Suivi de l’artificialisation des sols par télédétection

Le suivi de l’artificialisation des sols est un enjeu dont l’importance ne cesse de croître cette dernière décennie. Les réglementations, objectifs politiques, documents de planification et d’aménagement renforcent régulièrement la place de la mesure et du suivi de l’artificialisation et sa mise en œuvre opérationnelle.

Identifier et mesurer finement l’évolution de l’artificialisation, mais également réduire les délais de production et faciliter la reproductibilité dans le temps, entre autres : les pistes de recherche sont nombreuses et s’inscrivent dans un panorama de multiples méthodes et bases de données de référence dans l’attente d’une prochaine « normalisation », à commencer par une définition officielle partagée de l’artificialisation.

De nombreux travaux de recherche, notamment dans le cadre du CES Urbain de Theia, visent ainsi à développer ou consolider de nouvelles méthodes et produits contribuant à la mesure et la qualification de l’artificialisation.

Contribuer à la mesure et à la qualification de l’artificialisation

Dès 2007, l’UMR TETIS a été saisie par la DRAAF Languedoc-Roussillon pour travailler sur cette question et proposer une méthode régionale de cartographie et quantification des espaces artificialisés, généralisable et reproductible dans le temps. Basée sur l’utilisation d’images satellitaires (Rapid Eye, IRS) et des traitements à façon, elle nécessitait plus de 25 jours de traitement / post traitement pour couvrir un département.
En 2018, ces travaux ont été poursuivis et étendus à l’échelle de la nouvelle Région Occitanie (13 départements, ~ 72 000 km²) dans le cadre d’un appel à projet « Recherche et Société » (Région Occitanie/ FEDER). La nouvelle méthodologie basée sur l’intelligence artificielle et des images Spot 6/7 (mises à disposition dans le cadre de GEOSUD / DINAMIS) a permis d’automatiser le processus et réduire ainsi le temps homme nécessaire à sa mise en œuvre (~10 jours de traitement sans intervention humaine pour traiter les 13 départements). Les figures 1 et 2 ci-dessous illustrent les résultats de ces travaux : extraction automatisée des bâtis en distinguant l’usage résidentiel / activité et un produit intermédiaire d’occupation du sol simplifiée.

Figure 1 : bâtiments résidentiels et d’activité
Figure 2 : Occupation du sol simplifiée

Cartographier les bâtiments

La cartographie des bâtiments a été réalisée sur cinq années consécutives, de 2015 à 2019. Elle permet de distinguer deux vocations : résidentielle, d’une part, industrielle et commerciale, d’autre part. Ce produit a été évalué suivant deux approches :

  • une première approche, classique, fondée sur les effectifs des pixels étiquetés ;
  • une seconde approche, orientée « objet », qui s’intéresse aux objets détectés (pixels contigus appartenant à une même classe). Celle-ci a permis de qualifier, à la fois, la précision géométrique et planimétrique des entités prédites vis-à-vis du jeu d’entrainement et de déterminer une unité minimale de cartographie (UMC) pour la classe « bâti », qui est de l’ordre de 100 m².

La spatialisation de ces évaluations a aussi révélé une meilleure détection des bâtiments dans les tissus urbains continus (selon la nomenclature Corine Land Cover). En milieux péri-urbain et rural, il semble que les modèles entrainés soient moins performants, peut-être du fait de contextes très variés autour des bâtiments diffus ou isolés.

Le produit intermédiaire d’occupation du sol a été affiné par analyse spatiale (distinction entre végétation rurale et urbaine par exemple) et structuré avec l’ajout du réseau routier de l’IGN. L’objectif était de préciser les éléments constitutifs de l’artificialisation et de donner aux utilisateurs la possibilité d’agencer ces éléments en fonction de leurs problématiques, de leur définition finalement de ce phénomène.

La méthodologie développée dans le cadre du projet ArtiSols a été consolidée courant 2021 dans le cadre du projet TOSCA AIM-CEE, et mise en œuvre à l’échelle nationale. En utilisant la même méthode, l’équipe a utilisé environ 1 200 images Spot 6 et 7 et la BD TOPO IGN, pour entraîner un réseau de neurones artificiels à cartographier les constructions humaines de type bâtiments, sur l’ensemble du territoire français métropolitain. Une fois le modèle entraîné, il a pu être appliqué sur les images Spot 6 et 7 entières pour générer les cartes. Ce produit, dénommé « Buildings Footprint », est diffusé actuellement par le Centre d’Expertise Scientifique de THEIA sur l’urbain, sous une licence ETALAB2.

Empreinte des bâtiments pour Montpellier et sa région.
Données disponibles sur thisme.cines.teledetection.fr/search?collection=BuildingsFootprint&_view=map.


Plus d’informations sur la méthode et les outils utilisés sont données sur la fiche de présentation du produit :
www.theia-land.fr/product/empreinte-au-sol-des-batiments

Dans ses travaux futurs, l’équipe prévoit d’étendre le produit aux territoires et départements d’outre-mer, et d’améliorer les performances de sa méthode. En effet, les limites des méthodes actuelles en apprentissage supervisé résident principalement dans la qualité des données : il est nécessaire de disposer de données de vérité terrain qui sont synchronisées du mieux possible avec les images satellitaires. L’équipe de l’INRAE adresse ce problème notamment au travers de collaborations en recherche et développement avec l’IGN.

Complémenter les produits et bases de données d’occupation des sols

Les travaux présentés contribuent à améliorer la connaissance des espaces artificialisés. Ils démontrent l’apport et la pertinence de l’imagerie satellitaire pour produire rapidement une information à moindre coût (traitements automatisés, faible sollicitation de moyens humains, compromis fauchée / précision, dispositif DINAMIS de mise à disposition de couvertures annuelles), avec une fréquence élevée (annuelle). Cette information est par ailleurs qualifiée afin d’accompagner les utilisateurs.

Ces méthodes et produits explorent de nouvelles pistes de production et soulèvent des questions de recherche autour de l’exhaustivité et de la qualification des résultats. Sous réserve de la prise en compte de leurs limites, ils s’inscrivent d’ores et déjà en complémentarité de produits et bases de données d’occupation du sol de référence.

Éric Barbe, Rémi Cresson & Kenji Osé
INRAE TETIS
CES Urbain

Lire le Bulletin Theia n°15

>>> Télécharger le .pdf en version impression
>>> Lire le Bulletin sur Calaméo


>>> Retrouver les numéros précédents.

Plus d'actualités

Deux outils LiDAR THEIA pour suivre les forêts

En cette journée internationale des forêts, placée en 2024 sous le signe de l’innovation, nous mettons en avant deux outils dédiés à la gestion des données LiDAR aériennes pour la caractérisation des forêts.

Des données SWOT qui dépassent les attentes

Les données hydrologiques SWOT arrivent sur hydroweb.next et leur qualité dépasse les espérances.

OSO Millésime 2023 : encore un peu de patience

Le millésime OS0 2023 sera un peu en retard. Merci de votre patience.

Rechercher