été constaté à 1,402,406.52m3 year-1. Le modèle de cette étude est empiriquement viable et démontre son applicabilité dans l’étude du ruissellement des bassins versants dû au forçage anthropique et climatique.