Research topics - GCU

< English version coming soon > 

Construire un espace de géo-connaissance dans une approche pluri/interdisciplinaire en particulier à l’échelle de la ville et du quartier

Nomenclature/typologie sur les modes d’occupation des sols


Trois typologies ont été développées concernant :
  • La couverture des sols : cette typologie hiérarchique part des 3 états de surfaces généraux que sont les surfaces minérales, les surfaces végétales et les surfaces d'eau et propose des couvertures de sols de plus en plus détailler jusqu'à l'objet ou l'élément urbain comme le bâtiment, le lac, ou la voirie
  • L’ utilisation des sols : cette typologie recense toutes les utilisations des couvertures des sols possibles, elle est structurée par thèmes selon des activités et des fonctions et permet d'éviter les redondances de termes/concepts au sein même de l'ontologie.
  • Les caractéristiques des sols: cette typologie thématique également permet de donner des caractéristiques spécifiques aux couvertures des sols comme le type de gestion d'un espace, sa situation géographique, une description morphologique, etc …
Ces trois typologies ont été mises en relation spatialement et sémantiquement avec les bases de données appropriées et ont permis ainsi de fournir une information pertinente en fonction de la requête formulée à travers les outils développés par l’Atelier SIG de l'IRSTV. Elles ont complété le thésaurus GEMET. Ce thésaurus enrichi constitue aujourd’hui l’unique point d’entrée pour qualifier sémantiquement les données.

Qualité des données

Un important travail a été réalisé sur de la qualité de la donnée. La qualité d’une donnée est appréciée par différents critères et peut être estimée par la mise en place de standards comme les métadonnées. L’objectif est de faciliter la dissémination et le partage de données en offrant une batterie de descripteurs pour qualifier les données géographiques (organisme producteur, résolution spatiale et temporelle, étendue du jeu de données, thèmes couverts…).

Images

  • Développement méthodologique pour améliorer la classification en milieu urbain à partir d’image Radar : des images polarimétrique SAR ont été utilisées pour améliorer les méthodes de classification du tissu urbain. Une sélection de descripteurs optimaux a été réalisée pour obtenir de meilleurs résultats. Cette approche améliore les résultats de la classification et permet notamment de mieux distinguer les toits plats ainsi que les arbres.
  • Déformation des sols : une comparaison entre plusieurs outils (Stack-DINSAR et StaMPS) a permis d’estimer la qualité des résultats obtenus sur la quantification de la déformation des sols sur deux sites : Paris et Nantes.
  • Analyse d’image où  les points abordés concernant le traitement d’images sont :
  • Le démixage de pixels : à travers la thèse de Maxime Legendre, le démixage de pixels consiste à identifier  les composantes spectrales dans un pixel à partir de leur spectre pur et à estimer la contribution de chacune. Diverses approches sont utilisées comme la décomposition en analyse en composante principale et la reconstruction par méthodes statistiques.
  • L’analyse d’images (résolution spatiale, images multi-spectrales et hyperspectrales, approches orientée objet et par pixel): l'objectif était ici de croiser différentes sources d'information afin de démontrer leur potentialité individuelle en termes de qualité et de précision spatiale et radiométrique mais aussi leur complémentarité en mettant en évidence leur apports spécifiques dans l'étude de la végétation. Le travail d'analyse d'images multispectrales et hyperspectrales a permis de montrer la précision radiométrique apportée par des images hyperspectrales permettant une différenciation de certaines espèces sur le site d'étude alors que les images multispectrales THR permettent seulement de distinguer les arbres des pelouses. Au niveau de la détection des surfaces de végétation en général, les deux approches donnent des résultats très proches. Ce travail s’est poursuivi pour mettre en évidence l’impact de la résolution des images et de la méthode d’analyse choisie, sur l’identification des surfaces de végétation en milieu urbain mais aussi l’impact des différents types de structures urbaines (lotissement, centre-ville dense, collectif) pour extraire les espaces végétalisés du tissu urbain. Enfin, une étude diachronique a été réalisée pour suivre l’évolution des modes d’occupation des sols de 1993 à 2009 sur l’agglomération nantaise mais l’utilisation de métriques spatiales pour quantifier cette évolution paysagère ne s’est pas avérée pertinente.
  • L’analyse et le traitement d’images provenant de drones avec des informations de localisation facilite la reconstruction de zones étendues. Actuellement des travaux sont en cours pour qualifier la méthodologie et la qualité des mesures. Dans un deuxième temps nous chercherons à exploiter les données pour pouvoir suivre avec précision les évolutions dans le temps.

Développement de modèles

  • Modèle d’évolution urbaine : il a été développé sur le cas d’étude nantais et propose plusieurs scénarios prospectifs à l’horizon 2030. Ce modèle est basé sur une approche multi-agent et prend en compte les spécificités d’un territoire, les souhaits des ménages en matière de logements et  les documents d’urbanisme.
  • Développement d'un modèle spatio-temporel pour les bases de données relationnelles en vue de modéliser la mutation des territoires (webcarto.orbisgis.org/communes).
  • Intégration d’un nouveau langage dans la plateforme OrbisGIS : il permet de manipuler les données géographiques multi-sources et permet d’emboîter des fonctions d’analyses spatiales pour construire des chaînes de traitement. De nouveaux algorithmes ont été introduits dans la plateforme OrbisGIS pour notamment produire des indicateurs urbains nécessaires aux modèles de simulation mais également analyser la qualité des données.
Published on October 23, 2020 Updated on October 23, 2020