ESPY Philippe - Accueil SIGMA

Université de Toulouse
MASTER 2 PROFESSIONNEL GEOMATIQUE
Parcours Professionnel :
« SĐŝĞŶĐĞĚĞů͛Information Géoréférencée pour la Maîtrise de
ů͛ĞŶǀŝƌŽŶŶĞŵĞŶƚĞƚů͛Aménagement des territoires » (SIGMA)
RAPPORT DE STAGE
ESPY Philippe
Unité Mixte de Recherche Dynafor / INRA/INP-ENSAT
Maître de stage : Ladet Sylvie
Tuteur-enseignant : Paegelow Martin
Septembre 2010
Fiche de stage Master SIGMA 2010
NOM ETUDIANT :
ESPY
PRENOM ETUDIANT :
Philippe
Tél. portable
06 99 27 61 56
E. mail
[email protected]
TITRE DU STAGE :
Identification et caractérisation des segments de lisières forestières au sein d'un paysage de
large étendue, à l'aide d'outils de géomatique.
DATE DE DEBUT DE STAGE :
01/03/2010
DATE DE FIN DE STAGE :
31/08/2010
NOM TUTEUR-ENSEIGNANT :
Martin Paegelow
Université
SOCIETE :
Adresse
Code postal
Toulouse II Le Mirail
INRA / Unité Mixte de Recherche Dynafor
INRA Centre de Recherche de Toulouse BP 52627 F
31326
Ville
CASTANET TOLOSAN
Pays
FRANCE
Site Web
http://www.inra.fr/toulouse_dynafor/
NOM DU MAITRE DE STAGE :
Sylvie Ladet (principale encadrante), Marc Deconchat, Audrey Alignier
Fonction
Ingénieur géomaticienne
E. mail
[email protected]
Téléphone
05 61 28 52 55
KEYWORDS :
Lisière forestière, SIG, métrique paysagère, segment de polyligne, morphologie,
généralisation.
Forest edge, GIS, landscape metric, segment of polyline, morphology, generalization.
RAPPORT CONFIDENTIEL :
Non
MOTS-CLES :
Les lisières forestières sont des composantes clés des paysages ruraux car elles
ŝŶĨůƵĞŶĐĞŶƚĚĞƐ ƉƌŽĐĞƐƐƵƐĠĐŽůŽŐŝƋƵĞƐ ăů͛ŝŶƚĞƌĨĂĐĞĞŶƚƌĞ ůĞƐŵŝůŝĞƵdž͘ůůĞƐ ǀĂƌŝĞŶƚ
selon leur physionomie, leur orientation, leur histoire et leur topographie, mais peu
de méthodes sont disponibles pour identifier ces différents types de lisières et pour
les cartographier à une large étendue.
RESUME :
>ĞƉƌŽũĞƚĚĞƌĞĐŚĞƌĐŚĞĂƵƋƵĞůũ͛ĂŝƉĂƌƚŝĐŝƉĠĂƵƐĞŝŶĚĞů͛hŶŝƚĠDŝdžƚĞĚĞZĞĐŚĞƌĐŚĞ
Dynafor (INRA/INPT) avait pour objectif de proposer une méthode (Cartolis)
Ě͛ŝĚĞŶƚŝĨŝĐĂƚŝŽŶĞƚĚĞĐĂƌƚŽŐƌĂƉŚŝĞdes segments de lisières basée sur la subdivision
morphologique des contours de forêt. Ces segments sont caractérisés par leur
morphologie et par requêtes sur d'autres données spatiales. Une chaîne de
traitement basée sur des outils d'ArcGIS, appliquée sur la sortie de GUIDOS et
personnalisée par des outils libres, a été mise en place et testée.
Trois variables sont proposées pour décrire les segments de lisières forestières
;ů͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůǀŽŝƐŝŶĞ͕ů͛ŽƌŝĞŶƚĂƚŝŽŶĐĂƌĚŝŶĂůĞ͕Ğƚů͛ŽƌŝĞŶƚĂƚŝŽŶƉĂƌƌĂƉƉort à la
ƉĞŶƚĞͿ͘ ĨŝŶ ĚĞ ŵĞƚƚƌĞ ĞŶ ƈƵǀƌĞ Ğƚ ĚĞ ĐĂůŝďƌĞƌ ůĂ ŵĠƚŚŽĚĞ͕ ƵŶĞ ƉĂƌƚŝĞ ĚĞ ŵŽŶ
travail a consisté à dérouler la chaine de traitement sur une zone test avant de
ů͛ĂƉƉůŝƋƵĞƌ ăƵŶĞ njŽŶĞĚĞůĂƌŐĞ ĠƚĞŶĚƵĞ͕ Ğƚ Ě͛ĞĨĨĞĐƚƵĞƌ ƵŶĞ ĂŶĂůLJƐĞ ĚĞƐĞŶƐŝďŝůŝƚĠ
sur les différents paramètres qui doivent être configurés.
Les résultats montrent la faisabilité de cartographier la variabilité des lisières sur un
paysage de large étendue. Ils ouvrent de nouvelles perspectives pour construire un
nouvel outil d'analyse de la dynamique des paysages et de leurs effets sur la
ďŝŽĚŝǀĞƌƐŝƚĠăƉĂƌƚŝƌĚ͛ƵŶĞŵĠƚƌŝƋƵĞŽƌŝŐŝŶĂůĞ͘
Forest edges are key components of rural landscapes because they influence
ecological processes at the interface between habitats. There is a variability of
forest edges, according to their physiognomy, orientation, history and topography,
but few methods are available to identify automatically these different types of
edges and to map them at a large scale.
ABSTRACT :
I was involved in a research project in the Joint Research Unit Dynafor (INRA/INPT)
aimed to propose a method (Cartolis) for identifying edge segments based on
morphological subdivision of forest boundaries. These segments are characterized
by request on other spatial data. A procedure based on Arcgis tools, applied on the
output from GUIDOS tools and personalized with free tools, was set up and tested.
Three variables are proposed to describe edge segments (neighboor landcover,
cardinal orientation, and orientation compared to the slope). To implement and
calibrate the method, a part of my job was to apply the process on a test area
before applying it to a wider area and to conduct a sensitivity analysis on various
parameters which have to be configured.
Results showed the feasibility of the automatic mapping of edge variability over a
large scale. It opens new perspectives to built up a new tool for analyzing
landscape dynamics and their effects on biodiversity.
Remerciements
Je tiens à remercier ƚŽƵƐůĞƐŵĞŵďƌĞƐĚĞů͛hŶŝƚĠDŝxte de Recherche Dynafor pour leur accueil
et le soutien auƋƵĞůũ͛ĂŝĞƵĚƌŽŝƚ.
Et plus particulièrement, je souhaite remercier ů͛ĠƋƵŝƉĞ ĂƌƚŽůŝƐ ƋƵŝ ŵ͛Ă ĞŶĐĂĚƌĠ et qui a été
ĚŝƐƉŽŶŝďůĞăĐŚĂƋƵĞĨŽŝƐƋƵĞũ͛ĞŶĂŝĞƵďĞƐŽŝŶpendant la durée de mon stage :
Notamment Sylvie Ladet, grâce à son incroyable pédagogie et sa bonne humeur, elle ŵ͛a
ƉĞƌŵŝƐĚĞƉƌŽŐƌĞƐƐĞƌƌĂƉŝĚĞŵĞŶƚĚĂŶƐůĂŵĂŠƚƌŝƐĞĚĞů͛ŽƵƚŝůƌĐ'/^ et la réalisation de mes tâches.
Merci à Marc Deconchat pour les discussions fortes intéressantes que nous avons eues et qui me
ƉĞƌŵĞƚƚƌŽŶƚĚ͛appréhender les problèmes différemment pour mes futurs projets. Merci à Audrey
Alignier pour la patience et la rigueur dont elle a fait preuve ainsi que ses encouragements qui
ŵ͛ŽŶƚĂŝĚĠărester motivé tout au long du projet.
Un grand merci à mon encadrant, Martin Paegelow pour ses conseils avisés et qui, comme
ů͛ĂŶŶĠĞĚĞƌŶŝğƌĞ, a fait preuve de réactivité, facilitant les échanges que nous avons eus.
Un remerciement plus général à tous les enseignants de la formation SIGMA et aux
ŝŶƚĞƌǀĞŶĂŶƚƐ ƋƵŝ ŵ͛ŽŶƚ ƉĞƌŵŝƐ Ě͛ĂĐƋƵĠƌŝƌ ĚĞƐ ďĂƐĞƐ ƐŽůŝĚĞƐ ĚĂŶƐ ůĞ ĚŽŵĂŝŶĞ ĚĞ ůĂ ŐĠŽŵĂƚŝƋƵĞ
pendant cette année de master.
Je remercie également Julien San José (co-bureau de la promotion SIGMA 2008ͿƉŽƵƌŵ͛ĂǀŽŝƌ
permis de prendre du recul sur mon année en cours et pour les nombreux conseils très utiles qui
me serviront à aborder le monde du travail efficacement.
Enfin comme a son habitude, le soutien de ma famille a été important pour mener à bien le
projet et le réaliser de manière sereine. MĞƐ ƉĞŶƐĠĞƐ Ɛ͛ĂĚƌĞƐƐĞŶƚ plus particulièrement à ma
fiancée.
Sommaire
Introduction .............................................................. 2
PARTIE I : CADRE CONTEXTE & DEMARCHE DU PROJET
1. Contexte du stage................................................................................. 3
2. Etat de la littérature sur les lisières, segments et métriques ................. 6
3. Attendus et cahier des charges du stage ............................................... 9
ϰ͘ŶĂůLJƐĞĚĞů͛ĞdžŝƐƚĂŶƚĞƚĚĞƐĂĐƋƵŝƐ ......................................................11
5. Elaboration de la méthode à deux échelles différentes........................14
PARTIE II : METHODE PRODUITE
1. Identification des lisières dans le paysage ...........................................16
2. Création des segments de lisières ........................................................21
3. Caractérisation des segments de lisières .............................................25
4. Formalisation et représentations graphiques des données ..................31
PARTIE III ͗D/^EVhsZΘ>/Zd/KE
1. Résultats obtenus ................................................................................35
Ϯ͘>͛ĂŶĂůLJƐĞĚĞƐĞŶƐŝďŝůŝƚĠ ........................................................................40
3. Artefact sur la variable OC ...................................................................44
4. Confrontation des résultats de la méthode avec une observation sur le
terrain .....................................................................................................47
PARTIE IV : CONCLUSION & BIBLIOGRAPHIE
1. Discussion et perspective ....................................................................50
2. Bilan personnel ...................................................................................51
3. Bibliographie .......................................................................................52
PARTIE V : ANNEXES
Introduction
L
es ůŝƐŝğƌĞƐ ĨŽƌĞƐƚŝğƌĞƐ ƐŽŶƚ ĚĞƐ ĠůĠŵĞŶƚƐ ĐůĠƐ ĚĞƐ ƉĂLJƐĂŐĞƐ ƌƵƌĂƵdž ƉĂƌ ů͛ŝŶĨůƵĞŶĐĞ
ƋƵ͛ĞůůĞƐ ĞdžĞƌĐĞŶƚ ƐƵƌ ůĞƐ ƉƌŽĐĞƐƐƵƐ ĠĐŽůŽŐŝƋƵĞƐ ŝŵƉŽƌƚĂŶƚƐ ƉŽƵƌ ůĂ ĐŽŶƐĞƌǀĂƚŝŽŶ ĚĞ ůĂ
biodiversité (Murcia 1995). ů͛interface entre les milieux (forestiers d͛ƵŶ ĐƀƚĠ Ğƚ
agricoles ou urbainƐ ĚĞ ů͛ĂƵƚƌĞͿ, les lisières fournissent habitats et ressources à de
nombreuses espèces animales et végétales. Pour mieux comprendre leurs effets sur la
biodiversité, leur rôle fonctionnel dans les paysages et les inclure dans les plans de gestion, il
est nécessaire de prendre en compte et de caractériser leur diversité. En effet, comme le
démontrent les travaux récents, les ůŝƐŝğƌĞƐ Ě͛ƵŶ ƉĂLJƐĂŐĞ ŶĞ ƐŽŶƚ ƉĂƐ ƚŽƵƚĞƐ ĠƋƵŝǀĂůĞŶƚĞƐ͘
Elles se caractérisent par de nombreux attributs reflétant leur origine, leur gestion, leur
structure, leur fonction et leur dynamique (Cadenasso et al. 2003; Strayer et al. 2003). Ainsi,
ů͛ŽƌŝĞŶƚĂƚŝŽŶ͕ ů͛ŚŝƐƚŽŝƌĞ ŽƵ ĞŶĐŽƌĞ ůĂ ƚŽƉŽŐƌĂƉŚŝĞ ŵŽĚŝĨŝĞŶƚ ů͛ĞĨĨĞƚ ĚĞƐ ůŝƐŝğƌĞƐ ƐƵƌ
ů͛ĞŶǀŝƌŽŶŶĞŵĞŶƚ Ğƚ ůĂ ǀĠŐĠƚĂƚŝŽŶ ;ůŝŐŶŝĞƌ Θ ĞĐŽŶĐŚĂƚ ϮϬϭϬͿ͘ Les spécificités des lisières
induisent donc des effets écologiques très différents dont il faudrait tenir compte dans les
mesures de gestion et de conservation de la biodiversité.
Le rôle reconnu des lisières en écologie du paysage a conduit les scientifiques à rechercher
des méthodes pour les caractériser à partir des données spatialisées et des outils de la
géomatique. Ces méthodes renvoient à des approches différentes (mode raster ou mode
ǀĞĐƚĞƵƌ͕ĞƚĐ͘Ϳ͘WŽƵƌĂƵƚĂŶƚ͕ĂƵĐƵŶĞĚ͛ĞůůĞƐŶĞƉĞƌŵĞƚăĐĞũŽƵƌůĂ cartographie des lisières
sur une zone de large étendue, ni Ě͛en extraire différentes variables qui les caractérisent.
EŽƵƐĂǀŽŶƐƉŽƵƌĂŵďŝƚŝŽŶĚ͛ĂƉƉŽƌƚĞƌ des innovations par rapport aux travaux antérieurs
en proposant une représentation et une caractérisation des lisières à une échelle
Ě͛ŽďƐĞƌǀĂƚŝŽŶĚĠĨŝŶŝĞƉĂƌ͗
ƒ Une large étendue de la zone étudiée
ƒ Une grande finesse appelé « grain » de la représentation cartographique,
correspondant à une réalité écologique.
>͛ŽďũĞĐƚŝĨĚĞŵŽŶƐƚĂŐĞĐŽŶƐŝƐƚĞăƌĠƉŽŶĚƌĞăĐĞƐĞdžŝŐĞŶĐĞƐĞŶƉƌŽƉŽƐĂŶƚƵŶĞŵĠƚŚŽĚĞ
ƐƚĂŶĚĂƌĚŝƐĠĞ ƋƵŝ Ɛ͛ĂƉƉƵŝĞ Ɛur des outils cartographiques. En effet les SIG permettent de
ƉƌŽĚƵŝƌĞ ƵŶĞ ŐƌĂŶĚĞ ƋƵĂŶƚŝƚĠ Ě͛ŝŶĚŝĐĞƐ ;ŵĠƚƌŝƋƵĞƐ ƉĂLJƐĂŐğƌĞƐͿ ƌĞůĂƚŝĨƐ ĂƵdž ĚŝĨĨĠƌĞŶƚĞƐ
propriétés du paysage (Delettre 2005; Cushman et al. 2008 ; Hilal et al 2008). Ainsi, ces
indicateurs spatiaux vont nous permettre de pouvoir comparer objectivement différents
ƚLJƉĞƐĚ͛ĠůĠŵĞŶƚƐ(les lisières) ĂƵƐĞŝŶĚ͛ƵŶŵġŵĞƉĂLJƐĂŐĞ;région du Sud-ouest de la France)
afin de comprendre leur impact sur les processus biologiques. Pour répondre au deuxième
ŽďũĞĐƚŝĨ ĚĞ ŐƌĂŝŶ ĨŝŶ͕ ů͛ŽďũĞƚ ƐƉĂƚŝĂů ͨ ligne » a été privilégié dans notre démarche de
modélisation du paysage au détriment des mesures basées sur le traitement sous forme de
polygones (McGarigal et al. 2009). En géomatique, le modèle linéaire traduit des processus
de transferts, de flux (populations, analyse de réseaux et de tronçons, etc.) mais aussi de
contacts (interface entre deux éléments) et nous semble donc approprié (Bolstad 2008).
A travers ce ŵĠŵŽŝƌĞĚĞƐƚĂŐĞũĞŵ͛ĞĨĨŽƌĐĞƌĂŝĚ͛ĞdžƉůŝĐŝƚĞƌůĞĐŽŶƚĞdžƚĞĞƚůĂĚĠŵĂƌĐŚĞĚƵ
projet mis en place pour atteindre les objectifs fixés. La deuxième partie consistera à
ĞdžƉůŝƋƵĞƌůĂŵĠƚŚŽĚĞĠůĂďŽƌĠĞĞƚăũƵƐƚŝĨŝĞƌůĞƐĐŚŽŝdžƋƵŝŽŶƚĠƚĠĚĠĐŝĚĠƐ͘>ĂŵŝƐĞĞŶƈƵǀƌĞ
ĞƚůĂĐĂůŝďƌĂƚŝŽŶĨĞƌŽŶƚů͛ŽďũĞƚĚ͛ƵŶĞƚƌŽŝƐŝğŵĞƉĂƌƚŝĞĞƚůĂĚŝƐĐƵƐƐŝŽŶĐůƀƚƵƌĞƌĂůĞŵĠŵŽŝƌĞ͘
2
PARTIE I : CADRE CONTEXTE & DEMARCHE DU PROJET
- Partie I Cadre,
contexte
&
démarche
du
projet
1. Contexte du stage
1.1 >͛/ŶƐƚŝƚƵƚEĂƚŝŽŶĂůĚĞůĂZĞĐŚĞƌĐŚĞŐƌŽŶŽŵŝƋƵĞʹ INRA
Mon stage de six ŵŽŝƐ Ɛ͛ĞƐƚ déroulé au centre toulousain de l͛/ŶƐƚŝƚƵƚ EĂƚŝŽŶĂů ĚĞ ůĂ
Recherche Agronomique sur la commune d'Auzeville Tolosane. Ce centre a fêté ses 40 ans
cette année et fait partie de ů͛ƵŶĞdes 21 implantations de l'INRA en France.
Cet institut a vu le jour dans un contexte particulier, celui de la reconstruction nationale
Ě͛ĂƉƌğƐ-ŐƵĞƌƌĞĞƚĚƵƉƌŽũĞƚĚĞŵŽĚĞƌŶŝƐĂƚŝŽŶĚĞůΖĂŐƌŝĐƵůƚƵƌĞĨƌĂŶĕĂŝƐĞĞŶϭϵϰϲ͘>͛ŽďũĞĐƚŝĨ, à
cette époque, était de répondre à l͛ŝŶsuffisance alimentaire de la nation. Depuis ů͛/ŶƐƚŝƚƵƚ a
ĚƵ Ɛ͛ĂĚĂƉƚĞƌ ĂƵdž ŶŽƵǀĞĂƵdž enjeux qui ont émergé, ĐŽŵŵĞ ů͛ĠƌŽƐŝŽŶ ĚĞ ůĂ ďŝŽĚŝǀĞƌƐŝƚĠ͕ ůĞ
développement des maladies émergentes, les progrès de la chimie verte. >͛/ŶƌĂ ĞƐƚ
ĂƵũŽƵƌĚ͛ŚƵŝůĞƉƌĞŵŝĞƌŝŶƐƚŝƚƵƚĚĞƌĞĐŚĞƌĐŚĞĂŐƌŽŶŽŵŝƋƵĞĞŶƵƌŽƉĞ͕ĞƚůĞĚĞƵdžŝğŵĞĚĂŶƐůĞ
monde.
Le centre INRA Toulouse Midi-Pyrénées accueille environ 560 titulaires qui travaillent sur
le centre, et autant de personnels non titulaires dont le flux annuel
représente 50 équivalents à temps plein par an. Le centre Ŷ͛Ă pas
cessé de se développer depuis sa création en 1970, et de façon plus
intense au cours de ces dernières années.
Il est impliqué dans cinq domaines de recherches en partenariat
ĂǀĞĐĚ͛ĂƵƚƌĞƐĠƚĂďůŝƐƐĞŵĞŶƚƐĚ͛ĞŶƐĞŝŐŶĞŵĞŶƚƐƵƉĠƌŝĞƵƌĞƚĚĞƌĞĐŚĞƌĐŚĞ :
ƒ
ƒ
ƒ
ƒ
ƒ
Génome et amélioration des productions
Sécurité sanitaire des aliments
Transformation des produits
ĐŽŶŽŵŝĞĚĞů͛ĞŶǀŝƌŽŶŶĞŵĞŶƚĞƚĚĞƐDĂƌĐŚĠƐ
Environnement, territoire et société où se situe ů͛hŶŝƚĠ DŝdžƚĞ ĚĞ ZĞĐŚĞƌĐŚĞ
Dynafor dans laquelle je me suis inséré.
>͛ĞŶƐĞŵďůĞ ĚĞƐ ƌĞĐŚĞƌĐŚĞƐ ĚĞ ĐĞ ĚŽŵĂŝŶĞ (Environnement, territoire et société)
contribue ă ůĂ ŵŝƐĞ ĂƵ ƉŽŝŶƚ ĚĞ ƌĠĨĠƌĞŶƚŝĞůƐ ƚĞĐŚŶŝƋƵĞƐ͕ ĂŝŶƐŝ ƋƵ͛ă ƵŶĞ ŵĞŝůůĞƵƌĞ
ĐŽŶŶĂŝƐƐĂŶĐĞ ĚĞ ůĂ ŵĂŶŝğƌĞĚŽŶƚ ůĞƐ ĂĐƚĞƵƌƐ Ɛ͛ŽƌŐĂŶŝƐĞŶƚ Ğƚ ƐŽŶƚ ƐƵƐĐĞƉƚŝďůĞƐĚĞ ŵŽďŝůŝƐĞƌ
les référentiels techniques pour une gestion durable des espaces (agricoles, forestiers et
«naturels») et des ressources (eau, fertilité des sols, biodiversité) (site internet INRA
Toulouse : www.inra.fr).
>͛/EZ ƌĠƉĂƌƚŝƚ ses activités sur 14 départements de recherche, eux-mêmes déclinés en
270 unités de recherches et 70 unités expérimentales. Dynafor est une de ces unités de
recherche gérée conjointement par le département « ^ĐŝĞŶĐĞ ƉŽƵƌ ů͛ĐƚŝŽŶ Ğƚ ůĞ
Développement » (SAD) et le département de « Ecologie des forêts, prairies et milieux
aquatiques » (EFPA).
3
1.2 UMR DYNAFOR
>͛ƵŶŝƚĠ Dynafor ;LJŶĂŵŝƋƵĞƐ&ŽƌĞƐƚŝğƌĞƐĚĂŶƐů͛ĞƐƉĂĐĞƌƵƌĂůͿĚĂŶƐůaquelle Ɛ͛ĞƐƚĚĠƌŽƵůĠ
mon stage, ĞƐƚ ƵŶĞ ƵŶŝƚĠ ŵŝdžƚĞ ĚĞ ƌĞĐŚĞƌĐŚĞ͕ Đ͛ĞƐƚ ă ĚŝƌĞ ƵŶĞ unité pluridisciplinaire
regroupant des chercheurs ĚĞů͛/EZĚĂŶƐůĞĚŽŵĂŝŶĞĚĞů͛ĠĐŽůŽŐŝĞ (discipline dominante de
ů͛ƵŶŝƚĠ), Ğƚ ĚĞ ů͛ĂŐƌŽŶŽŵŝĞ et des enseignants-chercheurs de ů͛/EW-ENSAT (Ecole Nationale
^ƵƉĠƌŝĞƵƌĞĚ͛ŐƌŽŶŽŵŝĞĚĞdŽƵůŽƵƐĞ), dans le domaine de la modélisation͕ů͛informatique et
la télédétection. Cette UMR a vu le jour en 2003, avec comme ambition de faire face aux
enjeux actuels dans les espaces ruraux et forestiers et plus particulièrement ceux qui
concernent la gestion des espaces ruraux et la conservation de la biodiversité.
>͛ĠĐŽůŽŐŝĞĚƵƉĂLJƐĂŐĞĞƐƚla discipline au centre des recherches de Dynafor qui ont pour
ĨŝŶĂůŝƚĠĚ͛ĂƉƉŽƌƚĞƌĚĞƐĐŽŶŶĂŝƐƐĂŶĐĞƐĚĞƐƚŝŶĠĞƐă jouer un rôle important dans les choix de
gestion des écosystèmes et dans les orientations des politiques publiques correspondantes.
Elle Ă ĠƚĠ ĚĠĨŝŶŝĞ ĐŽŵŵĞ ů͛ĠƚƵĚĞ ĚĞ ů͛ĞĨĨĞƚ ĚĞƐ ŵŽƚŝĨƐ ĚƵ ƉĂLJƐĂŐĞ ƐƵƌ ůĞƐ processus
écologiques (Turner, 1989). Cette approche nous permet de considérer le paysage comme
ƵŶ ĞŶƐĞŵďůĞ Ě͛ĠůĠŵĞŶƚƐ qui le compose et dont la répartition et les évolutions spatiales
seront le signe de processus écologiques sous jacents. En effet, elle a vocation à se centrer
sur les relations entre les structures du paysage et son fonctionnement écologique.
1.3 dŚğƐĞĚ͛͘ůŝŐŶŝĞƌ Ğƚů͛ĂƉƉĞůĚ͛ŽĨĨƌĞZdK>/^
Les effets écologiques engendrés par les lisières peuvent nuire aux activités agricoles (ex :
dispersion Ě͛ĂĚǀĞŶƚŝĐĞƐ dans lĞƐĐƵůƚƵƌĞƐͿŽƵ͕ăů͛ŝŶǀĞƌƐĞ͕ƌĞŶĚƌĞĚĞƐƐĞƌǀŝĐĞƐƵƚŝůĞƐ;Ğdž : abris
pour des auxiliaires) (Sarthou et al 2005 ; Deconchat, 2007). Une meilleure compréhension
des lisières et leurs effets fait donc partie des préoccupations de Dynafor. Aussi depuis
2007, Dynafor accueille Audrey Alignier, doctorante en écologie dont le sujet de thèse est la
répartition spatiale des communautés végétales forestières dans les lisières de petits bois
fragmentés du Sud-ouest de la France. Elle est encadrée par M. Deconchat et a reçu une
bourse du ministère de la Recherche et de l͛ŶƐĞŝŐŶĞŵĞŶƚ^ƵƉĠƌŝĞƵƌƉŽƵƌŵĞŶĞƌăďŝĞŶƐŽŶ
travail. Sa démarche se compose de trois parties ŝŶĚĠƉĞŶĚĂŶƚĞƐĚŽŶƚů͛ƵŶĞƐ͛ĂƉƉƵŝĞƌĂƐƵƌůĞ
travail réalisé pendant ce stage :
ƒ Identifier et quantifier la diǀĞƌƐŝƚĠ ĚĞƐ ƚLJƉĞƐ ĚĞ ůŝƐŝğƌĞƐ ĂƵ ƐĞŝŶ Ě͛ƵŶ ƉĂLJƐĂŐĞ
ŝŵƉůŝƋƵĂŶƚů͛ƵƚŝůŝƐĂƚŝŽŶĚ͛ŽƵƚŝůƐĐĂƌƚŽŐƌĂƉŚŝƋƵĞƐ ;
ƒ Caractériser les patrons de répartition spatiale des communautés végétales en
fonction des types de lisières ;
ƒ ǀĂůƵĞƌ ů͛ŝŵƉŽƌƚĂŶĐĞ ƌĞůĂƚŝǀĞ ĚĞƐ ĨĂĐƚĞƵƌƐ spatio-temporels impliqués dans la
variabilité des patrons observés.
Le projet intitulé CARTOLIS : Caractériser et cartographier les interfaces agricultures-forêt
pour ůĞƋƵĞůũ͛Ăŝcontribué, ĞƐƚƵŶĞƌĠƉŽŶƐĞăƵŶĂƉƉĞůĚ͛ŽĨĨƌĞŝŶƚĞƌŶĞ/EZ͘ĞƉƌŽũĞƚ͕après
ĂǀŽŝƌ ŽďƚĞŶƵ ƵŶ ĂǀŝƐ ĨĂǀŽƌĂďůĞ ĚƵ ŝƌĞĐƚĞƵƌ Ě͛hŶŝƚĠ ;'ĠƌĂƌĚ ĂůĞŶƚͿ͕ a reçu le soutien
financier du département de recherche SAD ĞŶ ϮϬϬϵ͕ ƉĞƌŵĞƚƚĂŶƚ ů͛ĂĐŚĂƚ ĚĞ Ěonnées
Ě͛ŝŵĂŐĞƌŝĞ ƐĂƚĞůůŝƚĂŝƌĞ Ğƚ couvrant les remboursements de déplacements sur le terrain et
ů͛ŝŶĚĞŵŶŝƐĂƚŝŽŶĚ͛ƵŶƐƚĂŐĞĚĞŵĂƐƚĞƌĚĞϲŵŽŝƐ͘
4
Il Ă ƉŽƵƌ ŽďũĞĐƚŝĨ Ě͛évaluer les effets des lisières dans un paysage de large étendue en
proposant un outil cartographique facilement utilisable.
Le but est Ě͛ŝĚĞŶƚŝĨŝĞƌ Ğƚ ĚĞ ĐĂƌĂĐƚĠƌŝƐĞƌ ĚĞƐ ƚLJƉĞƐ Ě͛ŝŶƚĞƌĨĂĐĞƐ ĂŐƌŝĐƵůƚƵƌĞ-forêt afin
Ě͛ĞĨĨĞĐƚƵĞƌĚĞƐĚŝĂŐŶŽƐƚŝĐƐƉĂLJƐĂŐĞƌƐĞƚĚ͛ĂŝĚĞƌăŵŝĞƵdžŐĠƌĞƌůĞƐĞĨĨĞƚƐĚĞůŝƐŝğƌĞen fonction
ĚĞů͛ĂŐƌŝĐƵůƚƵƌĞ͘
Le caractère novateur du projet réside dans la détection des lisières en segments
morphologiques afin de caractériser chaque lisière Ě͛ƵŶŵġŵĞďŽŝƐet de les cartographier.
Ŷ ĞĨĨĞƚ͕ ŝů ĞƐƚ ƌĞƐƐŽƌƚŝ Ě͛ƵŶ ƚƌĂǀĂŝů ďŝďůŝŽŐƌĂƉŚŝƋƵĞ ƋƵ͛ŝů Ŷ͛ĞdžŝƐƚĞ ƉĂƐ ĚĞ ŵĠƚŚŽĚĞ ƐƚĂŶĚĂƌĚ
réalisant cette opération. Le projet vise donc à combler cette lacune et permettra, Ě͛ĠǀĂůƵĞƌ
leurs distributions dans les paysages Ě͛ƵŶĞ ƉĂƌƚ͕ Ğƚ Ě͛ĂƵƚƌĞ ƉĂƌƚ, Ě͛ĂŶĂůLJƐĞƌ ůĞƐ ƌĞůĂƚŝŽŶƐ
entre leurs distributions et les caractéristiques spatiales (fragmentation, surface des bois,
etc.) et historiques des sites.
Le projet implique quatre personnes qui sont aussi mes encadrants de stage (et à nous 4
nous avons formé un groupe de travail appelé CARTOLIS):
ƒ Responsable du projet : Marc Deconchat (CR)
ƒ Aspects scientifiques et bibliographiques : Audrey Alignier (doctorante 3°année)
ƒ Aspects géomatiques : Sylvie Ladet (IE)
ƒ Maquette, test et validation : stagiaire master 2 en géomatique, moi même.
Ce stage débuté en mars 2010 émarge à la première partie de la ƚŚğƐĞ Ě͛. Alignier qui
achève sa thèse à la fin de cette année 2010. Les résultats de ce stage doivent donc porter
ƐƵƌ ůĂ njŽŶĞ Ě͛ĠƚƵĚĞ ĐŚŽŝƐŝĞ ƉĂƌ ƵĚƌĞLJ ă ƐĂǀŽŝƌ ůĞ ƐŝƚĞ ĚĞ ƌĞĐŚĞƌĐŚĞƐ ă ůŽŶŐ ƚĞƌŵĞ ĚĞƐ
Coteaux de Gascogne au Sud-ouest de Toulouse (détaillé ultérieurement). Le stage et la
rédaction de la thèse sont donc concomitants et ce calendrier est à prendre en compte dans
le déroulement du stage.
5
2. Etat de la littérature sur les lisières, segments et
métriques
WůƵƐŝĞƵƌƐĂƉƉƌŽĐŚĞƐƉĞƌŵĞƚƚĞŶƚĚ͛ŝĚĞŶƚŝĨŝĞƌĚĞƐůŝƐŝğƌĞƐ͕ĞůůĞƐƐĞƌĞƉĂƌƚŝƐƐĞŶƚĞŶƚƌŽŝƐ
groupes répondant à des questions et des démarches différentes.
2.1 Détecter les lisières à partir de données de télédétection aéroportée ou
satellitaire
Le premier groupe concerne les méthodes qui visent à détecter et identifier les lisières à
partir de données spatialisées. Les filtres de détection de discontinuité (edge detection)
disponibles dans les logiciels de traitement de données satellitaires (filtrage de convolution
ĚĠƚĞĐƚĂŶƚ ĚĞƐ ǀĂƌŝĂƚŝŽŶƐ ĚĂŶƐ ů͛ĞƐƉĂĐĞ ĚĂŶƐ ůĞ ůŽŐŝĐŝĞů Es/Ϳ correspondent à ce type de
méthode (Figure : 1 A).
De leur coté, Fortin et al. (2000) ont développé des méthodes pour détecter des
discontinuités dans une distribution de semis de points, qui peuvent représenter des arbres
ƉĂƌ ĞdžĞŵƉůĞ͘ ĞƐ ŵĠƚŚŽĚĞƐ Ɛ͛ĂƉƉůŝƋƵĞŶƚ ƉĂƌƚŝĐƵlièrement pour détecter des lisières dans
des situations où la répartition des arbres est graduelle, comme dans le cas des transitions
ĞŶƚƌĞůĞƐƐĂǀĂŶĞƐĂƌďŽƌĠĞƐĞƚůĞƐĨŽƌġƚƐ͘>͛ƵƚŝůŝƐĂƚŝŽŶĚ͛ŝŵĂŐĞƐĂĠƌŝĞŶŶĞƐƐĞŵďůĞġƚƌĞŵŽŝŶƐ
fréquente. Esseen et al. (2006) proposent cependant un échantillonnage par une grille
appliquée à des photos aériennes ; les lisières sont détectées manuellement au niveau de
leur intersection avec la grille (Figure : 1 B). ĞƚƚĞĂƉƉƌŽĐŚĞƉĞƌŵĞƚĚ͛ŝĚĞŶƚŝĨŝĞƌĨĂĐŝůĞŵĞŶƚ
les lisières des forêts mais elle ne permet pas de les caractériser.
Figure 1 A ͗ƉƉůŝĐĂƚŝŽŶĚ͛ƵŶĨŝůƚƌĞĚŝƌĞĐƚŝŽŶŶĞů
détectant les changements de valeur dans l'espace
selon une direction (Barussaud, 2008) sur une image
raster extraite sur 2 bois de la zone.
6
Figure 1 B : Extrait de photographie aérienne en
couleur infrarouge. Les lignes discontinues indiquent
les lignes d'échantillonnage et les points jaunes
désignent les intersections des lisières enregistrées
par l'interprétation de photos aériennes. (Esseen et
al., 2006)
2.2 Métriques de tache
>ĞƐĞĐŽŶĚŐƌŽƵƉĞƌĂƐƐĞŵďůĞůĞƐŵĠƚŚŽĚĞƐƋƵŝƐ͛ĂƉƉƵŝĞŶƚƐƵƌĚĞƐŵĠƚƌŝƋƵĞƐĚĞƚĂĐŚĞ͕ĂƵ
sens de McGarigal et al. (2009). >Ğ ƉĂLJƐĂŐĞ ĞƐƚ ĐŽŶƐƚŝƚƵĠ Ě͛ĠůĠŵĞŶƚƐ ĚŝǀĞƌƐ ƉůƵƐ ŽƵ ŵŽŝŶƐ
ƉƌŽĐŚĞƐ Ğƚ ĐŽŶƚƌĂƐƚĠƐ ;ĂƉƉĞůĠƐ ƚĂĐŚĞƐͿ ƉƌĠƐĞŶƚĂŶƚ ĚĞƐ ƉĂƚƌŽŶƐ Ě͛ŽƌŐĂŶŝƐĂƚŝŽŶ
caractéristiques (que nous pouvons mettre en évidence via des indicateurs spatiaux appelés
aussi métriques). >͛ŽƵƚŝůde calcul le plus connu est FRAGSTAT1 (McGarigal et al. 2002) qui
calcule de très nombreuses métriques paysagères, dont certaines portent spécifiquement
sur les lisières de tache dans une matrice homogène (Delettre 2005). Les données de base
sont des cartes binaires rasters sur lesquelles des taches de forêt sont identifiées par des
ensembles de pixels. Le logiciel extrait des descripteurs des taches par des opérations
morphologiques. Les lisières sont définies par une certaine largeur du contour de taches et
plusieurs indices permettent de les caractériser͘/ůƐ͛ĂŐŝƚŶŽƚĂŵŵĞŶƚĚĞůĂůŽŶŐƵĞƵƌŐůŽďĂůĞ
et par tache (Total Edge), de la complexité du contour de la tache (Landscape Shape Index),
du ratio longueur de lisières/surface des bois (Perimeter-Area Ratio). Un autre outil GUIDOS
(Graphical User Interface for the Description of image Objects and their Shapes) proposé
gratuitement par ů͛hŶŝŽŶ ƵƌŽƉĠĞŶŶĞ, permet de quantifier et de cartographier la
fragmentation des milieux forestiers par exemple (Vogt et al. 2007). ͛ƵŶĞ ĐŽƵĐŚĞ ďŝŶĂŝƌĞ
ďŽŝƐͬŶŽŶ ďŽŝƐ͕ 'h/K^ ǀĂ ĐƌĠĞƌ ƵŶ ĞŶƐĞŵďůĞ ĚĞ ĐůĂƐƐĞƐ ŶŽƵǀĞůůĞƐ ƋƵĞ ƐŽŶƚ ůĞƐ ĐƈƵƌƐ ĚĞ
bois, les lisières, les haies isolées ou les haies reliées à des bois, etc. Les lisières y sont
définies comme une certaine épaisseur sur le contour des principales taches forestières et
identifiées par des analyses morphologiques. Nous verrons par la suite que notre méthode
Ɛ͛ĂƉƉƵŝĞĞŶƉĂƌƚŝĞƐƵƌĐĞƚŽƵƚŝů͘Dans ces approches, les lisières et leurs caractéristiques sont
des attributs des taches. La lisière est considérée ĐŽŵŵĞ ŚŽŵŽŐğŶĞ ƐƵƌ ů͛ĞŶƐĞŵďůĞ ĚƵ
pourtour de la tache.
>ĞƐ ŵĠƚƌŝƋƵĞƐ ĚĞ ƚĂĐŚĞ ƉĞƌŵĞƚƚĞŶƚ ĚŽŶĐ Ě͛ŽďƚĞŶŝƌ ĚĞƐ ŝŶĨŽƌŵĂƚŝŽŶƐ ƐƵƌ ůĞƐ ůŝƐŝğƌĞƐ
contrairement à la démarche précédente et de leur attribuer une profondeur.
2.3 Segment de lisière
>Ğ ƚƌŽŝƐŝğŵĞ ŐƌŽƵƉĞ Ɛ͛ĂƉƉƵŝĞ ƐƵƌ ƵŶĞ ĐŽŶĐĞƉƚŝŽŶ ĚŝĨĨĠƌĞŶƚĞ ĚĂŶƐ ůĂƋƵĞůůĞ ůĂ ůŝƐŝğƌĞ Ě͛ƵŶ
bois est considérée comme un ensemble de segments de caractéristiques différentes. Ce
point de vue assez récent a été formalisé notamment par Zeng & Wu (2005) qui ont introduit
le concept de segment de lisière. Ils proposent ainsi de développer des métriques de lisière
(ou de ligne) par opposition aux métriques de tache, pour évaluer la fragmentation
ĨŽƌĞƐƚŝğƌĞ͘ ͛ƵŶ ƉŽŝŶƚ ĚĞ ǀƵĞ ŐĠŽŵĂƚŝƋƵĞ͕ ůĞƐ ůŝƐŝğƌes sont représentées par des lignes (ou
ƉŽůLJůŝŐŶĞƐͿƋƵ͛ŽŶƉĞƵƚĐĂƌĂĐƚĠƌŝƐĞƌƉĂƌůĞƵƌŵŽƌƉŚŽůŽŐŝĞ;ůŽŶŐƵĞƵƌ͕ŽƌŝĞŶƚĂƚŝŽŶͿĞƚƉĂƌĚĞƐ
données supplémentaires relatives aux milieux adjacents ou, grâce à un modèle numérique
de terrain (MNT), relatives à la posŝƚŝŽŶĚĂŶƐůĂƉĞŶƚĞ͕ů͛ĞdžƉŽƐŝƚŝŽŶ͕ůĂƉĞŶƚĞƉĂƌĞdžĞŵƉůĞ͘
1
Ğ ůŽŐŝĐŝĞů ƚƌğƐ ƉĞƌĨŽƌŵĂŶƚ ƉĞƌŵĞƚ Ě͛ĞĨĨĞĐƚƵĞƌ ƵŶ ŐƌĂŶĚ ŶŽŵďƌĞ Ě͛ŽƉĠƌĂƚŝŽŶƐ ƉŽƵƌ ŵĞƐƵƌĞƌ ůĞ ƉĂLJƐĂŐĞ͘ ů͛ŽƌŝŐŝŶĞ͕&ƌĂŐƐƚĂƚϮ͘ϬĂĠƚĠŵŝƐƐƵƌůĞĚŽŵĂŝŶĞƉƵďůŝĐĞŶϭϵϵϱĞŶĂĐĐŽƌĚĂǀĞĐůĞZĂƉƉŽƌƚdĞĐŚŶŝƋƵĞ'ĠŶĠƌĂůĚƵ
Service des Forêts Américain. Depuis, ce logiciel a été largement utilisé par de nombreux professionnels et une
nouvelle version a vu le jour (V. 3.0).
7
En résumé :
Nous pouvons dresser un tableau récapitulant les avantages et les inconvénients des trois
ĂƉƉƌŽĐŚĞƐĞŶĨŽŶĐƚŝŽŶĚĞů͛ŽďũĞĐƚŝĨƉŽƵƌƐƵŝǀŝ (Tableau 1) :
Approches
Avantage
Inconvénient
ƒ Détection rapide des
lisières.
ƒ Pas de caractérisation des
lisières.
Métrique de taches
ƒ Possibilité de quantifier
le paysage.
ƒ Calcul de métriques
paysagères
ƒ Pas de différenciation
entre les lisières Ě͛ƵŶ
même bois.
Segment de lisière
ƒ Cartographie des lisières
ƒ Démarche complexe à
plus fine.
mettre en place pour
ƒ Possibilité de croiser des
obtenir des segments de
ĐŽƵĐŚĞƐĞƚĚ͛ĞdžƚƌĂŝƌĞƵŶĞ
lisières.
multitude
ƒ Paramétrisation à faire
Ě͛ŝŶĨŽƌŵĂƚŝŽŶƐ͘
Télédétection
Tableau 1 : Récapitulatif des différentes approches suivant leurs avantages et leurs inconvénients.
EŽƚƌĞ ĂƉƉƌŽĐŚĞ Ɛ͛ĂƉƉĂƌĞŶƚĞ ĚŽŶĐ ĂƵ ĚĞƵdžŝğŵĞ ŐƌŽƵƉĞ ƉŽƵƌ ŝĚĞŶƚŝĨŝĞƌ ůĞƐ ůŝƐŝğƌĞƐ
ŝŶĚŝǀŝĚƵĂůŝƐĠĞƐĚĞƐĐƈƵƌƐĚĞďŽŝƐĞƚĚĞƐĂƵƚƌĞƐĠůĠŵĞŶƚƐďŽŝƐĠƐ;ŽƵƚŝů'h/K^ͿĞƚĂƵĚĞƌŶŝĞƌ
groupe pour détecter les segments de lisières. Cependant elle ne se cantonne pas à
ů͛ĂƉƉůŝĐĂƚŝŽŶ ĚĞ Đes méthodes, mais elle apporte des innovations par rapport aux travaux
antérieurs en caractérisant de manière plus fine des segments de lisières qui correspondent
à des unités spatiales pertinentes pour les écologues.
8
3. Attendus et cahier des charges du stage
3.1 Objectif du stage et démarche adoptée
>͛ĂƚƚĞŶƚĞƉƌŝŶĐŝƉĂůĞĚĞů͛ĠƋƵŝƉĞĠƚĂŝƚ Ě͛ĠůĂďŽƌĞƌƵŶĞŵĠƚŚŽĚĞĐĂƌƚŽŐƌĂƉŚŝƋƵĞ͕Ɛ͛ĂƉƉƵLJĂŶƚ
sur la plateforme logicielle et sur les bases de données géographiques ƉƌĠƐĞŶƚĞƐĚĂŶƐů͛ƵŶŝƚĠ
;ů͛ĞŶƐĞŵďůĞ ĞƐƚ ƉƌĠƐĞŶƚĠ ƵůƚĠƌŝĞƵƌĞŵĞŶƚͿ͕ ƉŽƵƌ ŝĚĞŶƚŝĨŝĞƌ des segments de lisières et les
caractériser avec des indices spatiaux reconnus pertinents pour leurs effets sur les processus
écologiques.
Ŷ ĐĞ ƋƵŝ ĐŽŶĐĞƌŶĞ ůĞ ĐŚŽŝdž ĚƵ ůŽŐŝĐŝĞů ƉƌŝŶĐŝƉĂů͕ ũ͛Ăŝ ƵƚŝůŝƐĠ le logiciel ArcGis 9.3.1, (ESRI,
2006) en privilégiant les scripts de personnalisation gratuits et ouverts2. Les données de base
utilisées sont issues des travaux de télédétection satellitaire produites par des travaux
ĂŶƚĠƌŝĞƵƌƐĚĞů͛ĠƋƵŝƉĞ et permettent de travailler sur une large étendue.
Une fois les segments de lisières détectés, les métriques paysagères de chacune des
lisères devaient être calculées. Plus précisément, trois variables devaient être récupérées :
ů͛KƌŝĞŶƚĂƚŝŽŶ ĂƌĚŝŶĂůĞ (OC)͕ ů͛KƌŝĞŶƚĂƚŝŽŶ ƉĂƌ ƌĂƉƉŽƌƚ ă ůĂ WĞŶƚĞ (OP)͕ ů͛KĐĐƵƉĂƚŝŽŶ ĚƵ ^Žů
voisine (OS) (détaillées ultérieurement).
WŽƵƌŵĞŶĞƌăďŝĞŶĐĞƐƚĂŐĞ͕ũ͛ĂŝĂĚŽƉƚĠƵŶĞĚĠŵĂƌĐŚĞĚĞŐĞƐƚŝŽŶĚĞƉƌŽũĞƚ͘La notion de
ƉƌŽũĞƚĨĂŝƚŝĐŝƌĠĨĠƌĞŶĐĞăͨƵŶĞŶƐĞŵďůĞĚ͛ĂĐƚŝǀŝƚĠƐƋƵŝƐŽŶƚƉƌŝƐĞƐĞŶĐŚĂƌŐĞ͕ĚĂŶƐƵŶĚĠůĂŝ
donné (6 mois) et dans les limites de ressources imparties, par des personnes qui y sont
affectées (ici groupe de pilotage du stageͿĚĂŶƐůĞďƵƚĚ͛Ătteindre des objectifs définis ».
:͛Ăŝ ĚŽŶĐ ă ĐŽŶĐŝůŝĞƌ ĚĞƐ ƚĞŵƉƐ ĚĞ ƚƌĂǀĂŝů ŝŶĚŝǀŝĚƵĞů Ğƚ ĚĞƐ ƚĞŵƉƐ ĚĞ ƚƌĂǀĂŝů ĐŽůůĞĐƚŝĨ͘ :͛Ăŝ
organisé mon temps de travail individuel en plusieurs « passages obligés » nécessaires pour
mener à bien le projet :
ƒ dŽƵƚ Ě͛ĂďŽƌd, ƵŶ ƚƌĂǀĂŝů ďŝďůŝŽŐƌĂƉŚŝƋƵĞ ĞŶ Ɛ͛ĂƉƉƵLJĂŶƚ ƐƵƌ ůĞƐ ƉůĂƚĞĨŽƌŵĞƐ
ďŝďůŝŽŐƌĂƉŚŝƋƵĞƐ ĚĞ ů͛/NRA ƉŽƵƌ ĨĂŝƌĞ ůĞ ƉŽŝŶƚ ƐƵƌ ů͛ĠƚĂƚ ĚĞ ů͛Ăƌƚ Ğƚ ǀĠƌŝĨŝĞƌ ůĞ
vocabulaire employé autour de la polyligne ;
ƒ >͛ĂƉƉůŝĐĂƚŝŽŶ ĚĞ ůĂ ŵĠƚŚŽĚŽůŽŐŝĞ ŵŝƐĞ ĂƵ ƉŽŝŶƚ ĂǀĞĐ ĞŶ ƐŽƌƚŝĞ ůĂ ƌĠĂůŝƐĂƚŝŽŶ͕ ĞŶƚƌĞ
ĂƵƚƌĞ͕ Ě͛ƵŶ tableau synthétique regroupant les métriques calculées (données
attributaires des segments de lisières). Ce tableau a été formalisé pour être
exploitable par A. Alignier dans un logiciel de statistique comme R (R Development
Core Team 2008) ;
ƒ Une recherche sémiologique pertinente pour représenter les trois variables sur une
carte ;
ƒ UŶĞƉĂƌƚŝĐŝƉĂƚŝŽŶăůĂƌĠĚĂĐƚŝŽŶĚ͛ĂƌƚŝĐůĞƐƐĐŝĞŶƚŝĨŝƋƵĞƐ joints à des communications
orales (IUFRO 2010 et SAGEO 2010) concernant le projet et ses avancées. Ces textes
ŽŶƚƉƵĂůŝŵĞŶƚĞƌůĂƚŚğƐĞĚ͛͘ůŝŐŶŝĞƌĞŶĐŽƵƌƐĚ͛ĠĐƌŝƚƵƌĞ͖
ƒ ŶĨŝŶ͕ƐŝůĞƚĞŵƉƐůĞƉĞƌŵĞƚƚĂŝƚ͕ŝůƐ͛ĂŐŝƐƐĂŝƚĚĞƌĞŶĚƌĞůĂĚĠŵĂƌĐŚĞĂƵƚŽŵĂƚŝƐĂďůĞ en
utilisant un modèle de traitement3 (model builder par exemple sous ArcGis).
2
KƵǀĞƌƚĚĂŶƐůĞƐĞŶƐĚĞů͛ĂĐĐğƐĂƵůĂŶŐĂŐĞĚĞƉƌŽŐƌĂŵŵĂƚŝŽŶĚƵƐĐƌŝƉƚƉŽƵƌƉŽƵǀŽŝƌů͛ĂĚĂƉƚĞƌƐŝďĞƐŽŝŶ͘
hŶŵŽĚğůĞĚĞƚƌĂŝƚĞŵĞŶƚ ĞƐƚů͛ĞŶĐŚĂŝŶĞŵĞŶƚĚĞ plusieurs opérations (incluant ses intrants, ses extrants, et
ses paramètres de traitement) qui sont liées ƐŽƵƐĨŽƌŵĞĚ͛ƵŶĞƐĠƋƵĞŶĐĞĚĞƚƌĂǀĂŝů.
3
9
3.2 La géomatique dans un laboratoire de recherche
Mon stage se déroulant dans une unité de recherche, les questionnements étaient
permanents sur le choix des outils, mais également sur leur ĨŽŶĐƚŝŽŶŶĞŵĞŶƚ͘>͛ĂĐĐĞŶƚĂĠƚĠ
ŵŝƐ ƐƵƌ ůĂ ĐŽŵƉƌĠŚĞŶƐŝŽŶ ĚĞ ůĂ ĚĠŵĂƌĐŚĞ͘ >͛ĠƋƵŝƉĞ ŵ͛Ă ĞŶĐŽƵƌĂŐĠ ă ƉůƵƐŝĞƵƌƐ ƌĞƉƌŝƐĞƐ ă
solliciter les supports techniques des différents outils qui ont été utilisés tout au long de la
ŵĠƚŚŽĚĞ Ğƚ͕ Ɛŝ ŶĠĐĞƐƐĂŝƌĞ͕ ă ů͛ĂƉƉƌŽĨŽŶĚŝƌ ă ů͛ĂŝĚĞ ĚĞƐ ƌĞĐŚĞƌĐŚĞƐ ďŝďůŝŽŐƌĂƉŚŝƋƵĞƐ ƋƵĂŶĚ
Đ͛ĠƚĂŝƚŶĠĐĞƐƐĂŝƌĞ;ĠƚĂƉĞĚĞŐĠŶĠƌĂůŝƐĂƚŝŽŶƉĂƌĞdžĞŵƉůĞͿ͘
WĂƌĨŽŝƐ͕ůĞĐƌĂLJŽŶĞƚůĂĨĞƵŝůůĞŽŶƚƌĞŵƉůĂĐĠů͛ŽƌĚŝŶĂƚĞƵƌƉŽƵƌƌĞƉƌŽĚƵŝƌĞĞƚĚĠĐŽŵƉŽƐĞƌůĞƐ
algorithmes de calcul utilisés dans certaines étapes.
La démarche adoptée pendant toute la durée du stage a consisté à effectuer
régulièrement des ƌĠƵŶŝŽŶƐ Ě͛ĠƋƵŝƉĞ (environ une dizaine) pour traiter, soit Ě͛ƵŶ ƉŽŝŶƚ
particulier Ğƚ ƉƌĞŶĚƌĞ ĚĞƐ ĚĠĐŝƐŝŽŶƐ ƋƵĂŶĚ ĚĞƐ ĐŚŽŝdž Ɛ͛ŽĨĨƌĂŝĞŶƚ ă ŶŽƵƐ͕ ƐŽŝƚ ƉŽƵƌ ĨĂŝƌĞ ůĞ
point sur les avancées de mon stage.
͛ƵŶ ƉŽŝŶƚ ĚĞ ǀƵe ƉĞƌƐŽŶŶĞů͕ ũ͛Ăŝ ƚĞŶƵ ƵŶ ĐĂŚŝĞƌ ĚĞ laboratoire ă ũŽƵƌ ĂŝŶƐŝ ƋƵ͛ƵŶ ŐƵŝĚĞ
Ě͛ƵƚŝůŝƐĂƚĞƵƌ ;voir annexe page 554) pour faciliter la poursuite du projet après mon départ.
Mes avancées et mes difficultés pour mettre en place la méthode étaient régulièrement
ĐŽŵŵƵŶŝƋƵĠĞƐ ƉĂƌ ŵĂŝů ă ů͛ĠƋƵŝƉĞ͕ ĂĐĐŽŵƉĂŐŶĠĞƐ ůĂ ƉůƵƉĂƌƚ ĚƵ ƚĞŵƉƐ Ě͛ƵŶ ĨŝĐŚŝĞƌ ũŽŝŶƚ
expliquant ou illustrant mes propos.
Concernant la planification du projet, lĂ ƚŚğƐĞ Ě͛. Alignier se terminant en septembre
2010, ůĞƐ ĂǀĂŶĐĠĞƐ ĐĂƌƚŽŐƌĂƉŚŝƋƵĞƐ ĠƚĂŝĞŶƚ ĂƚƚĞŶĚƵĞƐ ƌĂƉŝĚĞŵĞŶƚ ƉŽƵƌ ƋƵ͛ĞůůĞ ƉƵŝƐƐĞ
exploiter les données. >͛ŽƌŐĂŶŝƐĂƚŝŽŶ ĚƵ ĚĠƌŽƵůĞŵĞŶƚ ĚƵ ƐƚĂŐĞ Ă donc été quelque peu
bousculée. En effet, ƵŶƉƌĞŵŝĞƌũĞƵĚĞĚŽŶŶĠĞƐŵ͛ĂĠƚĠĚĞŵĂŶĚĠƌĂƉŝĚĞŵĞŶƚ, reportant les
recherches bibliographies à plus tard.
4
>ĞŐƵŝĚĞĚĞů͛ƵƚŝůŝƐĂƚĞƵƌĂĠƚĠƌĠĂůŝƐĠƉŽƵƌů͛ĠƋƵŝƉĞĂƌƚŽůŝƐ͘/ůĚĠĐƌŝƚůĞƐĠƚĂƉĞƐƋƵĞũ͛ĂŝĞĨĨĞĐƚƵĠĞƐĚĞŵĂŶŝğƌĞ
détaillée. Les étapes secondaires (sélections, requêtes etc.) peuvent être abordées différemment.
10
4. Analyse ĚĞů͛ĞdžŝƐƚĂŶƚĞƚĚĞƐĂĐƋƵŝƐ
4.1 Acquis méthodologiques
ĂŶƐ ůĂ ĐĂĚƌĞ ĚĞ ůĂ ƚŚğƐĞ Ě͛͘ ůŝŐŶŝĞƌ͕ ƵŶ ƉƌĞŵŝĞƌ ƚƌĂǀĂŝů Ě͛ĞdžƉůŽƌĂƚŝŽŶ ĚĞs
fonctionnalités SIG avait déjà été mené en interne (Ladet, 2009 : guide méthodologique) ou
ǀŝĂƵŶƉƌŽũĞƚƚƵƚŽƌĠĚ͛ĠƚƵĚŝĂŶƚĚĞůĂƐƉĠĐŝĂůŝƚĠ^Wdăů͛E^d en janvier 2009͘:͛ĂŝĂŶĂůLJƐĠ
ces productions et en ai dégagé les conclusions suivantes :
ƒ
ƒ
ƒ
Première identification possible des segments de lisières ;
ZĠĐƵƉĠƌĂƚŝŽŶ ƉĂƌƚŝĞůůĞ ĚĞƐ ŝŶĨŽƌŵĂƚŝŽŶƐ ƐƵƌ ů͛K Ğƚ ů͛KW͘ ĞƚƚĞ ĚĞƌŶŝğƌĞ Ă ĠƚĠ
ƌĠĐƵƉĠƌĠĞăů͛ĂŝĚĞĚĞƚƌĂŶƐĞĐƚƐ(définition écologique =bande étroite ou ligne, tracée
réellement ou virtuellement à l'intérieur d'une végétation et qui permet d'en faire
l'analyse, le profil et la cartographie ou définition géomatique= perpendiculaire au
segment de lisière) obtenus par rotation des lisières dont la longueur dépendait de
celle-ci ;
ŝĨĨŝĐƵůƚĠ ƉŽƵƌ ƌĠĐƵƉĠƌĞƌ ů͛ŝŶĨŽƌŵĂƚŝŽŶ ƐƵƌ ů͛OS voisine pour laquelle plusieurs
propositions avaient été formulées͕ ĐŽŵŵĞ ů͛ƵƚŝůŝƐĂƚŝŽŶ Ě͛ƵŶ ďƵĨĨĞƌ ŽƵ ůĞ ĚĠĐĂůĂŐĞ
des segments de lisières ǀĞƌƐů͛ĞdžƚĠƌŝĞƵƌ͘
Le stage réalisé par les SPET a ƉĞƌŵŝƐĚ͛ŽďƚĞŶŝƌůĞƐƉƌĞŵŝĞƌƐƌĠƐƵůƚĂƚƐ͕ŵĂŝƐ la méthode
reste partiellement concluante. Mon travail consiste donc à reprendre leur travail et à
apporter des améliorations.
4.2 >ĞƐŝƚĞĚ͛ĠƚƵĚĞ
La plateforme LTSER5 (Carte : 1) de Dynafor est un paysage rural à vocation agricole,
située à 80 kilomètres de Toulouse dans la région du Bas-Comminges (Deconchat et al,
ϮϬϬϳͿ͘/ůƐ͛ĂŐŝƚĚ͛ƵŶĞnjŽŶĞǀĂůůŽŶŶĠĞ(altitude comprise entre 200 et 400 m), couvrant 250
km², avec une matrice agricole de polyculture-élevage marquée par la présence de
nombƌĞƵdžďŽŝƐĨƌĂŐŵĞŶƚĠƐĞƚĚ͛ĠůĠŵĞŶƚƐůŝŶĠĂŝƌĞƐďŽŝƐĠƐĚĞƚLJƉĞŚĂŝĞ͕ĂůŝŐŶĞŵĞŶƚĚ͛ĂƌďƌĞƐ
et un habitat dispersé. Ce terrain fait ů͛ŽďũĞƚ͕ĚĞƉƵŝƐůĞƐĂŶŶĠĞƐϴϬ, de nombreuses études
menées in situ et répétées (avec une fréquence variable, par exemple tous les 10 ans pour
ƵŶ ĚŝƐƉŽƐŝƚŝĨ ĚĞ ƐƵŝǀŝ ĚĞ ĐŽŵŵƵŶĂƵƚĠƐ Ě͛ŽŝƐĞĂƵdž ŽƵ ƚŽƵƐ ůĞƐ ϮϬ ĂŶƐ ƉŽƵƌ ůĞ ƐƵŝǀŝ ĚĞƐ
ĞdžƉůŽŝƚĂƚŝŽŶƐ ĂŐƌŝĐŽůĞƐͿ ƐƵƌ ů͛ĠǀŽůƵƚŝŽŶ ĚĞ ůĂ ďŝŽĚŝǀĞƌƐŝƚĠ ĚĞƐ ĐŽŵŵƵŶĂƵƚĠƐ ǀĠŐĠƚĂůĞƐ
ŚĞƌďĂĐĠĞƐ Ğƚ ĂŶŝŵĂůĞƐ ;ŝŶƐĞĐƚĞƐ͕ ŽŝƐĞĂƵdžͿ͕ ƐƵƌ ů͛ĠǀŽůƵƚŝŽŶ ĚĞƐ ƉƌĂƚŝƋƵĞƐ de gestion des
exploitations agricoles et forestières. Aussi en 2007, Dynafor a obtenu la labellisation LTSER
ĚĞ ĐĞ ƚĞƌƌŝƚŽŝƌĞ ;ŶƵŵĠƌŽ Ě͛ĞŶƌĞŐŝƐƚƌĞŵĞŶƚ >dZͺhͺ&ZͺϬϬϯͿ͘ ͛ĞƐƚ ƵŶ ůĂďĞů ůĂŶĐĠ ĞŶ ϭϵϴϬ
par la National Science Fondation aux Etats-Unis. Le but de ce label, maintenant
5
Long Term Socio-Ecological Research
11
international, est de mettre en réseau des sites de recherche à long terme, dans des
écosystèmes importants et sensibles à travers le monde. Il en résulte une grande quantité de
ĚŽŶŶĠĞƐ ĚĞ ŶĂƚƵƌĞ ĚŝǀĞƌƐĞ ƋƵ͛ŝů ĐŽŶǀŝĞŶƚ ĚĞ ƐƚƌƵĐƚƵƌĞƌ informatiquement. Une des
caractéristiques les plus importantes de ce label est le développement de bases de données,
disponible pour tous les chercheurs, contenant des informations de type écologique
;ĂďŽŶĚĂŶĐĞ Ě͛ĞƐƉğĐĞƐ ĂŶŝŵĂůĞƐ Ğƚ ǀĠŐĠƚĂůĞƐͿ, socio-technique et sur les conditions
ĞŶǀŝƌŽŶŶĞŵĞŶƚĂůĞƐ;ŽĐĐƵƉĂƚŝŽŶĚĞƐƐŽůƐ͕ĐůŝŵĂƚ͙ͿƐƵƌůĞ site étudié.
Carte 1 : Zone Ě͛ĠƚƵĚĞ>d^Z
N
Carte 1 : ĂƌƚĞĚĞůŽĐĂůŝƐĂƚŝŽŶĚĞůĂnjŽŶĞĚ͛ĠƚƵĚĞ
12
4.3 >͛ĞdžŝƐƚĂŶƚ sur les outils de géomatique
Une base de données géographique existe sur ce site (Ladet, 2010). Plusieurs données ont
été extraites de la base et mises à ma disposition pour mener à bien le projet :
ƒ LĂ ĐĂƌƚĞ Ě͛ŽĐĐƵƉĂƚŝŽŶ ĚƵ ƐŽů (Carte : 2) de 2005 ĞƐƚ ŝƐƐƵĞ Ě͛ƵŶĞ ĐůĂƐƐŝĨŝĐĂƚŝŽŶ
ƐƵƉĞƌǀŝƐĠĞĚ͛ŝŵĂŐĞƐ^WKdϱƌĠĂůŝƐĠĞƉĂƌ͘ĂƌƵƐƐĂƵĚĚĞϯϭŬŵĚĞůĂƌŐĞƵƌΎϰϯŬŵĚĞ
hauteur et de résolution 10 m.
ƒ Le Modèle Numérique de TĞƌƌĂŝŶ ƌĠĂůŝƐĠ ƉĂƌ ů͛/ŶƐƚŝƚƵƚ EĂƚŝŽŶĂů 'ĠŽŐƌĂƉŚŝƋƵĞ ;
TOPO, IGN) de résolution 25 m.
ƒ >ĞƐĚĂůůĞƐĚĞƉŚŽƚŽŐƌĂƉŚŝĞƐĂĠƌŝĞŶŶĞƐƋƵŝĐŽƵǀƌĞŶƚůĂnjŽŶĞĚ͛ĠƚƵĚĞŽŶƚĠƚĠƉƌŝƐĞs en
2006 (BD ORTHO, IGN) et sont à 50 cm de résolution.
ƒ Les données attributaires : relevés de terrain sous forme de transects positionnés par
GPS en XY par A. Alignier en 2007.
Logiciels disponibles :
ƒ Utilisation du logiciel ArcGIS 9.3.1 (ESRI, 2006) avec ů͛ĞdžƚĞŶƐŝŽŶ^ƉĂƚŝĂůŶĂůLJƐƚƉŽƵƌ
traiter le mode raster et le Modèle Numérique de Terrain.
ƒ >ĞƐ ƉƌŝŶĐŝƉĂůĞƐ ĞdžƚĞŶƐŝŽŶƐ ƵƚŝůŝƐĠĞƐ ƋƵŝ ǀŝĞŶŶĞŶƚ ĞŶƌŝĐŚŝƌ ů͛ŝŶƚĞƌĨĂĐĞ Ě͛ƌĐ'/^ : ET
GeoWizards (ET Spatial Techniques, 2010 b), Easy Calculate (ET Spatial Techniques,
2010 a), HawthsTools (Hawth's Analysis Tools, 2004), XTools (XTools 3.1, 2003).
ƒ GUIDOS 1.3 (JRC, Vogt) pour distinguer les bois et identifier les lisières par la suite.
ƒ Tableur Excel 2007 pour formaliser les données et obtenir un tableau synthétique.
Carte 2 : Occupation du sol
Carte 2 : Extrait de la carte Ě͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůƌéalisé par E. Barussaud sur une image de SPOT 5 de 2005.
13
5. Elaboration de la méthode à deux échelles différentes
5.1 Compréhension de la méthode sur une zone test
La ŵĠƚŚŽĚĞ ĂĚ͛ĂďŽƌĚ ĠƚĠ ĠůĂďŽƌĠĞ ƐƵƌ ƵŶƚĞƌƌŝƚŽŝƌĞ ƌĞƐƚƌĞŝŶƚ de 57 ha. Cette zone test
(Carte : 3) a permis de réduire le temps de calcul et de bien comprendre le rôle de chaque
étape. Le nombre restreint des bois (4), et leur géométrie simple (c'est-à-dire des formes
ƉƌŽĐŚĞƐĚƵĐĂƌƌĠͿĂĨĂĐŝůŝƚĠů͛ŝĚĞŶƚŝĨŝĐĂƚŝŽŶĚĞƐƉƌŽďůğŵĞƐůŝĠƐăůĂŐĠŽŵĠƚƌŝĞĚĞƐďois.
ĞƐďŽŝƐĚĞĨŽƌŵĞĨŝdžĠĞ;ĚŝŐŝƚĂůŝƐĂƚŝŽŶŵĂŶƵĞůůĞͿƌĞƉƌĠƐĞŶƚĂŶƚĚ͛ĂƵƚƌĞƐĐĂƐĚĞĨŝŐƵƌĞƐŽŶƚĠƚĠ
rajoutés afin de vérifier des hypothèses dans les calculs des métriques.
Un premier tableau synthétique de données a pu être établi après avoir résolu les premières
difficultés.
Carte 3 : Zone Test
Contours des bois
ŝƐƐƵƐ ĚĞ ů͛ŝŵĂŐĞ
satellite
Carte 3 : Zoom sur la zone test sur fond de la photographie
aérienne de 2006.
ŶŽƚĞƌƋƵ͛ŽŶƌĞŵĂƌƋƵĞƵŶĚĠĐĂůĂŐĞentre le contour du bois classé à partir des images
satellites et le bois représenté sur la photo aérienne. Nous avons choisi de travailler avec la
ĐůĂƐƐŝĨŝĐĂƚŝŽŶĚĞů͛ŝŵĂŐĞƐĂƚĞůůŝƚĞĐĂƌĐĞůĂŶŽƵƐƉĞƌŵĞƚĚ͛ŽďƚĞŶŝƌƌĂƉŝĚĞŵĞŶƚƚŽƵƐůĞƐďŽŝƐƐƵƌ
ƵŶĞůĂƌŐĞĠƚĞŶĚƵĞĂŝŶƐŝƋƵĞů͛ŽĐcupation du sol avoisinante.
14
5.2 Déroulement de la méthode sur une zone de large étendue
>͛ŽďũĞĐƚŝĨĚƵƉƌŽũĞƚĂƌƚŽůŝƐĠƚĂŶƚĚĞĐŽƵǀƌŝƌƵŶĞnjŽŶĞĚĞůĂƌŐĞĠƚĞŶĚƵĞ, nous avons donc
déployé la méthode sur un territoire de superficie 19 300 ha (Carte : 1) composé après
application de nos paramètres, Ě͛une centaine de bois supérieurs à 3 ha ĞƚĚ͛ĞŶǀŝƌŽŶϱϬϬϬ
ůŝƐŝğƌĞƐ͘ĨŝŶĚĞĚŝƐƉŽƐĞƌĚ͛ƵŶŵŝůŝĞƵŝŶƚĠƌŝĞƵƌŝŶĚĠƉĞŶĚĂŶƚĚĞů͛ŝŶĨůƵĞŶĐĞĚĞƐůŝƐŝğƌĞƐ;ůĂƌŐĞƵƌ
supérieure à 100 m), les bois devraient avoir une surface supérieure à 3 ha (M. Gonzales.
2006). Le passage de la zone test vers une zone plus vaste a posé des problèmes. En effet,
des cas particuliers que nous Ŷ͛ĂǀŝŽŶƐ ƉĂƐ ƉƌĠǀƵ ƐƵƌ ůĂ njŽŶĞ ƚĞƐƚ͕ ont amené à modifier à
plusieurs reprises la démarche. Les temps de calculs ont été considérablement augmentés
de 2h pour deux étapes de la méthode.
En résumé :
ĨŝŶ ĚĞ ƌĠƉŽŶĚƌĞ ĂƵdž ĚŝĨĨĠƌĞŶƚƐ ŽďũĞĐƚŝĨƐ ĨŝdžĠƐ ƉĂƌ ů͛ĠƋƵŝƉĞ͕ ũ͛ĂǀĂŝƐ ă ĚŝƐƉŽƐŝƚŝŽŶ ůĞ
matériel informatique et les données nécessaires en amont pour réaliser la cartographie
des lisières en segment et calculer les variables. La stratégie adoptée (élaboration de la
méthode sur une zone test dans un premier temps) a facilité la compréhension de la
méthode. Le ĐŚĂŶŐĞŵĞŶƚ Ě͛ĠĐŚĞůůĞ ;déroulement de la méthode sur une zone de large
étendue) nous a amené à en modifier certaine partie.
La méthode produite (PARTIE 2) intègre donc les changements.
15
PARTIE II : METHODE PRODUITE
- Partie II Méthode
produite
1. Identification des lisières dans le paysage
1.1 Localisation des lisières ăů͛ĂŝĚĞĚĞ'h/K^
La première étape de la méthode consiste à identifier les lisières définies comme les
bordures des éléments boisés de surface supérieure à 3 ha dans le paysage étudié. Comme
ƚŽƵƐ ůĞƐ ĠůĠŵĞŶƚƐ ďŽŝƐĠƐ Ě͛ƵŶ ƉĂLJƐĂŐĞ ;ŽďƚĞŶƵĞ ƉĂƌ ĐůĂƐƐŝĨŝĐĂƚŝŽŶ Ě͛ŝŵĂŐĞƐ ƐĂƚĞůůŝƚĂůĞƐͿ ne
sont pas nécessairement assez grands ou de conformation assez compacte pour contenir
une zone de lisière, nous avons adopté la démarche proposée par le logiciel GUIDOS pour
distinguer dans un paysage plusieurs types de couvert boisé selon leur configuration
spatiale. Cette analyse est appelée MPSA pour (Morphological Pattern Spatial Analysis) qui
fait intervenir différents filtres morphologiques à paramétrer (traitement des formes)
(Ostapowicz et al. 2008 ; Soille et Vogt, 2009). Ce logiciel identifie des zones de lisières qui
correspondent aux bordures des bois ƋƵŝ ƐŽŶƚ ĚŝƐƚŝŶĐƚĞƐ Ě͛ĂƵƚƌĞƐ ƚĂĐŚĞƐ͕ ƉůƵƐ ƉĞƚŝƚĞƐ ou
moins compactes que sont par exemple les haies isolées, les branches (haies connectées à
des bois, etc.) (Vogt et al. 2007). En adoptant cette méthode, Cartolis sera directement
ĐŽŵƉĂƚŝďůĞĂǀĞĐ'h/K^ĞƚƐ͛ĂƉƉƵŝĞĂŝŶƐŝƐƵƌƵŶŽƵƚŝůĚĞƌĠĨĠƌĞŶĐĞeuropéenne pour définir
les bordures correspondant aux lisières forestières.
>͛ŝŶƚĞƌĨĂĐĞĚĞ'h/K^;Figure : 2) est intuitive et volontairement restreinte. GUIDOS ne
ƉĞƵƚ ƉĂƐ ŐĠƌĞƌ ƉůƵƐŝĞƵƌƐ ĐŽƵĐŚĞƐ Ğƚ ŶĞ ƉĞƌŵĞƚ ƉĂƐ Ě͛ĞĨĨĞĐƚƵĞƌ ĚĞƐ ƌĞƋƵġƚĞƐ ƐƉĂƚŝĂůĞƐ ŽƵ
ĂƚƚƌŝďƵƚĂŝƌĞƐ͘ ͛ĞƐƚ ƵŶ ŽƵƚŝů ƋƵŝ ǀŝĞŶƚ ĚŽŶĐ ĂƉƉƵLJĞƌ ƵŶ ůŽŐŝĐŝĞů ^/'͕ ĞŶ ƉĞƌŵĞƚƚĂŶƚ ůĂ
ƐĞŐŵĞŶƚĂƚŝŽŶ Ě͛ƵŶĞ ŝŵĂŐĞ ƐƵŝǀĂŶƚ ůĞƐ ƚƌĂŝƚs morphologiques « des taches » et en les
intégrant dans différentes classes.
Paramètres à saisir
avant de lancer
le MPSA.
Possibilité de calculer et
Ě͛ĞdžƉŽƌƚĞƌĚĞƐƐƚĂƚŝƐƚŝƋƵĞƐƐƵƌ
ů͛ŝŵĂŐĞ͘
Figure 2 : Interface de GUIDOS avec un extrait de la carte bois /non bois sur lequel le MPSA a été réalisé.
16
Dans un premier temps (Figure : 13, étape 1 page 30), il est nécessaire de posséder, en
ĚŽŶŶĠĞĚ͛ĞŶƚƌĠĞ͕ƵŶĞĐĂƌƚĞĚĞů͛ŽĐĐƵƉĂƚŝŽŶĚu sol (Carte : 2) au format Tif. Dans notre cas,
elle est issue des travaux effectués par E. Barussaud (PARTIE I : 4.3)
A partir de cette carte, seules les classes éléments boisés (extraction et regroupement
des « feuillus » + « conifères » + « haies ») sont conservées pour obtenir une image binaire
bois/non bois (Figure : 13͕ĠƚĂƉĞϮͿ͘ĞƚƚĞŝŵĂŐĞĞƐƚŝŵƉŽƌƚĠĞƐŽƵƐ'h/K^ĞƚƚƌĂŝƚĠĞăů͛ĂŝĚĞ
de la fonction MPSA (Figure : 3). En sortie, nous obtenons une image des différents éléments
boisés, constituée de sept ĐůĂƐƐĞƐ;ĐƈƵƌĚĞďŽŝƐ͕ůŝƐŝğƌĞ͕ƚƌŽƵĠes, branches, etc.).
Masque forestier
Classification
ŽŽŵƐƵƌƵŶĞƉĂƌƚŝĞĚĞů͛ŝŵĂŐĞ
Figure 3 : MPSA, classification sur une image Bois/Non Bois avec les sept classes produites.
17
MSPA est une séquence ƉĞƌƐŽŶŶĂůŝƐĠĞ Ě͛opérateurs mathématiques morphologiques
ciblés sur la description de la géométrie et la connectivité des éléments de l'image. Cette
méthode peut être appliquée à n'importe quelle échelle et à tous types d'images
numériques dans tous les domaines d'application (MPSA guide 2010).
Plusieurs paramètres peuvent être modifiés sous Guidos :
Foreground Connectivity, ensemble de 3 x 3
pixels. Le pixel central est connecté aux pixels
adjacents. Deux choix sont possibles soit par
défaut la prise en compte des 8 pixels voisins ou
des 4.
Transition, pixels situés sur une lisière ou une
ƉĞƌĨŽƌĂƚŝŽŶ Žƶ ůĞ ĐƈƵƌ ĞƐƚ ŝŶƚĞƌƐĞĐƚĠ ĂǀĞĐ ƵŶĞ
boucle ou un pont. Si la transition est mise à 0
ĂůŽƌƐůĞƐďŽƌĚƐĚĞƐĐƈƵƌƐƐĞƌŽŶƚĨĞƌŵĠƐ͘
Intext, permet de distinguer les caractéristiques
internes ŝŶĐůƵƐĞƐ ĚĂŶƐ ƵŶ ĐƈƵƌ ĚĞ ďŽŝƐ ;ĂƵ
ŶŝǀĞĂƵ Ě͛ƵŶĞ ƚƌŽƵĠĞͿ, où les éléments internes
sont définis comme étant délimités par une
perforation
Edge Width, définit la largeur ou l'épaisseur en
pixel des classes non-ĐƈƵƌ͘>ĂĚŝƐƚĂŶĐĞƌĠĞůůĞĞŶ
mètre correspond au nombre de pixels du bord
multiplié par la résolution en pixel de l'image.
Elle est donc dépendante de la résolution de
ů͛ŝŵĂŐĞ͘ ĞƚƚĞ ƉƌŽĨŽŶĚĞƵƌ ĞƐƚ paramétrée à 2
pour obtenir une largeur de 20 m
conformément à la littérature scientifique. En
choisissant ces 20 m, nous sommes proches de
la moyenne des distances à la lisière
correspondant
à
un
changement
de
communauté des ligneux (arbres et arbustes)
en terme de structure et de composition
(Gonzalez, 2006).
18
>Ğ ƌĞƐƚĞ ĚĞ ůĂ ŵĠƚŚŽĚĞ Ɛ͛ĞĨĨĞĐƚƵĞ ƐŽƵƐ ƌĐ'ŝƐ͘ >͛ŝŵĂŐĞ ƌĂƐƚĞƌ ĚĞ ƐŽƌƚŝĞ ĚĞ 'h/K^
comportant les 7 ĐůĂƐƐĞƐĚ͛ĠůĠŵĞŶƚƐďŽŝƐĠƐĞƐƚĐŽŵďŝŶĠĞăůĂĐĂƌƚĞĚ͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽů;ĞůůĞmême agrégée en 5 classes principales) (Figure : 13, étape 3). La combinaison des 2 données
(Carte : 4) assure le maintien de la topologie des entités (boisées et agricoles), règle
importante pour la suite des opérations.
Occupation du sol détaillée
GUIDOS
Occupation du sol
Carte 4 : ŽŵďŝŶĂŝƐŽŶĚĞůĂĐĂƌƚĞĚ͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůĞƚĚĞůĂĐůĂƐƐŝĨŝĐĂƚŝŽŶDW^ƐŽƵƐ'h/K^ = 10 classes.
1.2 La fonction de généralisation pour simplifier les polygones
La carte combinée en mode raster est convertie en vecteur par la méthode proposée sous
ArcGis en standard dans Spatial Analyst (convertir « Raster vers entités »). A ce stade, les
ůŝƐŝğƌĞƐ ĨŽƌŵĞŶƚ ĚĞƐ ƉŽůLJŐŽŶĞƐ ĞŶƚŽƵƌĂŶƚ ůĞƐ ƉŽůLJŐŽŶĞƐ ĚĞ ĐƈƵƌ ĚĞ ďŽŝƐ͕ ĂĚũĂĐĞŶƚƐ ă
Ě͛ĂƵƚƌĞƐƉŽůLJŐŽŶĞƐĐŽƌƌĞƐƉŽŶĚĂŶƚĂƵdžĂutres occupations du sol, boisées ou non.
>͛ĠƚĂƉĞ ƐƵŝǀĂŶƚĞ ĚĞ ŐĠŶĠƌĂůŝƐĂƚŝŽŶ (Figure : 4) est une étape fondamentale dans notre
démarche qui aura des impacts directs sur la suite du déroulement de la méthode. En effet,
nous partons du principe que les bois ont des formes géométriques polygonales. La
généralisation a pour objectif de modifier une représentation dans le but de la rendre plus
simple. Cette fonction ŶĞ ͚ŐŽŵŵĞDz ƉĂƐ ůĞƐ ŝŶĨŽƌŵĂƚŝŽŶƐ ĚĞǀĞŶƵĞƐ ƐƵƉĞƌĨůƵĞƐ͕ ŵĂŝƐ elle
redessine l´espace selon une nouvelle logique (Ruas, 1999). Elle est définie par l´Association
de Cartographie Internationale comme "la sélection et la représentation simplifiée de détails
en fonction de l´échelle et des objectifs de la carte".
Il existe une multitude d͛algorithmes de généralisation pour les réseaux routiers,
hydrographiques, des bâtiments, des routes, qui se sont développés depuis 30 ans.
En effet͕ ĐŽŵŵĞ ů͛ĞdžƉůŝƋƵĞ ͘ ZƵĂƐ͕ on ne peut pas appliquer le même algorithme pour
réduire un réseau routier (treillis, contraintes de continuité et temps de parcours) et un
réseau hydrographique (arbre, logique d´écoulement des eaux).
19
Afin de réaliser cette étape, nous avons fait ŝŶƚĞƌǀĞŶŝƌů͛ŽƵƚŝůd GeoWizards qui intègre
une fonction « Generalize Polygons ». Elle consiste à simplifier la forme des polygones en
réduisant leur nombre de sommets tout en conservant leur topologie, par le biais de
l'algorithme de Douglas-Peucker. Il réduit les irrégularités mais également le nombre de
données (nombre de points utilisés pour dessiner le polygone).
Le principe de cet algorithme consiste à trouver dans un premier temps les deux points
les plus éloignés du polygone, puis à réduire le nombre de ses sommets suivant le paramètre
de tolérance choisi (technique de bande de tolérance). L'algorithme travaille de manière
récursive͕ũƵƐƋƵ͛ăŽďƚĞŶŝƌƵŶĞĨŽƌŵĞĚĂŶƐůĂƋƵĞůůĞŽŶŶĞƉĞƵƚƉůus supprimer de points selon
le seuil choisi.
Le paramètre de tolérance (T) représente la distance minimale pour conserver un point
au cours du processus entre un sommet et la droite de référence. Par défaut, nous avons
opté pour T=20 m (valeur identique ăůĂƉƌŽĨŽŶĚĞƵƌĚĞƐůŝƐŝğƌĞƐͿ͘/ůĞƐƚŝŵƉŽƌƚĂŶƚĚ͛ĞĨĨĞĐƚƵĞƌ
ĐĞƚƚĞŐĠŶĠƌĂůŝƐĂƚŝŽŶƐƵƌů͛ĞŶƐĞŵďůĞde la couche afin de conserver la topologie des bois par
rapport aux autres occupations du sol, en vue de requêtes spatiales de voisinage (mais nous
verrons par la suite que cet argument peut être discuté).
Cette étape de généralisation au seuil de 20 m est ƵŶ ĐŚŽŝdž ĂĚŽƉƚĠ ƉĂƌ ů͛ĠƋƵŝƉĞ͘ ůůĞ Ă
pour avantage de permettre une création des lisières conforme aux pertinences écologiques
ŵĂŝƐĂƉŽƵƌŝŶĐŽŶǀĠŶŝĞŶƚĚ͛ġƚƌe longue à réaliser avec un ordinateur de bureau classique et
ƐƵƌů͛ŝŵĂŐĞĚĞϭϵϯŬŵϸ͕ŵĂŝƐĐĞƚƚĞĚƵƌĠĞĚĠƉĞŶĚĚƵŶŽŵďƌĞĚĞƉŽůLJŐŽŶĞƐĐŽŶĐĞƌŶĠƐ͘
Extrait de la couche vecteur
Extrait de la couche généralisée à 20 m
Figure 4 : Passage de la couche vecteur à la couche généralisée.
Il est difficile de trouver la valeur de seuil de tolérance adaptée. Nous avons fait le choix
Ě͛ĞdžĂŵŝŶĞƌůĞƌĠƐƵůƚĂƚƉƌŽĚƵŝƚĂǀĞĐůĂǀĂůĞƵƌƉĂƌĚĠĨĂƵƚĞƚĞŶƐƵŝƚĞ de faire une analyse de
sensibilité sur le paramètre de tolérance (PARTIE 2, 2.2).
20
2. Création des segments de lisières
2.1 Le vecteur polyligne : choix de représentation spatiale des lisières
Pour rappel, nous souhaitons définir des objets spatiaux correspondant à ce qui est
observé communément ƉĂƌůĞƐĠĐŽůŽŐƵĞƐĚĂŶƐůĞƐďŽŝƐ͕Đ͛ĞƐƚăĚŝƌĞĚĞƐƉŽƌƚŝŽŶƐĚĞůŝƐŝğƌĞƐ
relativement rectilignes. Une représentation en mode raster ne permet ƉĂƐ Ě͛ŝĚĞŶƚŝĨŝĞƌ ĐĞ
ŶŝǀĞĂƵĚ͛ĂŐƌĠŐĂƚŝŽŶĞƚĐĞƚƚĞĐŽŶƚƌĂŝŶƚĞŵŽƌƉŚŽůŽŐŝƋƵĞ͘>ĞƐďŽŝƐĚĂŶƐůĞƐƌĠŐŝŽŶƐƚĞŵƉĠƌĠes
présentent des formes polygonales qui résultent des contraintes sociales (cadastres) et
techniques, notamment du fait de la linéarité des opérations agricoles.
Certaines limites de bois, en contact ĂǀĞĐ ĚĞƐ njŽŶĞƐ Ě͛ĞŶĨƌŝĐŚĞŵĞŶƚ͕ ƐŽŶƚ ƉĂƌĨŽŝƐ ŵŽŝŶƐ
rectilignes et difficiles à identifier, mais ces cas restent assez rares dans les paysages
Ě͛ƵƌŽƉĞ ĂƚůĂŶƚŝƋƵĞ ƉŽƵƌ ġƚƌĞ ŶĠŐůŝŐĠƐ͘ >ĞƐ ďŽŝƐ ƐŽŶƚ communément représentés par des
polygones, la bordure est représentée par la polyligne fermée de contour (le périmètre),
elle-même composée de ses sous-parties, les segments.
Par définition, une polyligne est un ensemble fini de segments de ligne, tel que le point
ĨŝŶĂů Ě͛ƵŶ ƐĞŐŵĞŶƚ ƐŽŝƚ ůĞ ƉŽŝŶƚ ĚĞ ĚĠƉĂƌƚ ĚƵ ƐĞŐment suivant. Dans la bibliographie, le
segment est aussi appelé arc pour les lignes (Bolstad, 2008). Pour ces objets vecteur, le
ĨŝĐŚŝĞƌŝŶĨŽƌŵĂƚŝƋƵĞĞƐƚĐŽŶƐƚŝƚƵĠĚ͛ƵŶĞƐĠƋƵĞŶĐĞĚĞŶŽŵďƌĞƐŝŶĚŝƋƵĂŶƚ͗ů͛ŝĚĞŶƚŝĨŝĐĂƚĞƵƌĚĞ
ů͛ŽďũĞƚ͕ ůĞ ŶŽŵďƌĞ ĚĞ ƉŽŝŶƚƐ ;ƐŽŵmets) définissant cet objet et les coordonnées X et Y de
chacun de ces points. Aussi il est possible ĚĞƉĂƐƐĞƌĚ͛ƵŶƚLJƉĞĚĞƉƌŝŵŝƚŝǀĞăƵŶĂƵƚƌĞƉĂƌĚĞƐ
outils de conversion (fonctionnalités « Polygon To Polyligne ͩ ĚĞ ů͛ŽƵƚŝů d 'ĞŽtŝnjĂƌĚƐͿ
(Figure : 5).
Polygone
Bois
Polyligne
Lisière
Segments de
Lisière
Sommet
Figure 5 : ŽŶǀĞƌƐŝŽŶĚ͛ƵŶƉŽůLJŐŽŶĞǀĞƌƐƵŶĞƉŽůLJůŝŐŶĞĞƚĚ͛ƵŶĞƉŽůLJůŝŐŶĞǀĞƌƐĚĞƐƐĞŐŵĞŶƚƐ͘
21
2.2 Conversion des polygones
LĞƐ ďŽŝƐ ĂLJĂŶƚ ĚĞƐ ůŝƐŝğƌĞƐ ;ƚĂĐŚĞ ĚĞ ĐƈƵƌ « core » + lisière « edge ͩ Ě͛ĂƉƌğƐ ůĂ
classification de GUIDOS) sont extraits afin de faciliter la manipulation des fichiers. Les
lisières et les ĐƈƵƌƐ ƐŽŶƚ ĨƵƐŝŽŶŶĠƐ Ğƚ ůĞƐ ƚƌŽƵĠĞƐ ĚĂŶƐ ůĞƐ ĐƈƵƌƐ ĚĞ ďŽŝƐ ;ƚŽƌĞƐ Ğn
géomatique) sont intentionnellement rebouchées ăů͛ĂŝĚĞĚ͛ƵŶƐĐƌŝƉƚ;ͨ polygon_FillHoles »
ĚĞ ů͛ŽƵƚŝů ĂƐLJ ĂůĐƵůĂƚĞͿ, afin de ne pas induire de lisière intérieure (ces dernières
Ŷ͛ŝŶƚĠƌĞƐƐĂŶƚƉĂƐůĞƐĠĐŽůŽŐƵĞƐͿ. Les contours de polygones de bois sont alors convertis en
polylignes puis en segments de lisières (Figure : 13, étape 4).
>ĂĐŽŶǀĞƌƐŝŽŶĚĞƐƉŽůLJůŝŐŶĞƐĞŶƐĞŐŵĞŶƚƐ͛ĞƐƚƌĠǀĠůĠĞƉůƵƐĐŽŵƉůĞdžĞƋƵĞƉƌĠǀƵ͕ƋƵĂŶĚĐĞůůĞĐŝŝŶƚĞƌǀŝĞŶƚĚĂŶƐƵŶĞƐĠƋƵĞŶĐĞĚ͛ŽƉĠƌĂƚŝŽŶƐ;ĐΖĞƐƚ-à-dire après la généralisation)͘>͛ŚĠƌŝƚĂŐĞ
ĚĞ ůĂ ƚŽƉŽůŽŐŝĞ ĚĞ ů͛ŽĐĐƵƉĂƚŝŽŶ ĚƵ ƐŽů ĂĚũĂĐĞŶƚĞ ƐƵƌ ůĂ ĐŽƵĐŚĞ ƉŽůLJůŝŐŶĞ ;ŵĠŵŽŝƌĞ ĚĞƐ
ŶƈƵĚƐͿ;Figure : 6)͕ŵ͛ĂĂŵĞŶĠăƌĠĨůĠĐŚŝƌƐƵƌůĂŵĠƚŚŽĚĞăŵĞƚƚƌĞĞŶƉůĂĐĞƉŽƵƌŽďƚĞŶŝƌ
des segments de lisières représentés par la figure 5.
Segments de lisières avant la fusion des segments identiques
Bois en vert avec une
lisière verticale faite
de 2 segments car le
ŶƈƵĚƐĠůĞĐƚŝŽŶŶĠĞƐƚ
hérité des parcelles
agricoles adjacentes
(vert clair et rouge).
Segments de lisières après la fusion
Figure 6 : ŚĠƌŝƚĂŐĞĚĞů͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůĂĚũĂĐĞŶƚĞ
>ĂƐŽůƵƚŝŽŶƚƌŽƵǀĠĞĂƉƌğƐĚĞŵƵůƚŝƉůĞƐƚĞƐƚƐ͕ĞƐƚůĞĨƌƵŝƚĚ͛ƵŶĞĚŝƐĐƵƐƐŝŽŶƋƵŝĂƉĞƌŵŝƐĚĞ
confronter mes idées à celles de S. Ladet. Elle consiste à fusionner les segments appartenant
ĂƵ ŵġŵĞ ďŽŝƐ͕ ƋƵŝ ƐŽŶƚ ĐŽŶƚŝŐƵƐ Ğƚ ƋƵŝ ŽŶƚ ůĞ ŵġŵĞ ĂŶŐůĞ Ě͛ĂnjŝŵƵƚ͘ WŽƵƌ ĂƚƚĞŝŶĚƌĞ ĐĞƚ
22
objectif, nous avons créé deux champs (dans la table attributaire des segments de lisières)
ƉĞƌŵĞƚƚĂŶƚĚ͛ĂũŽƵƚĞƌůĞƐĂŶŐůĞƐĚĞĐŚĂƋƵĞƐĞŐŵĞŶƚǀŝĂƵŶƐĐƌŝƉƚ;ͨ GetAzimut.cal ͩĚĞů͛ŽƵƚŝů
ĂƐLJĂůĐƵůĂƚĞͿ͕ĞƚĚĞƌĠĐƵƉĠƌĞƌĞŶĨĂŝƐĂŶƚƵŶĞũŽŝŶƚƵƌĞƐƉĂƚŝĂůĞů͛ŝĚĞŶƚŝĨŝĂŶƚĂƚƚƌŝďƵƚĂŝƌĞĚĞƐ
bois.
Une fois ces deux informations récupérées, nous avons concaténé les deux champs puis
effectué une opération de fusion (« Fusionner » Ě͛ƌĐdŽŽůďŽdžͿƐƵƌĐĞĚĞƌŶŝĞƌĐŚĂŵƉ͘
hŶĞĚĞƌŶŝğƌĞĠƚĂƉĞƉĞƌŵĞƚƚĂŶƚĚ͛ĠǀŝƚĞƌĚĞƐĞƌĞƚƌŽƵǀĞƌĂǀĞĐƉůƵƐŝĞƵƌƐƐĞŐŵĞŶƚƐĨƵƐŝŽŶŶĠƐ
qui ont le même angle et le même identifiant bois, consiste à exploser les entités dites multi
parties en mono partie via la fonction « Explode multi-part features ͩ ĚĞ ů͛ŽƵƚŝů ET
GeoWizards.
Nous possédons alors une couche vecteur représentant les segments de lisières désirés.
Cependant, les identifiants attributaires des segments ont été perdus lors de la
généralisation Ğƚ ůĂ ŶƵŵĠƌŽƚĂƚŝŽŶ ĂƵƚŽŵĂƚŝƋƵĞ ĚĞƐ ƐĞŐŵĞŶƚƐ Ɛ͛ĞĨĨĞĐƚƵĞ ƉĂƌ ů͛ŽƵƚŝů d
'ĞŽtŝnjĂƌĚƐ ƉŽƵƌ ĐĞƌƚĂŝŶ ďŽŝƐ ĚĂŶƐ ůĞ ƐĞŶƐ ƚƌŝŐŽŶŽŵĠƚƌŝƋƵĞ Ğƚ ƉŽƵƌ Ě͛ĂƵƚƌĞƐ ĚĂŶƐ ůĞ ƐĞŶƐ
anti-trigonométrique. La prochaine étape consiste donc à créer des identifiants uniques et
logiques.
2.3 Identifiant unique et numérotation des lisières
Une attention particulière est portée à définir une numérotation explicite des lisières,
ů͛ŽďũĞĐƚŝĨ ĠƚĂŶƚ ĚĞ ƌĞƚƌŽƵǀĞƌ ĨĂĐŝůĞŵĞŶƚ ƵŶĞ ůŝƐŝğƌĞ ă ů͛ĂŝĚĞ ĚĞ ƐŽŶ ŝĚĞŶƚŝĨŝĂŶƚ ƵŶŝƋƵĞ Ğƚ ĚĞ
localiser le bois (« mère ») auquel elle appartient et de pouvoir extraire toutes les lisières
« ƐƈƵƌƐ », c'est-à-dire lisières du même bois (Figure : 13, étape 4).
ĞƚƚĞ ŽƉĠƌĂƚŝŽŶ Ɛ͛ĂǀĠƌĂŶƚ ĐŽŵƉůŝƋƵĠĞ ă ŵĞƚƚƌĞ ĞŶ ƈƵǀƌĞ ĚĂŶƐ ƌĐ'ŝƐ, (à cause du
ƉĂƐƐĂŐĞ ĚĞƐ ŽƵƚŝůƐ ĚĞ ŐĠŶĠƌĂůŝƐĂƚŝŽŶ ĚĞ ů͛ŝŵĂŐĞ ĞŶƚŝğƌĞ ƋƵŝ ŶĞ ĐŽŶƐĞƌǀĞŶƚ ƉĂƐ ƵŶĞ
numérotation intra-bois logique comme expliqué précédemment), nous avons opté pour
une procédure de renumérotation, effectuée sous le tableur Excel (Figure : 7). Cette
procédure utilise ůĞƐ ĐŽŽƌĚŽŶŶĠĞƐ yz ĚĞƐ ƉŽŝŶƚƐ ĚĞ ĚĠƉĂƌƚ Ğƚ Ě͛ĂƌƌŝǀĠĞ ĚĞƐ ƐĞŐŵĞŶƚƐ
(présents dans la table attributaire de la couche vecteur (de type ligne) des segments de
lisières désirés) et la puissance des formules du tableur choisi. Cette solution trouvée par C.
Monteil (maître de conférences ă ů͛E^d Ğƚ ŵĞŵďƌĞ ĚĞ LJŶĂĨŽƌͿ ĞƐƚ ĞdžƉůŝĐŝƚĠe dans le
ŐƵŝĚĞĚĞů͛ƵƚŝůŝƐĂƚĞƵƌũŽŝŶƚ en annexe page 65.
Bois
Bois
Figure 7 : Bois et segments de lisières avec le bon identifiant.
23
Cette méthode fonctionne très bien sur la zone test mais montre des limites sur la zone
de large étendue. En effet, quand deux bois se touchent en un point (Figure : 8), il y a
ĐŽŶĨƵƐŝŽŶ ƉƵŝƐƋƵĞ ůĞƐ ĐŽŽƌĚŽŶŶĠĞƐ Ě͛ƵŶ ƐĞŐŵĞŶƚ ĂƉƉĂƌƚĞŶĂŶƚ ĂƵ ďŽŝƐ ϭ ƉĂƌ ĞdžĞŵƉůĞ ƐŽŶƚ
ůĞƐŵġŵĞƐƋƵĞůĞƐĐŽŽƌĚŽŶŶĠĞƐĚ͛ƵŶĂƵƚƌĞƐĞŐŵĞŶƚƋƵŝĚĠƉĞŶĚĚƵďŽŝƐϮ͘
Ce cas particulier nous oblige à intervenir manuellement sur la numérotation pour mettre
ů͛ŝĚĞŶƚŝĨŝĂŶƚĐŽƌƌĞĐƚƐƵƌůĞƐƋƵĞůƋƵĞƐƐĞŐŵĞŶƚƐƋƵŝƉŽƐĞŶƚƉƌŽďůğŵĞ͘
Point de contact
entre les deux
bois
Bois
Bois
Figure 8 : Problème rencontré quand plusieurs bois partagent le même point. Les identifiants des
segments de lisières ont été modifiés manuellement.
A la fin de cette étape, nous pouvons réimporter par jointure attributaire la clé de
numérotation dans les couches vectorielles adéquates qui devient pour la suite des
opérations, la clé primaire de nos couches.
24
3. Caractérisation des segments de lisières
3.1 Orientation Cardinale
>͛ŽƌŝĞŶƚĂƚŝŽŶ ĐĂƌĚŝŶĂůĞ ;OC) de la lisière correspond à son exposition en fonction de sa
position par rapport au bois auquel elle appartient. Pour obtenir cette information il faut
vérifier ƋƵĞůĂŶƵŵĠƌŽƚĂƚŝŽŶĚĞƐƐŽŵŵĞƚƐĚĞĐŚĂƋƵĞƐĞŐŵĞŶƚĚĞůŝƐŝğƌĞƐ͛ĞĨĨĞĐƚƵĞĚĂŶƐůĞ
sens anti trigonométrique. Ainsi, le bois se situe toujours à droite du segment (Figure : 9). Si
ŽŶĞŶůğǀĞϵϬΣăůĂǀĂůĞƵƌĚĞů͛ĂnjŝŵƵƚ6 obtenu pour ƵŶƐĞŐŵĞŶƚ͕ŽŶŽďƚŝĞŶƚů͛ŽƌŝĞŶƚĂƚŝŽŶĚĞůĂ
lisière (Ladet 2009). On étale ensuite les valeurs obtenues sur 360° pour ne pas obtenir de
valeurs négatives.
N
Bois
>ĂůŝƐŝğƌĞϰĞƐƚăů͛Ɛƚ
Droite
Occupation du
sol adjacente
Gauche
Figure 9 : Position du bois par rapport à la lisière. >͛KĚĞůĂůŝƐŝğƌĞŶΣϰǀĂƵƚ 90° Réalisation : S. Ladet.
:͛Ăŝ ŵŽĚŝĨŝĠ ůĞ ƐĐƌŝƉƚ « GetAzimut » codé en langage Visual Basic ĚĞ ů͛ĞdžƚĞŶƐŝŽŶ
EasyCalculate (ET Spatial Techniques a, 2010) pour obtenir ce résultat directement (voir en
annexe page 79)͘ >͛K ƉĞƵƚ ĨĂŝƌĞ ů͛ŽďũĞƚ Ě͛ƵŶĞ ĚŝƐĐƌĠƚŝƐĂƚŝŽŶ ƉŽƵƌ ƌĞŵƉůĂĐĞƌ ůĞƐ ƉůĂŐĞƐ ĚĞ
valeurs continues par des classes comme : Nord, Nord Est, Sud, Sud Est, Ouest etc. comme
ů͛ŝůůƵƐƚƌĞůĂcarte 5 page 33.
Un nouveau champ (OC) de type réel simple est créé dans la table attributaire de la couche
segment de lisières.
3.2 Orientation par rapport à la Pente
La position par rapport à la pente (OP) fait intervenir le Modèle Numérique de Terrain de
résolution 25 m (IGN, BD Topo). /ůƐ͛ĂŐŝƚĚĞĐĂůĐƵůĞƌƐŝůĂůŝƐŝğƌĞƐĞƚƌŽƵǀĞĚĂŶƐůĞsens de la
pente ou vers le haut de la pente ou vers le bas de la pente. Pour connaître la position des
ƐĞŐŵĞŶƚƐ ĚĞ ůŝƐŝğƌĞƐ ƉĂƌ ƌĂƉƉŽƌƚ ă ůĂ ƉĞŶƚĞ͕ ŶŽƵƐ ĐŚŽŝƐŝƐƐŽŶƐ Ě͛ƵƚŝůŝƐĞƌ ĚĞƐ ƚƌĂŶƐĞĐƚƐ. Le
ƚƌĂŶƐĞĐƚ ƌĞŶĚ ĐŽŵƉƚĞ ĚĞ ůĂ ƉĞŶƚĞ ůŽƌƐƋƵ͛ŽŶ ƐĞ ĚŝƌŝŐĞ ǀĞƌƐ ů͛ĞdžƚĠƌŝĞƵƌ ĚĞ ůĂ ĨŽƌġƚ. Ces
transects (Figure : 10) sont réalisés par rotation des sĞŐŵĞŶƚƐĚĞůŝƐŝğƌĞƐăů͛ĂŝĚĞĚ͛ƵŶƐĐƌŝƉƚ
« PerpendiculaireLines » ĞŶůĂŶŐĂŐĞWLJƚŚŽŶĚĂŶƐůĞƋƵĞůŽŶƐƉĠĐŝĨŝĞůĂǀĂůĞƵƌĚĞů͛ĂŶŐůĞ;ϵϬΣͿ
mais également la longueur du transect.
6
>͛ĂnjŝŵƵƚĞƐƚůΖĂŶŐůĞŚŽƌŝnjŽŶƚĂůĞŶƚƌĞůĂĚŝƌĞĐƚŝŽŶĚΖƵŶŽďũĞƚet une direction de référence (nord géographique).
25
>Ğ ƌĞůŝĞĨ ă ů͛ŝŶƚĠƌŝĞƵƌ ĚƵ ďŽŝƐ ŶĞ ŶŽƵƐ ŝŶƚĠƌĞƐƐĞ ƉĂƐ Ğƚ ƉĞƵƚ ġƚƌĞ ƐŽƵƌĐĞ Ě͛ĞƌƌĞur. Pour
ĐĞƚƚĞƌĂŝƐŽŶ͕ũ͛ĂŝƉƌŽƉŽƐĠĚĞĐŽŶƐĞƌǀĞƌƵŶŝƋƵĞŵĞŶƚůĂƉĂƌƚŝĞĞdžƚĠƌŝĞƵƌĞĚĞƐƚƌĂŶƐĞĐƚƐ͕ĐΖĞƐƚà-dire les segments perpendiculaires aux lisières dont le point de départ est situé sur le
ŵŝůŝĞƵĚĞůĂůŝƐŝğƌĞĞƚůĞĚĞƵdžŝğŵĞƐŽŵŵĞƚĞƐƚůŽĐĂůŝƐĠăů͛Ğdžtérieur du bois (Figure : 10).
Nous avons opté pour une longueur fixe des transects de ϰϬ ŵ͕ ĂĨŝŶ ƋƵ͛ŝůƐ ƉƵŝƐƐĞŶƚ
intersecter au moins deux cellules du MNT (Figure : 10). La récupération de la partie
ĞdžƚĠƌŝĞƵƌĞĚƵƚƌĂŶƐĞĐƚƋƵŝŶŽƵƐŝŶƚĠƌĞƐƐĂŝƚŶ͛ĂƉĂƐété aisée, et a demandé de faire appel à
ĚŝĨĨĠƌĞŶƚĞƐ ƌĞƋƵġƚĞƐ ƐƉĂƚŝĂůĞƐ ;ůĞƐ ĚĠƚĂŝůƐ ƐŽŶƚ ĞdžƉůŝĐŝƚĠƐ ĚĂŶƐ ůĞ ŐƵŝĚĞ ĚĞ ů͛ƵƚŝůŝƐĂƚĞƵƌ ǀŽŝƌ
annexe page 71).
Transect
Bois
Segment
de Lisière
Figure 10 : Représentation des segments de lisières et des transects sur un bois avec superposition
ĚĞůĂŐƌŝůůĞĚƵDEdĞƚůĞƐǀĂůĞƵƌƐĚ͛ĂůƚŝƚƵĚĞăů͛ŝŶƚĠƌŝĞƵƌĚĞĐŚĂƋƵĞĐĞůůƵůĞ͘
>ĂƉƌŽĐŚĂŝŶĞĠƚĂƉĞĐŽŶƐŝƐƚĞăƌĠĐƵƉĠƌĞƌůĞƐǀĂůĞƵƌƐĚ͛ĂůƚŝƚƵĚĞZ du MNT sur les lisières et
les transects, en utilisant « GetZCharacteristics ͩĚĞů͛ŽƵƚŝůETGeoWizards. Plusieurs champs
sont créés dans la table attribuƚĂŝƌĞ ĚŽŶƚ͕ ů͛ĂůƚŝƚƵĚĞ ŵĂdžŝŵĂůĞ Ğƚ minimale, la longueur en
montée, ainsi que le dénivelé total en montée et descente à partir desquels je déduŝƐů͛KW͘
WŽƵƌĐĂůĐƵůĞƌů͛KW͕ŝůĨĂƵƚĐƌĠĞƌƵŶĐŚĂŵƉĚĂŶƐůĞƋƵĞůŽŶƐŽƵƐƚƌĂŝƚůĞĚĠŶŝǀĞůĠŵŽŶƚĠƚŽƚĂů
avec le dénivelé descente total pour les lisières et pour les transects. Cette méthode
ŝŵƉůŝƋƵĞ ƋƵĞ ƚŽƵƐ ůĞƐ ƚƌĂŶƐĞĐƚƐ ƐŽŝĞŶƚ ĚŝƌŝŐĠƐ ǀĞƌƐ ů͛ĞdžƚĠƌŝĞƵƌ Ğƚ ĨĂŝƚ ĂƉƉĞů au script Ě͛^Z/
« InverserPolyligne » ;ůĞŐƵŝĚĞĚ͛ƵƚŝůŝƐĂƚĞƵƌĚĠĐƌŝƚůĞƐĠƚĂƉĞƐăƐƵŝǀƌĞͿ͘
26
Une fois cette opération effectuée, une jointure attributaire sur la clé de numérotation
ƉĞƌŵĞƚů͛ŝŵƉŽƌƚĂƚŝŽŶĚƵĐŚĂŵƉĐĂůĐƵůĠ;ĚĠŶŝǀĞůĠŵŽŶƚĠƚŽƚĂůŵŽŝŶƐĚĠŶŝǀĞůĠĚĞƐĐĞŶƚĞͿĚƵ
transect dans la couche lisière.
Par comparaison de ces valeurs calculées pour les lisières et transects, nous identifions si
la lisière est orientée dans le sens de la pente, vers le bas de pente ou vers le haut de pente
(Figure : 11).
Trois cas sont donc possibles :
ƒ
ƒ
ƒ
Si la pente de la lisière est supérieure à la pente du transect cas n°1 ou que la pente
du transect est inférieure ou égale à 1 m alors la lisière se trouve dans le sens de la
pente.
Si la pente de la lisière est inférieure à la pente du transect et que le dénivelé est
positif cas n°2, la lisière se trouve vers le haut de la pente.
Si la pente de la lisière est inférieure à la pente du transect et que le dénivelé est
négatif cas n°3, la lisière se trouve vers le bas de la pente.
Cas n°2
Cas n°1
Figure 11 : Représentation des positions des lisières par rapport au sens de pente.
27
Cas n°3
3.3 Occupation du Sol voisine
Plusieurs possibilités ont été ĞŶǀŝƐĂŐĠĞƐƉŽƵƌƌĠĐƵƉĠƌĞƌů͛ŝŶĨŽƌŵĂƚŝŽŶĚĞů͛ŽĐĐƵƉĂƚŝŽŶĚƵ
sol (OS) voisine de chaque segment. Nous avons chŽŝƐŝ Ě͛ƵƚŝůŝƐĞƌ ă ŶŽƵǀĞĂƵ Ěes transects
ĐŽŵŵĞƉŽƵƌů͛ĠƚĂƉĞƉƌĠĐĠĚĞŶƚĞ ƉĂƌƐŽƵĐŝĚ͛ŚŽŵŽŐĠŶéisation de la méthode.
ĞƚƚĞŽƉĠƌĂƚŝŽŶƐ͛ĞĨĨĞĐƚƵĞƐƵƌůĂĐŽƵĐŚĞĚĞƐůŝƐŝğƌĞƐĂǀĂŶƚůĞƵƌĨƵƐŝŽŶ͕;ĠƚĂƉĞĞdžƉůŝƋƵĠĞĞŶ
PARTIE II, 2.1) car pour un même segment de lisière fusionné il peut y avoir différentes
occupations du sol voisines (Figure : 12).
Cas n° 1
Transect
Bois
Cas n° 2
Segment de
lisière non
fusionné
Occupation
du sol à 40 m
Figure 12 : Intersection des points terminaux des transects situés à 40 m sur la couche des segments de lisières
ĂǀĂŶƚƋƵ͛ŝůƐƐŽŝĞŶƚĨƵƐŝŽŶŶĠƐ.
Pour récupérer des transects extérieurs et de même longueur nous avons suivi la même
ĚĠŵĂƌĐŚĞƋƵĞƉƌĠĐĠĚĞŵŵĞŶƚƉŽƵƌůĞĐĂůĐƵůĚĞů͛KW͘>͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůĂĠƚĠŽďƚĞŶƵĞƉĂƌ
jointure spatiale en intersectant le point situé ăů͛ĞdžƚƌĠŵŝƚĠĚƵƚƌĂŶƐĞĐƚ͕ĐΖĞƐƚ-à-dire à 40 m
du centre du segment de lisière ŶŽŶ ĨƵƐŝŽŶŶĠ ĐŽŵŵĞ ƉŽƵƌ ů͛ĠƚĂƉĞ ƉƌĠĐĠĚĞŶƚĞ, avec la
ĐŽƵĐŚĞ Ě͛ŽĐĐƵƉĂƚŝŽŶ ĚƵ ƐŽů (Figure : 12). Le seuil de 40 m correspond au double de la
ŚĂƵƚĞƵƌŵŽLJĞŶŶĞĚ͛ƵŶŚŽƵƉƉŝĞƌĚ͛ĂƌďƌĞƉƌĠƐĞŶƚĞŶůŝƐŝğƌĞ͘ǀĞĐĐĞƚƚĞǀĂůĞƵƌ͕ŶŽƵƐĠǀŝƚŽŶƐůĂ
projection des houppiers sur le polygone adjacent au bois. >ĞƐŝŶĨŽƌŵĂƚŝŽŶƐƐƵƌů͛ŽĐĐƵƉĂƚŝŽŶ
du sol sont récupérées sur la couche lisière finale (c'est-à-dire fusionnées) en faisant un
tableau croisé dynamique sous Excel (explication en annexe page 75). Plusieurs champs sont
28
ĂůŽƌƐ ĐƌĠĠƐ ĚĂŶƐ ůĂ ƚĂďůĞ ĂƚƚƌŝďƵƚĂŝƌĞ ĞŶ ĨŽŶĐƚŝŽŶ ĚƵ ŶŽŵďƌĞ Ě͛ŽĐĐƵƉĂƚŝŽŶ ĚƵ ƐŽů ǀŽŝƐŝŶĞ
disponible par segment de lisière. La figure : 12 illustre deux cas :
ƒ
Une lisière avec une seule occupation du sol, cas n° 1
ƒ Une lisière avec deux occupations du sol, cas n° 2.
EŽƵƐĂǀŽŶƐĨĂŝƚůĞĐŚŽŝdžĚĞĐŽŶƐŝĚĠƌĞƌƋƵĞů͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůŽďƚĞŶƵĞăϰϬŵƉŽƐƐğĚĞůĂ
ŵġŵĞ ůŽŶŐƵĞƵƌ ƋƵĞ ĐĞůůĞ ƐŝƚƵĠĞ ă ů͛ĂĚũĂĐĞŶĐĞ ĚĞ ůĂ ůŝƐŝğƌĞ͘ EŽƵƐ ĂĐĐĞƉƚŽŶƐ ĚŽŶĐ ƋƵĞ
certaines fois ces longueurs ne correspondent pas.
Les occupations du sol des lŝƐŝğƌĞƐŽŶƚĨĂŝƚů͛ŽďũĞƚĚ͛ƵŶƚƌŝĞŶĨŽŶĐƚŝŽŶĚĞůĞƵƌůŽŶŐƵĞƵƌ͘
partir du moment où la lisière rencontre plusieurs occupations du sol, celle qui correspond à
la longueur la plus importante apparaît en première position dans le tableau de sortie, la
deuxiğŵĞ ƉůƵƐ ůŽŶŐƵĞ ĞŶ ĚĞƵdžŝğŵĞ ƉŽƐŝƚŝŽŶ ĞƚĐ͘ Ğ ƚƌŝ ƉĞƌŵĞƚ Ě͛ŽƌŐĂŶŝƐĞƌ Ğƚ ĚĞ ĐůĂƐƐĞƌ
ů͛ŝŵƉŽƌƚĂŶĐĞĚĞƐŽĐĐƵƉĂƚŝŽŶƐĚƵƐŽůƉŽƵƌĐŚĂƋƵĞůŝƐŝğƌĞ͘
>ĞƐĚĠƚĂŝůƐĚĞů͛ŚĂƌŵŽŶŝƐĂƚŝŽŶĚƵƚĂďůĞĂƵƐŽŶƚĞdžƉůŝĐŝƚĠƐĚĂŶƐůĂĚĞƌŶŝğƌĞƉĂƌƚŝĞ du guide de
ů͛ƵƚŝůŝƐĂƚĞƵƌũŽŝŶƚ en annexe page 75.
En résumé :
:͛Ăŝ ƌĠĂůŝƐĠ ƵŶ ƐĐŚĠŵĂ ƐLJŶƚŚĠƚŝƋƵĞ ƌĞƉƌĞŶĂŶƚ la séquence de calcul avec les principales
étapes de la méthode Cartolis développée en utilisant les fonctionnalités par défaut dans
ArcGis et d'autres outils additionnels (extensions et scripts). Ce schéma (Figure 23) a été
repris dans les 2 articles scientifiƋƵĞƐ ƌĠĚŝŐĠƐ ă ů͛ŽĐĐĂƐŝŽŶ ĚĞƐ ƐŽƵŵŝƐƐŝŽŶƐ ĚĞ
communications orales aux colloques suivants :
ƒ
ƒ
29
IALE IUFRO Bragança, Portugal du 21 au 27 septembre 2010 :
http://www.ipb.pt/iufro2010/
SAGEO 2010, Toulouse, France ʹ du 17 au 19 novembre 2010 :
http://sageo10.univ-toulouse.fr/
30
Figure 13 : Etapes de la méthode Cartolis développée en utilisant les fonctionnalités par défaut dans ArcGis et d'autres outils additionnels (extension et
scripts). En partie A, nous décrivons les étapes les plus importantes de la méthode Cartolis sur un extrait Ě͛ŝŵĂŐĞĐŽŵƉŽƌƚĂŶƚϮďŽŝƐ͘ŶƉĂƌƚŝĞ͕ůĂůĠŐĞŶĚĞ
illustre les symboles utilisés.
4. Formalisation et représentations graphiques des données
4.1 Création du tableau synthétique
La cartographie des lisières étant accomplie, et toutes les informations demandées
ĐĂůĐƵůĠĞƐ͕ ƵŶ ĞĨĨŽƌƚ Ě͛ŚĂƌŵŽŶŝƐĂƚŝŽŶ ĚĞƐ ĚŽŶŶĠĞƐ ƐŽƵƐ ĨŽƌŵĞ ĚĞ ƚĂďůĞĂƵ ƐLJŶƚŚĠƚŝƋƵĞ ĠƚĂŝƚ
nécessaire.
Plusieurs informations supplémentaires ŵ͛ŽŶƚĠƚĠĚĞŵĂŶĚĠĞƐ(en plus des trois variables
ĞdžƚƌĂŝƚĞƐͿƉŽƵƌĨĂĐŝůŝƚĞƌů͛ĂŶĂůLJƐĞƐƚĂƚŝƐƚŝƋƵĞĚĞƐĚŽŶŶĠĞƐƉĂƌůĂƐƵŝƚĞ͛͘ĞƐƚƉŽƵƌĐĞƚƚĞƌĂŝƐŽŶ
que les coordonnées X et Y des milieux des segments de lisières apparaissent dans le tableau
(Extrait du tableau joint en annexe page 78). Elles permettent à A. Alignier de représenter
géographiquement les lisières.
>Ğ ĨŝĐŚŝĞƌ džĐĞů ƋƵĞ ũ͛Ăŝ ƌĠĂůŝƐĠ ĨŽƵƌŶŝƚ, pour l'ensemble des bois situéƐ ƐƵƌ ů͛ĞŵƉƌŝƐĞ
géographique étudiée, des informations sur les lisières. Le fichier comporte trois onglets, le
premier fournit le dictionnaire des variables de tous les champs facilitant la manipulation
des données et renseignant sur les unités de mesure. Dans les deux autres figurent les
données, d'une part pour l'ensemble des lisières, d'autre part pour les forêts mères, chaque
ligne contient respectivement les données relatives à un segment de lisière ou à un polygone
de forêt.
>Ă ĚŝĨĨŝĐƵůƚĠ ĚĞ ĐĞƚ ĞdžĞƌĐŝĐĞ ĠƚĂŝƚ Ě͛ŽďƚĞŶŝƌ ůĞƐ ŝĚĞŶƚŝĨŝĂŶƚƐ ƵŶŝƋƵĞƐ ĚĞƐ ƐĞŐŵĞŶƚƐ ĚĞ
lisières en ligne et les informations calculées en colonnes͕ ĚŽŶƚ ů͛ŽĐĐƵƉĂƚŝŽŶ ĚƵ ƐŽů ĚĞs
lisières qui sont non fusionnées. Pour une lisière nous obtenons donc les différentes
occupations du sol correspondantes.
>͛ƵƚŝůŝƐĂƚŝŽŶ Ě͛ƵŶ ƚĂďůĞĂƵ ĐƌŽŝƐĠ ĚLJŶĂŵŝƋƵĞ ŶŽƵƐ Ă ƉĂƌƵ ũƵĚŝĐŝĞƵƐĞ ƉŽƵƌ ƌĠƉŽŶĚƌĞ ă ĐĞƚƚĞ
exigence (explication de la démarche en annexe page 75).
31
4.2 ZĞĐŚĞƌĐŚĞĚ͛ƵŶĞƐĠŵŝŽůŽŐŝĞŐƌĂƉŚŝƋƵĞ
:͛Ăŝ ƌĠĨůĠĐŚŝ ă ůĂ ĚĠĨŝŶŝƚŝŽŶ Ě͛ƵŶĞ ƐĠŵŝŽůŽŐŝĞ ŐƌĂƉŚŝƋƵĞ adaptée pour représenter les
lisières ƐƵƌ ƵŶĞ ĐĂƌƚĞ͘ /ů Ɛ͛ĂŐŝƚ Ě͛ĠůĂďŽƌĞƌ ĚĞƐ ƌğŐůĞƐ ƉĞƌŵĞƚƚĂŶƚ ůΖƵƚŝůŝƐĂƚŝŽŶ ĚΖƵŶ ƐLJƐƚğŵĞ
ŐƌĂƉŚŝƋƵĞ ĚĞ ƐŝŐŶĞƐ ĂƐƐƵƌĂŶƚ ƵŶĞ ďŽŶŶĞ ƚƌĂŶƐŵŝƐƐŝŽŶ ĚĞ ů͛ŝŶĨŽƌŵĂƚŝŽŶ ;ĞƌƚŝŶ͕ ϭϵϲϳͿ͘
>͛ŽďũĞĐƚŝĨĞƐƚƋƵĞůĂƐŽůƵƚŝŽŶŐƌĂƉŚŝƋƵĞĐŚŽŝƐŝĞƐŽŝƚĞĨĨŝĐĂĐĞƉŽƵƌĂƐƐƵƌĞƌůĂĐŽƌƌĞƐƉŽŶĚĂŶĐĞ
entre les propriétés des données et les propriétés de la variable visuelle qui les représentera.
Les contraintes que nous avons à prendre en compte sont les suivantes :
ƒ
ƒ
ƒ
Il faut cartographier plusieurs variables pour chaque segment;
Ces variables sont qualitatives (OP et OS) ou quantitatives (OC);
La variable visuelle doit différencier les individus sans introduire de hiérarchie entre
les descripteurs utilisés.
La grille sémiologique choisie est basée sur des variations de forme car elle est
différenciatrice des variables calculées et elle permet de transcrire des variables qualitatives.
Mais il faut que le nombre de formes employées soit limité (5-7 max) et que les formes
retenues offrent une forte capacité de séparation (Figure : 14 et carte : 5).
Argumentaire:
La variable OC est représentée sur le segment de
ligne de la ůŝƐŝğƌĞ͕ ƉƵŝƐƋƵ͛ĞůůĞ ĐŽŶĐĞƌŶĞ ƐŽŶ
orientation͘ /ů Ɛ͛ĂŐŝƚ Ě͛ƵŶĞ couleur variable en
fonction du nombre de classes (inférieur à 10).
>͛OP est symbolisée sur le transect. Le transect
rend compte de ůĂ ƉĞŶƚĞ ůŽƌƐƋƵ͛ŽŶ ƐĞ ĚŝƌŝŐĞ ǀĞƌƐ
ů͛ĞdžƚĠƌŝĞƵƌ ĚĞ ůĂ ĨŽƌġƚ͘ >Ğ ĨŝŐƵƌĠ ĐŚŽŝƐŝ ĞƐƚ ůĞ
pointillé, plus ou moins espacé, qui évite les
ĞƌƌĞƵƌƐ ĂƐƐŽĐŝĠĞƐ ă ů͛ŽƌŝĞŶƚĂƚŝŽŶ ƚĞůůĞƐ ƋƵĞ ƉĞƵƚ
produire le symbole directionnel à chevrons par
exemple͘ >͛OS est symbolisée par une forme
ŐĠŽŵĠƚƌŝƋƵĞ ƐŝŵƉůĞ ͞ĚĞƐ ƚġƚĞƐ Ě͛ĠƉŝŶŐůĞ͟ ƋƵŝ
ƉĞƌŵĞƚ Ě͛ŝĚĞŶƚŝĨŝĞƌ ůĂ ƉŽƐŝƚŝŽŶ Žƶ Ă ĠƚĠ ĞdžƚƌĂŝƚĞ
ů͛ŝŶĨŽƌŵĂƚŝŽŶ Ğƚ ůĂ ĐŽƵůĞƵƌ ĐŽƌƌĞƐƉŽŶĚĂŶƚ ă
ů͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽů͘
Figure 14 : Grille sémiologique « CartolisSymbol »
EŽƵƐĂǀŽŶƐĂƉƉůŝƋƵĠĐĞƚƚĞƐĠŵŝŽůŽŐŝĞƐƵƌůĂnjŽŶĞĚ͛ĠƚƵĚĞƌĞƐƚƌĞŝŶƚĞƉŽƵƌǀŽŝƌƐŝăĐĞƚƚĞ
échelle elle était lisible (Carte : 5).
32
33
Carte 5 : Sur le calque, rĞƉƌĠƐĞŶƚĂƚŝŽŶ ĚĞ ů͛K͕ ů͛KW͕ ů͛K^ ĚĞƐ ƐĞŐŵĞŶƚƐ ƐƵƌ ůĞƐ ƋƵĂƚƌĞ ďŽŝƐ ĚĞ ůĂ njŽŶĞ Ě͛ĠƚƵĚĞ ƌĞƐƚƌĞŝŶƚĞ͕ ƐĞůŽŶ ůĂ ƐLJŵďŽůŽŐŝĞ
CartolisSymbol. Ŷ ĨŽŶĚ͕ ůĂ ƉŚŽƚŽŐƌĂƉŚŝĞ ĂĠƌŝĞŶŶĞ ĂǀĞĐ ůĞƐ ďŽŝƐ ŶŽŶ ŐĠŶĠƌĂůŝƐĠƐ ĂƉƌğƐ ĐůĂƐƐŝĨŝĐĂƚŝŽŶ ĚĞ ů͛ŝŵĂŐĞ ƐĂƚĞůůŝƚĞ ĞŶ ǀĞƌƚ ĐůĂŝƌ Ğƚ Ɖƌincipales
ŝƐŽůŝŐŶĞƐĚ͛ĂůƚŝƚƵĚĞ͘
34
PARTIE III 0,6((1°895(&$/,%5$7,21
- Partie III Mise
en
±XYUH
&
calibration
1. Résultats obtenus
1.1 ͛ƵŶƉŽŝŶƚĚĞǀƵĞŐéomatique
ƉĂƌƚŝƌ Ě͛ƵŶĞ ĐĂƌƚĞ Ě͛ŽĐĐƵƉĂƚŝŽŶ ĚĞƐ ƐŽůƐ ĐŽƵǀƌĂŶƚ ϭϵϯ Ŭŵϸ͕ ŶŽƵƐ ŽďƚĞŶŽŶƐ ůĂ
cartographie et la caractérisation de 4921 lisières contenues dans 101 bois de superficie
supérieure à 3 hectares (Tableau : 2).
Etapes
Processus
Statistiques
Bois = 13,38
Culture = 34,72
1
Classification
Prairie = 32,24
Sol nu = 10,3
Autre = 0,63
ƈƵƌсϴ͕ϳϳ
2
Traitement sous Guidos : analyse
morphologique MPSA
193
km²
répartie
en
%
Lisière = 4,61
Eléments boisés = 8,74
Bois = 109
Vectorisation
Lisières = 11 194
4
Bois = 101
Généralisation
Lisières = 4921
5
Calcul des variables
Cf. Figure 5
Tableau 2 : Statistiques générales sur les entités manipulées au cours des étapes de Cartolis. Les numéros
Ě͛ĠƚĂƉĞƐŽŶƚĚĠƚĂŝůůĠƐĚĂŶƐůĂFigure 13.
Un atout majeur du projet SIG construit est sa capacité de navigation dans la base de
données obtenue (variables calculées) et son interrogation à la fois dans sa dimension
spatiale (carte) que dans sa dimension attributaire (table). On peut donc établir des requêtes
attributaires, fondées sur des relations logiques et des requêtes spatiales ou sur une
combinaison des deux pour sélectionner des objets ayant une caractéristique particulière.
Encore une fois les requêtes ne peuvent pas être faites au hasard et demandent en amont
ƵŶĞĨĨŽƌƚĚ͛ŽƌŐĂŶŝƐĂƚŝŽŶĚĞƐĚŽŶŶĠĞƐĞƚĚĞƌĠĨůĞdžŝŽŶĂƵƚŽƵƌĚĞƐŚLJƉŽƚŚğƐĞƐĚĞůĂƌĞĐŚĞƌĐŚĞ
ŵĞŶĠĞ ƉĂƌ ͘ ůŝŐŶŝĞƌ͘ ĂŶƐ ůĞ ĐĂĚƌĞ ĚĞ ŶŽƚƌĞ ĠƚƵĚĞ͕ ů͛ĞŶƋƵġƚĞ ĠĐŽůŽŐŝƋƵĞ ĞĨĨĞĐƚƵĠĞ ĞŶ
35
même temps a contribué à définir des requêtes ; elle a égĂůĞŵĞŶƚ ƉĞƌŵŝƐ Ě͛ŝŶƚĞƌƉƌĠƚĞƌ le
résultat ĚĞĐĞƐƌĞƋƵġƚĞƐĞƚƐ͛ĞƐƚŶŽƵƌƌŝĞĚĞƐƌĠƐƵůƚĂƚƐŽďƚĞŶƵƐ͘
Sur ce jeu de données nous avons défini un certain nombre de requêtes dont par exemple:
ƒ Un exemple de requête attributaire étendue : lisières situées au sud, en haut de
pente et avec comme voisinage principal (plus longue occupation du sol) une culture
(analyse multi-critères).
72 lisières répondent à ces critères (Figure : 15).
Figure 15 : Sélection répondant à la première requête (analyse multicritères).
Nous avons aussi détaillé le schéma de la chaîne de traitement (présenté en figure
13) selon une normalisation proche du ModelBuilder proposé sous ArcGIS. Ce schéma plus
détaillé permet de spécifier ůĞƐ ĚŽŶŶĠĞƐ Ě͛ĞŶƚƌĠĞ ǀĞƌƐƵƐ ĚĞ ƐŽƌƚŝĞ Ğƚ ůĞƐ ƉƌŽĐĞƐƐƵƐ ƵƚŝůŝƐĠƐ
ainsi que les opérations spatiales et attributaires (Figure : 16)͘ >͛ŽďũĞĐƚŝĨ ĚƵ ŵŽĚğůĞ
CartolisModel est de fournir un appui aux chercheurs pour reproduire la méthode Cartolis
sur un autre jeu de données͘ĞƐĐŚĠŵĂĞƐƚĂƵƐƐŝůĂƉƌĞŵŝğƌĞĠƚĂƉĞĚĞů͛ĂƵƚŽŵĂƚŝƐĂƚŝŽŶĚĞůĂ
méthode.
36
Figure 16 : Cartolis Model représentant la méthode utilisée pour Cartolis.
37
Légende : CartolisModel
Entrées
Données
Sorties
Processus
Paramètres à
configurer
Opérations sur une table
Sélections
Scripts
Partie effectuée à
ů͛ĞdžƚĠƌŝĞƵƌĚ͛ĂƌĐ'/^
Outils différents
Ě͛ƌĐ'/^
OO
38
1.2 ͛ƵŶƉŽŝŶƚĚĞǀƵĞĠcologique
>ĞũĞƵĚĞĚŽŶŶĠĞƐĂĠƚĠƚƌĂŶƐŵŝƐă͘ůŝŐŶŝĞƌƉŽƵƌƋƵ͛ĞůůĞů͛ĂŶĂůLJƐĞĞƚů͛ŝŶƚĞƌƉƌğƚĞĂǀĞĐ
ses propres outils de statistiques (logiciel R).
>Ă ůŽŶŐƵĞƵƌ ƚŽƚĂůĞ ĚĞ ůŝƐŝğƌĞƐ ƐƵƌ ůĂ njŽŶĞ Ě͛ĠƚƵĚĞ ĞƐƚ ĚĞ ϭϵϳ Ŭŵ ĐĞ ƋƵŝ ĐŽƌƌĞƐƉŽŶĚ ă ƵŶĞ
longueur de lisière de 1km/km² environ.
On rencontre majoritairement (Figure : 17) :
ƒ Des lisières orientées au Sud ;
ƒ Des lisières situées dans le sens de la pente ;
ƒ Des lisières à proximité de prairies.
>Ă ůŽŶŐƵĞƵƌ Ě͛ƵŶ ƐĞŐŵĞŶƚ ĚĞ ůŝƐŝğƌĞ ĞƐƚ ĚĞ ϰϬ ц ϯϯ ŵ ĞŶ ŵŽLJĞŶŶĞ͘ /ů Ŷ͛LJ a pas de
corrélation significative entre la superficie des bois et la longueur moyenne des lisières (test
ĚĞĐŽƌƌĠůĂƚŝŽŶĚĞ^ƉĞĂƌŵĂŶʌс-0,04 ; p=0,67).
>Ă ůŽŶŐƵĞƵƌ ŵŽLJĞŶŶĞ ĚĞ ůŝƐŝğƌĞ ǀĂƌŝĞ ƐŝŐŶŝĨŝĐĂƚŝǀĞŵĞŶƚ ĞŶ ĨŽŶĐƚŝŽŶ ĚĞ ů͛ŽƌŝĞŶƚĂƚŝŽŶ
cardinale (test de Kruskal Wallis W=25,62 ; df=7 ; p<0,01), la topographie (W=203,39 ; df=3 ;
p<0,01) et la position dans la pente (W=123,09 ; df=5 ; p<0,01). Ainsi, une lisière orientée au
^ƵĚŵĞƐƵƌĞĞŶŵŽLJĞŶŶĞϰϯцϯϱŵĂůŽƌƐƋƵ͛ƵŶĞůŝƐŝğƌĞŽƌŝĞŶƚĠĞăů͛ƐƚŵĞƐƵƌĞĞŶŵŽLJenne
35 ± 28 m. Une lisière orientée en sens de pente mesure 46 ± 38 m contre 32 ± 27 m pour
une lisière orientée vers le bas de la pente.
ƚŝƚƌĞĚ͛ĞdžĞŵƉůĞ͕ůĞďŽŝƐ/ͺϮϳĂƵŶĞƐƵƉĞƌĨŝĐŝĞĚĞϱ͕ϮŚĂ͘/ůĞƐƚĐŽŵƉŽƐĠĚĞϭϳƐĞŐŵĞŶƚƐ
(soit 991 m) de lisières dont 14 ( soit 755 m) sont adjacents à une prairie et 3 (soit 236 m) à
une culture. La longueur moyenne de ses segments est de 58 m. Il possède 256 m de lisière
orientée au Sud contre 141 m de lisière orientée au Nord.
Figure 17 : Nombre de lisières observées en fonction de leurs attributs (orientation, position dans la
ƉĞŶƚĞĞƚŶĂƚƵƌĞĚƵŵŝůŝĞƵǀŽŝƐŝŶͿƐƵƌůĂnjŽŶĞĚ͛ĠƚƵĚĞĚĞϭϵϯŬŵϸ͘ Réalisation : A. Alignier.
39
2. >͛ĂŶĂůLJƐĞĚĞƐensibilité
>͛ĂŶĂůLJƐĞĚĞƐĞŶƐŝďŝůŝƚĠĐŽŶƐƚŝƚƵĞƵŶĞĠƚĂƉĞŝŵportante dans le développement et la mise
ĞŶ ƉůĂĐĞ Ě͛ƵŶ ŵŽĚğůĞ ĚĞ ƐŝŵƵůĂƚŝŽŶ͘ ůůĞ ĞƐƚ ƵƚŝůŝƐĠĞ ƉŽƵƌ ĂƵŐŵĞŶƚĞƌ ůĂ ĐŽŶĨŝĂŶĐĞ ĚĞƐ
modèles et ses prévisions, en fournissant une meilleure compréhension de la façon dont les
sorties réagissent aux changements des entrées (Duchemin et al. 2002).
ůůĞĐŽŶƐŝƐƚĞăĨĂŝƌĞǀĂƌŝĞƌĐĞƌƚĂŝŶƐƉĂƌĂŵğƚƌĞƐĚ͛ƵŶŵŽĚğůĞĂƵƚŽƵƌĚ͛ƵŶĞǀĂůĞƵƌĐŽŶŶƵĞ
déterminée au laboratoire ou sur le terrain, tout en gardant fixes les autres facteurs au cours
de la simulation (Jolicoeur, 2002). >Ğ ďƵƚ ĚĞ ĐĞ ƉƌŽĐĞƐƐƵƐ ĞƐƚ Ě͛ĂƌƌŝǀĞƌ ă ŝĚĞŶƚŝĨŝĞƌ ůĞƐ
ƉĂƌĂŵğƚƌĞƐĚ͛ĞŶƚƌĠĞĚƵŵŽĚğůĞůĞƐƉůƵƐƐĞŶƐŝďůĞƐ͕Đ͛ĞƐƚăĚŝƌĞĐĞƵdžƉŽƵƌůĞƐƋƵĞůƐƵŶĞƐŝŵƉůĞ
variation peut engendrer des changements considérables dans les sorties du modèle
(Saltelli et al. 2000). Cette dernière peut permettre une meilleure compréhension de la
ŵĠƚŚŽĚŽůŽŐŝĞ ĚĠǀĞůŽƉƉĠĞ Ğƚ ƵŶĞ ĂŝĚĞ ă ů͛ŝŶƚĞƌƉƌĠƚĂƚŝŽŶ ƉĂƌ ůĞƐ ĠĐŽůŽŐƵĞƐ ĚĞƐ ƌĠƐƵůƚĂƚƐ
obtenus.
Dans notre cas, nous avons testé quelques paramètres qui répondent à ces critères : la
largeur de la lisière sous GUIDOS (« Edge width ») ainsi que la tolérance de généralisation
(« T ͩͿŽŶƚĨĂŝƚů͛ŽďũĞƚĚ͛ƵŶĞĂŶĂůLJƐĞĚĞƐĞŶƐŝďŝůŝƚĠ͘
2.1 Sur le paramétrage de GUIDOS
Lors deƐƚĞƐƚƐĚĞƐĞŶƐŝďŝůŝƚĠĚĞůĂŵĠƚŚŽĚĞ͕ũ͛ĂŝŵŽĚŝĨŝĠůĞƉĂƌĂŵğƚƌĞͨ Edge width » qui
ĐŽƌƌĞƐƉŽŶĚăůĂƚĂŝůůĞĚĞůĂůŝƐŝğƌĞ͕ĐŽĚĠƐŽƵƐ'h/K^ĞŶŶŽŵďƌĞĚĞƉŝdžĞůĚĞů͛ŝŵĂŐĞƌĂƐƚĞƌ
ƵƚŝůŝƐĠĞĞŶĞŶƚƌĠĞ͘:Ğů͛ĂŝƉĂƌĂŵĠƚƌĠĞăϭĐŽƌƌĞƐƉŽŶĚĂŶƚăůĂůĂƌŐĞƵƌĚ͛ƵŶƉŝdžĞůĐΖĞƐƚ-à-dire :
10 m de profondeur au lieu de 20 m utilisée précédemment.
La ƉƌŽĨŽŶĚĞƵƌ ĚĞ ůĂ ůŝƐŝğƌĞ ĠƚĂŶƚ ĠŐĂůĞ ă ůĂ ƌĠƐŽůƵƚŝŽŶ ĚĞ ů͛ŝŵĂŐĞ͕ ůĞƐ ĐƈƵƌƐ ĚĞ ďŽŝƐ Ğƚ ůĞƐ
ůŝƐŝğƌĞƐ ĐŽƌƌĞƐƉŽŶĚĞŶƚ ĚĂǀĂŶƚĂŐĞ ă ůĂ ƉŚŽƚŽ ĂĠƌŝĞŶŶĞ ĚĞ ϮϬϬϲ Ğƚ ă ů͛ŽďƐĞƌǀĂƚŝŽŶ ƚĞƌƌĂŝŶ
(PARTIE 4), les contours sont plus précis (Figure : 18Ϳ͘ ŽŵŵĞ ů͛ŝůůƵƐƚƌĞŶƚ ůes statistiques
obtenues par GUIDOS (Tableau : 3), des « Loop= boucles boisées » sont apparues (0.48 %
pour une largeur de 10 m contre 7.39 % pour une largeur de 20 m) sur certains bois au
ĚĠƉĞŶĚĚĞƐĐƈƵƌƐĚĞďŽŝƐĞƚĚĞƐůŝƐŝğƌĞƐ͘
Cependant après discussŝŽŶĂǀĞĐů͛ĠƋƵŝƉĞ͕ůĂǀĂůĞƵƌĚƵƉĂƌĂŵğƚƌĞĐŚŽŝƐŝĞĞƐƚĨŽŶĐƚŝŽŶĚĞƐ
références dans la littérature scientifique : nous avons donc conservé la première valeur de
T=2 car on voulait une lisière de 20m de large.
Figures 18 : Eléments boisés en sortie de Guidos avec un paramètre :
ƒ De 1 : soit une profondeur de la lisière de 10 m sur la figure de gauche.
ƒ De 2 : soit une profondeur de la lisière de 20 m sur la figure de droite.
40
Largeur lisière = 10 m
Classification MPSA
Core
= Coeur
Islet
= Haie isolée
Perforation = Trou
Edge
= Lisière
Loop
= Boucle
Bridge
= Pont
Branch
= Branche
Aire (%)
43.88
19.39
0.97
28
0.48
0.48
6.79
Fréquence
5
61
1
5
1
1
16
Largeur lisière = 20 m
Aire (%)
21.21
20
0
39.76
7.39
0.97
10.67
Fréquence
4
62
0
4
2
1
17
Tableau 3 : Statistiques calculées par GUIDOS, issues de la classification MPSA.
2.2 Sur le paramétrage de la généralisation
>͛ĠƚĂƉĞ ĚĞ ŐĠŶĠƌĂůŝƐĂƚŝŽŶ ƉĞƌŵĞƚƚĂŶƚ ĚĞ ƐŝŵƉůŝĨŝĞƌ ůĂ ĨŽƌŵĞ ĚĞƐ ďŽŝƐ Ğƚ Ě͛ŽďƚĞŶŝƌ ůĞƐ
segments de lisières recherchés, il nous a paru indispensable de faire une analyse de
sensibilité sur le paramètre de tolérance de généralisation afin de :
ƒ Confronter ŶŽƚƌĞĚĠĚƵĐƚŝŽŶŝƐƐƵĞĚĞƐĞdžƉůŝĐĂƚŝŽŶƐĚƵĨŽŶĐƚŝŽŶŶĞŵĞŶƚĚĞů͛algorithme
de manière concrète : Plus le seuil de tolérance augmente, plus nous devons
obtenir des segments de lisières longs, moins nombreux, avec les distributions des
Orientations Cardinales plus équilibrées ;
ƒ Vérifier la pertinence de notre valeur choisie (T=20 m).
EŽƵƐĂǀŽŶƐƚĞƐƚĠĚŝĨĨĠƌĞŶƚĞƐƚŽůĠƌĂŶĐĞƐĂĨŝŶĚ͛ĂŶĂůLJƐĞƌůĞƵƌŝŵƉĂĐƚƐƵƌůĞŶŽŵďƌĞĚĞďŽŝƐ
et de lisières (Tableau : 4). Nous avons aussi enregistré le temps de calcul de cette opération
selon la valeur de tolérance. Les résultats ont montré que la généralisation, après avoir
passé un certain seuil (40 m), se réduit peu en temps de calcul (autour de 2h), en nombre de
bois et de lisières.
Tolérance
(m)
10
14
20
40
80
160
320
Nombre de
Bois
101
101
101
101
101
101
101
Nombre de
Lisières
4921
4831
4828
4825
4827
Longueur moyenne
Temps pour
des lisières (m)
généraliser
7
Proche des autres valeurs
Proche des autres valeurs
40
2h30
40
2h10
40
2h
40
1h50
40
1h55
Tableau 4 : sĂƌŝĂƚŝŽŶĚƵƉĂƌĂŵğƚƌĞĚĞƚŽůĠƌĂŶĐĞƐƵƌůĂĐĂƌƚĞĚ͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽů͘
7
WŽƵƌůĞƐǀĂůĞƵƌƐĚĞƚŽůĠƌĂŶĐĞϭϰĞƚϭϬŵ͕ůĂŐĠŶĠƌĂůŝƐĂƚŝŽŶŶ͛ĂƉĂƐƉƵġƚƌĞƌĠĂůŝƐĠĞƐƵƌů͛ĞŶƐĞŵďůĞĚĞůĂnjŽŶĞ͘
>͛ŽƌĚŝŶĂƚĞƵƌ ĂƌƌġƚĞ ůĞ ƉƌŽĐĞƐƐƵƐ ĚĞ ŵĂŶŝğƌĞ ƐLJƐƚĠŵĂƚŝƋƵĞ ĂƵ ďŽƵƚ Ě͛ĞŶǀŝƌŽŶ ϭŚ͘ >Ğ ƉƌŽďůğŵĞ provient
ĐĞƌƚĂŝŶĞŵĞŶƚĚƵŶŽŵďƌĞŝŵƉŽƌƚĂŶƚĚĞƉŽůLJŐŽŶĞƐăƚƌĂŝƚĞƌƉĂƌů͛ĂůŐŽƌŝƚŚŵĞ͘>ĂŵĠƚŚŽĚĞĂĠƚĠƌĠĂůŝƐĠĞƐƵƌƵŶĞ
ƉĂƌƚŝĞƉůƵƐƌĠĚƵŝƚĞĚĞů͛ŝŵĂŐĞ;ϭͬϰĚĞůĂnjŽŶĞͿĞƚůĞƐĞƐƚŝŵĂƚŝŽŶƐŽŶƚŵŽŶƚƌĠůĞƌĂƉƉƌŽĐŚĞŵĞŶƚĂǀĞĐůĞƐĂƵƚƌĞƐ
valeurs obtenues par les autres tolérances.
41
ĨŝŶ ĚĞ ĐŽŵƉƌĞŶĚƌĞ ĐĞƚƚĞ ƐƚĂŐŶĂƚŝŽŶ͕ ŶŽƵƐ ĂǀŽŶƐ ƐŽůůŝĐŝƚĠ ů͛ĂƵƚĞƵƌ ĚƵ ƐĐƌŝƉƚ ĚĞ
généralisation utilisé (I. Tchoukanski de Et GeoWizards) en lui exposant notre problème et
en ƉĂƌĂůůğůĞ͕ ũ͛Ăŝ ƌĠĂůŝƐĠ ĚĞƐ ƌĞĐŚĞƌĐŚĞƐ ƋƵŝ ŶŽƵƐ ŽŶƚ ƚŽƵƐ ĚĞƵdž ĐŽŶĚƵŝƚ ĂƵ ŵġŵĞ ƌĠƐƵůƚĂƚ͘
Cette stabilité provient de la multitude des polygones adjacents au bois de taille réduite
;ƉƌŽĐŚĞĚƵƉŝdžĞůͿďůŽƋƵĂŶƚůĂŐĠŶĠƌĂůŝƐĂƚŝŽŶĚĞƐďŽŝƐăƉĂƌƚŝƌĚ͛ƵŶĐĞƌƚĂŝŶƐeuil.
:͛ĂŝĚŽŶĐĞĨĨĞĐƚƵĠĚĞƐƚĞƐƚƐƐƵƌůĂĐŽƵĐŚĞbois uniquement (voir le Tableau : 5 ci-dessous).
La fluctuation cette fois-ci des données entre les différents paramètres confirme le blocage
de la généralisation des bois quand ils sont adjacents à des polygones de petite taille.
Les tests sur les bois (Tableau : 5), démontrent que plus la tolérance augmente, plus le
nombre de bois et de lisières diminue contrairement aux tests précédents, et plus la
longueur des lisières augmente. La courbe (Figure : 18) se stabilise et les polygones vont se
rapprocher de la forme du triangle (polygone simplifié au maximum).
Tolérance
(m)
5
Nombre de
Bois
101
Nombre de
Lisières
3797
Longueur moyenne
des lisières (m)
52
10
102
2705
72
14
101
2300
83
20
100
1825
103
30
96
1326
135
40
92
1030
166
80
160
320
65
44
42
488
240
154
276
441
582
Temps pour
généraliser
Moins d' 1min
Tableau 5 : Variation du paramètre de tolérance sur la couche bois.
Les tests effectués sur la couche bois uniquement, (Tableau : 5) permettent de démontrer
également que le seuil T=20 m que nous avons choisi, ne paraît pas incohérent puisque
ŶŽƵƐ Ŷ͛ŽďƐĞƌǀŽŶƐ ƉĂƐ ƵŶ ĐŚĂŶŐĞŵĞŶƚ ďƌƵƚĂů ĚĞ ƉŚĠŶŽŵğŶĞ ĚĞ ƉĂƌƚ Ğƚ Ě͛ĂƵƚƌĞ ĚĞ ĐĞƚƚĞ
valeur (Figure : 19).
Cependant, ũ͛ŝŶĐŝƚĞ ůĞƐ ĠĐŽlogues à ne pas se restreindre aux tableaux des valeurs mais à
confronter leur généralisation avec une photographie aérienne afin de vérifier la bonne
superposition des bois avec celle-ci.
ƉĂƌƚŝƌ Ě͛ƵŶĞ ĐĞƌƚĂŝŶĞ ǀĂůĞƵƌ ;ĚĂŶƐ ŶŽƚƌĞ ĐĂƐ dсϰϬ ŵͿ͕ ůĂ ŐĠŽŵĠƚƌŝe des bois est trop
simplifiée, ils ne correspondent plus à « la réalité ». De la même façon, en dessous de T=20
ŵ͕ůĞƐďŽŝƐŶĞƐŽŶƚƉĂƐƐƵĨĨŝƐĂŵŵĞŶƚŐĠŶĠƌĂůŝƐĠƐ͕ŶŽƵƐŽďƚĞŶŽŶƐĚŽŶĐĚĞƐůŝƐŝğƌĞƐƋƵŝŶ͛ŽŶƚ
ƉĂƐůŝĞƵĚ͛ġƚƌĞƉŽƵƌĚĞƐĠĐŽůŽŐƵĞƐ͘
/ůƐ͛ĂŐŝƚĚŽŶĐde trouver un compromis entre les deux.
42
6000
5000
Paramètre de tolérance de généralisation
4000
Points obtenus par
3000
Bois
avec les autres occupations du sol
Série1
Bois
uniquement
Série2
2000
1000
0
Tolérance
5
10
14
20
40
80
160
320
Figure 19 : Variation du paramètre de tolérance sur la couche bois et occupation du sol.
43
3. Artefact sur la variable OC
3.1 Observation : pic et test
Les analyses ĚĞƐ ĚŽŶŶĠĞƐ Ě͛ƵŶ ƉŽŝŶƚ ĚĞ ǀƵĞ ĠĐŽůŽŐŝƋƵĞƐ par A. Alignier mettent en
évidence quatre pics Nord, Sud, Est, Ouest dans ů͛ŽƌŝĞŶƚĂƚŝŽŶĐĂƌĚŝŶĂůĞ des lisières calculées
sur la zone étendue. :͛ĂŝĞĨĨĞĐƚƵĠƉůƵƐŝĞƵƌƐƚĞƐƚƐƉŽƵƌǀĠƌŝĨŝĞƌƐŝů͛ŽƌŝŐŝŶĞĚĞĐĞƚƚĞĚŝƐƚƌŝďƵƚŝŽŶ
ƉƌŽǀĞŶĂŝƚ ĚĞ ůĂ ĨŽƌŵĞ ĚĞƐ ďŽŝƐ ƐƵƌ ůĞƐƋƵĞůƐ ŶŽƵƐ ƚƌĂǀĂŝůůŽŶƐ͕ ŽƵ Ɛŝ ĞůůĞ ĠƚĂŝƚ ŝƐƐƵĞ Ě͛ƵŶ
artefact de la méthode CARTOLIS.
WŽƵƌǀĠƌŝĨŝĞƌ͕ů͛ŝĚĠĞĞŶǀŝƐĂŐĠĞƉĂƌD͘ĞĐŽŶĐŚĂƚĐŽŶƐŝƐƚĂŝƚăĨĂŝƌĞƉŝǀŽƚĞƌůĞƌĂƐƚĞƌĚ͛ĞŶƚƌĠĞ
ĚĞϯϬΣƉĂƌĞdžĞŵƉůĞĞƚĚ͛ĂƉƉůŝƋƵĞƌăŶŽƵǀĞĂƵůĂŵĠƚŚŽĚĞĂĨŝŶĚ͛ŽďƐĞƌǀĞƌƐŝƵŶĚĠĐĂůĂŐĞĚĞƐ
ƉŝĐƐ Ɛ͛opérait toujours͘ ^ŝ ĐĞ Ŷ͛ĞƐƚ ƉĂƐ ůĞ ĐĂƐ͕ ĐĞƚƚĞ ŽƉĠƌĂƚŝŽŶ ƐŽƵůŝŐŶĞƌĂŝƚ ƵŶ ďŝĂŝƐ ĚĂŶƐ ůĂ
méthode.
Comme le montre la Figure : 20͕ ůĞƐ ƉŝĐƐ Ŷ͛ŽŶƚ ƉĂƐ ĠǀŽůƵĠ ĐŽŶĨŝƌŵĂŶƚ ů͛ŚLJƉŽƚŚğƐĞ Ě͛ƵŶ
artefact lié à notre méthode.
OC : Avant la rotation
OC : Après la rotation de 30°
Figure 20 : Diagramme ĚĞů͛KĂǀĂŶƚĞƚĂƉƌğƐůĂƌŽƚĂƚŝŽŶĞƚǀŝƐƵĂůŝƐĂƚŝŽŶĚĞƐϰƉŝĐƐĂƵdžϰƉŽŝŶƚƐĐĂƌĚŝŶĂƵdž͘
Après avoir pris connaissance de ce biais dans la méthode, il nous faut identifier à quelle
étape de la méthode intervient ce biais.
44
3.2 Identification du biais et explications
ĨŝŶĚĞůŽĐĂůŝƐĞƌů͛ĂƌƚĞĨĂĐƚ͕ŶŽƵƐĂǀŽŶƐeffectué des rotations de 30° à différents moments
clés de la méthode (Figure 21).
La rotation au début de la méthode a déjà été effectuée en amont et ne permet pas
Ě͛ŝĚĞŶƚŝĨŝĞƌ ůĞ ďŝĂŝƐ͕ ŶŽƵƐ ĂǀŽŶƐ ĚŽŶĐ ĞĨĨĞĐƚƵĠ ůĂ ŵġŵĞ ŽƉĠƌĂƚŝŽŶ ĂƉƌğƐ ů͛ĠƚĂƉĞ ĚĞ
généralisation. Les pics se sont décalés (Figure 20, test 3), se situant sur le NE, SE, SO, NO,
nous poursuivons donc la rotation sur la couche vecteur, c'est-à-ĚŝƌĞƐƵƌů͛ĠƚĂƉĞƋƵŝƉƌĠĐğĚĞ
la généralisation (Figure 21, test 2). Nous constatons le même décalage que précédemment,
ŶŽƵƐ ƐŽŵŵĞƐ ĚŽŶĐ ĞŶ ŵĞƐƵƌĞ ĚĞ ĐŽŶĨŝƌŵĞƌ ƋƵĞ ůĂ ŐĠŶĠƌĂůŝƐĂƚŝŽŶ ĞƐƚ ă ů͛ŽƌŝŐŝŶĞ ĚĞ ĐĞƚ
artefact.
Test 1 : Rotation au début
de la méthode sur le raster
Test 2 : Rotation à partir de
ů͛ĠƚĂƉĞĚĞǀĞĐƚŽƌŝƐĂƚŝŽŶ
Début
Test 3 : Rotation après
ů͛ĠƚĂƉĞĚĞŐĠŶĠƌĂůŝƐĂƚŝŽŶ
Chaîne de traitement
Figure 21 : Diagrammes après rotation de 30° réalisés à différents moments de la méthode permettant
Ě͛ŝĚĞŶƚŝĨŝĞƌů͛ĠƚĂƉĞƋƵŝŝŶĚƵŝƚůĞƐƉŝĐƐ͘
Après avoir effectué des recherches bibliographiques, il semblerait que le problème que
ŶŽƵƐ ƌĞŶĐŽŶƚƌŽŶƐ ƐŽŝƚ ŝŶŚĠƌĞŶƚ ă ůĂ ƐŽƵƌĐĞ ƌĂƐƚĞƌ ĚĞ ů͛ŽĐĐƵƉĂƚŝŽŶ ĚƵ ƐŽů͘ >Ă ŐĠŶĠƌĂůŝƐĂƚŝŽŶ
obtenue avec un paramètre de tolérance de 20 m est proche de la forme carrée du pixel que
ŶŽƵƐĂǀŽŶƐĐŚŽŝƐŝ͕ĐĞƋƵŝĨĂǀŽƌŝƐĞůĞƐƉŝĐƐEŽƌĚ͕^ƵĚ͕Ɛƚ͕KƵĞƐƚĐŽŵŵĞů͛ŝůůƵƐƚƌĞůĂfigure 21.
ƒ
Si le seuil de généralisation est égal au seuil de résolution du raster nous devons
obtenir quatre pics Nord, Sud, Est, Ouest (Figure : 22).
Nord
Ouest
Est
Sud
Figure 22 ͗ƌĞƉƌĠƐĞŶƚĂƚŝŽŶĚ͛ƵŶƉŝdžĞů͘
45
Fin
Nous avons donc de nouveau fait varier le paramètre de tolérance (Figure 23) mais cette
fois ci sur la couche bois uniquement. Nous obtenons une homogénéisation des pics avec
tout de même une prépondérance pour le Sud et le Nord Ouest qui reflète la géométrie des
ďŽŝƐĚĞůĂnjŽŶĞĚ͛ĠƚƵĚĞ͘
Figure 23 : Variation du paramètre de tolérance ĚĞů͛ĠƚĂƉĞĚĞŐĠŶĠƌĂůŝƐĂƚŝŽŶ.
3.3 Solutions envisagées
WŽƵƌ ĠǀŝƚĞƌ ĚĞ ĨĂǀŽƌŝƐĞƌ ĚĞƐ ƉŝĐƐ Ě͛ŽƌŝĞŶƚĂƚŝŽŶ ĐĂƌĚŝŶĂůĞ ƋƵŝ Ŷ͛ŽŶƚ ƉĂƐ ůŝĞƵ Ě͛ġƚƌĞ ;ƌĂŝƐŽŶƐ
évoquées précédemment), deux solutions me semblent envisageables pour palier à ce
phénomène :
ƒ
ƒ
Soit on fusionne les classes en amont représentées dans les pixels isolés, c'est-à-dire
les haies, les îlots etc., évitant de se retrouver avec une multitude de polygones de
petite taille, qui bloquent la simplification des polygones adjacents quand on atteint
un certain seuil ;
^ŽŝƚŽŶĞdžƚƌĂŝƚůĞƐďŽŝƐĚĞůĂĐŽƵĐŚĞĚ͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůƉŽƵƌŐĠŶĠƌĂůŝƐĞƌƵŶŝƋƵĞŵĞŶƚ
les polygones bois, réduisant considérablement le temps de calcul et ne contraignant
pas leur simplification.
Cependant cette solution pose un problème ĚĞ ƚŽƉŽůŽŐŝĞ͘ Ŷ ĞĨĨĞƚ ů͛ĂĚĚŝƚŝŽŶ ĚĞ ůĂ
ĐŽƵĐŚĞĚ͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůŶŽŶŐĠŶĠƌĂůŝƐĠĞĂǀĞĐĐĞůůĞĚĞƐďŽŝƐƋƵŝů͛ĞƐƚ͕ĞŶŐĞŶĚƌĞƌĂ
un décalage plus ou moins important entre les couches suivant la tolérance et ne
permettra donc pas de respecter les règles topologiques. Cette méthode avait été
envisagée au début et avait été écartée par la suite pour cette raison.
ƉƌğƐĚŝƐĐƵƐƐŝŽŶĂǀĞĐů͛ĠƋƵŝƉĞ͕Đ͛ĞƐƚůĂĚĞƵdžŝğŵĞƐŽůƵƚŝŽŶƋƵŝĂĠƚĠƌĞƚĞŶƵĞ͕ƉƵŝƐƋƵĞŶŽƵƐ
ŝŶƚĞƌƌŽŐĞŽŶƐů͛K^ăϰϬŵăů͛ĞdžƚĠƌŝĞƵƌĚĞůĂůŝƐŝğƌĞĚŽŶĐŶŽƵs nous affranchissons de ce type
ĚĞƉƌŽďůğŵĞ͘WĂƌĐŽŶƚƌĞƐŝŶŽƵƐƐŽƵŚĂŝƚŽŶƐĞdžƚƌĂŝƌĞů͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůĂĚũĂĐĞŶƚĞăůĂůŝƐŝğƌĞ͕
il conviendra donc de trouver un moyen pour additionner la couche bois généralisée et la
ĐŽƵĐŚĞĚ͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůǀĞĐƚĞƵƌƚŽƵt en respectant les règles topologiques.
46
4. Confrontation des résultats de la méthode avec une
observation sur le terrain
4.1 Préparation terrain
hŶĞǀŝƐŝƚĞĚ͛ƵŶĞũŽƵƌŶĠĞƐƵƌůĞƚĞƌƌĂŝŶĂƉĞƌŵŝƐĚĞǀĠƌŝĨŝĞƌƐŝůĞƐƌĠƐƵůƚĂƚƐŽďƚĞŶƵƐăů͛ĂŝĚĞ
des outils SIG ne sont pas en décalage avec « la réalité ».
Neuf bois ont été choisis suivant plusieurs critères :
ƒ
ƒ
ƒ
ƒ
Ils devaient représenter la diversité des lisières qui existe, c'est-à-dire couvrir tous les
cas possible des trois variables ;
Correspondre aux bois où A. Alignier a établi des transects floristiques (partie II de sa
thèse) ;
Etre relativement proche les uns des autres pour ne pas perdre trop de temps lors
des différents déplacements en voiture ;
Posséder des lisières facilement repérables et accessibles (proximité du réseau
routier).
Le matériel que nous avons emporté était :
ƒ
ƒ
ƒ
ƒ
ƒ
47
Une série de supports cartographiques (au format A4 couleur, sur un fond de
photographies aériennes de 2006) avec les lisières représentées selon la symbologie
adoptée de nos neuf bois à visiter accompagnées des extraits du tableau synthétique
final.
ĞƵdž ĚĠĐĂŵğƚƌĞƐ ĂĨŝŶ ĚĞ ŵĞƐƵƌĞƌ ůĂ ůŽŶŐƵĞƵƌ ĚĞƐ ůŝƐŝğƌĞƐ Ğƚ Ě͛ŝĚĞŶƚŝĨŝĞƌ ůĞ ƉĂƐƐĂŐĞ
Ě͛ƵŶĞůŝƐŝğƌĞăƵŶĞĂƵƚƌĞƋƵŝƉĂƌĨŽŝƐŶ͛ĠƚĂŝƚƉĂƐĠǀŝĚĞŶƚăǀŝƐƵĂůŝƐĞƌƐƵƌůĞƚĞƌƌĂŝŶ͘
DĞƵdžďŽƵƐƐŽůĞƐƉŽƵƌǀĠƌŝĨŝĞƌů͛KĚĞƐůŝƐŝğƌĞƐ͘
Deux appareils photos pour obtenir des illustrations et pour photographier
éventuellement les lisières qui posent problème.
Une carte topographique pour se repérer sur le terrain (IGN, 1945 Ouest).
4.2 Résultats de confrontation
ƒ
Les segments de lisières
>Ă ĚĠƚĞĐƚŝŽŶ ĚĞƐ ůŝƐŝğƌĞƐ ĞƐƚ ƉƌŽĐŚĞ ĚĞ ůĂ ǀŝƐŝŽŶ Ě͛ƵŶ ĠĐŽůŽŐƵĞ ĐŽŵŵĞ ͘ ůŝŐŶŝĞƌ͘
ĞƉĞŶĚĂŶƚ͕ ă ů͛ĠĐŚĞůůĞ Ě͛ƵŶ ďŽŝƐ ĐĞƌƚĂŝŶĞƐ ůŝƐŝğƌĞƐ Ŷ͛ŽŶƚ ƉĂƐ ůŝĞƵ Ě͛ġƚƌĞ͘ ĞƐ ĞŶĨŽŶĐĞŵĞŶƚƐ
intérieurs sont calculés sur nos bois (ĐůĂƐƐĠƐăƉĂƌƚŝƌĚĞů͛ŝŵĂŐĞƐĂƚĞůůŝƚĂůĞet traités ensuite
par GUIDOS) ƋƵŝ ŶĞ ĐŽƌƌĞƐƉŽŶĚĞŶƚ ƉĂƐ ĂǀĞĐ ů͛ŽďƐĞƌǀĂƚŝŽŶ ĚƵ ƚĞƌƌĂŝŶ͘ ĞƵdž ĞdžƉůŝĐĂƚŝŽŶƐ
peuvent être avancées :
ƒ
>Ă ĐĂƌƚĞ Ě͛ŽĐĐƵƉĂƚŝŽŶ ĚƵ ƐŽů ĠƚĂŶƚ ƌĠĂůŝƐĠĞ ƐƵƌ ƵŶĞ ŝŵĂŐĞ ^WKd ϱ de 2005,
certains bois ont subi plusieurs coupes depuis 5 ans et donc un changement de
forme ;
ƒ
Les bois que nous avons obtenus après le passage de GUIDOS et le
ƉĂƌĂŵĠƚƌĂŐĞ ĚĞ ůĂ ƉƌŽĨŽŶĚĞƵƌ ĚĞ ůĂ ůŝƐŝğƌĞ ă ϮϬ ŵ ĨĂǀŽƌŝƐĞ ů͛ĂƉƉĂƌŝƚŝŽŶ Ě͛ŝŶƚƌƵƐŝŽŶ
(enfoncemenƚĚĞƐďŽŝƐͿĐĂƌů͛ĂŶĂůLJƐĞDW^ĨŽŶĐƚŝŽŶŶĞƉĂƌŵĂƐƋƵĞƐƐƵĐĐĞƐƐŝĨƐĞƚůĞƐ
loupes (=loop) et autres ponts (=bridge) sont déterminées avant la lisière (=edge)
(Figure : 24).
Figure 24͗ƚĂƉĞƐĚĞů͛ĂŶĂůLJƐĞDW^ĂǀĞĐŽƌĚƌĞĐŚƌŽŶŽůŽŐŝƋƵĞ des masques (Soille et Vogt, 2009)
ůůĞŶ͛ĂƉƉĂƌĂŠƚƉĂƐƋƵĂŶĚŶŽƵƐůĂĐĂůŝďƌŽŶƐăϭϬŵĐĞƋƵŝŶŽƵƐƌĞŶǀŽŝĞĂƵdžĞdžƉůŝĐĂƚŝŽŶƐ
faite dans la partie de sensibilité sur GUIDOS.
48
ƒ >͛KƌŝĞŶƚĂƚŝŽŶƉĂƌƌĂƉƉŽƌƚăůĂƉĞŶƚĞ (OP) :
Dans la majorité des cas, elle est conforme avec ce que nous avions obtenu par calcul SIG
(Tableau : 5). Cependant, le MNT ayant un pas de 25 m et notre transect faisant 40 m, il était
ƉĂƌĨŽŝƐĚŝĨĨŝĐŝůĞĚ͛ĞƐƚŝŵĞƌǀŝƐƵĞůůĞŵĞŶƚƐŝůĂůŝƐŝğƌĞĠƚĂŝƚŽƌŝĞŶƚĠĞĚĂŶƐůĞƐĞŶƐĚĞƉĞŶƚĞ͕ǀĞƌƐ
le haut de pente ou vers le bas de pente. Peut-être serait-ŝůũƵĚŝĐŝĞƵdžăů͛ĂǀĞŶŝƌ͕ĚĞƉĂƌĐŽƵƌŝƌ
les 40 m de transect sur le terrain pour mieux appréhender la pente. De plus la discrétisation
en 3 classes (selon les formules retenues, voir partie 3.2) a entrainé des désaccords entre
ů͛ĞƐƚŝŵĠĞĞƚů͛ŽďƐĞƌǀĠĞůŽƌƐƋƵĞůĞƐǀĂůĞƵƌƐĚĞƉĞŶƚĞĠƚĂŝĞŶƚĞŶůŝŵŝƚĞĚĞƐďŽƌŶĞƐĚĞƐĐůĂƐƐĞƐ
des OP.
ƒ >͛KƌŝĞŶƚĂƚŝŽŶĂƌĚŝŶĂůĞ :
>͛ĞdžƉŽƐŝƚŝŽŶĚĞƐůŝƐŝğƌĞƐƚƌŽƵǀĠĞăů͛ĂŝĚĞĚĞůĂďŽƵƐƐŽůĞĞƐƚŝĚĞŶƚŝƋƵĞăŶŽƐĚŽŶŶĠĞƐĐĂůĐƵůĠĞƐ
suivant unĞƚŽůĠƌĂŶĐĞ ĚĞ ц ϯϬΣ͘ ĞƚƚĞ ůĠŐğƌĞ ĚŝĨĨĠƌĞŶĐĞ ƉĞƵƚ Ɛ͛ĞdžƉůŝƋƵĞƌ ƉĂƌ ůĞ ŵĂŶƋƵĞ ĚĞ
ƉƌĠĐŝƐŝŽŶ ůŽƌƐ ĚĞ ů͛ŽƉĠƌĂƚŝŽŶ ƐƵƌ ůĞ ƚĞƌƌĂŝŶ ĐĂƌ ŶŽƵƐ ŶĞ ĨĂŝƐŝŽŶƐ ƋƵ͛ƵŶ ƐĞƵů ƌĞůĞǀĠ Ě͛K ƉĂƌ
lisière.
ƒ >͛KĐĐƵƉĂƚŝŽŶĚƵƐŽů :
WŽƵƌĐĞƚƚĞǀĂƌŝĂďůĞĂƵƐƐŝůĞƐƌĠƐƵůƚĂƚƐƐŽŶƚĐŽŶĐůƵĂŶƚƐƉƵŝƐƋƵ͛ƵŶĞƐĞƵůĞĨŽŝƐů͛ŽĐĐƵƉĂƚŝŽŶĚƵ
ƐŽůŶ͛ĂƉĂƐĠƚĠƚƌŽƵǀĠĞ;ĐƵůƚƵƌĞĂƵůŝĞƵĚĞƉƌĂŝƌŝĞͿ͘
>ĂĐĂƌƚĞĚ͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůĠƚĂŶƚĨĂŝƚĞƐƵƌƵŶĞŝŵĂŐĞĚĞ^WKdϱĚĞϮϬϬϱ͕ƐĞƵůĞƐůĞƐƉƌĂŝƌŝĞƐ
permanentes pŽƵǀĂŝĞŶƚġƚƌĞǀĠƌŝĨŝĠĞƐĐĂƌĞůůĞƐŶ͛ŽŶƚƉĂƐĐŚĂŶŐĠĚ͛ŽĐĐƵƉĂƚŝŽŶĚĞƉƵŝƐ͘
Nombre de lisières visitées :
41
OP
OC
OS
Bien classées
Mal classés
Indéterminées
35
2
4
41
-
40
1
-
Tableau 5 : Matrice de confusion allégée suite à la vérification terrain sur 9 bois visités.
En résumé :
DġŵĞ Ɛŝ ůĂ ǀĂůŝĚĂƚŝŽŶ ĚĞ ůĂ ŵĠƚŚŽĚĞ ŶĞ ƉĞƵƚ ƉĂƐ Ɛ͛ĞĨĨĞĐƚƵĞƌ ƐĞƵůĞŵĞŶƚ ĂǀĞĐ ĐĞƚƚĞ
confrontation avec le terrain, elle a démontré la pertinence de notre méthode et des
résultats obtenus. Quelques différences ont été observées, et peuvent se justifier par la
ĚŝĨĨĠƌĞŶĐĞ Ě͛ĠĐŚĞůůĞ ĚĞ ƉĞƌĐĞƉƚŝŽŶ ƐƵƌ ůĂƋƵĞůůĞ ŶŽƵƐ ĂǀŽŶƐ ƚƌĂǀĂŝůůĠ͕ ƵŶ ƉĂLJƐĂŐĞ ĚĞ ůĂƌŐĞ
ĠƚĞŶĚƵĞ ;ƉŽƵƌ ůĂ ŵĠƚŚŽĚĞ ƉƌŽĚƵŝƚĞ͕ ĐĂůĐƵůĠĞ ƐƵƌ ů͛ŽƌĚŝŶĂƚĞƵƌͿ Ğƚ ĐĞůůĞ Ě͛ƵŶ ďŽŝƐ ;ƉŽƵƌ ůĂ
méthode de validation, observée sur le terrain).
49
IV : CONCLUSION & BIBLIOGRAPHIE
- Partie IV Conclusion
&
Bibliographie
1. Discussion et perspective
>ĂŵŝƐĞĞŶƉůĂĐĞĚ͛ƵŶĞŵĠƚŚŽĚĞŝŶŶŽǀĂŶƚĞƐ͛ĂƉƉƵLJĂŶƚƐƵƌĚĞƐŵĠƚƌŝƋƵĞƐĚĞƐĞŐŵĞŶƚƐĚĞ
lisières Ɛ͛ĞƐƚƌĠǀĠůĠĞƉůƵƐĐŽŵƉůŝƋƵĠe que prévue͕ŵ͛ŽďůŝŐĞĂŶƚƉŽƵƌĐŚĂƋƵĞĠƚĂƉĞăƚƌŽƵǀĞƌ
des solutions cohérentes pour répondre au cahier des charges du projet. La difficulté
ƉƌŽǀŝĞŶƚĚĞů͛ĞŶĐŚĂŝŶĞŵĞŶƚĚĞƐŽƉĠƌĂƚŝŽŶƐĚĂŶƐƵŶĞŵĠƚŚŽĚĞĚĞƚƌĂŝƚĞŵĞŶƚĐŚƌŽŶŽůŽŐŝƋƵĞ
ĐŽŵƉůğƚĞ Ğƚ ĐŽŵƉůĞdžĞ͘ >͛ƵƐĂŐĞ ĚĞƐ ƌĞƉƌĠƐĞŶƚĂƚŝŽŶƐ ƐĐŚĠŵĂƚŝƋƵĞƐ ;Figure 13 et Figure 16)
est un moyen pour les chercheurs (les écologues par exemple, non spécialistes du
ǀŽĐĂďƵůĂŝƌĞ ĚƵ ŐĠŽŵĂƚŝĐŝĞŶͿ ĚĞ Ɛ͛ĂƉƉƌŽƉƌŝĞƌ ůĂ ŵĠƚŚŽĚĞ ƐĂŶƐ ƌĞŶƚƌĞƌ ĚĂŶƐ ůĞ ĚĠƚĂŝů ĚĞ
chaque étape. Ces schémas sont une des figures-clés des deux articles scientifiques co-écrits
au cours du stage.
Les données obtenues sur les lisières ont mis en exergue un biais dans la méthode (pics
OC anormaux) engendré par la généralisation. Cette étape a donc nécessité une attention
ƉĂƌƚŝĐƵůŝğƌĞĞƚŵ͛ĂĂŵĞŶĠăƉƌŽƉŽƐĞƌĚĞƵdžƐŽůƵƚŝŽŶƐĞdžƉůŝĐŝƚĠĞƐĚĂŶƐůĂƉĂƌƚŝĞϯĚƵ rapport
de stage. La généralisation des polygones bois uniquement permettant leur simplification
sans contrainte ƚŽƉŽůŽŐŝƋƵĞĞƐƚůĂƐŽůƵƚŝŽŶĞŶǀŝƐĂŐĠĞƉĂƌů͛ĠƋƵŝƉĞƉŽƵƌů͛ĂǀĞŶŝƌ͘
La ĐŽŵƉƌĠŚĞŶƐŝŽŶ ĚĞ ĐŚĂƋƵĞ ĠƚĂƉĞ Ğƚ ĚĞƐ ŽƵƚŝůƐ Ă ŶĠĐĞƐƐŝƚĠ Ě͛ƵƚŝůŝƐĞƌ͕ ƋƵĂŶĚ Đ͛ĠƚĂŝƚ
ƉŽƐƐŝďůĞ͕ĚĞƐƐĐƌŝƉƚƐůŝďƌĞƐĚĞĚƌŽŝƚ͘>͛ĂĐĐğƐĂƵĐŽĚĞƉĞƌŵĞƚĚĞŵĂŠƚƌŝƐĞƌůĞƐŽƵƚŝůƐĞƚĚĞůĞƐ
ĂĚĂƉƚĞƌ ă ŶŽƐ ďĞƐŽŝŶƐ ;ĐĂƐ ĚĞ ů͛KͿ͘ >͛ĞŵƉůŽŝ de ces algorithmes facilitera également la
ĐƌĠĂƚŝŽŶ ă ůŽŶŐ ƚĞƌŵĞ Ě͛ƵŶ ŽƵƚŝů ĂƌƚŽůŝƐ ĂƵƚŽŵĂƚŝƐĂďůĞ Ğt diffusable facilement aux
chercheurs intéressés
La plateforme logicielle construite pour Cartolis favorise leur utilisation en mutualisant les
ƐĐƌŝƉƚƐ ĞdžŝƐƚĂŶƚƐ Ğƚ ĞŶ ƉƌŽƉŽƐĂŶƚ ƵŶĞ ƉĞƌƐŽŶŶĂůŝƐĂƚŝŽŶ ĚĞ ů͛ŝŶƚĞƌĨĂĐĞ͘ >ĞƐ ƐĐƌŝƉƚƐ Ě͛Easy
Calculate (gratuits), conçus par Ianko Tchoukanski, fondateur de la société ET Spatial
Techniques, ont été sollicités à de nombreuses reprises pour calculer les angles par exemple
ou pour combler les trouées dans les forêts.
>ĂŵĂŶŝğƌĞĚ͛ĂďŽƌĚĞƌůĞƉƌŽũĞƚĞŶĠƚĂƉĞƐĚĞƚƌĂǀĂŝůƐ͛ĞƐƚĠŐĂůĞŵĞŶƚƚƌĂĚƵŝƚĞƉĂƌů͛ƵƚŝůŝƐĂƚŝŽŶ
Ě͛ƵŶĞ njŽŶĞ ƚĞƐƚ ĐŽŵƉŽƐĠĞ ĚĞ ƋƵĞůƋƵĞƐ ďŽŝƐ ĚĞ ĨŽƌŵĞƐ ƌĞůĂƚŝǀĞŵĞŶƚ ƐŝŵƉůĞƐ͕ ƉĞƌŵĞƚƚĂŶƚ
ƌĂƉŝĚĞŵĞŶƚ Ě͛ŝĚĞŶƚŝĨŝĞƌ ůĞƐ ƉƌŽďůğŵĞƐ Ğƚ ůĞƐ ĐŽŶƐĠƋƵĞŶĐĞƐ ĚĞ ĐŚĂƋƵĞ ĠƚĂƉĞ ƐĂŶƐ ĂǀŽŝƌ ůĞƐ
contraintes de temps de calcul induit par le travail sur la zone étendue.
hŶĞ ĂŶĂůLJƐĞ ĚĞ ƐĞŶƐŝďŝůŝƚĠ ĚĞƐ ĚŝĨĨĠƌĞŶƚƐ ƉĂƌĂŵğƚƌĞƐ Ğƚ ů͛ƵƚŝůŝƐĂƚŝŽŶ ĚĞ ƐĐƌŝƉƚ Ɛ͛ŝŶƐğƌĞŶƚ
dans cette démarche et contribuent à renforcer la maîtrise des outils employés.
Cette démarche qui peut paraître fastidieuse au début, est indispensable si nous souhaitons
répondre aux exigences du projet. De plus, ů͛ĂƉƉůŝĐĂƚŝŽŶ ĚĞ ůĂ ŵĠƚŚŽĚĞ ă Ϯ njŽŶĞƐ
géographiques emboitées a permis de gagner du temps par la suite pour identifier les
problèmes éventuels et expliquer les résultats obtenus.
ƵũŽƵƌĚ͛ŚƵŝ͕ ĂƉƌğƐ ƉůƵƐŝĞƵƌƐ ƚĞƐƚƐ Ğƚ ĂŶĂůLJƐĞƐ ĚĞ ƐĞŶƐŝďŝůŝƚĠ ĞĨĨĞĐƚƵĠƐ͕ ŶŽƵƐ ƐŽŵŵĞƐ ĞŶ
mesure de proposer une méthode, qui combine plusieurs outils pour traiter des données
spatiales et caractériser de façon originale les paysages, en complément Ě͛ŽƵƚŝůƐƐƚĂŶĚĂƌĚƐ
ĐŽŵŵĞ'h/K^͘>ĞŶŽŵďƌĞĚĞƉĂƌĂŵğƚƌĞƐĚĞů͛ŽƵƚŝůĂĠƚĠƌĠĚƵŝƚĂƵƚĂŶƚƋƵĞƉŽƐƐŝďůĞĞƚĚĞƐ
règles explicites ont été définies pour choisir leurs valeurs afin de rendre la méthode la plus
transparente et explicite pour les utilisateurs.
>ĂŵĠƚŚŽĚĞƉƌŽƉŽƐĠĞƌĠƉŽŶĚĂƵĐĂŚŝĞƌĚĞƐĐŚĂƌŐĞƐ͕ƉƵŝƐƋƵ͛ăƉĂƌƚŝƌĚĞŶ͛ŝŵƉŽƌƚĞƋƵĞůůĞ
couche raster nous pouvons identifier des segments de lisières ĞƚƌĠĐƵƉĠƌĞƌů͛K͕ů͛KW͕ů͛K^
50
ƉŽƵƌĐŚĂĐƵŶĚ͛Ğux. Même si la méthode fait appel à de nombreuses étapes non prévues au
départ, elle a montré son efficacité lors de la confrontation des résultats avec le terrain.
L͛ĞdžƉůŝĐŝƚĂƚŝŽŶĚĞƐ choix Ě͛ŽƵƚŝůƐet des paramètres fixés répondent à un souci de rigueur
scientifique ŝŶĚŝƐƉĞŶƐĂďůĞƉŽƵƌƋƵ͛ƵĚƌĞLJůŝŐŶŝĞƌƉƵŝƐƐĞĨĂŝƌĞƌĞĐŽŶŶĂŠƚƌĞĐĞƚƌĂǀĂŝůĚĂŶƐůĂ
communauté scientifique͘ /ů ĞƐƚ ĚŽŶĐ ƉŽƐƐŝďůĞ Ě͛ĂƉƉůŝƋƵĞƌ ĐĞƚƚĞ ŵĠƚŚŽĚĞ ă Ě͛ĂƵƚƌĞƐ
ƉĂLJƐĂŐĞƐĚĞůĂƌŐĞĠƚĞŶĚƵĞ͘/ůĞƐƚƉƌĠǀƵĚ͛ĂƉƉůŝƋƵĞƌĐĞƚƚĞŵĠƚŚŽĚĞƐƵƌůĂĐŽƵĐŚĞĨŽƌĞƐƚŝğƌĞ
ĞƵƌŽƉĠĞŶŶĞĚĞϮϬϬϲ;&ŽƌĞƐƚDĂƉ͕:ŽŝŶƚZĞƐĞĂƌĐŚĞŶƚĞƌͿĐŽŵďŝŶĠĞăůĂĐĂƌƚĞĚ͛ŽĐĐƵƉĂƚŝŽŶ
des sols 2006 (Corine Land Cover, IFEN), toutes deux libres de droit. Ceci nous permettra de
ƚĞƐƚĞƌ ZdK>/^ ĚĂŶƐ ƵŶ ƉĂLJƐĂŐĞ ĚƵ EŽƌĚ ĚĞ ů͛ƵƌŽƉĞ ƉĂƌ ĞdžĞŵƉůĞ Ğƚ ĂŝŶƐŝ ǀŽir les
tendances observées sur la configuration spatiale des bois et leur décomposition en lisières.
>͛ĞŶƐĞŵďůĞĚĞůĂĚĠŵĂƌĐŚĞĞƐƚĚĠĐƌŝƚĞĚĞŵĂŶŝğƌĞĚĠƚĂŝůůĠĞĚĂŶƐůĞŐƵŝĚĞĚĞů͛ƵƚŝůŝƐĂƚĞƵƌ
qui est joint en annexe page 55 ƉŽƵƌĨĂĐŝůŝƚĞƌ ƐĂ ŵŝƐĞ ĞŶ ƈƵǀƌĞ ĨƵƚƵƌĞ ƐƵƌ Ě͛ĂƵƚƌĞƐ njŽŶĞƐ.
Deux articles scientifiques ont été rédigés pour valoriser le projet (IALE 2010 a été accepté
tandis que nous sommes en attente de réponse pour SAGEO 2010).
2. Bilan personnel
>Ğ ƐƚĂŐĞ ŵ͛Ă ƉĞƌŵŝƐ Ě͛ĂƉƉƌŽĨŽŶĚŝƌ ů͛ĂƉƉƌĞŶƚŝƐƐĂŐĞ Ě͛ƵŶ ůŽŐŝĐŝĞů ^/' Ğƚ ƉůƵƐ ƉƌĠĐŝƐĠŵĞŶƚ
ĐĞůƵŝ Ě͛ƌĐ'ŝƐ ϵ͘ϯ͕ ŵĂŝƐ ĠŐĂůĞŵĞŶƚ Ě͛ĂƉƉƌĠŚĞŶĚĞƌ ůĞ ŵŽŶĚĞ ĚĞ ůĂ ŐĠŽŵĂƚŝƋƵĞ ƐŽƵƐ ƵŶ
ĂƐƉĞĐƚ ƉůƵƐ ƉƌŽĨĞƐƐŝŽŶŶĞů͘ >͛ĞdžƉĠƌŝĞŶĐĞ ĚƵ ƚƌĂǀĂŝů ĞŶ ĠƋƵŝƉĞ͕ ƋƵŝ ă ŵŽŶ ƐĞŶƐ͕ ĨĂǀŽƌŝƐe
ů͛ŽƵǀĞƌƚƵƌĞĚ͛ĞƐƉƌŝƚĞƚƉĞƌŵĞƚĚĞĐŽŶĨƌŽŶƚĞƌƐĞƐŽƉŝŶŝŽŶƐĂǀĞĐĚ͛ĂƵƚƌĞƐƉĞƌƐŽŶŶĞƐŝƐƐƵĞƐĚĞ
disciplines différentes (écologie, géomatique) a été également un point fort de ce stage.
Ƶ ĐŽƵƌƐ ĚĞ ůĂ ƌĠĂůŝƐĂƚŝŽŶ ĚĞ ůĂ ŵĠƚŚŽĚĞ͕ ũ͛Ăŝ ƌĞŶĐŽŶƚƌĠ ĚĞ ŶŽŵďƌĞƵdž Ɖroblèmes tant
ƚĞĐŚŶŝƋƵĞƐ ƋƵĞ ŵĠƚŚŽĚŽůŽŐŝƋƵĞƐ ;ďŝĂŝƐ ůŽƌƐ ĚĞ ů͛ĠƚĂƉĞ ĚĞ ŐĠŶĠƌĂůŝƐĂƚŝŽŶͿ͕ ũ͛Ăŝ ĚŽŶĐ ĠƚĠ
ĂŵĞŶĠăĨĂŝƌĞƵŶĚŝĂŐŶŽƐƚŝĐĂĨŝŶĚĞƚƌŽƵǀĞƌů͛ŽƌŝŐŝŶĞĚƵƉƌŽďůğŵĞĞƚƉƌŽƉŽƐĞƌĚĞƐƐŽůƵƚŝŽŶƐ
ƉĞƌƚŝŶĞŶƚĞƐĂƵƉƌŽďůğŵĞ͘>͛ĠƋƵŝƉĞŵ͛ĂĂŝĚĠăĂĚŽƉƚĞƌƵŶĞĚĠŵĂƌche efficace et rigoureuse
qui me servira pour la bonne gestion des futurs projets.
͛ƵŶƉŽŝŶƚĚĞǀƵŽƌŐĂŶŝƐĂƚŝŽŶŶĞů͕ũ͛ĂŝĚƸŵ͛ĂĚĂƉƚĞƌĞƚŵ͛ŽƌŐĂŶŝƐĞƌƉŽƵƌƚĞŶŝƌůĞƐĚĠůĂŝƐĞƚ
faire face à un revirement du calendrier.
En effet, en plus des difficultés auxquelleƐũ͛ĂŝĚƸĨĂŝƌĞĨĂĐĞ͕ĚĞƐƚąĐŚĞƐŶŽŶƉƌĠǀƵĞƐĚĂŶƐůĞ
ĐĂůĞŶĚƌŝĞƌŽŶƚĠƚĠĂũŽƵƚĠĞƐ͕ĐŽŵŵĞůĂƉĂƌƚŝĐŝƉĂƚŝŽŶăůĂƌĠĚĂĐƚŝŽŶĚ͛ƵŶĂƌƚŝĐůĞƉŽƵƌ^'K͕
ƌĞƚĂƌĚĂŶƚ ĚĂǀĂŶƚĂŐĞ ů͛ĂǀĂŶĐĞŵĞŶƚ ĚƵ ƉƌŽũĞƚ͘ dŽƵƚĞĨŽŝƐ͕ ůĞƐ ƉĂƌƚŝĞƐ ĠƚĂŶƚ ƉŽƚĞŶƚŝĞůůĞŵĞŶƚ
utilisables poƵƌůĂƌĠĚĂĐƚŝŽŶĚƵƌĂƉƉŽƌƚ͕ũ͛ĂŝƉƵƚĞŶŝƌů͛ĠĐŚĠĂŶĐŝĞƌĨŝdžĠ͘
Ğ ƉůƵƐ͕ ů͛ĂƉƉŽƌƚ ĚĞ ŵŽŶ ƚƌĂǀĂŝů ƉŽƵƌ ůĂ ƚŚğƐĞ Ě͛͘ ůŝŐŶŝĞƌ ŵ͛Ă ĐŽŶĚƵŝƚ ă ƌĞƐƉĞĐƚĞƌ ůĞƐ
ĠĐŚĠĂŶĐĞƐĨŝdžĠĞƐ͘ĞƚƚĞƐŽƵƌĐĞĚĞƉƌĞƐƐŝŽŶƋƵ͛ŝůŵ͛ĂĨĂůůƵe gérer me sera profitable pour les
futures missions dans le milieu professionnel.
ŶĨŝŶůĞƐƚĂŐĞƐ͛ĞĨĨĞĐƚƵĂŶƚĚĂŶƐƵŶůĂďŽƌĂƚŽŝƌĞĚĞƌĞĐŚĞƌĐŚĞĞŶĠĐŽůŽŐŝĞ͕ũ͛ĂŝƉƵĂƐƐŝƐƚĞƌ
aux réunions régulières ĚĞů͛hDZ(deux fois par mois) me permettant de mieux comprendre
le monde de la recherche, mais égalemenƚ Ě͛ĂƉƉƌĠŚĞŶĚĞƌ ĚŝĨĨĠƌĞŵŵĞŶƚ ůĞƐ ƉƌŽďůğŵĞƐ͕
Ě͛ĂŝŐƵŝƐĞƌŵĂĐƵƌŝŽƐŝƚĠĞƚĚĞŵĞƌĞŶĚƌĞĐŽŵƉƚĞĚĞů͛ĂƉƉŽƌƚĞƚĚĞů͛ƵƚŝůŝƚĠĚĞƐĐŽŵƉĠƚĞŶĐĞƐ
en géomatique dans un laboratoire de recherche.
51
3. Bibliographie
ƒ
Articles scientifiques :
Alignier A., Deconchat M., Variability of forest edge effect on vegetation implies to
reconsider its assumed hypothetical pattern, Applied Vegetation Science, 2010 (in
press).
Cadenasso M.L., Pickett S.T.A., Weathers K.C., Jones C.G., A framework for a theory of
ecological boundaries, Bioscience, vol. 53, n°8, 2003, p. 750-758.
Cushman S.A., McGarigal K., Neel M.C., Parsimony in landscape metrics: Strength,
universality, and consistency, Ecological indicators vol. 8, n°5, 2008 p. 691-703.
Deconchat M., Gibon A., Cabanettes A., Du Bus De Warnaffe G., Hewison M., Garine E.,
Gavaland A., Lacombe J.P., Ladet S., Monteil C., Ouin A., Sarthou J.P., Sourdril A., Balent
G., How to set up a research framework to analyze social-ecological interactive
processes in a rural landscape. Ecology and Society, vol. 12 n°15, 2007.
Turner G., Gardner R.͕ K͛Eeill R. Landscape ecology: in theory and practice.Pattern and
process, Springer-Verlag New York, 2001, p.332.
Duchemin M., Lachange M., Analyse de sensibilté du modèle CEQEROSS, Revue des sciences
ĚĞů͛ĞĂƵ, vol. 15, n° 4, 2002, p. 789-807.
Esseen P.A., Jansson K.U., Nilsson, M., Forest edge quantification by line intersect sampling
in aerial photographs, Forest Ecology and Management, vol. 230, n°1-3, 2006, p. 32-42.
Fortin M.J., Olson R.J., Ferson S., Iverson L., Hunsaker C., Edwards G., Levine D., Butera
K.,Klemas V., Issues related to the detection of boundaries, Landscape Ecology, vol.15,
n°5, 2000, p. 453-466.
Hilla M., Cavailhès J., Brossard T., Joly D., Tourneux F.P., Wavresky P., Les métriques
paysagères utilisées pour déterminer le prix des paysages, deuxièmes journées de
recherches en sciences sociales, INRA, SFER, CIRAD, 2008.
Ladet, S., Heintz, W, Rasplus, V. (2010) Traitement et diffusion de données volumineuses
pour le suivi de la biodiversité sur un site de recherche à long terme (LTER) : Exemple
ĚĞ ůĂ ƐƚƌƵĐƚƵƌĞ Ě͛ƵŶĞ ƉůĂƚĞĨŽƌŵĞ ƐƵƌ ĚĞƐ ĚŽŶŶĠĞƐ ŽƌŶŝƚŚŽůŽŐŝƋƵĞƐ͘ >Ğ ĂŚŝĞƌ ĚĞƐ
dĞĐŚŶŝƋƵĞƐĚĞů͛/EZ͕ŶƵŵĠƌo spécial, p. 23-40.
McGarigal K., Tagil S., Cushman, S., Surface metrics: an alternative to patch metrics for the
quantification of landscape structure, Landscape Ecology, vol. 24, 2009, p. 433-450.
Murcia C., 1995. Edge effects in fragmented forests - implications for conservation, Trends in
Ecology & Evolution, vol. 10, n°2, 1995, p. 58-62.
Ostapowicz K., Vogt P., Riitters, K.H., Kozak J., Estreguil, C., Impact of scale on morphological
spatial pattern of forest, Landscape Ecology, vol. 23, n°9, 2008, p.1107ʹ1117.
52
Ruas A., Modèle de généralisation de données urbaines à base de contraintes et
d´autonomie, Cybergeo : European Journal of Geography, Cartographie, Imagerie, SIG,
article 107, 1999.
Sarthou J.P., Ouin, A., Arrignon F., Barreau G., Bouyjou B. Landscape parameters explain the
distribution and abundance of Episyrphus balteatus (Diptera: Syrphidae), European
Journal of Entomology, vol 102 n°3, 2005, p. 539-545.
Soille P., Vogt P., Morphological segmentation of binary patterns. Pattern Recognition
Letters, n°30, 2009, p.456-459.
Strayer D.L., Power M.E., Fagan W.F., Pickett S.T.A., Belnap J., A classification of ecological
boundaries, Bioscience, vol. 53, n°8, 2003, p. 723-729.
Vogt P., Riitters K.H., Estreguil C., Kozak J.,Wade T.G., Mapping spatial patterns with
morphological image processing, Landscape Ecology, vol. 22, n°2, 2007, p.171-177.
Zeng H., Wu X.B., Utilities of edge-based metrics for studying landscape fragmentation,
Computers, Environment and Urban Systems, vol. 29, n°2, 2005, p.159-178.
ƒ
Guides outils :
Environmental Systems Research Institute (ESRI), 2006. Using ArcGIS Desktop Version 9.3.1:
The Geographic Information System for Everyone. Environmental Systems Research
Institute, Inc, Redlands, p.446.
GUIDOS
R Development Core Team, R: A language and environment for statistical computing, Vienna,
Austria, 2008.
ƒ
Ouvrages :
Bertin J., Sémiologie Graphique. Les diagrammes, les réseaux, les cartes, Paris, La Haye,
Mouton, Gauthier-Villars, 1967. 2e édition : 1973, 3e édition : 1999, EHESS, Paris p.452.
Bolstad P., GIS Fundamentals, A First Text on Geographic Information Systems, 3rd Edition
from Atlas Books, 2008 p.543.
Jolicoeur M., Screening designs sensitivity of a nitrate leaching model (ANIMO) using a
one-at-a-time method. USA : State University of New York at inghampton, 2002,
p.14.
Saltelli A., Chan K., Scott M., Sensitivity Analysi Probability and Statistics series. New York :
John Wile, 2000 p.475.
ƒ
Thèse :
Gonzalez M., Diversité des plantes ligneuses de fragments forestiers dans les Coteaux de
Gascogne: Importance des facteurs locaux et du contexte paysager, Thèse de doctorat,
Université Toulouse III, 2006.
53
ƒ
Webographie :
ET SpatialTechniques a, EasyCalculate 5.0: a set of expressions for the ArcGIS field calculator,
2010, Disponible ăů͛ĂĚƌĞƐƐĞ :
http://www.ian-ko.com/
ET SpatialTechniques b, ET GeoWizards 9.9: a set of powerful functions that will help the
ArcGIS users, 2010, ŐƵŝĚĞ ĚĞ ů͛ƵƚŝůŝƐĂƚĞƵƌ ĚŝƐƉŽŶŝďůĞ ă ů͛ĂĚƌĞƐƐĞ
:
http://www.ianko.com/ET_GeoWizards/User Guide/etgeowizardsuserguide.htm
Hawth's Analysis Tools for ArcGIS, Beyer H.L., 2004. Disponible ăů͛ĂĚƌĞƐƐĞ :
http://www.spatialecology.com/htools
Institut National de le Recherche Agronomique ŝƐƉŽŶŝďůĞăů͛ĂĚƌĞƐƐĞ :
http://www.inra.fr/
McGarigal K., Cushman S.A. Neel M.C., and Ene E.,FRAGSTATS: Spatial Pattern Analysis
Program for Categorical Maps. Computer software program produced by the authors
at the University of Massachusetts, Amherst, 2002. ŝƐƉŽŶŝďůĞ ă ů͛ĂĚƌĞƐƐĞ :
www.umass.edu/landeco/research/fragstats/fragstats.html
Scripts ArcGIS, téléchargement gratuit. Disponible ăů͛ĂĚƌĞƐƐĞ :
http://arcscripts.esri.com/scripts.asp?pg=8&sb=9&ob=asc &e Date=&n=&top=&e
Lang =&eProd=&perPage=40&eQuery=polyline
XTools 3.1 pour ArcGIS, Popov I., Chikinev M., 2003, version française. Data East. Disponible
ăů͛ĂĚƌĞƐƐĞ :
http://support.esrifrance.fr/index.asp?page=/outilsscripts/arcgis/arcmap/autres/xtool
s31fr/xtools31fr.html
ƒ
Autres documents :
Delettre Y.R., Landscape metrics : les indices paysagers. UMR 6553 ECOBIO, Rennes,
Présentation orale non publiée, powerpoint de 29 diapositives, 2005.
Ladet S., ůŝŐŶŝĞƌ ͕͘ 'ƵŝĚĞ ŵĠƚŚŽĚŽůŽŐŝƋƵĞŽĐƵŵĞŶƚ ŝŶƚĞƌŶĞ ă ů͛hDZLJŶĂĨŽƌ /EZ͕ Ɖ͘ϵ͕
2009.
54
PARTIE V : ANNEXES
- Partie V Annexes
'ƵŝĚĞĚĞů͛ƵƚŝůŝƐĂƚĞƵƌƉŽƵƌ
Cartolis
Philippe Espy
Document réalisé :
[ 2010 ]
55
Identification
des
Segments
de
Lisières
56
Agrégation des classes et préparation du masque pour GUIDOS
ƒ
Récupérer la carte d͛ŽĐĐƵƉĂƚŝŽŶ ĚƵ ƐŽů ĚĞ ĂƌƵƐƐĂƵĚ en 11 classes (carte
Ě͛ĞŶƚƌĠĞĚĞůĂŵĠƚŚŽĚĞͿ͘
ƒ
Faire une reclassification, pour agréger les classes et obtenir 5 classes :
Prairie, culture, bâti, eau, sol nu :
Conversion en grille Spatial Analyst : Calculatrice raster > Evaluer
Rendre la couche permanente : clique droit sur la couche > Rendre permanent
Spatial Analyst : Reclassification mettre les valeurs ci-dessous :
Bâti : 100 = bâti
Eau : 200 = zone de marnage et eau
Culture : 300 сĐƵůƚƵƌĞĚ͛ĠƚĠ͕Ě͛ŚŝǀĞƌ͕ĂƵdžϮĚĂƚĞƐ
Prairie : 400 = prairie
Sol nu : 500 = sol nu aux 2 dates
Bois : 0 = boisement de conifères, de feuillus, haies
ƒ
Sélection sur les bois et les extraire pour obtenir un masque forestier bois/non
bois pour Guidos et exporter la couche au format tif.
!! Utiliser pour cette étape Idrisi ou Envi car sous ArcGIS, GUIDOS ne peut pas
importer la couche !!
57
Classification MPSA GUIDOS et importation sous ArcGIS
ƒ
ƒ
Importation du Tif sous GUIDOS et configuration des paramètres :
Connectivity = 8
Size = 2 (20m la largeur de la lisière)
Transition = 0
Intext = 0
Lancement du MPSA : Pattern Analysis > MPSA
Résultat : carte en sept classes dont les lisières avec les statistiques
ƒ
Importer le tif Guidos sous ArcGis :
Spatial Analyst : Conversion en grille > permanent
Reclassification des classes 35 et 67 en lisière : 3
Sauvegarde en grille_1
Résultat : carte GUIDOS reclassée correctement
58
Création de la carte Ě͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽůĞŶϭϬĐůĂƐƐĞƐ
ƒ
Additionner lĂ ĐĂƌƚĞ Ě͛Kccupation du sol reclassée en 5 classes avec la
Classification GUIDOS :
Spatial Analyst : Reclassification
Couche : Guidos_reclasser en entrée
0 = - 3333
Les autres valeurs = Recopier à ů͛ŝĚĞŶƚŝƋƵĞ
Nom de sortie : Calculation
Spatial Analyst : Calculatrice raster
Con ([calculation] == - 3333, [occup_reclasser], [calculation]) > Evaluer
!! Attention respecter les espaces et les parenthèses !!
ƒ
Reclasser la grille
Spatial Analyst : Reclassification
ƈƵƌĞƚůŝƐŝğƌĞ17 et 3= 666
Résultat : 1 nouveau raster
Pour infos
59
Vectorisation et Généralisation
ƒ
Vectorisation du raster :
Arc Toolbox : Outils de conversion > A partir Ě͛ƵŶƌĂƐƚĞr > Raster vers polygone
!! Décocher : simplifier les polygones !!
Nom de sortie : Vecteur
ƒ
Pour supprimer les trous dans les bois, extraire les bois et les combler :
Requête : bois = 666
Exporter les données sélectionnées (clic droit sur la couche) > nom de la couche
Bois_trous
Sélection par entité > Vecteur sont complètement contenus dans Bois_trous
Sur la couche Vecteur :
Requête : créer une nouvelle sélection sur la sélection > GRIDCODE <> 666
Ouvrir une session de mise à jour et Supprimer les entités sélectionnées
EasyCalculate : Edit > polygon_FillHoles.cal
ƒ
Simplification des polygones (durée du processus : 2h30) :
Et GeoWizards : Generalize polygons tolérance = 20m
(Nous avons comparé avec shape generalise > easy calculateID tolérance = 20 => créé des trous)
Nom de sortie : Generalize_20
60
ZĠĐƵƉĠƌĂƚŝŽŶĚĞƐďŽŶŶĞƐǀĂůĞƵƌƐĚĞů͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽů
ƒ
Spatial analyst : Statistiques zonales avec les couches Generalize_20 et le raster
Occupation du sol plus GUIDOS
ƒ
!! Bien joindre les attributs pour faire une jointure temporaire !!
Plusieurs statistiques zonales sont associées à la Table Attributaire de generalize
Mean, Min, Max, Majority
Majority = la valeur du pixel du raster qui couvre le plus le polygone (bois)
Vérifier Majority = 0 si oui
Alors exporter la couche Generalize_20 pour rendre la jointure permanente
Supprimer les champs inutiles
Vérifier avec la symbologie sur le champ [Majority]
ƒ
Et GeoWizards : Polygon > Eliminate > Attribute query > Majority = 0
- > option join (Longest boundary) (durée du processus : 2h30)
(Fusionne le polygone = 0 avec le polygone voisin avec qui, il a le plus de périmètre commun)
Supprimer les champs inutiles et faire requête : Majority = GRIDCODE
Vérifier si Gridcode = 0 si oui les changer manuellement
61
Extraction des bois supérieurs à 3ha
ƒ
Travailler sur la couche bois
Faire une sélection pour extraire les polygones dont GRIDCODE = 666
Enregistrer la sélection en bois
ƒ
Filtrer sur deux critères :
ƒ Suppression des bois < 3ha en faisant une sélection sur le champ Surface
préalablement calculé. (101 bois)
ƒ Suppression des bois qui touchent le cadre
Reprendre la couche bois et faire une copie et la nommer cadre :
Créer un champ [cadre] et mettre la valeur 1 par exemple
Fusionner sur le champ [cadre] :
Arc Toolbox : Outils de gestion de données > Généralisation > Fusionner
ŽŶǀĞƌƚŝƌů͛ĞŶƚŝƚĠďŽŝƐĞŶƌĞĐĂƚŶŐůĞ :
Et GeoWizards : Misc > Features to Bounding Rectangles > Minimum area
bounding rectangle
Convertir le polygone en polyligne : Et GeoWizards : Convertir > Polygone to
polyligne
Sélection des bois qui intersectent le cadre
Supprimer les entités sélectionnées
Créer un champ [ID bois] = FID +1
Nom de sortie : Bois_sup_3ha
62
Conversion des entités
ƒ
Conversion des polygones en polylignes
Vérifier la Table Attributaire et supprimer [ID] et [ET_ID]
Convertir les polygones en polylignes avec :
Et GeoWizards : Convert > Polygon to Polyline
Nom de sortie : polyligne_bois
ƒ
Division des polylignes en segments :
Et GeoWizards : Polyline > split polyline
Nom de sortie : split_polyligne
Vérifier la Table Attributaire et supprimer [ET_ID]
Symbologie qui représente le sens : arrow and end
63
Fusion des lisières et calculs des champs pour récupérer les identifiants
64
ƒ
Création de deux champs dans la table attributaire (couche split_polyligne) :
ƒ
Angle (type entier long) : EasyCalculate : calculate >
polyline_Get_Angle_9x.cal ;ĂůĐƵů ĚĞ ů͛ĂŶŐůĞ ĚĞ ůĂ ƉŽůLJůŝŐŶĞ ă ů͛ĂŝĚĞ
Ě͛ƵŶƐĐƌŝƉƚͿ
ƒ
Bois Angle (type texte) : [Id_bois] &"_"& [Angle]
ƒ
Fusionner sur champ [IDbois Angle]
Arc Toolbox : Outils de gestion de données > Généralisation > Fusionner
ƒ
Convertir les segments multi parties en mono partie
Et GeoWizards : Basic > Explode multiparts features (4921 lisières)
Vérifier le sens des polylignes
ƒ
Supprimer les champs dans la table attributaire ET_ID et rajouter 6 champs
(type entier long) :
ƒ
[ID Line] FID+1
ƒ
[ID Bois] (récupérer par jointure)
ƒ
[X deb] (script esri.cal)
ƒ
[Y deb] (script esri.cal)
ƒ
[X fin] (script esri.cal)
ƒ
[Y fin] (script esri.cal)
Création des identifiants des lisières sous Excel
ƒ
Importer la table attributaire sous Excel et utiliser les formules de Claude
Monteil. Explication ci-dessous :
« Une colonne IDautoPrec est destinée à récupérer l'identifiant du segment
précédent au sein de la polyligne du bois courant et la fonction
RechercheV, utilisée comme critère de recherche de la première colonne
ĚĞůĂdĂďůĞŵĞŶƚŝŽŶŶĠĞƉĞƌŵĞƚĚ͛ŝĚĞŶƚŝĨŝĞƌla colonne XY fin, qui doit être
en tête et renvoie la valeur correspondante de la quatrième colonne de la
table c'est-à-dire ů͛ID de la ligne (ID_Line)͘/ůƐ͛ĂŐŝƚĚŽŶĐĚĞ rechercher pour
un segment donné celui qui le précède immédiatement. Enfin pour
récupérer la numérotation qui nous intéresse une autre colonne est
nécessaire (NumLine) contenant le rang de la ligne (segment) au sein de la
polyligne (bois).
>ĂĨŽƌŵƵůĞƵƚŝůŝƐĠĞƉĞƌŵĞƚĚ͛associer la position 1 à la première ligne d'un
nouveau bois et si ce n'est pas le cas, de récupérer la position de la ligne
précédente auquel on ajoute 1.
Une fois les informations récupérées de la colonne NumLine, un tri sur ce
ĐŚĂŵƉ Ğƚ ů͛ID bois permet de récupérer l'ordre voulu (la formule utilisée
suppose que la table soit déjà triée par ordre de bois croissant) ».
ƒ DŽĚŝĨŝĞƌ ůĂ ĨŽƌŵƵůĞ ƉŽƵƌ ƋƵ͛ĞůůĞ ƉƵŝƐƐĞ ĨŽŶĐƚŝŽŶŶĞƌ ĂǀĞĐ ůĞ ŶŽŵďƌĞ Ŷ ĚĞ
lignes :
ƒ Matrice Table : $A$1 $K$100 valeur à modifier
ƒ Table ID : $D$1$K$100 valeur à modifier
Numérotation du bois 1
Numérotation du bois 2
65
Exportation de la table Excel sous ArcGIS et modification
des identifiants qui posent problème
ƒ
ƒ
ƒ
ƒ
Dans la couche lisière rajouter [Num line]
Exporter la couche lisière en Lisière_num pour rendre permanent la jointure
Supprimer les champs inutiles
Créer [ID line] = [ID bois] & ͚͛ͺ͚͛Θ΀EƵŵůŝŶĞ΁
!! Des lisières peuvent poser problème à cause de deux bois qui se touchent en un sommet !!
ƒ
66
Modification de la numérotation de ces lisières manuellement.
Calculs
des
Variables
des
segments
de
lisières
67
Orientation Cardinale :
ƒ
ƒ
ƒ
Création Ě͛ƵŶ champ [OC] (type texte réel double):
Utiliser le script ƋƵĞũ͛Ăŝmodifié > Get_OC
Vérifier par symbologie et créer 9 classes (tableau ci-dessous)
(2 fois Nord, p7 du rapport)
Tableau de classification pour la symbologie des OC
Classes
Etiquettes légende
[O-22.5]
1= NORD
] 22.5 -67.5]
2= NORD-EST
] 67.5-112.5]
3=EST
] 112.5-157.5]
4=SUD-EST
] 157.5-202.5]
5=SUD
] 202.5-247.5]
6=SUD-OUEST
] 247.5-292.5]
7=OUEST
] 292.5-337.5]
8= NORD-OUEST
] 337.5-360]
9= NORD
- Résultat : Couche lisière avec le champ Orientation Cardinale 68
Orientation Pente :
ƒ
Utilisation du script Perpendiculaire en Python :
Utiliser le logiciel Python et modifier le chemin de la couche polyligne
Paramétrer :
Angle = 90
Distance = 50
Sortie : cƌĠĂƚŝŽŶĚ͛ƵŶĨŝĐŚŝĞƌ.txt
!! ^ŝŵĞƐƐĂŐĞĚ͛ĞƌƌĞƵƌ͕ƵƚŝůŝƐĞƌůĂĨŽŶĐƚŝŽŶDƵůƚŝƉĂƌƚƐƵƌĐŽƵĐŚĞůŝƐŝğƌĞ- OS - num !!
!! Si malgré cette opération le script ne fonctionne pas essayer sur un autre ordinateur !!
ƒ
Importation du fichier .txt sous ArcGis :
Arc Toolbox > Create Features Form Txt file
Decimal separateur : « . »
!! Définir la projection !!
Vérifier la table attributaire et rajouter la longueur, le script a créé des
perpendiculaires au format Z :
Convertir les polylignes Z en polyligne
Et GeoWizards : Convert > Shape Z to shape
69
ƒ
Préparation des transects extérieurs pour les lisières fusionnées
Couper les perpendiculaires en leur milieu
Et GeoWizards : Polylign > Split polyligne > Option 2 parties égales
Convertir des lignes en point milieu
Et GeoWizards : Convert > line to point > Option middle
Création des champs au format entier long :
Sur les 2 couches, point et perpendiculaire
Utiliser les scripts X premier etc.
[XDeb], [YDeb], et [XDeb « &_& »YDeb]
!! Ne pas conserver pour les points les champs [ETx],[ ETy] !!
ƒ
70
Mettre tous les transects dans le bon sens
Jointure sur perpendiculaire pour rapatrier les champs de la couche point
Requête : XYDeb_perpend = XYDeb_point
Inverser la sélection
Appliquer le script inverse polyligne.cal sur la sélection
Vérifier en mettant à jour les champs
Création de point station de distance : 0.5
Exporter les points = 0.5
ƒ
71
ƒ
Conserver les ƉĞƌƉĞŶĚŝĐƵůĂŝƌĞƐƐŝƚƵĠĞƐăů͛ĞdžƚĠƌŝĞƵƌĚĞƐďŽŝƐ :
Sélection par entité :
Perpend_bon_sens
Intersectent
Pt_ext_bois à 0.5
4921 lisières sélectionnées
ƒ
Création des transects de longueur 40 m :
Créer les points de station à 40 m
Relier les points de station en ligne
Et GeoWizards : point to polylign
Vérifier le sens avec la symbologie
Extraire des informations sur Z :
Sur les couches lisiere et transect
Et GeoWizards > Polyline > Get z characteristics
Création de 2 champs :
Dénivelé monté ʹ dénivelé descente
Up ʹ Down Transect Up_Down_T
Up ʹ Down Lisière Up_Down_L
Copier ces 2 champs dans 2 autres champs, en multipliant les valeurs
négatives par -1 pour ne plus avoir de signe négatif :
Sélectionner les valeurs négatives par une requête < 0 et les multiplier la
sélection par - 1
Faire une jointure spatiale pour importer les informations sur les lisières OC
transect vers la couche lisière
ƒ
Création du champ [OP] : (type texte).
!! Attention tolérance de 1m !!
ƒ
Sens de pente : Si Pente Lisière > Pente Transect ou Transect = 0
Table attributaire (couche lisière) : Option
Sélectionner selon les attributs
"Up_Down_LP" > "Up_Down_TP" OR "Up_Down_TP" <=1
Calcul du champ [OP] : sélection ='Sens'
ƒ
Haut de pente : Tjrs sur la table lisière sur le champ transect Down ʹ Up
Dans mon cas toutes les valeurs - = la pente descend
Donc requête : "Up_Down_T" > 0 AND NOT "OSP"
Calcul du champ [OP] : sélection ='Bas'
ƒ
Bas de pente : Dans mon cas toutes les valeurs + = la pente monte
Donc requête : "Up_Down_1" > 0 AND NOT "Orien_Pen"
Calcul du champ [OP] : sélection ='Haut'
- Résultat : Couche lisière avec le champ orientation pente -
72
Calcul interface :
73
ƒ
Revenir sur la couche lisière avant la fusion - OS Vérifier le sens.
ƒ
Construire à nouveau des transects de 40 m sur les lisières non fusionnées en
ƌĞƉƌĞŶĂŶƚůĞƐĠƚĂƉĞƐĚĠĐƌŝƚĞƉŽƵƌů͛KW : Utilisation du script python etc. ũƵƐƋƵ͛ă
ů͛ĠƚĂƉĞ : « Extraire des informations sur Z »
ƒ
Récupérer les points de station de 40 m
Jointure spatiale >
Entité cible couche : Pt_40m et
Entité jointe Couche : Occup_Guidos_generalisé
ƒ
Faire une intersection ĞŶƚƌĞůĞƐƉŽŝŶƚƐƐŝƚƵĠƐăϰϬŵĞƚů͛ŽĐĐƵƉĂƚŝŽŶĚƵƐŽů
généralisée.
ƒ
Création du champ [OS] et faire plusieurs jointures afin de rapatrier toutes les
informations sur la couche lisière.
ƒ
Vérifier la table attributaire et récupérer toutes les informations nécessaires
pour le tableau final.
Création
du
Tableau
sous
Excel
74
ƒ
ƌĠĂƚŝŽŶĚ͛ƵŶƚĂďůĞĂƵĐƌŽŝƐĠĚLJŶĂŵŝƋƵĞăƉĂƌƚŝƌĚĞůĂĐŽƵĐŚĞlisière :
Insertion > tableau croisé dynamique
ƒ
ƒ
Copier le tableau croisé dynamique sur une autre feuille
Sélection et Suppression des cellules vides :
F5 > Cellules > Cellules vides
Supprimer > Supprimer les cellules > Décaler les cellules vers la gauche
ƒ
Pour trier :
Copier le champ Id_Lisière puis
Données > Convertir > « _ »
Puis Trier et filtrer > Personnalisé
Sur les champs [ID] et [lisière]
ƒ
Pour importer le tableau sous Access :
!! Si message " impossible de définir un champ plus d'une fois " !!
La longueur des noms des champs sous Access fait 10 maxi, donc réduire le
nom des champs ŽƵůĞƐŵŽĚŝĨŝĞƌƐ͛ŝůƐĂƉƉĂƌĂŝƐƐĞŶƚƉůƵƐŝĞƵƌƐĨŽŝƐ
Ouvrir le tableau .xlsx sous Access
Enregistrer la table pour la modifier
^ƵƉƉƌŝŵĞƌůĞƐĐŽůŽŶŶĞƐŝŶƵƚŝůĞƐĐƌĠĠĞƐĂƉƌğƐů͛ĞdžƉŽƌƚĚ͛džĐĞů
Clic droit sur le tableau > Export > Fichier dbase > dbase IV
75
Dictionnaire des variables :
Tableau 1 : Lisières
Nom du champ
Signification
OSP
OCM
Numéro unique de la lisière fusionnée (concaténation du numéro de
lisière et du bois)
Numéro unique du bois
Dénivelé total en monté pour la lisière
Dénivelé total en descente pour la lisière
Dénivelé total en monté pour le transect
Dénivelé total en descente pour le transect
Longueur de la lisière en prenant en compte le relief
Longueur de la lisière "la plus courante", pas de prise en compte du
relief
Orientation Sens de Pente
Orientation Cardinale Majoritaire
Occup_1
Occupation du sol de la première portion de lisière (la plus longue)
Longueur_1
Longueur de la première portion de lisière qui correspond à
l'occupation du sol adjacente
Occup_2
Occupation du sol de la deuxième portion de lisière (la deuxième
plus longue)
Longueur_2
Longueur de la deuxième portion de lisière qui correspond à
l'occupation du sol adjacente
Occup_3
Occupation du sol de la troisième portion de lisière (la troisième
plus longue)
Longueur_3
Longueur de la troisième portion de lisière qui correspond à
l'occupation du sol adjacente
Occup_4
Occupation du sol de la quatrième portion de lisière (la plus petite)
Longueur_4
Longueur de la quatrième portion de lisière qui correspond à
l'occupation du sol adjacente
ID_Lisiere
ID_Bois
H_Up_Lisiere
H_Down_Lisiere
H_Up_Transect
H_Down_Transect
Longueur_3D
Longueur_2D
Unité
Mètre
Mètre
Mètre
Mètre
Mètre
Mètre
Degré
Mètre
Mètre
Mètre
Mètre
Tableau 2 : Bois
Nom du champ
Signification
ID_Bois
Numéro unique du bois
Nbr_lisiere
Surface_bois
Surface_bois
Long_lisiere/bois
Nombre de lisières par bois
Surface de chaque bois en hectare
Surface de chaque bois en mètre carré
Longueur des lisières de chaque bois (périmètre bois)
76
Unité
Ha
m2
Mètre
Extrait du tableau des bois :
77
78
Extrait du tableau des lisières :
Script Orientation Cardinale :
'=============================================
'polyline_Get_OC.cal
'Auteur: Ianko Tchoukanski modifié par Philippe Espy
'=============================================
On Error Resume Next
Dim pCurve As ICurve
Dim pLine As ILine
Dim dLength As Double
Dim dAngle As Double
Dim dDistance As Double
Dim bAsRatio As Boolean
Dim Pi As Double
'=======================
'adjust the parameters bellow
dDistance = 0.5
bAsRatio = True
'========================
Pi = 4 * Atn(1)
If (Not IsNull([Shape])) Then
Set pCurve = [Shape]
If (Not pCurve.IsEmpty) Then
Set pLine = New esriGeometry.Line
dLength = pCurve.Length
pCurve.QueryTangent 0, dDistance, bAsRatio, dLength, pLine
dAngle = pLine.Angle * 360 / (2 * Pi)
if (dAngle < 90)then
dAngle = 90 - dAngle
else
dAngle = 450 - dAngle
end if
dAngle = dAngle - 90
If (dAngle < 0) then
WĂƌƚŝĞĚƵƐĐƌŝƉƚƋƵĞũ͛ĂŝĂũŽƵƚĠ͘
dAngle =dAngle + 360
else
dAngle = dAngle
End If
End If
End If
79
Table des matières
Introduction .............................................................. 2
PARTIE I : CADRE CONTEXTE & DEMARCHE DU PROJET
1. Contexte du stage................................................................................. 3
ϭ͘ϭ>͛/ŶƐƚŝƚƵƚEĂƚŝŽŶĂůĚĞůĂZĞĐŚĞƌĐŚĞŐƌŽŶŽŵŝƋƵĞ .................................................... 3
1.2 UMR DYNAFOR .......................................................................................................... 4
ϭ͘ϯdŚğƐĞĚ͛͘ůŝŐŶŝĞƌĞƚů͛ĂƉƉĞůĚ͛ŽĨĨƌĞZdK>/^ ........................................................ 4
2. Etat de la littérature sur les lisières, segments et métriques ................. 6
2.1 Détecter les lisières à partir de données de télédétection aéroportée ou
satellitaire ........................................................................................................................ 6
2.2 Métriques de tache .................................................................................................. 7
2.3 Segment de lisière .................................................................................................... 7
3. Attendus et cahier des charges du stage ............................................... 9
3.1 Objectif du stage et démarche adoptée ................................................................... 9
3.2 La géomatique dans un laboratoire de recherche ................................................. 10
ϰ͘ŶĂůLJƐĞĚĞů͛ĞdžŝƐƚĂŶƚĞƚĚĞƐĂĐƋƵŝƐ ......................................................11
4.1 Acquis méthodologiques ........................................................................................ 11
ϰ͘Ϯ>ĞƐŝƚĞĚ͛ĠƚƵĚĞ ........................................................................................................ 11
ϰ͘ϯ>͛ĞdžŝƐƚĂŶƚƐƵƌůĞƐŽƵƚŝůƐĚĞŐĠŽŵĂƚŝƋƵĞ .................................................................. 13
5. Elaboration de la méthode à deux échelles différentes .......................14
5.1 Compréhension de la méthode sur une zone test ................................................. 14
5.2 Déroulement de la méthode sur une zone de large étendue ................................ 15
PARTIE II : METHODE PRODUITE
1. Identification des lisières dans le paysage ...........................................16
1.1 Localisation des lisŝğƌĞƐăů͛ĂŝĚĞĚĞ'h/K^ ........................................................... 16
1.2 La fonction de généralisation pour simplifier les polygones ................................. 19
2. Création des segments de lisières ........................................................21
2.1 Le vecteur polyligne : choix de représentation spatiale des lisières ...................... 21
80
2.2 Conversion des polygones ...................................................................................... 22
2.3 Identifiant unique et numérotation des lisières .................................................... 23
3. Caractérisation des segments de lisières .............................................25
3.1 Orientation Cardinale ............................................................................................. 25
3.2 Orientation par rapport à la Pente ......................................................................... 25
3.3 Occupation du Sol voisine ...................................................................................... 28
4. Formalisation et représentations graphiques des données ..................31
4.1 Création du tableau synthétique............................................................................ 31
ϰ͘ϮZĞĐŚĞƌĐŚĞĚ͛ƵŶĞƐĠŵŝŽůŽŐŝĞŐƌĂƉŚŝƋƵĞ ................................................................. 32
PARTIE III ͗D/^EVhsZΘ>/Zd/KE
1. Résultats obtenus ................................................................................35
ϭ͘ϭ͛ƵŶƉŽŝŶƚĚĞǀƵĞŐĠŽŵĂƚŝƋƵĞ................................................................................ 35
ϭ͘Ϯ͛ƵŶƉŽŝŶƚĚĞǀƵĞĠĐŽůŽŐŝƋƵĞ ................................................................................. 39
Ϯ͘>͛ĂŶĂůLJƐĞĚĞƐĞŶƐŝďŝůŝƚĠ ........................................................................40
2.1 Sur le paramétrage de GUIDOS .............................................................................. 40
2.2 Sur le paramétrage de la généralisation ................................................................. 41
3. Artefact sur la variable OC ...................................................................44
3.1 Observation : pic et test ......................................................................................... 44
3.2 Identification du biais et explications .................................................................... 45
3.3 Solutions envisagées .............................................................................................. 46
4. Confrontation des résultats de la méthode avec une observation sur le
terrain .....................................................................................................47
4.1 Préparation terrain ................................................................................................. 47
4.2 Résultats de confrontation ..................................................................................... 48
PARTIE IV : CONCLUSION & BIBLIOGRAPHIE
1. Discussion et perspective ....................................................................50
2. Bilan personnel ...................................................................................51
3. Bibliographie .......................................................................................52
PARTIE V : ANNEXES
81