Apport de l'imagerie très haute résolution spatiale pour la caractérisation de la densité urbaine
DOI:
https://doi.org/10.52638/rfpt.2014.97Keywords:
densité urbaine, classifications supervisées, image satellite Pléiades, très haute résolution spatiale, ToulouseAbstract
Les récentes évolutions règlementaires imposent aux services de l'Etat et aux collectivités de mener une politique d'aménagement urbain combinant construction de logements et gestion économe de l'espace. Le portage de ces politiques sensibles nécessite une connaissance fine, fiable, consensuelle et actualisée du territoire.
Les bases de données actuellement disponibles, qui présentent par ailleurs des atouts reconnus, montrent cependant certaines limites bloquantes en termes d'homogénéité ou de fréquence de mise à jour. L'objectif de cette étude est d'identifier dans quelle mesure des traitements automatiques sur images satellites à très haute résolution spatiale permettent d'aller au-delà de ces limites et peuvent fournir des informations d'occupation des sols et de densité urbaine.
Des couches d'occupation des sols sur l'agglomération toulousaine sont obtenues par classifications supervisées sur images Pléiades. Les surfaces de bâti sont ensuite agglomérées à l'îlot urbain pour définir des indicateurs liés aux documents de planification.
Downloads
References
Photogrammétrie et de Télédétection, n° 173/174, pp.104-112
AUAT, 2012, Toulouse, quatrième aire urbaine de France, Perspective Villes, janvier 2012, pp.1-4
Bauer T., Steinnocher K. (2001): Per parcel land use classification in urban areas applying a rule-based technique. GeoBIT/GIS 6(2001), pp. 24-27.
Blaschke, T., Burnett, C., Pekkarinen, A., 2004. New contextual approaches using image segmentation for object-based classification. De Meer, F., de Jong, S. (Eds.), Remote Sensing Image Analysis: Including the spatial domain. Kluver Academic Publishers, Dordrecht, pp. 211-236
CERTU, 2011, La consommation d'espaces par l'urbanisation. Panorama des méthodes d'évaluation, Edition du CERTU, Lyon, ISBN 978-2-11-099573-5
Comaniciu D., Meer P., 2002, Mean shift: a robust approach toward feature space analysis, IEEE Transactions on pattern Analysis and Machine Intelligence, Volume 24, Issue 5, pp. 603-619
Landis J.R., Koch G.G., 1977, The Measurement of Observer for Categorical Data, Biometrics, 1977a, pp.159-174
Comité interministériel pour le développement durable, 2010, Stratégie Nationale de Développement Durable
Faure J-F., Tran A., Gardel A., Polidori L., 2004. Elaboration d'un indice de densité de population et analyse de sa distribution spatiale à Belém (Brésil) et Cayenne (Guyane Française), Revue Française de Photogrammétrie et de Télédétection, n° 173/174, pp.135-144
Hester D.B., Cakir H.I., Nelson S.A.C.,Khorram S., 2008. Per-pixel classification of high spatial resolution satellite imagery for urban land-cover mapping. Photogrammetric Engineering and Remote Sensing,
vol. 74, n°4, pp.463-471
Holland, D.A., Boyd, D.S., Marshall, P., 2006. Updating topographic mapping in Great Britain using imagery from high-resolution satellite sensors. ISPRS Journal of
Photogrammetry and Remote Sensing, 60 (3), 212_223.
Jacquin, A., Misakova, L., Gay, M., 2008, A hybrid object-based classification approach for mapping urban sprawl in periurban environment. Landscape and Urban Planning 84 (2), pp 152-165.
V. Vapnik, 1999, The nature of statistical learning theory, Second edition, Springer Verlag New York, Inc
Walker J.S., Blaschke T., 2008. Object-based land-cover classification for the Phoenix metropolitan area : optimization vs. transportability , International Journal of Remote Sensing, vol. 29, n°7-8, pp. 2021-2040
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Jacques Bouffier, Dominique Hébrard, Benoit Mingam, Lucie Chadourne-Facon, Didier Treinsoutrot
This work is licensed under a Creative Commons Attribution 4.0 International License.
