Cours SIG 2222

SYSTEMES D’INFORMATIONmethodes numeriques
GEOGRAPHIQUE : de l’analyse spatiale

en geomatique
methodes numeriques de l’analyse spatiale en
geomatique
Jean-Marc Gilliot 2019 - 2020
grande école européenne d'ingénieurs et de managers dans le domaine du vivant et de l'environnement
www.agroparistech.fr
[email protected] 1
methodes numeriques de l’analyse spatiale
en geomatique
methodes numeriques de l’analyse spatiale en

geomatique
I. : rappels essentiels de sig + complements
II. : notions de base pour l’analyse spatiale
III. : methodes d’analyse spatiale

IV. : analyse en mode vecteur
V. : analyse en mode raster
VI. : modelisation spatialisee
[email protected] 2
en geomatique
I. : rappels essentiels de sig + complements

[email protected] 3
I. : rappels sig en geomatique
SIG 1A cours et TD
SIG 2A TD Domaine 1 et 3
[email protected] 4
Le cours SIG de 1A en ligne sur le site TICE AgroParisTech:

https://tice.agroparistech.fr/coursenligne/courses/25074
Cours en vidéo le PDF
[email protected] 5
Un Système d’information Géographique ou S.I.G.

c’est une base de données
avec ses tables de données
X
Y
Mais avec de l’information
localisée géographiquement
Positions définies dans un Référentiel cartographique
[email protected] 6
notion d’identifiant ou cle

identifiant = code identifie de manière unique chaque enregistrement de la table
Code INSEE des communes

les doublons (deux informations identiques ou plus) sont interdits

la présence de la clé interdit la présence d'un champ vide dans un enregistrement.
Notion d’identifiant naturel = un champ qui par nature porte un code unique
[email protected] 7
operation de jointure entre tables
L’opération de jointure exploite les relations entre les tables

pour donner accès à des informations qui sont dans 2 tables
relation 1 : 1
table 1 jointure table 2
Création d’une table « virtuelle » regroupant les informations des 2 tables
[email protected] 8
sens de la jointure
Sens 1 table 1 -> table2

table 1 table 2
Sens 2 table 2 -> table1
Les 2 sens ne sont généralement pas équivalent

Surtout en cas de cardinalité multiple
[email protected] 9
cardinalite de la jointure
relation 1 : 1
relation 1 : n
[email protected] 10
ORGANISATION DES CARTES EN « COUCHES »
La carte du SIG est composée de « cartes élémentaires »

ou COUCHES = LAYERS
Chaque couche
contient 1 type d’information
Les couches sont superposables

Si elles sont ramenées
dans un même référentiel
La carte les couches

Le découpage en couches du SIG

est analogue
au découpage en tables du SGBD
On parle du principe de modularité =

Découper les informations en « petites » unités gérables
Tous les logiciels qui travaillent sur des données graphiques

Utilisent un système de couches
Le volet « Sélection » de POWERPOINT
couches
PYRAMIDE RASTER
La création de pyramides améliore les performances d'affichage
des jeux de données raster.
Affichage optimisé en fonction du zoom

TUILES RASTER TUILAGE OU PAVAGE

TUILES VECTORIELLES ET INDEX SPATIAL

quadtree
maillage de polygones résultant, à
plusieurs échelles, représente divers
niveaux de détails
Index spatial
NOTION DE COUCHE DE FOND Image drone 32306 X 46357 pixels

Mode d’affichage optimisée pour les couches « lourdes »
La légende ne peut pas changer
Mode couche normale Mode couche « fond de plan »

Scroll avec un effet saccade Scroll « fluide »
fichiers a
shapefiles carte
plat raster images
fichier dbase
table sémantique
sig bases de
donnees
Capsule spatiale
Capsule spatiale
Formats S.I.G.
 ShapeFile
{
 KML (kmz) (google earth) Keyhole Markup Language
 JavaScript Object Notation (JSON) GeoJSON
 Paquetage de couche
 Geodatabase
 GeoTIFF
Structure de données vectorielle

structure de données raster
Ces représentations : point, polyligne, polygones sont des représentations vectorielles
éléments linéaires
éléments surfaciques : polygones éléments ponctuels
agrandissons
On voit apparaître
une structure matricielle
sous la forme d’une grille
Chaque cellule
de la grille est un pixel :
picture element
Chaque pixel contient

Une valeur numérique
Ah oui …
Un entier
la matrice
210
Ou un réel
54.2
Un PIXEL peut représenter par ex:
Une couleur dans une image

Une altitude du relief
Un type de sol
Une classe d’occupation du sol
…
Image niveaux de gris
3 plans (canaux ou bandes) image = modèle RVB (RGB)

R (rouge)
Image couleur
V (vert)
B (bleu)
R
V
0
B
176
PIXEL couleur 80
Souvent pixel entre 0 et 255 = 28
Principe de la composition colorée fausse ou vrai couleurs
Image multispectrale avec plus de 3 bandes
On en choisit 3 pour faire la composition colorée
R
V
Composition colorée
Avec certains capteurs = canaux images pas dans le visible

Dans l’infra-rouge ou le thermique par exemple
VISIBLE INFRA ROUGE

Thermique
IMAGERIE DRONE (vol Grignon 2017)
Acquisitions synchrone
Caméra visible caméra thermique en fausses couleurs
Infra-rouge
Image satellite Sentinel 2 en fausse couleur (sud de Milan)
Activité
chlorophyllienne
Bande « proche-infrarouge » -> rouge

Bande « rouge » -> vert Fausse couleurs
Bande « verte » -> bleu
massif forestier dans une carte d’occupation du sol
VECTEUR RASTER
Forme vectorielle = liste de points(X,Y) Grille = grid = matrice
Table de données associée au vecteur Pas de table : 1 valeur par cellule de la matrice
2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2 2 2 2 3 3 1 1 1 1
2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 1 1 1
2 2 2 2 2 2 2 2 3 3 3 1 1 1 1 1 1 1
2 2 2 2 2 2 1 1 3 3 3 1 1 1 1 1 1 1
2 2 2 2 2 1 1 1 3 3 3 1 1 1 1 1 1 1
2 2 2 2 1 1 1 3 3 3 3 1 1 1 1 1 1 1
2 2 2 2 1 1 1 3 3 3 3 1 1 1 1 1 1 1
2 2 2 2 1 1 1 3 3 3 3 3 3 1 1 1 1 1
2 2 2 2 1 1 1 3 3 3 3 3 3 3 3 3 3 3
3 3 2 2 1 1 1 1 1 3 3 3 3 3 3 3 1 1
3 3 2 2 2 2 1 1 1 1 1 1 3 3 3 1 1 1
3 3 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 couche vecteur = n champs = n attributs = n informations

1 couche raster = 1 seule information / pixel
VECTEUR RASTER
Structure objet Pas de structure objet
représentation explicite des objets Représentation implicite des objets
En cliquant on peut accéder En cliquant on ne peut accéder

au polygone de l’objet forêt qu’à la valeur d’un pixel
Et à tout ses attributs L’objet forêt n’existe pas
en tant que tel
passage d’un mode de representation a l’autre
rasterisation
VECTEUR vectorisation RASTER
VECTORISATION
Filtrage détection Bipoint vecteur
de contour
Codage de Freeman
en geomatique
rasterisation
3. Lire la valeur au centre de chaque cellule +
et « remplir » la matrice 1. Placer une grille virtuelle sur le vecteur
2. Créer une matrice « vide » de même taille
vecteur
Raster
REFERENTIELS GEOGRAPHIQUES
Pourquoi c’est très important le référentiel géographique

Placer les cavaliers blanc et noir sur l’échiquier
Comme ci-dessous, en utilisant leurs coordonnées
(C,2)
(b,4)
Considérez l’échiquier muni de 2 référentiels différents

Cavalier noir est en (C,2) dans le référentiel 1
Cavalier blanc est en (b,4) référentiel non précisé ambiguïté cause d’erreur
8 7 6 5 4 3 2 1
O Référentiel 2
8 a
7 b
6 c
5 d
4 e
3 f
2 g
1 h
Référentiel 1 O a b c d e f g h
Les formes dans les couches SIG sont constituées des listes de coordonnées
Les coordonnées sont définies par rapport à 1 référentiel = origine / unités
Forme SIG bipoint vecteur coordonnées

Si le référentiel n’est pas précisé ou n’est pas le bon

Les coordonnées sont mal interprétées
Et la forme n’est pas affichée au bon endroit sur la carte
les referentiels
 WGS84 : pour les données mondiales ou en latitude / longitude
Les référentiels Français:

Lambert II étendu
 Lambert NTF (ancien système): Lambert 93
NTF Lambert II étendu ou généralisé pour France entière
NTF Lambert I Zone France entière
NTF Lambert II Zone

NTF Lambert III Zone
NTF Lambert IV Zone
 Lambert 93 : le Référentiel officiel Français

RGF93 Lambert 93 décret en fait la projection officiel
9 projections « Zone » peu utilisées
CC42, CC43, CC44, CC45, CC46, CC47, CC48, CC49 et CC50
c’est defini ou le referentiel ?
1. dans les proprietes de la couche 2. dans les proprietes de

l'affichage / ecran (carte)
C’est comme sa carte d’identité de référentiel

On parle de Les coordonnées de toutes les couches
référentiel doivent être converties dans ce système
RGF93
« natif » avant affichage
c’est dans ce
Lambert 93 système que sont Il ne peut y avoir qu’un seul référentiel
saisies les à un instant t à l’écran
coordonnées
affichage direct de deux couches a l’ecran

 2 couches définies dans le même référentiel géographique
LE HAVRE  2 couches définies

x dans 2 référentiels différents
LE HAVRE
LE HAVRE
Se superposent x
à l’écran
x
LE HAVRE
Ne se superposent pas à l’écran
décalage à l ’écran
et / ou problème d’échelle
Toutes mes couches doivent être

dans le même référentiel dans ma carte ?
dans le temps … oui

Mais aujourd’hui NON

grace à la projection à la volée
dans les logiciels
le mecanisme de projection « a la volee »
Lambert 93
Lambert I
Recalcule
des coordonnées
Lambert 93
UTM
Fuseau 31
Lambert 93 Lambert 93
le mecanisme de projection dynamique

« a la volee »
 Mécanisme très pratique Couche d’habillage = par ex contours des régions
 Mais pas très précis afin d’être rapide (temps réel à l’affichage)
 Bien adapté pour les couches « d’habillage » peu précises
 Pour les couches métiers on préfèrera créer une nouvelle couche
dans la bonne projection = reprojection statique
Projection statique
un nouveau fichier
est créé
en geomatique
tendances sur les donnees et les logiciels

donnees
La part grandissante des données « libres » Open Data
dans la suite de la directive européenne INSPIRE

Corine Land Cover
Openstreet Map
Images Sentinel
l’acces aux donnees ign
GEOPORTAIL
Géoservices
Webservices
internet
Visualisation
navigateur web Téléchargement
SIG
Une partie données accessibles

que sur inscription Organisation
Exemple: Registre Parcellaire Graphique en accès libre

Notez la licence grauite
Les 9 millions de parcelles du RPG 2016

les logiciels
LIBRE ou PROPRIETAIRES DESKTOP ou WEB application

QGIS ArcGIS ArcMap ArcGIS Online

MapInfo ArcGIS Entreprise
gvSIG ArcGIS Pro
gvSIG online
QGIS
en geomatique
II. : notions de base en analyse spatiale

II. : notions base en geomatique
l’analyse spatiale: pour quoi faire ?
Mieux connaître l’organisation des milieux dans l’espace

comprendre le fonctionnement spatiale des milieux
Prédire des informations en un point non mesuré
modéliser le fonctionnement spatiale des milieux
l’analyse spatiale : definition

L’analyse spatiale est:
l’étude des objets dans un espace géographique

En analysant leur distribution
Leur voisinage
Dans un champ spatial
À une résolution donnée

D’après MC Girard
les donnees ne sont qu’une representation incomplete de la realite :

il faut bien connaitre les limites de ses donnees
DAC processor Digital Analogic Convertor
Monde réel Représentation numérique

Signal analogique Signal numérique
Domaine continu Domaine discret
dimension de l’information spatiale
1D
2D
2D+
3D
MNA
Vues en 2D+: vues Mappées ou drapées

vue 3D
Nuage de points 3D (3D cloud) à partir d’un vol drone (parcelle INRA qualiagro 2017)
notion de localisant
Information permettant directement ou indirectement
de localiser géographiquement une donnée
précisément ou approximativement
Localisant direct et « précis »
Coordonnées géographiques
Lat=48,55 Long=2,55
GPS
Localisant indirect approximatif

Repère d’un plan de ville
Bd BONNARD: B2
Géocodage: localisation indirecte approximative

À partir d’une adresse en lien avec un plan de ville
ADRESSE : 54 BD de la Reine 78000 VERSAILLES

54
BD de la Reine
Numéro 60
Numéro 20 Côté paire
Côté impaire
Tronçon BD DE LA REINE
Localisant indirect approximatif

Nom d’une commune
Position sur le centroïde du polygone
VERSAILLES
Localisant direct et « précis »

Abscisse curviligne
PK = Point Kilométrique PK=30,65 Km

0 Km 5 Km
Réseau hydrographique
source
notion d ’echantillonnage spatial
L’échantillonnage est problème clé

pour l’analyse spatiale
Il oriente la structure spatiale des objets étudiés
L’échantillonnage relève toujours d’un modèle

il est relatif à un objectif
modele d’echantillonnage :
- densité
- stratégie
- à l’acquisition de l’information
- lors d’une étape de traitement ultérieure

Ré-échantillonnage
Lors d’une étape de

traitement ultérieure :
re-échantillonnage
sous échantillonnage
interpolation
sous échantillonnage
strategies d’echantillonnage sur le terrain




Échantillonnage stratifié
Choix de la stratégie d’échantillonnage
En fonction de :
- des moyens = coût des mesures / déplacements
- des connaissances à priori qu’on a du terrain
notion d’echelle
C’est le rapport d’une distance sur la carte à

la même distance sur le terrain
notion d’echelle
Le plus souvent sous la forme d’un rapport 1 / x
petite échelle : 1 / 1 000 000e

grande échelle : 1 / 1 000e
Attention :
Sens inverse par rapport au lang. Courant

Souvent confusion entre échelle et champ spatial
Échelle sémantique et échelle géographique
Résolution d’une image :

surface ou côté du pixel
10 mètres
echelle et niveau d’analyse:
methodes numeriques deex teledetection
l’analyse spatiale
en geomatique
representation multi-echelles : pyramides

champ spatial ou geographique
Plus grande aire que l’on analyse et comportant

tous les sites étudiés
Champ et échelle sont théoriquement indépendant:
on peut avoir une grande quantité d’info. Sur un petit champ

ou une petite quantité sur un grand champ
contraste : homogeneite / heterogeneite

voisinage
Voisinage en
Structure matricielle
Zone tampon = buffer

en vecteur
Proximité spatiale
en geomatique
iii.
methodes d’analyse spatiale

en geomatique
III. analyse spatiale en geomatique
systeme d’information geographique : SIG
Données géographiques
Base de données
SIG
Méthodes raster Méthodes vecteur
traitement : local / global

Modèle Numérique d’Altitude Carte de pente
traitements ponctuel / voisinage
Lissage spatial (majoritaire dans voisinage)

croisement de couches
combinaison d’informations géographiques

sous SIG
Classes d’altitudes
Occupation du sol
Combinaisons occupation du sol / altitudes
zonage / spatialisation / interpolation
• Interpolation: procédure permettant de prédire des valeurs

d’attributs en des sites non-échantillonnés, à partir de positions
de points se situant dans une même région;
• Interpolation pointsurface: Passage d’une représentation

discrète à continue;
statistiques spatiales
Statistique zonale des types d’occupation du sol

dans chaque commune
geostatistique
Analyse des corrélations spatiales entre points de données :
h = lag = pas
distance entre points de mesure
h=1
h=2
variogramme h=3
Ajustement du variogramme expérimental sur un modèle

Interpolation par krigeage sur la base du modèle
grille
en geomatique
TELEDETECTION
Satellite d’observation
carte
image
SIG
Télédétection
Mesure de réflectance
pour estimer / quantifier propriétés des sols et des cultures
REFLECTANCE = Eréféchie / Eincident
1
VISIBLE INFRA-ROUGE
Eincident
Énergie réfléchie
Énergie incidente
Capteur radiométrique
Eréféchie
SOL
Mesure de réflectance
pour estimer certaines propriétés des cultures
Exemple du conseil fertilisation azotée de précision
Mesure
Réflectance
végétation
Calcul
Indice de végétation
NDVI
Fertilisation
N de
précision Préconisation Surface foliaire LAI
Estimation
conseil état de la culture
Zonages
Informatique graphique
+ Traitements SIG vecteur
Traitements de base de données
Traitements type « analyse d’images » Traitements SIG Raster
en geomatique
iv.
analyse en mode vecteur
iv. analyse vecteur en geomatique
requete geographique (spatiale)

Le critère ne dépend plus des champs de la table mais c’est
Une relation géographique calculée par le logiciel de SIG
SQL
cher
Les départements à proximité du département du Cher
jointure semantique sur la base d’un champ
Ajouter de l’information à un fond de carte par JOINTURE :

Carte qq fois pauvre en informations
Statistiques agricoles AGRESTE

jointure Enrichir en informations
jointure spatiale
comme pour une jointure sémantique,
mais le critère de jointure est ici une relation spatiale / géographique

Il y a trois principales relations qui sont prises en compte :
Les objets les plus proche d’un autre objet
Les objets à l’intérieur d’un autre objet
Les objets qui intersectent un autre objet
jointure spatiale
+ ++ + + + + + + +
+ + + + + + + ++ + + +
+ + + +
+ +++ + + + + ++ + +
+ +
+ + + + + + + + + +
+ + ++ + + +++++ +
+ + + + + + + +
+ + + + + + + + + + + + ++ ++
Couche county + Couche
+ + station
+ + météo
+ + + +
+ + + + + ++ + + +
+ X
« Contient » Pas de clé des county
jointure
cartographie
croisement de couches en mode vecteur

croisement de couches en mode vecteur
Découpage de la couche 1
selon les limites de la couche 2
Couche 1
Croisement de couches vecteurs

Couche 2 =
intersection géométrique
zone tampon = buffer = voisinage en vecteur

La rivière
Zone tampon
en geomatique
v.
analyse en mode raster
v. analyse raster en geomatique
retour et complements sur la structure raster

Une valeur / cellule Adressage

Structure en grille ligne / colonne
de l’information
Absence de valeur
est codée en tant que telle :
NO DATA
Plusieurs variables = plusieurs grilles
notion de region ~ polygone en raster

notion de region ~ polygone en raster
Couche étiquette = label
Valeurs = numéro arbitraire de zone

Couche RASTER
Valeurs = classes
creation des donnees raster

9 fois sur 10: 1 traitement raster va créer une nouvelle couche RASTER
Traitement
RASTER en entrée RASTER RASTER en sortie
georeferencement des couches raster

Comment positionner un pixel ?
En relatif par rapport
à l’origine de la matrice image
X Pixel
0,0
Y Lambert 93
Y Pixel
R = résolution du Pixel
en mètres
En absolu par rapport C ’est l ’échelle
à l’origine du référentiel géographique Lambert 93
0,0 X Lambert 93

Y Lambert 93
Le système de coordonnées
Lambert 93
Origine coordonnées
Lambert 93
0,0
False easting X Lambert 93
Et false northing
Prises de vues aériennes

France.jpg
Fichier image « simple » non géoréférencé
Couples de points d’amer

Dans le SIG
RECTIFICATION:
Modèle polynomiale de déformation
La carte de France, pas au bon endroit

France.jpg Pas à la bonne échelle, par défaut en (0,0)
La couche est géoréférencée:

- Au bon endroit
- A la bonne échelle
- A la bonne orientation (angle)
orthorectification
Orthophotographie
Orthoimage
Modèle Numérique d’Altitude
en geomatique
ORTHOPHOTO IGN => SIG

Nous ne pouvons pas afficher l’image.
requete sur couche raster

Formule booléenne
Formule logique
MNA > 130 mètres d’altitude
Nous ne pouvons pas afficher l’image.
MNA = altitude
Résultat booléen
vrai / faux
1/0
reclassement de couche raster

MNA = altitude 3 classes d'altitudes
croisement de deux couches rasters
Pas d’objet en raster = pas d’intersection géométrique
4 zones =
C1 Pixels de même valeur
10*C1+C2
C2
Combinaison arithméthique pixel à pixel
statistiques zonales
L’un
ou
L’autre
calculs de distances = buffer
Valeur du pixel
Distance au cour d’eau

interpolation
interpolation
Données continues
Données discontinues ponctuelles
interpolation
• Interpolation: procédure permettant de prédire des valeurs

d’attributs en des sites non-échantillonnés, à partir de positions
de points se situant dans une même région;
• Interpolation pointsurface: Passage d’une représentation

discrète à continue;
pourquoi interpoler ?
• Une interpolation est nécessaire:

– Quand on a une surface ayant une résolution, tailles de
cellules ou orientation, différentes de ce qui est
nécessaire;
+
– Quand on a une surface représentée par un modèle de
données (TIN, grille, polygones, etc.) différent de ce qui

est nécessaire;
+
– Quand les données qu’on a ne couvrent pas le territoire à
tous les endroits d’intérêt;
interpolation vs extrapolation
• Extrapolation: prédiction de valeurs

d’attributs pour des endroits situés à
l’extérieur de l’aire couverte par les
observations Points mesurés

Point prédis
?
?
Interpolation Extrapolation
methodes d’interpolation
• Nombreuses techniques d’interpolation;
• Le choix de la technique dépend du type de données, type de surface
voulue et du temps de traitement désiré.
Déterministe vs. géostatistique

• Déterministe: Utilise des fonctions mathématiques pour

faire les prédictions. (ex: IDW);
• Géostatistique (Stochastique): Associe des fonctions
mathématiques à des analyses statistiques pour faire les
interpolations (ex: Krigeage);
methode idw (inverse distance weight)
650
n
 zi 
630 700   
i 1  di 
Zp  n
1
585 125
  
i 1  di 
?
48
80 435
396 327
243 585 327 630
 
515.7  48 80 125
1 1 1
 
48 80 125
ArcGIS - IDW
Couche à interpoler
Attribut à interpoler (ex: élévation)
Valeur élevée = plus de poids pour les
points proches
Rayon de recherche: fixe ou variable –
Fixe: distance + nb de points minimum
Variable: nb de points + distance max
Nombre de points entrant dans le calcul
Limite la distance de recherche
Fichier de polylignes servant de barrière

aux interpolations (ex: falaises) – arrête la
recherche de points entrant dans le calcul
Résolution de la matrice résultante
Sauvegarde de la matrice résultante
« interpolation » des variables qualitatives
IDW est une moyenne pondérée donc réservée aux variables quantitatives
Variables qualitatives : « interpolation » au plus proche voisin

Allocation euclidienne
1: limon
2: craie
filtrage numerique des rasters
produit de convolution discret appliqué à une image I

pour filtrage = combinaison linéaire des niveaux de gris de son
voisinage.
Les coefficients de cette combinaison sont les valeurs du filtre

ou poids.
Ils sont stockés dans la matrice du masque M de traitement
J(x,y) = M(x,y) *I(x,y)
Fenêtre d’analyse raster

et types de voisinage raster
Pixel considéré Pixels voisins
Fenêtre glissante en filtrage spatiale

filtres passe-bas et passe-haut
En fonction de la réponse fréquentielle du filtre on

utilise souvent les termes de filtre passe-bas ou
passe-haut selon la gamme de fréquences qu’ils
laissent passer.
Dans le cas des filtres d’analyse d’images, les filtres
passe-bas atténuent les variations de niveau dans

l’image, on dit qu’ils lissent l’image, c’est par exemple
le cas d’un filtre moyenneur utilisé pour réduire le
bruit.
Au contraire les filtres passe-haut vont accentuer les
variations de l’image, c’est le cas par exemple des
gradients utilisés comme détecteurs de contours
Filtre passe bas moyenneur
20 5 7
1 1 1
10 2 20
50 32 28
X 1 1 1
1 1 1
1x20 + 1x5 + 1x7 + 1x10 + 1x2 + 1x20 + 1x50 + 1x32 + 1x28

9
19
Réduction de bruits dans le signal
.
.
.
.
. . . .
. . .
. . .
. .
.
Filtres passe-haut : extraction de contours

en geomatique
vi.
modelisation spatialisee
vi. modelisation en geomatique
Très nombreuses modélisations ont une dimension spatiale :
Scenarios d’aménagement Biodiversité

Modélisation paysagère risques d’érosion
risques de pollution
risques biologiques
Croissance de culture
Scénarios climatiques Fonctionnement des

exploitations agricoles Risques d’incendie
Dimension de l’information spatiale dans les modèles

1D
2D
2D+
3D
MNA
Unité spatiale de modélisation = unité spatiale fonctionnelle
L’unité cartographique qui intègre spatialement

les informations utilisées par le modèle
météo
Sortie cartographique
Pratiques
agricoles
sol modèle
Boucle temporelle
=
Itération dans le temps
Dimension temporelle dans les modèles

Le pas de temps de la simulation :
- Horaire
- Journalier
- Décadaire
temps
degre de couplage entre modele et sig
SIG et modèle indépendants

Communication par
Import/export de fichiers
modèle SIG
Couplage faible
SIG et modèle indépendants

mais partagent la même
base de données
Parfois la même interface
Couplage fort
SIG et modèle
dans le même système
Fonctions modèle SIG

Fonctions SIG Modèle
Couplage total
un exemple
CADASTRE_NH3
cadastre spatialisé des émissions d'ammoniac
liées à la fertilisation azotée agricole
impact pour la qualité de l’air à l'échelle nationale
Jean-Marc Gilliot, Sophie Génermont
UMR ECOSYS INRA / AgroParisTech
Le modèle Volt’Air est un modèle mécaniste de volatilisation de NH3

développé par l’INRA
Son échelle de simulation est la parcelle agricole
outil CADASTRE_NH3
Intégration Combinatoire BOUCLE Intégration
des données des simulations des simulations résultats
1 2 3 4
Base SQLITE
VOLT’AIR
Météo: SAFRAN météo France

Sols: ESDB
VOLT’AIR
Base de données
géographique
Pratiques / Agreste Localisation des cultures

ITK RPG
- Cadastre_NH3: 1 outil spatialisé pour tester des scenarios de

changement de pratiques agricole (Enfouissement rapide dans le sol,
Apports bandes)
- Confrontation avec l’inventaire CITEPA

- Adaptation de l’outil pour d’autres types d’émissions: N2O
- Thèse INRA / ADEME: Développement d'un méta-modèle basé sur

Volt'Air pour calculer les émissions d'ammoniac dues aux pratiques
agricoles
- Comparaison aux estimations par satellite (IASI)

Cours SIG 2222

Transféré par

Droits d'auteur :

Formats disponibles

Cours SIG 2222

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours SIG 2222

Transféré par

Droits d'auteur :

Formats disponibles

SYSTEMES D’INFORMATIONmethodes numeriques

GEOGRAPHIQUE : de l’analyse spatiale

methodes numeriques de l’analyse spatiale en

I. : rappels essentiels de sig + complements

II. : notions de base pour l’analyse spatiale

III. : methodes d’analyse spatiale

IV. : analyse en mode vecteur

V. : analyse en mode raster

VI. : modelisation spatialisee

I. : rappels essentiels de sig + complements

Le cours SIG de 1A en ligne sur le site TICE AgroParisTech:

Un Système d’information Géographique ou S.I.G.

notion d’identifiant ou cle

Code INSEE des communes

les doublons (deux informations identiques ou plus) sont interdits

operation de jointure entre tables

L’opération de jointure exploite les relations entre les tables

table 1 jointure table 2

Création d’une table « virtuelle » regroupant les informations des 2 tables

Sens 1 table 1 -> table2

Sens 2 table 2 -> table1

Les 2 sens ne sont généralement pas équivalent

ORGANISATION DES CARTES EN « COUCHES »

La carte du SIG est composée de « cartes élémentaires »

Les couches sont superposables

dans un même référentiel

ORGANISATION DES CARTES EN « COUCHES »

La carte les couches

ORGANISATION DES CARTES EN « COUCHES »

Le découpage en couches du SIG

On parle du principe de modularité =

Tous les logiciels qui travaillent sur des données graphiques

Affichage optimisé en fonction du zoom

TUILES RASTER TUILAGE OU PAVAGE

TUILES VECTORIELLES ET INDEX SPATIAL

NOTION DE COUCHE DE FOND Image drone 32306 X 46357 pixels

Mode couche normale Mode couche « fond de plan »

 JavaScript Object Notation (JSON) GeoJSON

Structure de données vectorielle

structure de données raster

Ces représentations : point, polyligne, polygones sont des représentations vectorielles

éléments surfaciques : polygones éléments ponctuels

Chaque pixel contient

Un PIXEL peut représenter par ex:

Une couleur dans une image

Image niveaux de gris

3 plans (canaux ou bandes) image = modèle RVB (RGB)

Principe de la composition colorée fausse ou vrai couleurs

Image multispectrale avec plus de 3 bandes

On en choisit 3 pour faire la composition colorée

Avec certains capteurs = canaux images pas dans le visible

VISIBLE INFRA ROUGE

Caméra visible caméra thermique en fausses couleurs

Bande « proche-infrarouge » -> rouge

Forme vectorielle = liste de points(X,Y) Grille = grid = matrice

1 couche vecteur = n champs = n attributs = n informations

En cliquant on peut accéder En cliquant on ne peut accéder

passage d’un mode de representation a l’autre

VECTEUR vectorisation RASTER