un outil de modélisation intégrée de la dynamique du ...acl 10]-maille-j… · 1 un outil de...

1

Un outil de modélisation intégrée de la dynamique du risque d’incendie de forêt pour l'aide à la planification territoriale A tool for integrative modelling of forest fire risk dynamic for land planning decision support RESUME. Les changements environnementaux actuels induisent l’émergence ou l’amplification de risques environnementaux qui doivent être gérés par la planification territoriale. La gestion de tels risques doit être appréhendée d’un point de vue dynamique, mais aussi multi-thématiques car elle requière en général des connaissances produites par plusieurs disciplines, et multi-scalaire du fait qu’elle se réfère à des diagnostics et des champs d’intervention d’échelles spatiales différentes. En nous intéressant plus particulièrement au risque d’incendie de forêt en zone périurbaine, nous proposons tout d’abord un cadre de modélisation intégratif multi-thématiques et multi-échelles, adapté à la gestion du risque environnemental en planification territoriale. Afin de fournir une aide à la modélisation et à la gestion de ce risque, nous proposons un outil informatique dédié à l'intégration de simulations de différentes dynamiques d’occupation des sols, opérationnalisant le cadre de modélisation précédent. Cet outil est mis en œuvre sur un territoire périurbain d'une région méditerranéenne Française. ABSTRACT. Current environmental changes lead to the increase or emergence of new environmental risks that should be managed by territorial planning. Management of these new risks has to be considered from a dynamic point of view, as well as from a multi-themes point of view, as it usually requires knowledge produced by many scientific disciplines, and from a multi-scale point of view, as it refers to some diagnosis and operating fields located at different spatial scale levels. By focusing on forest fire risk management in peri-urban areas, we propose a multi-themes and multi-scales integration framework, adapted to environmental risk management in territorial planning. In order to provide a risk modelling and management tool, we propose a computer system dedicated to integrating simulation of different land cover dynamics, based on the previously mentioned framework. This tool is tested on a peri-urban territory of a French Mediterranean area. MOTS-CLES : systèmes d’aide à la décision, systèmes multi agents, systèmes d’information géographique, intégration à base d’agents, dynamiques spatiales, risque d’incendie de forêt. KEYWORDS: decision support systems, multi-agent systems, geographical information systems, coupling, agent based integration, spatial dynamics, forest fire risks.

1. Introduction

L’accélération actuelle des changements environnementaux induit l'émergence ou l'amplification de plusieurs risques naturels, tels que les risques climatiques, les risques d'inondation ou le risque d'incendie de forêt. De tels risques émanent en général d’une perturbation de la dynamique d’un système environnemental plus ou

Bernard-User

E. Maillé, B. Espinasse (2011), « Un outil de modélisation intégrée de la dynamique du risque d’incendie de forêt pour l'aide à la planification territoriale », in: Journal of Decision Systems (JDS), Vol. 20/1, déc. 2010, pp. 71-102 �

2 Journal of Decision Systems

moins anthropisé, résultant elle-même de l’interaction entre différentes dynamiques écologiques ou anthropiques. Les risques qui en découlent se réalisent sur la durée. Leur gestion nécessite de les appréhender d’un point de vue dynamique, par exemple en simulant leur évolution (Grueau et al., 2002), en se fondant sur une modélisation de la dynamique des systèmes environnementaux qui les génère.

La modélisation de la dynamique d’un écosystème anthropisé est complexe (Ferrand et al., 2000) car elle implique la prise en compte de différentes disciplines allant de l’écologie aux sciences sociales (économie, sociologie, et.). Une telle modélisation par un modèle global unique se heurte tant à la complexité du système qu’à la distribution des connaissances requises dans des disciplines très différentes : on parle alors d'approche multi-thématiques.

Par ailleurs, la décision de gestion territoriale, nécessairement spatialisée, est aussi multi-scalaire, puisqu’elle se réfère à des diagnostics et des champs d’intervention d’échelles spatiales différentes. Ainsi, des décisions stratégiques à portée globale interfèrent avec des décisions de portée locale plus opérationnelles. L’efficacité du système décisionnel est alors largement soumise à la cohérence de ces différents niveaux de décision.

Enfin, la complexité du processus de développement du risque environnemental fait que sa gestion ne peut se réduire à une action ponctuelle dans le temps. Il s'agit plutôt de tenter d’infléchir la trajectoire d’évolution d’un système environnemental par une suite d’actions cohérentes étalées sur une période de temps plus ou moins longue. La gestion du risque environnemental relève ainsi de l'activité de planification territoriale.

Dans le cadre de cette recherche nous nous intéressons au développement de systèmes informatisés d’aide à la planification stratégique, à long terme, et à la planification opérationnelle, à moyen terme (Antony, 1966), de la gestion de risques environnementaux territorialisés locaux. Nos travaux concernent plus particulièrement la gestion du risque d’incendie de forêt en zone périurbaine dans une perspective de planification territoriale, selon un point de vue dynamique.

La gestion du risque d'incendie de forêt est l'un des enjeux majeur de la planification des territoires locaux soumis à ce risque. Il est souvent considéré par les décideurs comme prioritaire par rapport aux risques plus « patrimoniaux » tels que le risque écologique (perte de biodiversité), pour deux raisons principales : tout d’abord parce qu’il s’agit d’une menace immédiate des biens et des personnes présents sur le territoire, ensuite parce qu'il « sur-détermine » ou influence fortement nombre d’autres risques environnementaux, tels que le risque d’érosion de la biodiversité, ou même les risques hydrologiques (inondation).

La dynamique de ce risque particulier résulte de l’interaction entre différentes dynamiques d’occupation du sol, de nature écologique (couverture végétale) ou anthropique (urbanisation). Notre approche de la simulation de l’interaction entre ces différentes dynamiques spatiales est fondée sur l'intégration de différents simulateurs. Cette intégration est tout d’abord multi-thématiques, car elle permet l’intégration de simulateurs qui implémentent des modèles se référant à des champs

Aide à la décision de gestion du risque d’incendie de forêt 3

ontologiques différents : celui des écosystèmes, celui des dynamiques anthropiques et celui des risques naturels. Cette intégration est ensuite multi-scalaire, en permettant l’interopérabilité de simulateurs dont les modèles représentent le système territorial à des niveaux d’échelle différents.

Dans la section 2 de la présente contribution, nous précisons les principales contraintes spécifiques à l’aide à la gestion des risques en planification territoriale, notamment la nécessité d’une approche multi-thématiques, multi-niveaux, spatialisée et dynamique. La section 3 présente la problématique applicative de nos travaux qui est l’aide à la gestion planifiée du risque d’incendie de forêt en zone périurbaine. Les principaux modèles thématiques disponibles sur lesquels peut reposer l’aide à la décision de gestion du risque d’incendie sont présentés, et un cadre de modélisation intégratif multi-thématiques et multi-échelles est proposé. Dans la section 4, nous présentons un outil informatisé d’aide à la gestion des risques d’incendie de forêt basé sur la simulation de différentes dynamiques d’occupation des sols et de leur intégration, ainsi que les premiers résultats de sa mise en oeuvre. Enfin nous concluons en faisant un bilan et en définissant des perspectives à court et moyen terme de notre recherche.

2. Problématique de la gestion des risques environnementaux en planification territoriale

Dans cette section nous essayons de définir les caractéristiques principales de la gestion des risques environnementaux au niveau de la planification territoriale, notamment ses caractéristiques multi-domaines et multi-niveaux. Puis nous évaluons les apports possibles de la modélisation spatio-dynamique pour la simulation dans l’aide à la gestion planifiée des risques naturels.

2.1. Caractère multi-domaines de la gestion du risque environnemental

La planification territoriale est rarement spécifiquement élaborée pour la maîtrise du risque : il s’agit plus souvent d’un projet intégré devant répondre aux objectifs du développement économique et démographique du territoire, aux objectifs globaux de préservation de l’environnement local, et finalement aux objectifs de maîtrise de diverses formes du risque. La planification territoriale est nécessairement multi-domaines, et les outils d’aide à une telle planification doivent prendre en compte cette diversité d’objectifs, parfois contradictoires.

Même lorsque la planification n’a d’autres objectifs que la maîtrise du risque (c’est le cas des Plans de Protection contre les Risques - PPR - qui peuvent être inclus dans la gamme des plans opérationnels à l’échelle locale), c’est l’ensemble des risques territoriaux, et surtout leurs interactions – risque d’incendie menaçant des installations industrielles « à risque », par exemple - qui doivent être considérés. Les différents risques d’une telle approche « multi-risques » sont inhérents à des systèmes décrits par des domaines de connaissance disciplinaire différents.


Enfin, vis-à-vis d’un seul type de risque (c’est la perspective dans laquelle nous nous plaçons), l’évaluation du risque est par définition le produit d’un aléa et d’une vulnérabilité (Jappiot, 2003) : la connaissance de ces deux composantes relève très généralement de champs disciplinaires absolument distincts. L'aléa, défini en première approche comme la probabilité de survenue d'un sinistre, est inhérent à la dynamique du système environnemental lui-même (écosystème, hydro-système, géo-système, système atmosphérique, par exemple), considéré comme "générateur" du risque. Son évaluation relève des sciences de la terre. La vulnérabilité, définie comme la susceptibilité du système anthropique (biens et personnes) à subir des dommages, relève plutôt des sciences sociales (économie, sociologie, etc.) Les outils d’aide à la planification de la gestion du risque se fondent donc nécessairement sur plusieurs domaines de connaissances.

2.2. Niveaux d’échelle de décision pour la gestion des risques environnementaux en planification territoriale

En se référant à Anthony (Anthony, 1966), on distingue trois types d’activités managériales : la planification (stratégique), le pilotage et la régulation. Ces types d’activités se distinguent par leur portée (spatiale) et leur horizon (temporel). Ainsi la régulation concerne les décisions sur des actions à court terme de portée locale, le pilotage ou planification organisationnelle (organizational planning), concerne les décisions sur des actions à moyen terme de portée plus large, la planification stratégique concerne des décisions sur des actions à long terme de portée globale.

Chapitre I : dynamique du risque environnemental et sa gestion

! "#

$%! &'()*%! +,-.,! './+&%.,! 0! *.%! %1,%.('2.! ,%&&',2&'-3%! 4-&,'5*3'6&%! 73%(! 82.%(! 0! &'()*%(9:! 3%(! ;&-.<%(!

2&'%.,-,'2.(! <%! (-! ;%(,'2.! ;32=-3%! &%>'%..%.,! -*! .'>%-*! ,%&&',2&'-3! ?!%.;32=-.,!@! *.%! 2*! <%(! 82.%(! 0!

&'()*%(A! $%! 43*(! (2*>%.,:! '3! (B-;'&-! <%! 3B+5/%33%! .-,'2.-3%A!C-'(! 0! 5%! .'>%-*:! (%*3%(! (2.,! 4&'(%(! <%(!

<+5'('2.(!'((*%(!<B*.!4&2;&-DD%!423',')*%:!(-.(!-*,&%!325-3'(-,'2.!)*B*.!82.-;%!'<%.,'E'-.,!3%(!82.%(!0!

&'()*%A!FB-4&6(! 3%! 4&'.5'4%! <%! (*=('<'-&',+:! 5%(! <+5'('2.(! (2.,! &%3-G+%(! 325-3%D%.,! (2*(! 3-! E2&D%! <%!

<+5'('2.!<%!43-.'E'5-,'2.A!H.!E2.5,'2.!<*!,G4%!<%!43-.'E'5-,'2.!4-&,')*+%:!24+&-,'2..%33%!2*!(,&-,+;')*%:!

.2*(! '<%.,'E'2.(! <%*1! .'>%-*1! <+5'('2..%3(! <'(,'.5,(!I! *.! .'>%-* micro-local! 2J! (2.,! +3-=2&+(! <%(!

43-.(! 24+&-,'2..%3(! <+,-'33-.,! 3%(! -5,'2.(! 0! %.,&%4&%.<&%:! %,! *.! .'>%-*!macro-local )*'! -((*&%! 3-!

52/+&%.5%!<%(!<'>%&(!43-.(!24+&-,'2..%3(!7E';*&%!K9A!

!Figure 5 : niveaux décisionnels de la gestion des risques territorialisés par l’aménagement des territoires

$-!43-.'E'5-,'2.!<%!3-!;%(,'2.!<*!&'()*%!%.>'&2..%D%.,-3!,%&&',2&'-3'(+!&%36>%!-'.('!43*(!(4+5'E')*%D%.,!

<%! <%*1! .'>%-*1! <%! <+5'('2.!I! un niveau de décision micro-local! -*)*%3! (2.,! +3-=2&+(! <%(! 43-.(!

24+&-,'2..%3(!)*'!4&+5'(%!3%!5-<&%!<%(!-5,'2.(!'.<'>'<*%33%(!0!%.,&%4&%.<&%:!%,!un niveau macro-local!2J!

(2.,! +3-=2&+(! 3%(! 43-.(! 325-3'(+(! -((*&-.,! 3-! 52/+&%.5%! <%(! 43-.(! 24+&-,'2..%3(! %,! &+42.<-.,! -*1!

<+5'('2.(!+D-.-.,!<%(!4&2;&-DD%(!423',')*%(!;+.+&-*1A!

1.2.4. Multi-domaines des outils d’aide à la planification territoriale

$-!43-.'E'5-,'2.!,%&&',2&'-3%!%(,!&-&%D%.,!(4+5'E')*%D%.,!+3-=2&+%!42*&!3-!D-L,&'(%!<*!&'()*%!I!'3!(B-;',!

43*(! (2*>%.,! <B*.! 4&2M%,! '.,+;&+! <%>-.,! &+42.<&%! -*1! 2=M%5,'E(! <*! <+>%3244%D%.,! +52.2D')*%! %,!

<+D2;&-4/')*%! <*! ,%&&',2'&%:! -*1! 2=M%5,'E(! ;32=-*1! <%! 4&+(%&>-,'2.! <%! 3B%.>'&2..%D%.,! 325-3:! %,!

E'.-3%D%.,! -*1! 2=M%5,'E(! <%! D-L,&'(%! <%! <'>%&(%(! E2&D%(! <*! &'()*%A! $-! 43-.'E'5-,'2.! ,%&&',2&'-3%! %(,!

.+5%((-'&%D%.,!D*3,'N<2D-'.%(:!%,!3%(!2*,'3(!<B-'<%!0!*.%!,%33%!43-.'E'5-,'2.!<2'>%.,!4&%.<&%!%.!52D4,%!

5%,,%!<'>%&(',+!<B2=M%5,'E(:!4-&E2'(!52.,&-<'5,2'&%(A!!

ODD+<'-,!

P2*&,!,%&D%!

C2G%.!,%&D%!

Q2.5,*%33%!

Action

individuelle

C-&52N

325-3%!

Planification

Planification

stratégique

Portée C'5&2N

325-3%!

Horizon

Programmatique

politique $2.;!,%&D%!

R+;'2.-3%:!

.-,'2.-3%:!

%*&24+%..%! Figure 1. Niveaux décisionnels de la gestion des risques territorialisés par

l’aménagement des territoires.

En gestion du risque environnemental, les actions à court terme de gestion de crises peuvent être assimilées à des actions de « régulation » sur un site bien défini. Les décisions de gestion de crise sont prises à l’échelle micro-locale, sur le terrain, ou au niveau du Poste de Commandement, avec une vision « tactique » à court terme. Les décisions de préventions de type réglementaire, telles que l’interdiction de l’accès aux zones dangereuses, peuvent être assimilées à des actions de « pilotage du risque » ou de planification territoriale organisationnelle ou opérationnelle.

opérationnelle


Enfin les décisions d’aménagement des territoires peuvent être assimilées à des actions globales de planification territoriale stratégique qui sont à long terme.

L’activité de planification territoriale, qui est l’objet de cette recherche, peut néanmoins se rapporter à plusieurs horizons temporels et plusieurs portées spatiales. Qualifiée de stratégique, elle est susceptible de concerner un territoire global. Mais la notion de planification n’est pas antinomique d’un horizon et d’une portée intermédiaire ou locale : on peut parler alors de planification « tactique » ou « opérationnelle » (figure 1).

Le risque étant inhérent à une extension territoriale particulière (les zones à risques), les grandes orientations de sa gestion globale reviennent au niveau territorial « englobant » une ou des zones à risques. Le plus souvent, il s’agira de l’échelle nationale. Mais à ce niveau, seules sont prises des décisions issues d’un programme politique, sans autre localisation qu’un zonage identifiant les zones à risque. D’après le principe de subsidiarité, ces décisions sont relayées localement sous la forme de décision de planification.

La planification de la gestion du risque environnemental territorialisé relève ainsi plus spécifiquement de deux niveaux de décision : un niveau de décision micro-local auquel sont élaborés des plans opérationnels qui précise le cadre des actions individuelles à entreprendre, et un niveau macro-local où sont élaborés les plans localisés assurant la cohérence des plans opérationnels et répondant aux décisions émanant des programmes politiques généraux. En France, l'archétype du plan opérationnel de gestion des risques territorialisés locaux est le plan de prévention des risques (PPR), élaboré à l'échelle communale. Un exemple de plan "stratégique" pour la gestion territoriale incluant un volet "risques naturels" est le "schéma de cohérence territoriale (SCOT)", élaboré à l'échelle de l'intercommunalité.

2.3. La simulation pour l'aide à la décision de la gestion du risque environnemental

La représentation virtuelle de la dynamique future du système environnemental constitue un moyen séduisant de pallier aux limites des représentations cartographiques statiques généralement utilisées comme outils d’aide à la décision pour la planification territoriale. Avec un objectif prospectif, une telle représentation se fonde sur l’écriture d’un modèle dynamique du système susceptible d’être simulé sur une machine informatique (Balci, 1998).

Mais un modèle reste un « filet à mailles lâches ne permettant de saisir que les éléments les plus grossiers de la réalité ». L’idée de simuler un modèle plutôt qu’un système (réel) souligne l’écart qu’il est susceptible de se produire entre le comportement du modèle et le comportement du système réel : la simulation des systèmes environnementaux, lorsqu’elle a une visée globalisante (comme cela est nécessaire pour la gestion du risque), ne peut avoir d’objectif prédictif.

Nous ne considérons pas cela comme une faiblesse du modèle mais comme un fait inhérent à la démarche même de modélisation : le modèle, même s’il se veut


globalisant, en ce sens qu’il doit prendre en compte plusieurs processus en œuvre sur le territoire, relevant de plusieurs domaines de connaissance, ne se veut pas intégral. Il ne saurait, par exemple, simuler les décisions prises par les utilisateurs gestionnaires pour infléchir une dynamique dont il révèle les effets. Ainsi l’étude de différents scénarios par simulation permet de mesurer les effets d’une décision et non de simuler une prise de décision. Cela n’enlève rien à l’utilité d’un modèle et de sa simulation pour l’aide à la décision environnementale : la simulation permet la représentation des effets potentiels sur le risque d’une dynamique du système réel ayant cours au moment de la prise de décision, et de l'efficacité des décisions susceptibles d’être prises pour la contrôler ou l’infléchir. Malgré l’aide de l’outil, la décision sera prise en situation d’information incomplète.

Barzman (Barzman, 2007), dans une application visant l’élaboration d’un « observatoire sur l’eau », outil d’aide à la décision fondé sur l’ingénierie des connaissances, envisage deux sortes d’attentes de la part des décideurs vis-à-vis d’un tel outil : d’une part les attentes positivistes, du dévoilement par l’outil d’une réalité objective, mesurable et indiscutable, et d’autre part les attentes constructivistes, qui voient dans l’outil un objet intermédiaire aidant à centrer le débat décisionnel sur le sujet. La simulation pour l’aide à la décision d’aménagement des territoires pour la maîtrise du risque doit se fonder sur une approche positiviste, de représentation d’une réalité objective et mesurable, mais ne pourront répondre qu’aux attentes constructivistes, d’élaboration, chez les décideurs, de représentations mentales partiellement unifiées des processus territoriaux et de leurs effets, permettant d’éclairer le débat et la prise de décision collégiale ultime. Ceci est particulièrement vrai à l’échelle locale.

3. Modélisation de la dynamique du risques d’incendie pour l'aide à la planification territoriale

Parmi les changements environnementaux territorialisés locaux, les changements d’occupation du sol sont à l’origine de perturbations des écosystèmes en place et de risques environnementaux induits de nature variée : par exemple, le risque de perte massive de biodiversité par déséquilibre irréversible de l’écosystème est le plus immédiat.

Dans les territoires sujets au risque lié à l’incendie de forêt, en particulier dans les territoires méditerranéens1, l’augmentation du niveau de ce risque est aussi directement reliée aux changements d’occupation du sol.

Cette section présente la problématique applicative de nos travaux, en explicitant tout d’abord le lien entre les dynamiques d’occupation du sol et la dynamique du risque lié à l’incendie de forêt. Nous précisons ensuite les deux principaux objectifs de l’outil d’aide à la modélisation et à la gestion du risque lié à l’incendie de forêt que nous souhaitons développer. Nous présentons enfin les modèles dont nous

1 Au sens bio-climatique du terme, incluant notamment des territoires Californiens, Australiens et Asiatiques non riverains de la mer Méditerranée.


disposons pour représenter les dynamiques d’occupation du sol (modélisation de la progression des zones combustibles et modélisation de la dynamique des zones vulnérables) et les modèles de risques associés.

3.1. Dynamiques d’occupation des sols et du risque lié à l’incendie de forêt

Nous précisions dans cette sous-section la relation existant entre les dynamiques d’occupation du sol et l’évolution pluriannuelle du niveau de risque lié à l’incendie de forêt. Puis nous exposons les principes d’une démarche de modélisation permettant la représentation de l’évolution du risque d’incendie de forêt résultant de ces dynamiques.

3.1.1. Dynamiques d’occupation du sol et évolution du risque d’incendie de forêt

De nombreux territoires locaux, notamment dans les zones méditerranéennes au climat favorable, connaissent une forte dynamique d’artificialisation de leur espace géographique. L’urbanisation et la périurbanisation induisent des transformations spatiales peu réversibles et donc peu durables, si bien qu’elles peuvent être assimilées à une consommation d’une ressource non renouvelable.

Espace agricole historique

Zone d’extension forestière

Espace forestier

historique

Zone d’extension périurbaine

Noyau urbain historique

Zone « d’interface »

Figure 2. Double dynamique forestière et urbaine conduisant à la formation de

zones d’interface.

Fréquemment, la dynamique d’urbanisation est doublée d’une dynamique de progression de l’espace forestier sur les espaces abandonnés par une agriculture en régression : en Europe, l’exode rural du XXième siècle a conduit à l’abandon de très vastes zones agricoles qui continuent encore aujourd’hui à s’enfricher et à se boiser. La figure 2 schématise de façon chorèmatique cette double dynamique dont la rencontre conduit à la formation de zones d’interfaces, très critiques sur le plan du risque d’incendie de forêt.

Ainsi, parmi les conséquences directes de cette double dynamique spatiale, l’augmentation du risque lié à l’incendie de forêt résulte de la rencontre de zones combustibles, les espaces forestiers, et de zones vulnérables, les espaces d’urbanisation discontinue.

3.1.2. Dynamique théorique des indicateurs de risque

En situation de progression concurrente des espaces forestiers combustibles et des espaces urbains discontinus se densifiant, le risque théorique évalué par les


indices de l’analyse spatiale évolue selon une courbe en cloche. La figure 3 présente la courbe théorique générale d’évolution du risque dans le cas d’une dynamique d’occupation du sol opposant l’urbanisation et la progression du combustible sur les espaces en déprise.

Figure 3. Courbe théorique d’évolution du risque pour des espaces en déprise.

Dès l’installation des premières entités bâties sur la zone, la vulnérabilité augmente, ainsi que l’aléa d’éclosion (présence humaine permanente, véhicules, etc.). La masse combustible augmente par densification de la végétation. Mais la densité urbaine augmentant, la masse combustible va finir par décroître de façon significative, réduisant ainsi l’intensité d’un éventuel sinistre, ainsi que l’aléa d’éclosion et de propagation. Le risque est très faible dans les zones bâties à haute densité.

Il est ainsi fréquent que le risque d’incendie de forêt puisse être transitoirement fort durant la réalisation du plan d’urbanisation d’espaces complexes, où le combustible lui-même évolue. La connaissance de la trajectoire d’évolution de l’occupation du sol, et non seulement de l’état final, fait donc partie des éléments d’aide à la décision importants pour le planificateur. En situation réelle, cette information exige l’exécution d’un modèle dynamique, justifiant une démarche d’intégration de modèles.

La maîtrise du risque et de son évolution est l’une des priorités de l’aménagement des territoires locaux méditerranéens en voie d’artificialisation. La planification territoriale doit pour cela s’appuyer sur des outils prospectifs permettant l’anticipation de l’évolution du risque. Dans cette perspective l’objectif de notre recherche est de proposer un environnement logiciel pour l’implémentation et l’intégration de modèles disciplinaires permettant de simuler l’évolution du risque d’incendie qui résulte des dynamiques d’occupation du sol.

3.1.3. Multi-modélisation des dynamiques spatiales à l’origine de l’évolution du risque d’incendie

Comme nous venons de le voir, l’augmentation du risque d’incendie émane de la confrontation de deux dynamiques spatiales très différentes : la dynamique des espaces combustibles, principalement des espaces forestiers, et la dynamique des espaces vulnérables, en particulier des espaces « urbains discontinus ». Ces dynamiques sont contrôlées par un système anthropique de gouvernance, au travers de plans d’aménagement. La figure 4 explicite le lien entre les dynamiques spatiales et la dynamique du risque, ainsi que la limite du système modélisé.


Figure 4. Intégration de modèles de dynamique d’occupation du sol pour la

représentation de la dynamique du risque lié à l’incendie de forêt.

Dans une perspective d’aide à la décision pour la planification de la gestion de l’espace, on ne cherche pas à modéliser le système anthropique de gouvernance, qui est en fait précisément l’utilisateur final (ou l’ensemble des utilisateurs finaux) auquel s’adresse l’outil envisagé. En revanche, cet utilisateur doit être en mesure de formuler et de tester des scénarios de plans d’aménagement, afin d’en évaluer l’impact sur l’évolution du niveau de risque tout au long de la durée du plan. Ce sont donc les processus sous-jacents à l’origine de cette évolution du risque qu’il convient de représenter.

3.2. Objectifs d’un outil d’aide à la modélisation et à la gestion du risque lié à l’incendie de forêt

Le risque lié à l’incendie de forêt évolue fortement au cours du temps, tout particulièrement en zone méditerranéenne. Cette évolution est liée au développement urbain, à la déprise agricole et à la progression de la forêt sur les espaces abandonnés, phénomènes conduisant à la rencontre de zones combustibles, tels que les espaces naturels forestiers ou broussailleux, et de zones vulnérables, telles que les zones habitat discontinu.

Les cartes de niveau de risque, produites par application de modèles de risque génériques à des territoires particuliers, n’ont qu’une durée de validité limitée dans le temps, du fait que les modèles actuellement disponibles, statiques, ne prennent pas en compte le temps de façon explicite. Afin que les programmes d’aménagement des territoires incluent dans leurs objectifs la gestion du risque lié à l’incendie de forêt, une vision à moyen terme de l’évolution de ce risque est incontournable.

Les chercheurs en charge de la production de modèles de risques doivent ainsi être capables d’introduire la dimension temporelle dans ces modèles, afin de fournir des outils d’aide à la décision pour la planification des aménagements pertinents à


moyen terme. Notre travail de recherche s’inscrit dans cette problématique générale de la production de tels modèles, et a pour objectif la spécification d’un outil informatisé à double vocation :

- un outil d’aide à la production de connaissance, permettant en particulier l’introduction de la dimension temporelle à différents types de modèles de risque. Cette introduction est réalisée en permettant leur intégration à différents modèles de dynamiques spatiales déterminantes de la dynamique du risque : à ce titre, le produit envisagé a pour objectif l'aide à la spécification de l'intégration de modèles thématiques. Cette première facette de l’outil s’adresse ainsi à des utilisateurs qui sont des chercheurs en modélisation du risque ;

- un outil d’aide à la planification territoriale, s’appuyant sur les modèles de risque élaborés par les chercheurs précédents, et utilisé dans une démarche de tests successifs de différents scénarios d’aménagement de l’espace, et d’évaluation de l’évolution prévisible du risque d’incendie de forêt qui s’en suivrait, en fonction des dynamiques spatiales modélisées. Cet outil s’adresse à des responsables de l’aménagement de l’espace et de la gestion du risque d’incendie de forêt.

Dans les sections suivantes, nous précisions ces deux « utilisations » génériques de l’outil envisagé.

3.2.1. Aide à la spécification de l’intégration de modèles thématiques

Il s’agit d’offrir aux utilisateurs chercheurs thématiciens un cadre logiciel de spécification de l’intégration de modèles de risque et de modèles de dynamiques spatiales, afin d’introduire la dimension temporelle dans la démarche de modélisation spatiale du risque lié à l’incendie de forêt (figure 5).

Figure 5. Aide à la spécification de l’intégration de modèles.

Les différents modèles disponibles, en particulier les modèles spatiaux de risques, sont le plus souvent encore à l’état de pré-validation, et des progrès importants sont à attendre dans le domaine de la modélisation thématique du risque. De même, les modèles de dynamique d’occupation du sol ont une typologie de


territoires de validité souvent relativement restreinte, et la généralité de la démarche de modélisation de la dynamique du risque requiert l’utilisation de modèles de dynamique d’occupation du sol différents en fonction du type de territoire ciblé.

Ce cas d’utilisation a ainsi pour objectif de maintenir le système suffisamment ouvert pour permettre l’intégration de nouvelles connaissances thématiques à venir sur le risque et sa modélisation, ainsi que pour permettre l’utilisation de modèles de dynamique d’occupation du sol différents selon le territoire ciblé.

3.2.2. Aide à l’élaboration et au test de scénarios d’aménagement planifiés

Les modèles dynamiques du risque ainsi spécifiés auront une utilisation opérationnelle par les gestionnaires pour la planification des aménagements territoriaux. Il s’agit d’une perspective assez lointaine, puisqu’elle est conditionnée par la validation des différents modèles thématiques élaborés par les chercheurs thématiciens, puis par la validation du système intégré. Il s’agit néanmoins du cas d’utilisation qui fonde la spécification du système global.

L’utilisation opérationnelle du système transféré auprès de l’utilisateur final, repose sur la pratique d’une boucle exploratoire d’élaboration et le test de scénarios d’aménagement successifs afin de parvenir à la solution jugée la meilleure par l’utilisateur lui-même (figure 6). Les scénarios ont deux composantes principales : (i) le plan d’aménagement lui-même permettant le contrôle de la dynamique d’occupation du sol, et par là de la dynamique du risque, par le décideur, et (ii) les hypothèses de conjoncture envisageant différentes évolutions du contexte socio-économique et environnemental conditionnant les dynamiques spatiales.

Figure 6. Boucle d’élaboration et test de scénarios pour l’aide à la planification.

Notons que les hypothèses de conjoncture sont portées par les paramètres des différents modèles, alors que les plans d’aménagement constituent de véritables données d’entrée du système intégré. De même les scénarios de plan d’aménagement sont évalués en regard de l’évolution pluriannuelle des niveaux de risques spatialisés qu’ils induisent. Il s’agit d’une évaluation d’experts, fondée sur des critères objectifs (quantifiés), fournis par le système, mais aussi des critères « subjectifs », en ce sens qu’ils sont issus d’une analyse semi-formelle des résultats


des simulations (typiquement l’analyse visuelle de l’évolution de la carte des niveaux de risque fournie par le système).

3.3. Niveaux de décision de gestion du risque d'incendie de forêt en planification territoriale

Tant les dynamiques d’occupation du sol que la cartographie du risque d’incendie peuvent s’appréhender à des échelles variées : le choix de l’échelle dépend de l’usage qui sera fait du modèle produit. Dans notre application, l’usage se situe au niveau de l’aide à la décision relative à la planification de l’occupation du sol d'une part, et d’autre part de la planification des aménagements de protection contre le risque d'incendie de forêt (pare-feu, citernes et pistes de Défense des Forêts Contre l'Incendie – DFCI, etc.)

Nous avons vu qu’en gestion du risque environnemental, les actions à court terme de gestion de crises peuvent être assimilées à des actions de « régulation » sur un site bien défini. Les décisions de préventions de type réglementaire, telles que l’interdiction de l’accès aux zones dangereuses, peuvent être assimilées à des actions de « pilotage du risque » ou de planification organisationnelle. Enfin les décisions d’aménagement des territoires peuvent être assimilées à des actions globales de planification stratégiques à long terme. Nous n'intervenons ici qu'au niveau des planifications stratégique et opérationnelle, et non en "gestion de crise". On peut ainsi associer à la planification stratégique et à la planification opérationnelle un niveau décisionnel adapté et caractérisé par des échelles spatiales et temporelles spécifiques :

- Planification stratégique : le niveau macro-local. L’aide à la planification stratégique (par exemple, pour l’élaboration des Schémas de Cohérence Territoriale – SCOT) s’accommode d’échelles assez peu précises pour lesquelles les phénomènes peuvent être appréhendés par des modèles agrégés de diffusion spatiale, des modèles à base d’automates cellulaires, etc. Concrètement, les entités géographiques susceptibles d’être discriminées sont la « zone agricole », le « petit massif forestier », la petite agglomération. L’extension sur laquelle les modèles sont mis en œuvre va de la commune jusqu’à un périmètre pluri-communal ou un grand massif forestier et ses abords. Nous faisons référence à ce niveau d’échelle par le terme d’échelle « macro-locale ».

- Planification opérationnelle : le niveau micro-local. La planification opérationnelle (typiquement l’élaboration des Plans Locaux d’Urbanisme - PLU, ou des Plans de Prévention des Risques - PPR) requiert l’intégration de modèles à grande échelle2, pour laquelle sont appréhendées les entités géographiques élémentaires : parcelles, bâtis individuels, entités végétales (bosquet, voire arbre). L’extension sur laquelle opèrent les modèles va de la parcelle au quartier de

2 Les grandes échelles géographiques, concernent les descriptions spatiales précises sur des extensions spatiales limitées


commune, voire à tout l’espace communal3. Les modèles de type individu-centrés, susceptibles d’implémentation sous forme de systèmes multi-agents (Bousquet, 2001) sont souvent bien adaptés à ce niveau d’échelle. Nous y faisons référence par le terme d’échelle « micro-locale ».

L'aide à la décision de gestion du risque d'incendie de forêt, fondée sur la simulation intégrée, trouve ainsi sa justification dans la nécessité d'appréhender les dimensions spatiales, temporelles et thématiques de la décision à plusieurs niveaux d'échelle. Notre démarche de spécification d'un outil d'aide à la décision repose sur la valorisation de modèles thématiques existant et leur organisation dans un cadre de modélisation que nous décrivons dans la sous-section suivante.

3.4. Les modèles thématiques disponibles et le cadre de modélisation

La modélisation de la dynamique du risque lié à l’incendie de forêt est une œuvre de longue haleine, dont la progression est intimement liée aux progrès des modèles thématiques produits notamment par l’écologie, la géographie ou la cindynique. Notre objectif n’est pas la production d’un modèle définitif mais d’un environnement conceptuel et logiciel qui, sans être générique, facilite l’implantation et l’intégration de modèles thématiques existants susceptibles de contribuer à la résolution de notre questionnement. Cet environnement définit notamment les niveaux d’échelle considérés et les types de modèles à intégrer.

Dans cette section nous présentons les principaux modèles disponibles sur lesquels doit reposer une aide à la gestion de risque d’incendie de forêt en planification territoriale. Puis nous nous intéressons à l’articulation des modèles à mettre en œuvre pour l’aide à la décision, qui conduira à définir deux types d’intégration, l’intégration thématique et l’intégration scalaire. Nous proposons alors un cadre de modélisation intégratif multi-thématiques et multi-échelles.

3.4.1 Les modèles thématiques disponibles

La modélisation de la dynamique du risque d’incendie de forêt en liaison avec les changements d’occupation du sol requiert trois types de modèles spatiaux. Il s’agit des modèles de progression du combustible, issus de l’écologie et représentant les dynamiques des formations végétales, des modèles de progression des zones vulnérables, c’est-à-dire des zones de bâti discontinu principalement, et enfin des modèles de risque, qui servent à évaluer le niveau de risque pour un état spatial donné. Les deux premiers sont des modèles de dynamiques spatiales, alors que les troisièmes sont des modèles spatiaux statiques.

La progression du combustible relève essentiellement de processus écologiques. L’écologie fournit des modèles performants capables de représenter la dynamique des formations végétales combustibles, tant dans leur structure que dans leur

3 La « commune » est la plus petite entité administrative Française, dont la surface moyenne est d’environ 15 km². Les intercommunalités regroupent en général entre 10 et 40 communes.


extension spatiale (Coquillard et al., 1997). Plusieurs types de modèles écologiques peuvent être utilisés, tels que par exemple, les modèles de l'écologie fonctionnelle, fondés sur la représentation des fonctions biologiques, en particulier la reproduction (modèles reproductifs, Prévosto et al. 2003), les modèles basés sur les séries écologiques, les modèles agrégés de l'écologie spatiale ou de l'écologie du paysage, tel que la modèle SIERRA (Mouillot & al., 2001).

Pour ce qui est de l’artificialisation des espaces, les modèles dont l’objectif est la représentation de l’extension urbaine sont principalement produits par la géographie. Ils sont le plus souvent fondés sur la représentation du phénomène de diffusion spatiale, modulés ou non par les caractères géographiques des espaces sur lesquels elle se déroule. Les automates cellulaires sont particulièrement bien adaptés à l’implémentation de tels modèles de diffusion, notamment à échelle moyenne (Batty, 2000). De très nombreux travaux les utilisent, tels que, à titre d’exemple, Dubos-Paillard (Bubos-Paillard, 2003) sur l’agglomération Rouennaise. L’approche fractale, bien que statique, est également utilisée, par la reproduction qu’elle permet d’une « figure initiale » (Franklauser, 2000).

Enfin, l’évaluation du risque d’incendie en fonction de l’occupation de l’espace se fait grâce aux modèles cartographiques de risques. Il s’agit, dans tous les cas, de modèles statiques, qui évaluent, par exemple, la relation spatiale existant entre les objets géographiques combustibles (forêt) et des objets géographiques vulnérables (zones urbaines).

3.4.2 Un cadre de modélisation intégratif multi-thématiques et multi-échelles

La production d’un outil d’aide à la décision intégré, fondé sur la simulation, pour la gestion de l’évolution du risque d’incendie de forêt en lien avec la dynamique d’occupation du sol relève donc d’une problématique d’intégration de modèles. Le croisement des deux échelles requises pour une aide à la décision à deux niveaux (échelles macro-locale et micro-locale), avec les trois champs thématiques impliqués dans la problématique (dynamique de la végétation, dynamique d’urbanisation et risque) nous conduit ainsi à un total de six modèles nécessaires, tous ayant une composante spatiale explicite, et quatre étant des modèles dynamiques (cf. figure 7).

La représentation symbolique sous forme de couche d’information géographique de l’occupation du sol constitue une donnée partagée par les modèles. La mise à jour de cette donnée constitue aussi le moyen d’échange d’information principal entre les modèles (en dehors des signaux de synchronisation temporelle). Pour un même niveau d’échelle, les différents modèles agissent, à chaque pas de temps, sur un même espace géographique, décrit dans des nomenclatures sémantiques différentes mais compatibles : les modèles écologiques utilisent des sémantiques représentant les espaces forestiers et naturels de façon très développée alors que les modèles d’urbanisation requièrent des distinctions sémantiques entre différents types d’espaces artificialisés. C’est sur la structuration hiérarchisée des nomenclatures d’occupation du sol que repose l’interopérabilité des données des différents modèles.


Les données géographiques utilisées par les modèles des différents niveaux échelles sont différentes. Aux grandes échelles (niveau micro-local) sont représentées les « entités géographiques élémentaires » (parcelles, bâtiments, bosquet d’arbres voire arbres, etc.), alors qu’aux échelles moyennes les entités sont le plus souvent des agrégats d’objets élémentaires géographiques (îlots parcellaires, massif forestier, zones de bâti discontinu, etc.).

4. Un outil d’aide à la gestion du risque d’incendie en planification territoriale

Dans cette section, nous présentons un outil pour la gestion des risques d’incendie de forêt basé sur la simulation de différentes dynamiques d’occupation des sols et de leur intégration. Ce système est principalement composé de simulateurs des dynamiques d'occupation du sol et de modèles d’intégration permettant l’intégration des simulations multi-thématiques et multi-échelles. Il est implémenté sous la forme d’une infrastructure logicielle, nommée Pyroxène, assurant l’interopérabilité de simulateurs existants.

Nous introduisons tout d’abord l’architecture générale du système. Puis nous présentons les différents modèles de simulation et d’intégration sur lequel ce système repose. Ensuite nous présentons l’architecture de l’un de ses composants majeurs, celui de l’infrastructure logicielle assurant l’intégration des simulations, ainsi que son fonctionnement pour l’intégration des modèles. Enfin, après quelques détails d’implémentation, nous illustrons sa mise en œuvre opérationnelle.

4.1. Architecture générale de l’outil proposé

Comme nous l’avons déjà évoqué (cf. section 3.2) notre objectif est de développer un outil informatisé d’aide à la gestion du risque d’incendie pour la planification territoriale. Cet outil a deux vocations principales : (i) un outil d’aide à la production de connaissance à destination des chercheurs en cindynique, développant des modèles de risque, (ii) un outil d’aide à la planification territoriale, qui s’adresse à des responsables d’aménagement de l’espace et de gestion du risque d’incendie de forêt, qui s’appuie sur ces modèles dynamiques de risque, et qui permet, entre différents scénarios d’aménagement de l’espace possible, de retenir le scénario optimal pour la gestion à moyen terme du risque d'incendie de forêt.

De plus nous avons vu que le risque d’incendie de forêt présente deux composantes : le risque d’éclosion, modélisable au niveau d’organisation territorial « micro-local », aux grandes échelles géographiques, et le risque de propagation modélisable à des échelles géographiques plus petites, correspondant au niveau « macro-local » (Jappiot et al., 2000). Ces composantes interagissent plus spécifiquement au sein de zones critiques d’interface (Lampin, 2009), qui sont des zones complexes issues de l’urbanisation discontinue des espaces forestiers. La représentation complète de la dynamique du risque global nécessite d’intégrer des


simulations des dynamiques d’occupation du sol, et plus spécifiquement d’urbanisation discontinue, à ces deux niveaux d’échelle.

L’architecture générale de notre outil (cf figure 7) s’articule autour de différents modèles de simulation, mis en œuvre par des simulateurs spécifiques. Ces modèles concernent les trois thématiques (les dynamiques végétales et d’urbanisation, et le risque), et les deux échelles (micro-local et macro-local) déjà introduites. Nous utilisons les modèles Landis II (Scheller et al., 2006) et Afforsim (Prevosto et al., 2003) relatifs à la dynamique de la végétation, les modèles Macropolis et Micropolis (Maillé et al., 2007), pour les dynamiques d’urbanisation, et enfin des modèles TopoVector et ContextRaster (Maillé, 2008) pour la thématique du risque. Ces modèles de simulation sont interfacés par quatre principaux modèles d’intégration, permettant de réaliser soit une intégration thématique (axe horizontal) soit une intégration scalaire (axe vertical). Nous nommons ces modèles SI-Eco et SI-Urba pour l’intégration scalaire (Scale Integration - SI) des modèles se rapportant respectivement à la thématique écologique et d’urbanisation, et TI-Micro et TI-Macro, (Thematic Integration - TI) pour l’intégration thématique respectivement aux niveaux micro–local et macro-local.

Figure 7. Architecture générale de l’outil d’aide à la gestion des risques en

planification territoriale.

Notre outil est implémentée sous la forme d'une infrastructure logicielle nommée Pyroxene, assurant les différentes intégrations scalaires et thématiques des simulations, en s’appuyant sur les modèles d’intégration précédemment introduits. Dans les sections suivantes nous présentons succinctement ces différents modèles ainsi que cette infrastructure d’intégration Pyroxene. Enfin, après avoir présenté quelques détails d’implémentation, nous illustrons sa mise en œuvre opérationnelle.


4.2. Modèles spatio-dynamiques et spatio-statiques pour simuler l'évolution du risque

Les six modèles utilisés préexistent à l'état de simulateurs exécutables, ou ont été spécifiquement développés pour l'application. Quatre d'entre eux sont des modèles spatio-dynamiques, et deux sont des modèles spatiaux statiques.

4.2.1. Simulation des dynamiques de la végétation combustible

Pour représenter les dynamiques des espaces combustible aux grandes échelles géographiques (niveau micro-local), nous utilisons le modèle Afforsim (Prevosto et al., 2003). Il s'agit d'un modèle écologique individus-centré qui permet de représenter la dynamique locale des ligneux arborés, sur des parcelles agricoles ou des espaces pastoraux abandonnés initialement ouverts ou semi-ouverts. La classe principale des individus manipulés par le modèle est la classe "arbres",, ceux-ci étant répartis sur un espace divisé en "cellules".

A échelle intercommunale (niveau macro-local), la dynamique des espaces combustibles est celle des formations végétales ligneuses pluri-spécifiques. On ne s’intéresse plus aux individus mais aux associations végétales dans leur globalité. Le modèle Landis (Scheller et al., 2006) utilisé, permet la représentation de la dynamique de formations forestières plurispécifiques en fonction du milieu.

Lorsqu’une zone forestière produite par le modèle Landis rencontre une zone de bâti discontinu, la dynamique forestière est radicalement modifiée, et ne peut plus être représentée par ce modèle au niveau macroscopique. Afin de pouvoir poursuivre la simulation, le recours à un nouveau modèle de dynamique, apte à prendre en compte l'hétérogénéité du milieu au niveau microscopique, est nécessaire : nous utilisons le modèle Afforsim. Les résultats de la simulation Afforsim peuvent alors être restitués à la simulation de niveau macroscopique par un processus d'intégration scalaire.

4.2.2. Simulation des dynamiques d’urbanisation

Nous avons spécifié et implémenté deux modèles de simulation de la dynamique d’occupation du sol (urbanisation), Macropolis et Micropolis spécialisés dans la représentation de la dynamique des zones d’interfaces, aux deux niveaux pertinents de représentation et de gestion du risque lié à l’incendie de forêt, micro-local et macro-local.

Micropolis (Maillé et al., 2007) est un simulateur multi-agent de la dynamique d’urbanisation discontinue au sein des zones d’interface elles-mêmes, à l’échelle micro-locale. Il permet la simulation de l'apparition de nouveaux bâtis individualisés .sur des espaces constructibles, en représentant les interactions entre des "agents sociaux" (propriétaires, acheteurs, etc.) et des agents "géographiques" (parcelles, bâti individualisé, etc.). Afin de représenter les dynamiques d’artificialisation, nous avons développé le modèle Macropolis (Maillé et al., 07) spécifiquement pour la


simulation de la dynamique du risque. Il s’agit d’une grille d’automates cellulaires stochastique synchrone développé sur le système de traitement de l’information géographique ouvert Grass© à dominante matricielle. La dynamique est fondée sur le calcul d'une probabilité de transition pour chaque pixel, en fonction des attributs locaux et de l'environnement spatial du pixel.

Lorsqu’une zone de bâti discontinu rencontre une zone forestière, il y a formation d’une nouvelle zone d’interface. Par définition, le risque inhérent et sa dynamique ne sont pas connus au niveau macroscopique (donc du modèle Macropolis), mais sont déterminés par la structure interne des zones, et non plus par leur voisinage. Afin de pouvoir poursuivre la simulation, le recours à un modèle de dynamique du niveau microscopique est nécessaire : nous utilisons le modèle Micropolis. Puis les résultats d'une simulation Micropolis, limitée à la zone d'interface et à l'équivalent d'un pas de temps macroscopique sont restitués à la simulation du niveau macroscopique par un processus d'intégration scalaire.

Les modèles de risque

Les modèles de risque ne sont pas des modèles dynamiques mais permettent simplement d’évaluer un niveau de risque en tout point de l’espace en fonction des caractères spatiaux du lieu géographique. Deux modèles de risque que sont utilisés : le modèle ContextRaster au niveau micro-local, et le modèle TopoVector au niveau macro-local.

Le modèle ContextRaster est un modèle spatio-statique de risque adapté à la planification opérationnelle. Il se fonde sur les approches de type multicritères développées par (Lampin 09), permettant une estimation du risque micro-local par évaluation de l'aléa et de la vulnérabilité. L'évaluation de l'aléa nécessite en particulier une estimation de l’intensité potentielle d'un feu éclos, directement liée à la masse combustible présente, estimée par la densité dv et la structure sv de la végétation. Par ailleurs, le modèle ContextRaster relie la vulnérabilité locale essentiellement à la densité locale du bâti discontinu db. Notons que le modèle Afforsim est capable de simuler la densité dv et la structure sv de formations végétales particulières, mono-spécifique, à tout instant t, et que le modèle Micropolis permet de simuler la densité du bâti db au même instant. L’intégration de l’information géographique fournie par ces modèles permet ainsi de simuler l’évolution de ces niveaux de risque théorique en tout point de l’espace.

Le modèle TopoVector, développé au Cemagref, est un modèle théorique d’estimation d'un niveau de risque moyen par territoire, Il manipule quatre classes d’entités : Forêt, Coupures, Interface, Zone urbaine. Sur un territoire donné, le risque moyen est estimé en considérant la relation spatiale existant entre les entités des différents couples de classes. Par hypothèse, dans le modèle TopoVector, la probabilité d’occurrence, la vulnérabilité et l’intensité potentielle sont connues pour un espace homogène (forêts, coupures, et zones urbaines) mais ne peuvent être estimées qu’à l’échelle microscopique pour les espaces d’interface : en effet, dans ce


cas, ils dépendent de l’organisation spatiale des objets combustibles et vulnérables, ainsi que de l’organisation spatiale des facteurs d’aléa. Pour une entité de classe I (interface), l’intensité potentielle peut être estimée par la moyenne des densités de végétation locales dv, estimées au niveau microscopique, et la vulnérabilité peut être estimée par la moyenne des densités de bâti locales db, mesurées au niveau microscopique. Ainsi le calcul du risque macroscopique se fonde sur une estimation des caractères spatiaux des interfaces à l’échelle microscopique.

4.3. Modèles d’intégration

La confrontation entre les dynamiques d’écosystème, se traduisant notamment (en termes de risque) par la progression du combustible, et les dynamiques d’urbanisation, se traduisant notamment par la progression de l’espace urbain discontinu vulnérable, est représentée par l'intégration des données produites par chacun les modèles, et en particulier des couches d’information géographique, à chaque pas de temps de la simulation, au travers des modèles d’intégration thématiques et scalaires. Les modèles d'intégration thématique (TI-) et scalaire (SI-) sont constitués de plusieurs composants (SI-Extract, SI-Init, etc.) remplissant chacun une tache de l'intégration précise. Ils sont implémentés sous la forme de "fonctions" spatiales paramétrées exécutables sur les couches d'information géographiques.

4.3.1. Les modèles d’intégration thématique TI-Macro et TI-Micro.

Le modèle d’intégration thématique macroscopique TI-Macro permet la prise en compte de l’interaction entre les simulations des modèles Macropolis et Landis. A chaque pas de temps, il intègre aux données d’entrée de Macropolis les résultats du pas de temps simulé par Landis et réciproquement. De la même façon, le modèle d’intégration thématique microscopique TI-Micro permet représentation de l’interaction entre les simulations des modèles Micropolis et Afforsim : à chaque pas de temps, il intègre dans leur sémantique respective les entités bâties produites par Micropolis aux données d’entrée d’Afforsim et les entités végétales produites par Afforsim aux données d’entrée de Micropolis.

Les modèles d’intégration thématique spécifient le résultat de « l’interaction » (Koch, 2001) entre deux entités produites, sur une même portion d’espace, par les modèles à intégrer. Ils spécifient en particulier la classe de l’objet géographique résultant de l’interaction, dans la sémantique de chacun des modèles. Ainsi, par exemple, lorsqu’un espace de la classe « Forêt » produit par le modèle Landis, entre en interaction spatiale avec un espace de la classe « Urbain continu » produit par le modèle Macropolis, le résultat est un objet géographique de la classe « Non Actif »4 dans la sémantique du modèle Landis, un objet géographique de la classe « Urbain continu » dans la sémantique du modèle Macropolis (cela peut être interprété en considérant que le modèle Macropolis « l’emporte », dans ce cas précis, sur le


modèle Landis). Le modèle d’intégration thématique spécifie également le résultat de l’interaction dans la sémantique du modèle de risque. Dans notre exemple, le classe de l’objet géographique résultant et un espace « hautement vulnérable non combustible », dans la sémantique du modèle TopoVector.

Les modèles d’intégration thématique définissent ainsi l’ensemble des relations sémantiques entre les classes manipulées par les différents modèles, mais aussi des relations spatiales et spatio-temporelles entre leurs objets (Claramunt et al., 2001). Ils sont implémentés sous la forme de fonctions spatiales (intersection) sur le système d’information géographique (SIG).

4.3.2. Les modèles d’intégration scalaire SI-Eco et SI-Urb

Comme nous l’avons vu précédemment, lorsqu’une zone de la classe « Forêt » produite au niveau macroscopique par le simulateur du modèle Landis, entre en interaction spatiale avec une zone de la classe « bâti discontinu produite » par le simulateur du modèle Macropolis, il y a formation de la classe « Interface ». Cette relation entre les classes des deux modèles constitue l’une des spécifications du modèle TI-Macro. La classe « Interface » n’appartient ni à la sémantique du modèle Landis, ni à la sémantique du modèle Macropolis, si bien que sa dynamique ne peut être représentée au niveau macroscopique. De même, le risque qui lui est inhérent dépend essentiellement de sa structure interne, en particulier de sa composition en objets géographiques combustibles (végétation forestière) et vulnérables (bâtis) et de leur distribution spatiale : le risque des zones d’interface ne peut être évalué qu’au niveau microscopique par le modèle ContextRaster.

Afin de pouvoir représenter la dynamique des zones d’interface, d’en évaluer le risque, et ainsi de continuer la simulation, les modèles d’intégration scalaire SI-Eco et SI-Urb sont exécutés. Ils sont constitués de plusieurs composants, tels que le composant SI-Extract chargé de l’extraction des zones d’interface, et les composants SI-Init, chargés de l’initialisation des simulations microscopiques dans chacune des thématiques.

A partir des contours de la zone d’interface issus du modèle TI-Macro et extraite par le modèle SI-Extract, le modèle d’intégration scalaire atomique SI-InitEco initialise sur ces zones une session de simulation microscopique Afforsim. Pour cela, il extrait de la base d’information géographique les données microscopiques concernant cette zone, puis il les met à jour en utilisant les données macroscopiques relatives au couvert végétal, issues de l’intégration des données géographiques produites par les modèles macroscopiques. En cela, SI-InitEco est un modèle d’intégration scalaire « descendant ».

A partir des mêmes contours de la zone d’interface que précédemment, issus du modèle TI-Macro et extraite par le même modèle SI-Extract, le modèle d’intégration scalaire atomique SI-InitUrb initialise sur ces zones une session de simulation microscopique Micropolis. Pour cela, il extrait de la base d’information géographique les données microscopiques relatives à l’urbanisation, puis il les met à


jour en utilisant les données macroscopiques issues de l’intégration des données géographiques produites par les modèles macroscopiques. En cela, SI-InitUrb est lui aussi un modèle d’intégration scalaire « descendant ».

4.3.3. Exemple de déroulement d’une simulation intégrée

Lors d’une simulation macroscopique intégrée, l’intégration par le modèle TI-Macro des simulations Macropolis et Landis donne lieu à la génération de zones critiques d’interface par installation de zones de bâti discontinu à l’intérieur ou en bordure des massifs forestiers. Au niveau de description macro-local, ces zones sont homogènes, et ne sont pas résolues en bâtis individualisés ou ensemble d’entités végétales. La dynamique de ces zones, comme le risque qui leur est inhérent, sont déterminés par la relation spatiale entre ces deux classes d’entités. Le transfert d’échelle, du niveau macro-local vers le niveau micro-local, nécessaire pour simuler l’évolution de ces zones, est limité à leur rectangle englobant.

Lors des simulations intégrées, le système d’intégration extrait les zones d’interface et y initialise une simulation Micropolis pour en évaluer la dynamique (figure 8). La mise à jour des données microscopiques se fait par désagrégation des données macroscopiques.

Figure 8. Déroulement temporel d’une intégration scalaire.

Le modèle d’intégration scalaire ascendante (agrégation) est alors mis en œuvre pour vérifier si l’espace concerné est toujours dans l’état « interface ». Ce modèle est basé sur le rapport entre la densité du bâti et le taux de surfaces boisées. Le

SIim

ulat

ion

MA

CR

OPO

IS

Agrégation d > dmin

Extraction

Initialisation

Simulation Mise à jour

Urbain continu Urbain discontinu Agricole Naturel

Bâti isolé Parcelles agricoles entretenues

Parcelles semi-ouvertes Parcelles forestières bosquets

temps t=0 (état initial) temps T=N

temps t=n+k Etat initial Etat intermédiaire (mis à jour pour t=n)

Sim

ulat

ion

MIC

RO

POL

IS

(temps t=n) (temps t=0)

temps T=N+1

Interface


modèle d’intégration scalaire ascendant permet, par agrégation, la définition d’un nouvel espace dont la dynamique est connue du modèle Macropolis, la simulation microscopique est alors arrêtée, et l’information produite par la simulation microscopique est transmise au modèle macroscopique.

L’intégration des différentes simulations aux différents niveaux d’échelle, pour la simulation de la dynamique du risque, requiert en premier lieu leur mise en compatibilité syntaxique des simulateurs, malgré l’hétérogénéité de leur paradigme de formalisation, de leur environnement informatique de développement (Fianyo, 2001), etc. Elle requiert également un support pour l’exécution des modèles d’intégration qui doivent en assurer la compatibilité au plan sémantique. Le système d’intégration Pyroxene est spécifié à cette double fin.

4.4. Pyroxene, une infrastructure multi-agents d’intégration de simulateurs spatiaux multi-thématiques et multi-échelles

Pyroxene est une infrastructure logicielle d’intégration à base d’agents spatiaux intergiciels, supportant l’intégration multi-thématique et multi-échelle de modèles de dynamiques spatiales, plus particulièrement à la simulation intégrée de la dynamique du risque d’incendie de forêt. Dans cette section, nous présentons l’architecture de l’infrastructure Pyroxene ainsi que son fonctionnement général.

4.4.1. Architecture de l’infrastructure Pyroxene

L’interopérabilité des simulateurs spatiodynamiques se fonde sur la spécification de modèles d’intégration. Pour assurer cette interopérabilité, l’infrastructure d’intégration Pyroxene s’appuie sur des agents spatiaux intergiciels, et sur le SIG en tant que support d’exécution des modèles d’intégration, interagissant dans une architecture de médiation dédiée de type bus inspirée de l’architecture HLA (IEEE 2001) spécialisée dans l’intégration de simulation (figure 9).

Infrastructure d’intégration PYROXENE

(système multi-agents d’intégration)

Agent adaptateur simulateur 1

Espace agricole historique

Zone d’extension forestière

Espace forestier

historique

Zone d’extension périurbaine

Noyau urbain historique

Zone « d’interface »

MEDIATEUR

Groupe d’agents intergiciels Coordination de l’invocation de services

Simulateur 1

Agent adaptateur simulateur 2

Simulateur 2

Agent adaptateur SIG

SIG

Figure 9. Architecture générale de l’infrastructure d’intégration Pyroxene.


Les agents intergiciels permettent l’interopérabilité de systèmes logiciels présentant diverses formes d’hétérogénéités dans leur mode de représentation du système réel et dans les modalités de leur implémentation. Ils forment un système multi-agent (SMA) d’intégration appelé aussi médiateur. Les recommandations proposées par la Foundation for Intelligent Physical Agents (FIPA 2001) permettent de standardiser l’organisation du système d’intégration à base d’agents.

Pyroxène est organisé dans une architecture orientée service (SOA) (Nickul et al., 2005), dans laquelle la contribution des différents simulateurs, et plus généralement des différents logiciels au système intégré, est formalisée sous forme de services, que les autres composants du système sont susceptibles d’invoquer afin d’obtenir l’information nécessaire à leur fonctionnement . Cette interopérabilité, par invocation de services (Serment, 2007), permet de ne pas être contraint par la nature du logiciel susceptible de fournir le service requis (simulateur, logiciel SIG, etc.). Pour plus de détails sur Pyroxene, nous renvoyons le lecteur à (Maille, Espinasse et Fournier, 2009).

5.6.2. Fonctionnement général de l’infrastructure Pyroxene

La simulation intégrée requiert l’échange et surtout la mise en interaction des informations produites par les modèles, c’est-à-dire l’exécution des modèles d’intégration. Il s’agit dans tous les cas d’informations spatiales, décrivant un espace géographique dans la sémantique du modèle. Dans l’interopérabilité assurée par Pyroxene, le SIG a pour rôle majeur d’assurer l’intégration des données spatiales en exécutant les modèles d’intégration, scalaires et thématiques, spécifiés par l’utilisateur. Ainsi, le SIG n’est pas seulement utilisé pour la gestion de données spatialisées, notamment pour la mise à disposition des données aux simulateurs, mais bien comme un composant spécifique du système d’intégration assurant la mise en « interaction » de l’information spatiale produite par les différents modèles, afin de produire une information nouvelle (Sengupta et al., 1996).

L’intégration assurée par les SIG repose sur la structuration en couches d’information géographique des modèles de données de la plupart des SIG. La couche d’information géographique, n’est pas une simple structuration incidente des données (De Blomac 94), en fonction d’une « thématique » aux contours incertains, mais peut constituer le support d’une information pleinement sémantique. En réunissant des classes dont les objets entretiennent des relations topologiques déterminées, elle est susceptible de porter l’information concernant la part de sémantique issue de la relation spatiale entre les objets spatiaux de différentes classes, qui vient s’ajouter à la sémantique des objets eux-mêmes.

Les SIG implémentent des opérateurs (ou fonctions) utilisés en analyse spatiale et permettant la mise en relation des couches d’information géographique : croisements topologiques pour l’information vectorielle, algèbre de grille pour l’information matricielle, etc. Leur mise en œuvre permet notamment de générer une nouvelle couche d’information géographique à partir de deux ou plusieurs couches


initiales, et ainsi l’émergence de l’information émanant de la relation spatiale entre des entités initialement indépendantes, ce qui est l’objectif des modèles d’intégration scalaire tel que précédemment défini. Des opérateurs SIG permettront ainsi de générer, à partir d’une couche d’information géographique de l’échelle macro-locale, et d’une couche d’information géographique micro-locale, une couche d’information géographique intégrée.

Si l’opérationnalisation des modèles d’intégration de modèles s’appuie principalement sur ces opérateurs ou fonctions d’analyse spatiale des SIG, elle peut aussi nécessiter des traitements d’informations géographiques associées à des modes de représentation de l’espace différents. Ces traitements de l’information géographique (matricielle ou vectorielle), les performances des SIG ne sont pas équivalentes, et le recours à plusieurs logiciels peut être nécessaire, ce qui complexifie d’autant l’interopérabilité que doit assurer Pyroxene.

4.5. Détails d’implémentation

Le prototype Pyroxene est développé en langage Java, avec la plate-forme de développement de systèmes multi-agents Tilab Jade© (Bellifemine et al., 2007). Elle permet l’intégration des différents modèles Micropolis et Macropolis ainsi que Afforsim et Landis, en se fondant sur les SIG matriciel Grass ou vectoriel topologique Esri® ArcGIS-ArcInfo Workstation©. En utilisant la machine virtuelle Java et le protocole RMI (Remote Methods Invocation), les agents de Pyroxene peuvent être distribués dans les différents environnements informatiques des systèmes logiciels utilisés (simulateurs, SIG, etc.).

Pour les simulateurs, Micropolis, système multi-agent, est développé aussi sous la plate-forme Tilab Jade et en Java, tandis que Macropolis est développé sous Grass et doté d’une interface utilisateur de pilotage écrite en Java. Afforsim est implémenté sous la forme d’un applicatif autonome développé dans le langage C++, tandis que Landis développé sous la forme d’un applicatif autonome dans le langage C# et fonctionne dans un environnement Microsoft Windows® .NET Framework®.

L’implémentation actuelle de Pyroxene a une structure figée permettant l’intégration des trois thématiques (écosystèmes, dynamiques urbaines et risque) concernées par l’application, et de deux niveaux d’échelle (micro-local et macro-local). Outre le choix et la configuration des modèles de simulation, Pyroxene permet la gestion des simulations intégrées mais également la spécification par l’utilisateur des modèles d’intégration scalaire ou thématique (figure 10).


Figure 10. L'interface utilisateur de Pyroxène.

4.6. Validation fonctionnelle et perspectives de mise en œuvre opérationnelle

L’objectif de la validation fonctionnelle est la vérification du fonctionnement efficace, fiable et cohérent du prototype développé, afin de confirmer la pertinence globale de l’approche conceptuelle et des choix architecturaux et techniques. Elle est effectuée sur des données réelles, en comparant les résultats des simulations à des mesures expérimentales effectuées par cartographie diachronique. Cependant, elle ne se fonde pas sur un protocole expérimental de recueil et d’analyse de données « terrains », requis pour la validation opérationnelle s’assurant de la capacité du simulateur intégré à représenter fidèlement la dynamique du risque du territoire réel.

Notre outil est en cours de validation fonctionnelle sur un territoire intercommunal de la région d’Aix-en-Provence (sud-est de la France). La figure 11 présente un exemple de séries de cartes de niveaux de risque obtenues par des simulations intégrées Pyroxene sur la zone géographique étudiée (avec zooms sur la périphérie de l’agglomération d’Aix-en-Provence).

La simulation présentée dans la figure 11 représente l’intégration de dix pas de temps Macropolis (période 2000 à 2010) et de cent vingt pas de temps Micropolis, localisés sur les zones d’interface. La simulation prévoit une baisse des espaces à risque élevé (-8 %), liée notamment à une réduction des surfaces forestières pures, au profit des espaces à risque très élevé (+19 %), liée à l’extension des zones de


bâti-boisés (interfaces). Les zones à risque faible, correspondant en grande partie à des zones d’habitat discontinu non végétalisées, décroissent également (-5 %), du

2000 (état initial mesuré) 2010 (simulé)

2000 2002 2004 2006 2008

2010

Figure 11. Exemple de représentation de l’évolution des niveaux de risque

par simulation intégrée.

Risque faible Risque moyen Risque élevé Risque très élevé

Légende des cartes:

Risque nul ou très faible


fait de leur végétalisation progressive prévue par le modèle (passage en risque très élevé). La décroissance des zones à risque moyen, faible en surface absolue mais forte en proportion (-19 %), peut être interprétée par la « double consommation » des espaces agricoles (afforestation après abandon et urbanisation). Enfin, les zones à risque très faible ou nul sont très stables (il s’agit surtout des espaces urbains continus, des sols nus et des surfaces en eau).

Ces résultats permettent de vérifier la cohérence des productions du simulateur intégré (validation fonctionnelle). La validation opérationnelle, visant notamment à évaluer la fidélité des simulations produites aux dynamiques réelles, est actuellement en cours en se basant notamment sur la mesure et la simulation des évolutions passées dans divers contextes européens.

5. Conclusion

La gestion des nouveaux risques émergeant des changements environnementaux d’origine anthropique actuels, tels les risques d’inondation ou d’incendie de forêts, est un enjeu central de la planification territoriale de plus en plus d’actualité. Elle concerne plusieurs champs disciplinaires et nécessite d’appréhender ces risques d’un point de vue dynamique. Le développement d’outils d’aide à cette gestion des risques environnementaux selon ce point de vue dynamique, est nécessairement basé sur la simulation de différentes dynamiques en interaction. Le problème qui se pose alors est l’intégration de différentes simulations de modèles spatio-dynamiques. Cette intégration est tout d’abord thématique, car elle doit permettre l’intégration de simulateurs qui implémentent des modèles se référant à des champs ontologiques différents : celui des écosystèmes, celui des dynamiques anthropiques et celui des risques naturels. Cette intégration est ensuite scalaire, en permettant l’interopérabilité de simulateurs dont les modèles représentent le système territorial à des niveaux d’échelle différents.

C’est dans l’objectif ultime de proposer un outil d’aide à la gestion planifiée du risque d’incendie de forêt en zone périurbaine, fondée sur la simulation intégrée de plusieurs dynamiques territoriales, qu’a été conduit ce travail de recherche. Pour cela nous avons tout d’abord précisé les principales caractéristiques de la gestion des risques en planification territoriale, notamment leur dimension multi-thématiques, spatialisée et dynamique. Plus précisément nous nous sommes focalisés sur la gestion des risques d’incendie de forêt en zone périurbaine à l’aide de modèles thématiques spécifiques. Ensuite nous avons proposé un cadre de modélisation intégratif multi-thématiques et multi-échelles explicitant des modèles d’intégration pour spécifier soit des processus d’intégration thématique soit des processus d’intégration scalaire. Enfin nous avons présenté un outil informatisé d’aide à la gestion de ces risques d’incendie en cours de développement et basé sur la simulation de différentes dynamiques d’occupation des sols et de leur intégration, ainsi que les premiers résultats de sa mise en oeuvre.


Cet outil a pour vocation d’apporter d’une part une aide à la production de connaissances, permettant la production de modèles de risque qui soient dynamiques, en facilitant leur intégration à différents modèles de dynamiques spatiales, et d’autre part une aide à la planification territoriale pour l’évaluation du risque d’incendie de différents scénarios de dynamique d’aménagement de l’espace. Dans sa première utilisation, il s’adresse à des chercheurs développant des modèles dynamiques de risque, et dans sa seconde utilisation, à des responsables de l’aménagement de l’espace et de la gestion du risque d’incendie de forêt. Cet outil repose tout d’abord sur différents modèles de simulation associés à des thématiques et échelles différentes qu’il a fallu, pour certains, élaborer. Ensuite, il réalise l’intégration, thématique et scalaire, des simulations obtenues, selon des modèles d’intégration explicitement définis. Pour supporter cette intégration, une infrastructure logicielle à base d’agents, Pyroxène, a été développée. Enfin cet outil a été partiellement validé par une mise en œuvre pour évaluer le risque d’incendie de forêt dans une zone périurbaine du sud-est de la France. Les résultats obtenus apportent dès à présent, dans le cadre de sa première utilisation potentielle, une aide significative à des chercheurs développant des modèles dynamiques de ce risque.

Une perspective à court terme sera une validation plus complète de Pyroxene sur le cas de l’estimation de risque d’incendie de forêt. Cette validation nécessite en préalable la validation opérationnelle des modèles de simulation eux-mêmes : divers travaux de validation sont en cours, fondés sur la cartographie diachronique utilisant des images télé-acquises, satellitales et aériennes, doivent permettre la comparaison post-ante de mesures expérimentales des dynamiques passées et des résultats de simulation, sur plusieurs zones de la conurbation d’Aix-Marseille. A moyen terme, Pyroxene devrait évoluer vers plus de généricité en permettant notamment de traiter plus de deux thématiques dynamiques et niveaux d’échelle. En effet, l’architecture de Pyroxene est actuellement figée, en étant limitée à deux niveaux d’échelle. A moyen terme, les normes HLA d’interopérabilité par échanges de données fondés sur le mécanisme de publications/abonnements (IEEE 01) seront implémentées pour permettre l’intégration de modèles à plus de deux niveaux d’échelle différents.

6. Bibliographie

Antony R.N., 1966, « Planning and Control Systems: a framework for analysis ». Cambridge, Mass, Harvard University Press, 1966.

Balci O., « Verification, validation and testing ». In. The Handbook of Simulation, Chap. 10, Ed. Jerry Banks, John Wiley & Sons, New-York, 1998.

Barzman M., Bouarfa S., Bots P., Ruelle P., Martinand P., Caron P., Passouant M., Levrault F., Ferrané C., « Analyse d’une démarche d’observatoire dans un contexte conflictuel : cas de l’irrigation en Charente », in. Ingénierie EAT, n°49, Cemagref, 2007

Batty M. and Jiang B., « Multi-agent Simulation: Computational Dynamics within GIS », Innovation in GIS VII: Geocomputation, Martin D. and Atkinson P., Taylor & Francis, 2000, p. 55-71


Bellifemine F., Caire G., Trucco T., Rimassa G., 2007, « Jade Programmer’s Guide », TILAB, University of Parma, I. http://www.tilab.com.

Bousquet F., Le Page C., Müller J.P., Modélisation et simulation multi-agent, CIRAD, Montpellier, 2001

Claramunt C. and Jiang B., « An Integrated Representation of Spatial and Temporal Relationships between Evolving Regions », Geographical Systems, Vol. 3, 2001, Springer-verlag, p. 411-428.

Coquillard P., Hill D. R.C., « Modélisation et simulation d’écosystèmes, Des modèles Déterministes aux simulations à évènements discrets », Masson, Paris, 1997.

De Blomac F. Arc/Info, « Concepts et application en géomatique », coll. Traité des nouvelles technologies, Ed. Lavoisier, Paris, 1994.

Dubos-Paillard E., Guermond Y., Langlois P., « Analyse de l’évolution urbaine par automate cellulaire », 2003, UMR 6063 IDEES, Laboratoire MTG Rouen

Fianyo Yawa Edem, « Couplage de modèles à l’aide d’agents : le système OSIRIS », thèse de doctorat, Université de Saint-Etienne, 2001.

FIPA (Foundation for Intelligent Physical Agents) « Agent Software Integration Specification », Doc. number XC00079B, 2001.

Ferrand N. (Coord.), SMAGET: Modèles et Systèmes Multi-Agents pour la Gestion de l'Environnement et des Territoires, Colloque, 5-8 Octobre 1998, Cemagref; ENGREF Clermont-Ferrand, France, 2000.

Frankhauser P. & al., « Morphologie des villes émergentes en Europe à travers les analyses fractales », Rapport de Recherche, 2000.

Grueau C., Rodriguez A., « Simulation tools for transparent decision making in environmental planning », Rapport de recherche, 2002, Centro Nacional de Informacao Geografica, Lisboa, Portugal.

Huang B. and Jiang B. « AVTOP: a full integration of TOPMODEL into GIS », in. Environmental Modelling & Software, Vol. 17, No. 3, 2002, Elsevier, p. 261-268.

IEEE (Institute of Electrical and Electronics Engineers), 1516-2000, Standard for Modeling and Simulation (MetS), High Level Architecture (HLA) - Framework and Rules, 2000.

Jappiot M, Blanchi R., Alexandrian D, « Cartographie du risque d’incendie de forêt : besoins, méthodes et données, essai de normalisation. » in. Actes des Journées GIS Incendie de Forêt, Hyères, France, 2000. http://www.incendies-de-foret.org/recherche.php?year=1998-3/hyères2000.pdf

Jappiot M, Philibert-Caillat C, Borgniet L, Dumas E, Alibert N, « Wildland/urban interfaces spatial analysis », Ingenieries- Eau agriculture territoires, Numero special « Risques naturels et aménagement du territoire », 2003.

Koch A., « Linking MultiAgent System and GIS. Modelling and Simulating Spatial Interactions. » Rapport de recherche, 2001, Department of Geography RWTH, Aachen, Deutschland.

Lampin-Maillet C., Caractérisation de la relation spatiale entre organisation spatiale d’un territoire et risque d’incendie : Le cas des interfaces habitat-forêts du sud de la France Thèse de doctorat en Géographie Analyse spatiale de l’université de Provence, France, 2009.

Maillé E, Espinasse B, « Vers un outil d’aide à la décision pour l’estimation de l’évolution du risque d’incendie par modélisation et simulation de dynamiques spatiales », rapport de recherche, LSIS, Cemagref Aix-en-Provence, 2006.


Maillé E, Espinasse B., « Un cadre de modélisation pour la simulation de dynamiques spatiales complexes », in. Actes du Colloque SAGEO07, Rencontres Internationales de Géomatique, 18-19 juin 2007, Clermont-Ferrand, France, 2007.

Maillé E, Espinasse B., « Un cadre de modélisation pour la simulation de dynamiques spatiales complexes », in. Actes du Colloque SAGEO07, Rencontres Internationales de Géomatique, 18-19 juin 2007, Clermont-Ferrand, France, 2009.

Maillé E., Espinasse B., Fournier S., « Des agents spatiaux multi-échelle pour l’intégration multi-échelle de modèles de dynamiques spatiales », in: Revue Internationale de Géomatique – European Journal of GIS and Spatial Analysis, Lavoisier Ed ., Vol. 19, n°4/déc. 2009, pp. 523-549.

Maillé E., « Intégration conceptuelle et opérationnelle de modèles spatio-dynamiques, Application à la dynamique du risqué d'incendie de forêt », Thèse de doctorat, Laboratoire des Sciences de l'Information et des Systèmes, Université Paul Cézanne - Aix-Marseille 3, France, 2008.

Mouillot F., Rambal S., Lavorel S., A generic process-based simulator for Mediterranean landscapes (SIERRA): Design and validation exercises., in. Forest Ecology and Management 147: 75-97. 2001.

Napoléone C., « Prix fonciers et immobiliers, et localisation des ménages au sein d’une agglomération, urbaine », thèse de Doctorat, Ecole des Hautes Etudes en Sciences Sociales (EHESS), GREQUAM, 2005.

Nickul D., Reitman L., Ward J., Wilber J., « Service Oriented Architecture (SOA) and Specialized Messaging Patterns », Technical White Paper, Adobe, 2005. (http://www.adobe.com/enterprise/pdfs/Services_Oriented_Architecture_from_Adobe.pdf)

Patton D. R., « A diversity index for quantifying habitat edge. » Wildl. Soc. Bull. 394:171-173, 1975.

Phipps M., 2001, « Espace Entropie et Environnement », in. Actes des Vième rencontres ThéoQuant, 22et 23 Février 2001, Besançon. (http://thema.univ-fcomte.fr/theoq/pdf/2001/phipps.pdf)

Prévosto B., Hill D., Coquillard P., « Individual-based modelling of Pinus sylvestris invasion after grazing abandonment in the French Massif Central », Plant Ecology 168:121-137, 2003, Kluwer Academic Publishers, The Netherlands, p. 121137.

Rodriguez A., Grueau C., Raper J., Neves N., « Environmental planning using spatial agents » Innovations in GIS, 5, 2002, Carver, S., Taylor and Francis, London, p. 108-118.

Sengupta R.R., Bennett D.A., Wade G.A., « Agent Mediated Links Between GIS and Spatial Modeling Software using a Model Definition Language. », GIS/LIS'96, Annual Conference and Exposition Proceedings; xv+1284, 1996, p. 295-309. American Society for Photogrammetry & Remote Sensing, Bethesda, MD, USA.

Serment J., Espinasse B., Tranvouez E., « Vers une infrastructure d’intégration pour le développement de systèmes d’aide à la décision environnementale », 6ième Conférence Francophone de Modélisation et Simulation – MOSIM’06, Rabat, Maroc, 3-5 avril 2006.

Scheller M.R., Domingo J.B., « LANDIS-II Core Model Descirption » & « Landis-II Models v5.1 User Guide », landis.forest.wisc.edu, 2006.

Valette J.C., « La modélisation du comportement du feu », Rencontres La Grande Motte, INRA 06-07 octobre 1992.

un outil de modélisation intégrée de la dynamique du ...acl 10]-maille-j… · 1 un outil de...

Documents