les images satellites spot multi-dates et la métrique spatiale dans l’étude du changement urbain...

Cybergeo : European Journal of Geography

Systèmes, Modélisation, Géostatistiques

Grzegorz SKUPINSKI, Dong BINHTRAN et Christiane WEBER

Les images satellites Spotmulti-dates et la métrique spatiale

dans l’étude du changementurbain et suburbain – Le cas de la

basse vallée de la Bruche(Bas-Rhin, France)

Twenty years of land use land cover changes using Spot images serie

and spatial metric - The sub-urban Bruche valley (Bas Rhin France)

[@article] 439

RÉSUMÉ/ABSTRACT

L’étude des changements urbains et périurbains représente un enjeu important pour les collectivités territoriales notamment dans

des zones à risque (ici inondation) et représentant un potentiel écologique. La basse vallée de la Bruche (Bas-Rhin, France) est une

vallée de plus en plus urbanisée sous la pression de Strasbourg. Le suivi des processus de peuplement a été réalisé sur une

période de 20 ans afin d’identifier les phases d’urbanisation et leurs conséquences. L’utilisation conjointe d’images Spot multi-dates

acquises en 1986, 1996 et 2005 et d’une « métrique spatiale » a permis de dégager les formes principales de l’évolution de

l’occupation du sol pendant cette période et d’obtenir la caractérisation des changements paysagers induits. Les résultats obtenus

mettent en évidence une tendance à la densification et à l’étalement du processus d’urbanisation dans cette vallée accompagnée

d’une modification profonde des paysages. Après un rappel sur le suivi des modifications de l’occupation du sol, les

développements réalisés sur les trois images sont présentés ainsi que l’application de diverses métriques paysagères. La

description des résultats obtenus est suivie d’une discussion qui replace cette approche combinée dans une perspective plus vaste.

The study of urban and peri-urban change represents a major challenge for local authorities, especially in areas at risk (ex. flood) and

representing an ecological potential. The Bruche lower valley (Bas-Rhin, France) is increasingly urbanized under pressure from

Strasbourg. The monitoring of settlement process was achieved over a period of 20 years to identify the phases of urbanization and

their consequences. The multi-temporal remote sensing images of Spot acquired in 1986, 1996 and 2005 and "Spatial metric" were

jointly used to identify the main forms of evolution of land-cover during this period and to characterize the landscape changes. The

results highlight a trend of increasing density and sprawl process in the valley accompanied by a significant change of the landscape

structure. The paper is structured in four sections. First, related works on monitoring of land-use/cover are exposed. Second, image

processing are presented and the application of various landscape metrics. Third, the description of results is detailed. Finally,

conclusion and perspective approaches are discussed.

PLAN

Introduction

Etat des connaissances : Images satellites, métriques paysagères et mesure du changement urbain et

périurbain

Approche du changement de l’occupation du sol à partir des images satellites multi-dates

Approche de la métrique paysagère

Zone d’étude

Données disponibles et prétraitements

Développements méthodologiques

Détection des changements

Les images satellites Spot multi-dates et la métrique spatiale dans l’étud... http://cybergeo.revues.org/21995

1 sur 20 10/03/2011 13:18

Indices du paysage

Résultats et discussions

Classification

Evolution de classes

Identification des classes dynamiques et des changements du paysage

Tissu urbain

Zones industrielles et commerciales

Végétation arborée

Conclusions et perspectives

TEXTE INTÉGRALPDF

Introduction

Le suivi des processus de peuplement (urbanisation et périurbanisation) et de l’évolution de la structure

du paysage permet d’identifier les différentes phases d’urbanisation et les modifications paysagères

induites. En effet, l’étude des changements de la forme du paysage constitue une étape importante

dans la compréhension des conséquences écologiques induites par ces processus, tant dans les

fonctions que dans les processus écologiques eux-mêmes (Weng, 2007). De plus ces changements

perturbent l’ensemble des propriétés de l’écosystème et ses fonctions, telles que les cycles

biogéochimiques et le maintien de la diversité des espèces (Savard et al., 2000). Dans un contexte

urbain ou périurbain, l’étude des changements du paysage et leurs conséquences sur les écosystèmes

se résume en partie à des effets de fragmentation de la flore, de la faune et de l’habitat selon un

gradient centre-périphérie (Bastin et Thomas, 1999 ; Mortberg, 2001 ; Olff et Ritchie, 2002).

1

L’observation des changements du paysage urbain et périurbain 1 au cours du temps permet d’estimer

la nature des processus naturels et anthropiques en jeu et d’en évaluer les enjeux de gestion des

ressources naturelles et des territoires. Le suivi de ces changements est effectué depuis une vingtaine

d’années à partir de données satellites (Landsat MSS, TM, ETM, Spot, Ikonos, Quickbird, etc.) grâce à

leurs résolutions spatiales, spectrale et temporelle de plus en plus performantes.Quant à l’utilisation

conjointe de la télédétection et de la métrique paysagère 2(Macgarigal et Barbara, 1994) elle ne s’est

répandue que récemment pour l’étude des changements du paysage urbain et périurbain (Dietzel et al.,

2005 ; Herold et al., 2002, 2003, 2004 ; Leitão et al., 2006 ;Weng, 2007,). En effet, la métrique

paysagère permet d’aborder des paysages complexes et de les rendre identifiables et quantifiables et

favorise aussi la révélation de propriétés de l’écosystème non observables a priori (Antrop et Eetvelde,

2000). La métrique paysagère ou métrique spatiale est une mesure de la forme et de la distribution

des structures spatiales (ou éléments comme la végétation) appliquée initialement dans l’étude de

l’écologie du paysage (Gustafson, 1998 ; McGarigal et al., 2002). Cet outil méthodologique autorise

ainsi la mesure du changement d’autres formes du paysage, notamment en fonction du niveau

d’urbanisation (Luck et Wu, 2002) ainsi que celle de la dynamique temporelle de ces changements

(Dietzel et al., 2005 ; Herold et al., 2003). Cependant, le potentiel de telles analyses quantitatives

dépend fondamentalement des données géographiques disponibles, notamment les données spatiales

(cartographique, photographique ou satellite) et de la résolution spatiale des données utilisées.

2

L’objectif de ce travail est d’identifier, de caractériser et de quantifier les modifications paysagères

qu’entraîne l’avancée du front d’urbanisation à l’ouest de Strasbourg sur une durée de 20 ans environ

entre 1986 et 2005 à partir des images satellites et d’indices de métrique paysagère. Comme toutes les

agglomérations régionales, Strasbourg subit à la fois un étalement urbain contraint par le relief, les

caractéristiques hydrologiques (zones humides, remontée de nappe, eaux de surface etc.) et le

processus de renouvellement urbain interne. La pression foncière actuelle pousse de plus en plus les

localités à favoriser le développement de lotissement ou de modification des PLU dans des zones

jugées antérieurement sensibles notamment aux inondations. La basse vallée de la Bruche constitue un

élément essentiel à la fois de la richesse environnementale de la zone, mais aussi des risques

d’inondation qu’encoure la population notamment à la confluence avec l’Ill.

3

Cet article vise en particulier à répondre à diverses questions concernant : les transformations du4


2 sur 20 10/03/2011 13:18

Etat des connaissances : Images satellites,métriques paysagères et mesure du changementurbain et périurbain

Approche du changement de l’occupation du sol à partirdes images satellites multi-dates

paysage sur cette période et leurs caractéristiques, la description du processus d’urbanisation dans

cette vallée proche de Strasbourg (dynamique et intensité) et l’intérêt des informations paysagères en

tant que complément à l’étude usuelle de celui-ci à partir de données satellites. Il est structuré en quatre

parties. Après l’introduction, nous rappelons l’état des connaissances sur le sujet. Les méthodes

utilisées sont ensuite abordées. Les résultats et les points de discussion sont présentés dans la

troisième partie. La dernière partie propose des points de conclusion et des perspectives.

La question cruciale de cette étude est « Comment identifier et quantifier le changement spatio-temporel

du paysage urbain et périurbain à partir des données satellites ? ». Deux types de méthodes sont

utilisés afin de déterminer les changements entre différents types d’occupation du sol et entre

différentes formes du paysage : le traitement d’images satellites multi-dates et l’application de la

métrique paysagère.

5

Les données satellites, à l’heure actuelle, deviennent un outil incontournable pour la planification et

l’aménagement du territoire en raison de la périodicité des prises de vue et de résolutions spatiales de

plus en plus performantes. Les résolutions spatiale et temporelle jouent un rôle important dans

l’identification des modifications de la surface terrestre (Ridd et Liu, 1998). Le suivi de la croissance des

espaces urbanisés impose une connaissance périodique de l’occupation du sol. Les techniques de

détection de changement (soustraction d’images, corrélation, rectification spatiale etc.) sur les images

numériques ont été mises en œuvre par Lillestrand dès 1972. Elles intègrent les techniques du

traitement de données satellites : correction radiométrique, géométrique, classification et extraction des

formes, etc. (Ashbindu, 1989). Elles permettent de déterminer l’évolution du périmètre de la ville

(contenant) et le « taux de remplissage » de la ville (contenu).

6

La détermination de l’évolution du périmètre de la ville (contenant) repose sur le changement de la

couverture végétale et sur les rapports de densité entre l’affectation urbaine et rurale. Certains critères

permettent de définir le périmètre d’agglomération sur l’image satellite, tels que la variation nette dans la

densité de l’habitat, le desserrement du réseau de voies de communication, le changement dans

l’affectation du sol, etc. La détermination du « taux de remplissage » de la ville (contenu) à partir des

données satellitaires requiert souvent la prise en compte de deux critères essentiels : la taille du pixel (la

résolution spatiale au sol) et l’hétérogénéité de l’espace. La croissance urbaine procède ainsi à la fois

par une densification de l’occupation du bâti existant et par l’extension des limites du bâti plus ou moins

continu. La détection des changements d’occupation du sol est un processus fondé sur l’identification

des différences d’état d’objets ou de phénomènes à travers des observations à des moments différents

(Singh, 1989). La situation idéale est bien entendu de pouvoir utiliser des images obtenues par le même

capteur avec la même géométrie d’observation et à des dates similaires d’acquisition (Lillesand et al.,

2004). Cela permet de minimiser les erreurs provoquées par les variations saisonnières et l’angle

solaire.

7

Il existe de nombreuses méthodes pour la détection de changements comme l’analyse de la différence

entre images (Ballut et Nguyen, 1984 ; Ridd et Liu, 1998), la soustraction d’images (Fung, 1990 ; Zhang

et al., 2002), l’étude des modifications de la morphologie urbaine (Baudot, 1994 ; Dureau, 1990 ;

Terrettaz, 1998), les indices de différence végétale (Masek et al., 2000), le seuillage d’images (Fung,

1990), l’usage de filtre de passe-haut (Fung, 1990 ; Kwarteng et Chavez, 1998), l’analyse en

composantes principales, l’application des réseaux neuronaux (Chen et al., 2004), la régression (Ridd

and Liu, 1998), la classification spectrale/temporelle (Xiao et al., 2005 ; Yin et al., 2005 ; Zhang et al.,

2002), la comparaison post-classification (Yang et Lo, 2002) ou encore l’approche orientée-objet (He et

8


3 sur 20 10/03/2011 13:18

Approche de la métrique paysagère

al., 2005).

Le choix d’une méthode plutôt qu’une autre pour détecter des changements d’occupation du sol n’est

pas évident. La sélection dépend, entre autres, du paysage, des types de changements et des

résolutions spatiales et temporelles des données à utiliser. Parmi les méthodes existantes, la

comparaison post classification s’avère souvent la plus appropriée pour un inventaire notamment dans le

cadre de la constitution d’une base de données, sans objectif de simulation d’une situation future. Nous

utilisons cette méthode pour notre travail, tout en sachant que l’efficacité de cette méthode est basée

sur la qualité de la classification des images.

9

Cette approche a été développée plus particulièrement en écologie du paysage, dans les années 1980

à partir de la théorie de l’information et de la géométrie fractale (Mandelbrot, 1975 ; McGarigal et

Barbara, 1994 ; Herold et al., 2004). Les mesures sont calculées sur les taches du paysage (patch,

ensemble) définies comme des zones homogènes d’un paysage spécifique (par exemple : sols

agricoles, zone industrielle, parc, etc.). Elles facilitent la quantification de l’hétérogénéité spatiale des

taches ou d’un ensemble de taches appartenant à une classe. Les métriques paysagères (ou indices)

se déclinent selon Antrop et al (2000) en deux familles aux objectifs distincts : la caractérisation

d’attributs additionnels pour la classification des types de paysage ou l’extraction d’indicateurs de

changement ou de perturbations du paysage. Comme le soulignent Herold et al (2003) « spatial metrics

can be defined as quantitative and aggregate measurements derived from digital analysis of thematic-

categorical maps showing spatial heterogeneity at a specific scale and resolution ». L’usage des

métriques spatiales peut ainsi être appliqué pour des analyses multi-échelles et multi-temporelles

permettant une extraction des changements fondée sur les modifications du couple

homogénéité/hétérogénéité spatiale. Trois échelles d’analyse emboîtée du paysage peuvent être

distinguées, selon (McGarigal, (2002) : des indices de surface, bordure ou forme peuvent être définis

pour chaque composant du paysage ou noyau (patch-level), des indices définis pour des groupes d’un

même type, analysant des propriétés additionnelles résultant de la configuration spatiale du type (class-

level) comme la distance moyenne peuvent compléter l’information et enfin des indices calculés sur

l’ensemble du paysage, par l’analyse de propriétés additionnelles résultant de la configuration spatiale

de tous les composants (landscape-level) comme la diversité peuvent être calculés. Ces indices sont

déterminés selon des logiques spatiales spécifiques liées soit à l’élément unitaire ou à un groupe à

partir duquel sont calculées les relations entre éléments : l’isolement, la proximité, le contraste, la

contagion, l’entremêlement (interspersion), la connectivité ou la diversité.

10

Il existe de nombreux indices calculés à partir de données spatiales, notamment satellites que se soit au

niveau du pixel (pixel-based, comme la contagion ou la lacunarité) calculés pour tous les pixels d’une

tache (Gustafson, 1998) ou au niveau de la tache (ensemble de pixels) (patch-based, comme la taille, la

forme, la longueur de la bordure, la densité de tache ou la dimension fractale).

11

Appliqués aux espaces anthropisés, diverses stratégies sont développées : l’analyse de gradientbasée

sur la tache permet à Weng (2007) de révéler les effets de l’urbanisation sur les formes de paysage.

(Antrop et al, 2000) utilisent les photos aériennes et les métriques paysagères pour étudier le paysage

suburbain à la ville de Ghent, Belgique. Quant à Herold (2003), ils mettent en valeur des applications

plus complexes, intégrant la télédétection, les métriques spatiales et les modèles de croissance urbaine

dans le suivi et la planification urbaine à Santa Barbara, Californie. Tous soulignent cependant la

sensibilité des métriques paysagères à la qualité de données utilisées, aux méthodes employées

(classification et interprétation) et à la complexité et l’hétérogénéité du paysage. Outre ces limites,

(Herold et al, 2004) soulignent aussi des problèmes d’application de ces métriques spatiales concernant

la précision thématique, la sélection des métriques et la définition du domaine spatial de l’étude.

12

La précision spatiale est donc, dans une telle approche, un des problèmes les plus importants. Plus elle

est élevée et plus la structure du paysage a une hétérogénéité forte. La précision thématique est liée à

la précision de la classification. Une précision thématique trop importante peut conduire à une perte

d’identité des paysages, en accentuant des structures homogènes non caractéristiques. La sélection

des métriques, pose ainsi un certain nombre de questions car chacune relève d’une signification

spécifique selon le contexte. La définition du domaine spatial représente finalement un problème tout

aussi crucial car elle concerne à la fois la subdivision spatiale de la zone d’étude (limite administrative,

13


4 sur 20 10/03/2011 13:18

Zone d’étude

Données disponibles et prétraitements

Tableau 1 : Caractéristiques des images SPOT utilisées

parcelle, etc.) et l’unité spatiale du calcul (grille de calcul des cellules, fenêtre quadratique ou kernel à

appliquer).

La zone d’étude est concentrée sur la quasi-totalité de la basse vallée de la Bruche située à l’ouest de

l’agglomération strasbourgeoise, regroupant administrativement sept communes (ou parties de) :

Achencheim, Eckbolsheim, Entzheim, Hangenbieten, Holtzheim, Lingolsheim, Obershaeffolsheim,

Wolfisheim (Figure 1). Elle constitue un ensemble de communes de l’agglomération et de sa couronne

proche et couvre environ 3650 hectares. La basse vallée de la Bruche est au centre d’enjeux

économiques, écologiques et humains particulièrement forts. L’attractivité des communes placées le

long de cette vallée provoque une extension des surfaces bâties dans une zone sensible aux inondations

surtout dans les zones de peuplement à proximité de Strasbourg comme Eckbolsheim, Entzheim ou

Lingolsheim 3. La figure 1 illustre cette zone avec à l’est les quartiers de Strasbourg et les réseaux

routiers et autoroutiers qui irriguent les communes périphériques et au centre une zone semi-agricole

inondable malgré le canal de dérivation de la Bruche, ce qui explique une densité plus forte au nord du

canal qu’au sud, zone de méandres de la Bruche.

14

Figure 1 : Découpage de la zone d’étude

15

Les principales sources de données utilisées dans cette étude sont trois images multispectrales Spot

(tableau 1) et des données ancillaires (cartes, orthophotos IGN et relevés terrain). Les compositions de

fausse couleur des trois images sont présentées sur la figure 2.

16

Image Date

d’acquisition

Résolution spectrale Résolution

spatiale

Spot 1 HRV2 28 juin 1986 0.50-0.59 µm 0.61-0.68 µm 0.79-0.89 µm 20m

Spot 3 HRV2 22 juillet 1996 0.50-0.59 µm 0.61-0.68 µm 0.79-0.89 µm 20m

Spot 5

HRG2

3 juin 2005 0.50-0.59 µm 0.61-0.68 µm 0.79-0.89 µm 1,58-1.75

µm

10m

17


5 sur 20 10/03/2011 13:18

Figure 2 : Images Spot utilisées pour la classification

Développements méthodologiques

Détection des changements

La période d’acquisition des images paraît très importante dans l’étude des changements du paysage à

partir des données satellitaires.(Jensen, 1983) a constaté que les images prises pendant les mois

ensoleillés présentent un très bon contraste entre objets urbains et non-urbains et l’utilisation des

images acquises dans la même période de l’année pour l’étude diachronique peut réduire les problèmes

liés aux différences d’angles solaires, au changement phénologique de la végétation et à la différence

d’humidité des sols. Les images utilisées pour cette étude sont cohérentes en termes de période

d’acquisition ensoleillée (en juin et en juillet) et de hauteur du soleil (très peu décalée, entre 58° et 62°).

Ces images n’ont pratiquement pas de couvert nuageux. Ces paramètres physiques permettent de

considérer que les ombres portées sont négligeables et les conditions d’acquisition d’images sont

similaires.

18

Le thème principal de notre étude est axé sur l’évolution du front urbain dans la vallée de la Bruche entre

les trois dates de 1986, 1996 et 2005. L’espace urbain, par sa nature très hétérogène, se complexifie

par la présence au sol d’objets différents dans leur forme, direction, taille, matériaux et de dimension

très variée selon le type d’habitat. A cette complexité s’ajoutent les contraintes inhérentes à la taille du

pixel. En effet, la résolution varie entre 20 m (pour les images 1986 et 1996) et 10 m (pour l’image

2005). La combinaison des textures et structures dans les images disponibles permet d’extraire des

types urbains similaires grâce à la densité des constructions et la nature de celles-ci. Cependant, les

sols nus qui présentent une forte réflectance, peuvent induire des confusions avec les zones

industrielles, les quartiers résidentiels ou encore les zones en construction lors de l’interprétation, voire

de l’extraction automatique.

19

L’analyse diachronique passe par la comparaison d’images entre elles. Afin de pouvoir combiner et

comparer ces images, deux opérations sont nécessaires : le recalage géométrique et la calibration

radiométrique. Le recalage géométrique réduit les déformations spatiales et amène l’image dans une

projection cartographique commune. Les trois images disponibles sont recalées géométriquement avec

une erreur très faible inférieure à un pixel. Les conditions d’acquisition de ces images étant similaires, la

variation diachronique des réflectances entre les mêmes objets sur les trois images a été considérée

comme négligeable et la calibration radiométrique n’a donc pas été nécessaire. Les différences de

résolution spatiales entre les images utilisées ont été homogénéisées par agrégation spatiale des pixels

de l’image de 2005 à une résolution de 20m pour le calcul des métriques spatiales.

20

Avant l’identification des changements, la classification supervisée des images a été réalisée à partir21


6 sur 20 10/03/2011 13:18

Indices du paysage

d’un algorithme de maximum de vraisemblance. La mise en œuvre d’une classification supervisée

apparaît comme une longue chaîne de production d’informations qui prend en compte la définition des

classes, la sélection de zones d’entraînement bien distinctes, la généralisation et la validation des

résultats. La qualité de la classification supervisée dépend de la qualité et de la taille de zones

d’entraînement et de la résolution spatiale de l’image à classer (Chen 2002). L’évaluation d’une

classification est un concept complexe comprenant la référence à plusieurs critères et pouvant se

dérouler en plusieurs étapes (Caloz et Collet, 2001). L’idée principale consiste à déterminer cette

précision en comparant les résultats fournis avec des données issues de la vérité terrain. L’évaluation de

la classification est réalisée à l’aide d’objets (pixels, régions homogènes, polygones, etc.) de même

nature que ceux traités par la classification.

Deux indices issus de la matrice de confusion sont souvent utilisés pour la validation de la performance

des classifications : la précision globale (la proportion des pixels bien classés calculée en pourcentage)

et l’indice de Kappa (le rapport entre le nombre de pixels bien classés et le total des pixels sondés).

Cet indice de Kappa indique comment les données à classer s’accordent aux données de référence

(Congalton, 1991; Congalton et al., 1983). Il constitue une mesure fiable dans l’évaluation des

classifications thématiques (Gong et Howarth, 1990; Stehman, 1996), car il examine tous les éléments

dans la matrice de confusion. Ceci n’est pas le cas pour la précision globale, qui ne prend en compte

que les éléments situés sur la diagonale. Le Kappa est cependant sensible aux erreurs de commission

(Caloz et Collet, 2001).

22

Les trois images classées de la zone d’étude ont constitué la base des calculs de changements

d’occupation du sol : l’analyse de différences entre les trois images classées pour identifier les

changements de surface occupée par chaque classe et ensuite les échanges entre elles. La

présentation graphique des changements au sein de chaque classe a permis de détecter les zones

affectées par ces changements. Tous les traitements d’image ont été effectués sur le logiciel ENVI 4.3.

23

L’analyse du paysage effectuée à partir d’images classées permet d’avoir une information

supplémentaire des caractéristiques des changements du paysage. Bien que l’observation des résultats

puisse aboutir à la description des changements au sein des éléments du paysage, elle reste

difficilement identifiable en termes de forme paysagère, de fragmentation ou de renforcement. Les

calculs d’indices du paysage, basés sur un raisonnement systématique appliqué aux éléments de l’image

classée fournissent une vision plus riche du paysage.

24

La plupart des mesures quantitatives sont calculées à partir du logiciel FRAGTATS (McGarigal et al.,

2002). Nous utilisons dans cet article deux échelles d’analyse : la tache (avec des caractéristiques

unitaires) et l’arrangement spatial des taches adjacentes fondé sur les relations. Les métriques

paysagères suivantes sont employées :

25

Le nombre de composants (NP - Number of Patches) indique le nombre de composants individuels et

fournit une vision de la croissance de certains éléments paysagers. Il nous permet de savoir s’il y a des

créations de nouveaux pôles entre les diverses périodes temporelles considérées :

26

où n est le nombre de composants présents dans le paysage ;27

L’indice de forme du paysage (LSI - Landscape Shape Index) montre le rapport de la longueur totale de

bordure d’un espace sur le périmètre d’un carré ayant la même surface et permet de connaître la

compacité ou au contraire la fragmentation des éléments. LSI est égale à 1 quand un paysage est

composé d’un seul composant ou très compact de même type. La valeur augmente quand les

composants deviennent désagrégés :

28


7 sur 20 10/03/2011 13:18

Résultats et discussions

Classification

29

où ei est la longueur totale de bordure ;30

L’indice de forme du paysage normalisé (nLSI - normalised Landscape Shape Index), qui est une

version normalisée de l’indice LSI et fournit une mesure de l’agrégation des classes :

31

où ei est la longueur totale de bordure ; 32

L’indice de dimension fractale (FRAC - Fractal Dimension Index), qui reflète la complexité et la

fragmentation de la forme par la relation entre le périmètre et la surface varie entre 1, pour les formes

simples, et 2, pour les formes complexes. La moyenne des valeurs de FRAC pour tous composants du

même type donne l’indice fractal moyen (FRAC_MN) :

33

34

où pij est le périmètre de la tache ij, et aij la surface de la tache ij ;35

La distance euclidienne des composants les plus proches (ENN - Euclidean Nearest Neighbour

Distance). La moyenne des valeurs de cet indice pour tous les composants du même type donne la

distance euclidienne moyenne au composant de même type la plus proche (ENN_MN) et reprend la

logique fractale de rapport surface-contour :

36

37

où hij est la distance du composant le plus proche voisin de même type.38

Le choix des classes thématiques constitue une étape cruciale dans cette opération. Les classes

doivent, à la fois, être bien discriminées entre elles et communes aux trois images. Ces objectifs posent

un problème concernant la séparabilité spectrale des classes, notamment pour les zones couvertes de

végétation. Les réponses spectrales des différentes cultures sont souvent très proches de la végétation

herbacée, ce qui entraîne une définition distincte entre les classes thématiques. Les classes présentées

dans le Tableau 2 sont les résultats d’une confrontation des objectifs avec les possibilités techniques

d’extraction des classes thématiques.

39

1 Tissu urbain Espaces dominés par des bâtiments. Les bâtiments, la voierie et les surfaces

artificiellement recouvertes coexistent avec des surfaces végétalisées et du sol nu,

qui occupent de manière discontinue des surfaces importantes.


8 sur 20 10/03/2011 13:18

Tableau 2 : Classes thématiques

Tableau 3 : Résultat de la classification de trois images 1986, 1996 et 2005

2 Zones industrielles

et commerciales

Zones recouvertes artificiellement (zones cimentées, goudronnées, asphaltées ou

stabilisées : terre battue par exemple). Elles comprennent aussi des bâtiments,

infrastructures des zones portuaires et infrastructures des aéroports :

3 Végétation arborée Formations végétales principalement constituées par des arbres et arbustes.

4 Végétation herbacée

et cultures

Formations constituées essentiellement de graminées, des plantes à fleurs, de

fougères ainsi que des petits végétaux ligneux sous-arbustifs mais aussi des

cultures.

5 Espaces nus

urbains ou ruraux

Espaces ouverts non-bâties et sans végétation

6 Cours et plans d’eau Cours et étendus d’eau, naturels ou artificiels

Le choix des zones d’entraînement a constitué une étape importante dans le processus de classification.

Ces zones doivent être représentatives pour chacune des classes. La séparabilité des signatures

spectrales des échantillons représente un moyen performant de sélection des zones d’entraînement.

Deux méthodes ont été utilisées : visualisation 3D des échantillons (Figure 3) et calcul de la séparabilité

entre les groupes d’échantillons. La première méthode permet de visualiser les échantillons (outil

nD-Visualizer, ENVI 4.3) et de vérifier rapidement si les pixels choisis correspondent bien à la classe

que l’on veut établir. En utilisant la visualisation et en effectuant la rotation de l’image, les pixels isolés

ont pu être identifiés et éliminés.

40

Figure 3 : Exemple de visualisation des échantillons de l’image de 1996

41

La deuxième méthode consiste à calculer la séparabilité en utilisant la méthode de divergence

transformée. Cet indice est compris entre 0 et 2, où 2 correspond à la séparabilité maximale. Les

classes les moins séparables entre elles sont les zones industrielles et commerciales et les espaces

nus urbains ou ruraux, la végétation arborée et la végétation herbacée et cultures et, enfin, la végétation

herbacée et cultures et les espaces nus urbains ou ruraux (espaces ouverts).

42

Après la classification des trois images, l’évaluation des résultats a été effectuée par des méthodes

quantitatives et qualitatives. Le tableau 3 montre la précision élevée obtenue pour la classification des

trois images.

43

1986 1996 2005

Coefficient Kappa 0.95 0.96 0.99

Précision globale 95.82 96.07 98.88

Les premières observations permettent d’analyser les erreurs soulignées au sein des matrices de

confusion et de les expliciter à partir de la documentation disponible. Deux grands types d’erreurs ont

été relevés : tout d’abord la confusion entre les espaces nus et les voies de communication avec le tissu

urbain, et entre les zones industrielles et commerciales et le tissu urbain et les espaces nus et ensuite la

différence de qualité de détection de la végétation arborée et donc sa confusion avec la végétation

herbacée et les cultures, surtout entre les deux premières images et celle de 2005.

44

Avant de commencer à détecter les différences entre les images, un opérateur dit « filtre majoritaire » a

été utilisée avec une taille d’une fenêtre 3x3 pour homogénéiser les résultats. Les images résultant de

45


9 sur 20 10/03/2011 13:18

Figure 4 : Classifications de la zone d’étude réalisées à partir des images Spot acquises en 1986, 1996 et 2005

Evolution de classes

Tableau 4 : Evolution des classes d’occupation du sol en 1986, 1996 et 2005

cette analyse (Figure 4) servent ensuite à l’étude des changements du paysage.

46

Les trois images classées de la zone d’étude constituent une base pour les calculs des changements

d’occupation du sol. Dans un premier temps, une analyse statistique a été réalisée pour définir les

changements au sein des classes, en utilisant les paires des images de 1986 - 1996, 1996 – 2005 et

1986 – 2005. Les changements détectés concernent toutes ces classes (Tableau 4, Figure 5a, b, c).

Les résultats illustrent une nette progression du tissu urbain, qui reflète l’augmentation du nombre des

bâtiments dans l’ensemble des communes concernées, les surfaces occupées par des zones

industrielles ont fortement augmenté de même que les terrains arborés (alignement, vergers) par contre

une diminution importante de la végétation herbacée et des cultures peut être calculée, il s’agit de la

classe qui a le plus pâti de l’extension des autres.

47

1986 1996 2005

Tissu urbain 13.29 14.76 17.93

Zones industrielles 0.34 1.99 2.64

Végétation arborée 1.83 2.83 3.84

Végétation et cultures 77.99 73.28 39.55

Espaces nus 5.68 6.02 34.49

Eau 0.87 1.12 1.54


10 sur 20 10/03/2011 13:18

48


11 sur 20 10/03/2011 13:18

Figure 5 a, b, c : Changements d’occupation du sol entre 1986 et 1996, 1996 et 2005, 1986 et 2005

Identification des classes dynamiques et des changements du paysage

Tissu urbain

49

L’analyse de différences entre les trois images a permis de quantifier les changements de surface

occupée par chaque classe et d’identifier trois classes dont les changements influencent fortement les

transformations du paysage. Il s’agit du tissu urbain, des zones industrielles et commerciales et de la

végétation arborée.

50

Le tissu urbain (Figure 6) constitue une classe importante de la zone d’étude. Elle occupe environ 485

ha en 1986 (soit 13% de la surface totale de la zone d’étude) et passe à 538 ha (soit 15%) en 1996

pour atteindre 654 ha (soit 18%) en 2005. Cette croissance est valable pour l’ensemble des communes.

Elle est plus forte entre 1996 et 2005. Il s’agit d’une augmentation de 116 ha pendant 9 ans (contre 54

ha entre 1986 et 1996), ce qui donne une moyenne de 13 ha par an. Les modifications les plus

importantes ont eu lieu à Wolfisheim, Eckbolsheim et Lingolsheim.

51

Les différences détectées pour le tissu urbain sont cohérentes avec le comportement des indices du

paysage (Figure 6), comme le montre l’augmentation progressive du nombre d’îlots urbains. En effet

l’indice du nombre de composants croît entre 1996 et 2005. Ceci est associé logiquement à une

diminution de la fragmentation paysagère (indice de forme du paysage normalisé), de la distance entre

les îlots (distance euclidienne moyenne) et de la complexité du paysage (indice fractal). Les graphiques

montrent clairement ces tendances : plus les distances entre les îlots sont réduites, plus l’espace

occupé devient homogène et le paysage nettement moins complexe.

52

Tous ces indices confirment un fort développement du tissu urbain, l’apparition de nouveaux îlots et en

même temps qu’une consolidation du tissu urbain pour l’ensemble des communes dans la zone d’étude.

53


12 sur 20 10/03/2011 13:18

Zones industrielles et commerciales

Figure 6 : Profil temporel des indices de paysage du tissu urbain

54

La détection des changements de cette classe s’est avérée particulièrement difficile. Ceci est du à des

problèmes rencontrés lors de la classification des images, surtout de l’image de 1996 où les espaces

nus sont confondus avec des zones industrielles et commerciales. Dans l’analyse de cette classe, il est

donc nécessaire de prendre en compte cette confusion, notamment avec le tissu urbain et les espaces

nus. On constate globalement une augmentation de l’espace occupé par cette classe. Suivant les

images, la surface occupée par les zones industrielles et commerciales a augmenté d'environ 12 ha en

1986, 73 ha en 1996 et 96 ha en 2005.

55

Suite à l’analyse des indices de paysage des zones industrielles et commerciales, les changements

suivants peuvent être analysés : une augmentation du nombre des zones suivant l’indice du nombre de

composants, cette augmentation est plus forte entre 1986 et 1996 qu’entre 1996 et 2005 (Figure 7).

Elle conduit à une diminution de la fragmentation (indice de forme du paysage normalisé) et de la

distance entre les îlots (distance euclidienne moyenne) comme dans le cas des tissus urbains. Pourtant,

cette croissance des surfaces industrielles et commerciales par rapport à toute la zone d’étude

n’influence pas la complexité du paysage (indice fractal) du fait d’un effet de masse moindre. Ces

indices confirment un développement des zones industrielles et commerciales et l’apparition de

nouveaux îlots (surtout pour la période 1986-1996). Là encore les communes proches de Strasbourg

sont les plus concernées notamment Wolfisheim et Eckbolsheim.

56

57


13 sur 20 10/03/2011 13:18

Figure 7 : Profil temporel des indices de paysage des zones industrielles et commerciales

Végétation arborée

La végétation arborée est surtout présente le long de la rivière et du canal de la Bruche. Elle est

également présente au sud et sud-ouest de Lingolsheim, entre Lingolsheim et Holtzheim et à l’ouest de

Wolfisheim. Globalement une augmentation de surface occupée par la végétation arborée a été

constatée. Cette classe qui occupait environ 67 ha en 1986, a augmenté d’environ 36 ha en 1996 pour

atteindre 140 ha en 2005. Mais à cette évolution positive, il faut souligner des terrains sur lesquels cette

classe a disparu surtout à la proximité du tissu urbain, mais aussi le long de la rivière et du canal. Cette

situation n’est pas totalement liée à la disparition réelle des arbres. Les vérifications effectuées sur les

photographies aériennes de 1986 ont permis de constater qu’il existe des endroits où la végétation

arborée est confondue avec la végétation herbacée dans la classification. Il s’agit de terrains jouxtant le

lit de la Bruche. La présence de mixels (pixels mixtes) (figure 8) de végétation arborée, herbacée et

d’eau classée différemment pour les trois images explique ces confusions. Etant donnée la résolution

spatiale moindre des images de 1986 et 1996 par rapport à celle de 2005, ces mixels sont attribués à

la classe végétation arborée. Dans le cas de l’image de 2005, la possibilité de séparation de certains

pixels est possible grâce à sa haute résolution de 10 m, ce qui a provoqué l’apparition de la classe de la

végétation herbacée et cultures, là où précédemment les mixels étaient classés dans la végétation

arborée.

58

59


14 sur 20 10/03/2011 13:18

Figure 8 : Profil temporel des indices de paysage de la végétation arborée

Conclusions et perspectives

La structure de la végétation arborée a fortement évolué pendant 20 ans d’étude. Les calculs des

indices du paysage (Figure 8) pour cette classe ont permis d’établir l’augmentation du nombre des

entités de cette classe (indice de nombre de composantes), surtout entre 1996 et 2005 et donc la

diminution de la distance entre les composants (distance euclidienne moyenne). La diminution entre

1986 et 1996 et l’augmentation entre 1996 et 2005 de la fragmentation (indice de forme du paysage

normalisé). Le changement de la direction de courbe s’explique par la différence de la qualité des

images et donc par la finesse de la classification (§ paragraphe précédent). La forme allongée des

entités a constitué un biais supplémentaire dans la classification. Ces inconvénients ont également

influencé les calculs de l’indice fractal. L’analyse conjointe des quatre indices et des résultats

statistiques a permis de confirmer un développement des zones couvertes par la végétation arborée

mais ce développement ne correspond pas à une augmentation réelle dans le paysage mais plutôt à un

artefact dû à l’image.

60

Cette étude a pour objectif de détecter les changements du paysage dans la basse vallée de la Bruche

pendant une vingtaine d’années en utilisant trois images satellites provenant de capteurs Spot de

différentes générations. Les résultats de la classification des images Spot permettent d’analyser la

structure du paysage à différentes dates. La qualité des résultats est fortement influencée par les

caractéristiques des images originales. Il s’agit surtout de la résolution spatiale (20 m) et du nombre de

bandes spectrales disponibles (deux bandes dans le visible et une bande infra-rouge). Ceci limite

notamment la capacité d’extraction des classes de végétation (arborée, herbacée). De plus, certains

objets n’ont pas pu être détectés, comme par exemple les constructions isolées ou la rivière elle-même

lorsqu’elle est bordée d’arbres le long de son cours. L’utilisation de la bande panchromatique pourrait

certainement améliorer la qualité de traitement.

61

Malgré ces contraintes, les résultats obtenus dans cette étude mettent en évidence certaines tendances

globales de changements du paysage. La croissance du bâti fait apparaître un fort développement

urbain dans cette zone et particulièrement sur l’arc nord à proximité de Strasbourg. Le développement

des zones d’activités et résidentielle illustre le besoin de zones industrielles et d’habitat à proximité de la

ville, la pression foncière s’exerçant fortement selon un gradient centre-périphérie. Les axes de

communication dans cette partie densément peuplée de l’agglomération facilitent cette extension du

tissu urbain. Les indices paysagers permettent de mesurer la complexité de la structure urbaine et son

évolution malgré les limites méthodologiques évoquées ci-dessus. Les indices ont été calculés pour

toute la zone d’étude et ils permettent d’analyser les relations entre les différents éléments du paysage

(ici les classes thématiques).

62


15 sur 20 10/03/2011 13:18

BIBLIOGRAPHIE

Antrop M., Eetvelde V., 2000, "Holistic aspects of suburban landscapes: visual image interpretation and

landscape metrics", Landscape and urban planning, Vol.50, No.1-3, 43-58.

Ashbindu S., 1989, "Digital Change Detection Techniques Using Remotely-Sensed Data", International

Journal of Remote Sensing, Vol.10, No.6, 989-1003.

Ballut A., Nguyen J. P., 1984, "Les besoins d’information pour l’aménagement urbain et régional : apport

de la télédétection spatiale à la satisfaction de ces besoins", Société Française de photogrammétrie et

Télédétection, Vol.93, 21-32.

Bastin L., Thomas C.D., 1999, "The distribution of plant species in urban vegetation fragments",

Landscape Ecology, Vol.14, No.5, 493-507.

Baudot Y., 1994, Télédétection aérospatiale et analyse géographique de la population des villes dans

les pays en développement, Thèse de doctorat, Université Catholique de Louvain, Louvain-la-Neuve.

Bonn F., Rochon G., 1992, Précis de télédétection, Volume 1 - Principes et méthodes, Presses de

l'Université du Québec/AUPELF, Sainte-Foy.

Botequilha Leitão A., Leitao A., Miller J., Ahern J., McGarigal K., 2006, Measuring Landscapes: A

Planner's Handbook, Island Press. 245 p.

Caloz R., Collet C., 2001, Précis de Télédétection, Volume 3. Traitements numériques d’images de

télédétection, Presses de l'Université du Québec/AUPELF, Sainte Foy.

Chen D.M., Stow D., 2002, "The effect of training strategies on supervised classification at different

spatial resolutions", Photogrammetric Engineering & Remote Sensing, Vol.68, No.11, 1155-1161.

Chen X., Li X., Ma J., 2004, "Urban change detection based on self-organizing feature map neural

network". In Geosciences and Remote Sensing Symposium, 2004, Vol.5, IEEE International,

http://ieeexplore.ieee.org/iel5/9436/29948/01370442.pdf, 3428-3431.

Congalton R.G., 1991, "A review of assessing the accuracy of classifications of remotely sensed data",

Remote Sensing of Environment, Vol.37, 35-46.

Congalton R. G., Oderwald, R. G., Mead R. A., 1983, "Assessing Landsat classification accuracy using

discrete multivariate analysis statistical techniques", Photogrammetric Engineering & Remote Sensing,

Vol.49, No.12, 1671-1678.

Dietzel C., Herold M., Hemphill J., Clarke K.C., 2005, "Spatio-temporal dynamics in California's Central

valley: Empirical links to urban theory", International Journal of Geographical Information Science,

Vol.19, No.2, 175-195.

Dureau F., 1990, "Utiliser la télédétection spatiale pour observer les populations citadines", in :

Bourgeois L., Duchemin J.P., Sinou L.B.E. (eds.), Villes et citadins du Tiers Monde, ORSTOM, Bondy.

Fung T., 1990, "An assessment of TM imagery for land cover change detection", IEEE Transactions on

Geoscience and Remote Sensing, Vol.28, No.4, 681-684.

Gong P., Howarth P.J., 1990, "An assessment of some factors influencing multispectral land cover

classification", Photogrammetric Engineering & Remote Sensing, Vol.56, No.5, 597-603.

Gustafson E.J., 1998, "Quantifying landscape spatial pattern: What is the state of the art?",

Ecosystems, Vol.1, 143-156.

Afin de mieux comprendre comment l’interaction entre les taches d’une même classe ou de plusieurs

classes, ou encore à une autre échelle spatiale (paysage), il serait intéressant d’employer d’autres

indices comme par exemple la connectivité ou la contagion sur trois échelles prédéfinies (patch-level,

class-level, landscape-level).

63


16 sur 20 10/03/2011 13:18

Herold M., Couclelis H., Clarke K.C., 2004, "The role of spatial metrics in the analysis and modelling of

urban land use change", Computers, Environment and Urban systems, 1-31.

Herold M., Noah C.G., Clarke K.C., 2003, "The spatiotemporal form of urban growth: measurement,

analysis and modelling", Remote Sensing of Environment, Vol.86, 286-302.

Herold M., Scepan J., Clarke K.C., 2002, "The use of remote sensing and landscape metrics to

describe structures and changes in urban land uses", Environment and Planning A, Vol.34, 1443-1458.

Jensen J. R., 1983, "Urban/suburban land use analysis", in Jensen J. R. (eds.), Manual of remote

sensing, American Society of Photogrammetry, Falls Church.

Kwarteng A.Y., Chavez P. S., 1998, "Change detection study of Kuwait City and environs using multi-

temporal Landsat Thematic Mapper data", International Journal of Remote Sensing, Vol.19, No.9,

1651-1662.

Lillesand T.M., Kiefer R.W., Chipman J.W., 2004, Remote sensing and image interpretation, Wiley,

New York.

Lillestrand R. L., 1972, "Techniques for change detection", IEEE transactions on Computers, Vol.21,

No.7, 654-659.

Luck M., Wu J., 2002, "A gradient analysis of urban landscape pattern: a case study from Phoenix

metropolitan region, Arizona, USA", Landscape Ecology, Vol.17, No.4, 327-339.

Macgarigal K., Barbara J.M., 1994, Fragstats - Spatial pattern analysis program for quantifying

landscape structure, Portland (OR): USDA Forest Service, Pacific Northwest Research station; General

Technical Report PNW-GTR.

McGarigal K., Cushman S.A., Nell M.C., Ene E., 2002, "Spatial pattern analysis program for categorical

maps", URL: www.umass.edu/landeco/research/fragstats/fragstats.html

Mandelbrot B., 1975, Les objets fractals - Forme, hasard et dimension, Flammarion, Paris.

Masek J.G., Lindsay F. E., Goward S. N., 2000, "Dynamics of urban growth in the Washington DC

metropolitan area, 1973-1996, from Landsat observations", International Journal of Remote Sensing,

Vol.21, No.18, 3473-3486.

Mortberg U.M., 2001, "Resident bird species in urban forest remnants; landscape and habitat

perspectives", Landscape Ecology, Vol.16, No.3, 193-203.

Olff H., Ritchie M.E., 2002, "Fragmented nature: consequences for biodiversity", Landscape and urban

planning, Vol.58, No.2-4, 83-92.

Ridd M.K., Liu J., 1998, "A comparison of four algorithms for change detection in a urban environment",

Remote Sensing of Environment, Vol.63, 95-100.

Savard J.L., Clergeau P., Mennechez G., 2000, "Biodiversity concepts and urban ecosystems",

Landscape and urban planning, Vol.48, No.3-4, 131-142.

Singh A., 1989, "Digital change detection techniques using remotely-sensed data", International Journal

of Geographical Information Science, Vol.12, No.7, 651-671.

Stehman S.V., 1996, "Estimating the Kappa coefficient and its variance under stratified random

sampling", Photogrammetric Engineering & Remote Sensing, Vol.62, No.4, 401-407.

Terrettaz P., 1998, Délimitation des agglomérations et segmentation urbaine à l'aide d'images

satellites Spot HRV, Thèse de doctorat, Université de Fribourg, Fribourg, Suisse.

Weng Y.C., 2007, "Spatiotemporal changes of landscape pattern in response to urbanization",

Landscape and urban planning, Vol.81, 341-353.

Xiao J., Shen Y., Ge J., Tateishi R., Tang C., Liang Y., Huang Z., 2005, "Evaluating urban expansion


17 sur 20 10/03/2011 13:18

and land use change in Shijiazhuang, China by using GIS and remote sensing", Landscape and Urban

Planning, 1-12.

Yang X., Lo C.P., 2002, "Using a time series of satellite imagery to detect land use and land cover

changes in the Atlanta, Georgia metropolitan area", International Journal of Remote Sensing, Vol.23,

1775-1798.

Yin Z. Y., Stewart D. J., Bullard S., MacLachlan J. T., 2005, "Changes in built-up surface and population

distribution patterns during 1986-1999: a case study of Cairo, Egypt", Computers, Environment and

Urban systems, 1-22.

Zhang Q., Wang J., Peng X., Gong P., Shi P., 2002, "Urban built-up land change detection with road

density and spectral information from multi-temporal Landsat TM data", International Journal of Remote

Sensing, Vol.23, No.15, 3057-3078.

NOTES

1 Le paysage est un « niveau d’organisation des systèmes écologiques, supérieur à l’écosystème; il se caractérise essentiellement

par son hétérogénéité et par sa dynamique gouvernée pour partie par les activités humaines. Il existe indépendamment de la

perception.» (Burel & Baudry, 1999).

2 La métrique paysagère est associée aux éléments et échelles de paysage, elles représentent les relations entre les éléments du

paysage.

3 SeulesAchencheim et Hangenbieten ne font pas partie de la Communauté urbaine de Strasbourg.

REMERCIEMENTSCes travaux ont été réalisés dans le cadre du projet de recherche « Approche interdisciplinaire pour une gestion durable d’un

hydrosystème dynamique anthropisé : la basse vallée de la Bruche » soutenu financièrement par le « Programme National de

Télédétection Spatiale – INSU ».

POUR CITER CET ARTICLE

Grzegorz SKUPINSKI, Dong BINHTRAN et Christiane WEBER, « Les images satellites Spot multi-dates et la métrique spatiale dans

l’étude du changement urbain et suburbain – Le cas de la basse vallée de la Bruche (Bas-Rhin, France) », Cybergeo : European

Journal of Geography, Systèmes, Modélisation, Géostatistiques, article 439, mis en ligne le 12 mars 2009, modifié le 03 juin 2009.

URL : http://cybergeo.revues.org/21995. Consulté le 10 mars 2011.

AUTEURS

Grzegorz SKUPINSKI

Laboratoire Image Ville Environnement, ERL 7230, Université de Strasbourg – CNRS, F-67000 Strasbourg,

[email protected]

Dong BINHTRAN

Laboratoire Image et Ville, Image Ville Environnement, ERL 7230, Université de Strasbourg – CNRS, F-67000 Strasbourg,

[email protected]

Christiane WEBER

Laboratoire Image et Ville, Image Ville Environnement, ERL 7230, Université de Strasbourg – CNRS, F-67000 Strasbourg,

[email protected]

Du même auteur :

Processus de croissance et limites urbaines

Paru dans Cybergeo : European Journal of Geography, Actes des Journées de Télédétection en Sciences humaines

Potential model application and planning issues

Paru dans Cybergeo : European Journal of Geography, 11th European Colloquium on Quantitative and Theoretical

Geography. Durham Castle, UK, September 3-7, 1999

openedition:


18 sur 20 10/03/2011 13:18

revues.org

Revues.orgRevues et collections de livresLes revues (277)Les collections de livres (13)En savoir plus

calenda

CalendaCalendrier des sciences socialesAccéder aux événements (14907)En savoir plus

hypotheses.org

Hypotheses.orgCarnets et blogs de rechercheAccéder aux carnets (175)En savoir plus

Lettre & alertes

LettreS'abonner à la Lettre de Revues.org

AlertesAccéder au système d'alertes

Freemium

Titre :

Cybergeo : revue européenne de géographie / European journal ofgeographyRevue fondée en 1996 / Journal founded in 1996

En bref :Revue de géographie et espace de discussion entre lecteurs et auteursA geography webjournal which intends to generate an interaction betweenauthors and readers.

Sujets :Géographie, Épistémologie et méthodes, Systèmes ; modélisation ;géostatistiques, Espace ; société et territoire, Géographie : politique ; cultureet représentation

Dir. de publication :Denise Pumain

Éditeur :UMR 8504 Géographie-cités

Support :Électronique

EISSN :1278-3366

Accès :Open access Freemium

DOI / Références


19 sur 20 10/03/2011 13:18

Citer cette référence

Du même auteurArticles du même auteur dans la revue

Christiane WeberProcessus de croissance et limites urbaines [Texte intégral] Paru dansCybergeo : European Journal of Geography, Dossiers , Actes desJournées de Télédétection en Sciences humainesPotential model application and planning issues [Texte intégral] Parudans Cybergeo : European Journal of Geography, Dossiers , 11thEuropean Colloquium on Quantitative and Theoretical Geography.Durham Castle, UK, September 3-7, 1999

OutilsSignaler cet articleImprimer cet article


20 sur 20 10/03/2011 13:18

les images satellites spot multi-dates et la métrique spatiale dans l’étude du changement urbain...

Documents