Rapport d`étape - Bienvenue sur le site de SIG 2011

Conférences Francophones ESRI
Versailles, 2011
Comment les images satellites peuvent améliorer
les cartes de densité de population. Cas du
gouvernorat élargi de Kairouan en Tunisie
JAULT Romain & SERRADJ Aziz
1
Introduction/Objectifs
 Montrer l’utilité des images satellites en cartographie
 Présenter une meilleure façon de cartographier la densité de
la population
 Montrer l’utilité des cartes dasymétriques par rapport aux
cartes choroplèthes.
2
Les cartes dasymétriques
Le but est d’obtenir des cartes thématiques
plus précises.
Cauvin, Escobar, Serradj., 2007
Pour cela les cartes dasymétriques
utilisent des données auxiliaires pour
mieux localiser le phénomène à
cartographier.
3
Méthodologie.
Choix du terrain d’étude : gouvernorat élargi de Kairouan en Tunisie.
• Forte disparité de la répartition
de la population.
• Présence d’importantes zones
vides qui engendrent de fortes
erreurs écologiques.
• Image prise le 26 mai 2005
• Données sur la population
obtenues sur le site de l’agence
statistique de la Tunisie pour
l’année 2004.
4
Passage de la radiométrie au bâti
Repose sur l’utilisation des courbes de réflectances des objets
Ainsi que sur la classification par le S.A.M
Rosenfield et Fitzpatnck-lins 1986
5
Utilisation concrète des images satellites
6
Ventilation de la population et calcul des
nouvelles densités
7
Résultats
8
Avantages et limites de la méthode
Avantages
 Méthode simple à mettre en application.
 Acquisition des données aisée
 Littérature riche sur le sujet.
Limites
 Résultat de la généralisation de la classification peut être imparfait.
 Classification dépendante des caractéristiques des pixels composant l’image.
 Résultat final très dépendant de l’image et de la classification qui en découle.
9
Discussion
 Utilisation d’images en haute résolution spatiale.
 Utilisation de méthodes de ventilations plus élaborées.
 La méthode des centroïdes : répartition de la population grâce à un maillage.
 La méthode des poids: distinction des différents types de surfaces afin de pondérer les
valeurs à cartographier.
 La ventilation « aréale »: cette méthode est construite à partir d’une régression multiple
de la population selon la structure des surfaces bâties.
10
Conclusion
 Possibilité de créer des cartes plus précises.
 Acquisition des données et traitements plus difficile selon la précision voulue.
 Procédé facile à améliorer grâce à l’utilisation d’images à très haute résolution, qui
permettent l’utilisation d’autres méthodes de classification.
 Utilisation d’une méthode de ventilation plus élaborée reposant sur des classes de bâti
de densités différentes.
11
Bibliographie(non exhaustive)

Andresen, A.; Brantingham, P. “Visualizing ambient population data within census boundaries :A dasymetric mapping procedure”. Burnaby, School of
criminology and institute for Canadian urban research studies., 2003., 9p

Astrud, J.; Maroko. A.; Herrmann.C.; “Mapping population distribution in the urban environment: The cadastral-based expert dasymetric system (CEDS)”;
Cartography and Geographic Information Science. Vol.34, No2, 2007 pp.77-102.

Cauvin. C.; Escobar. F.; Serradj. A; Cartographie thématique, vol. 2 : Des transformations incontournables, Hermes Science, Lavoisier, 2007

Eicher. C.; Brewer. C.; “Dasymetric mapping and areal interpolation: implementation and evaluation”. Cartography and Geographic Information science., 2001

Gallego. J.; “A downscaled population density map of the EU from commune data and land cover information”.

James B. Holt ., Hua. L. “Dasymetric mapping for population and sociodemographic data redistribution”. Urban remote sensing monitoring, synthesis and
modeling in the urban environment. Floride State University, John Wiley and sons ltd. 2011.


Hultgren . T. “Raster-based automated dasymetric mapping” University of Colorado, Boulder

Mennis. J.; Hultgren.T .; “Intelligent dasymetric mapping and its comparison to other areal interpolation techniques”. Dept. of Geography and Urban Studies,
1115 W. Berks St., 309 Gladfelter Hall, Temple. Univ. of Philadelphia, PA 19122.

Mennis. J.; Hultgren.T.; “Dasymetric mapping for disaggregation coarse resolution population date”, Dept. of Geography and Urban Studies, 1115 W. Berks St.,
309 Gladfelter Hall, Temple. Univ. of Philadelphia, PA 19122.
Mennis. J.; Hultgren. “Intelligent dasymetric mapping and its application to areal interpolation”. Cartography and Geographic Information science., 2006. Dept.
of Geography and Urban Studies, 1115 W. Berks St., 309 Gladfelter Hall, Temple. Univ. of Philadelphia, PA 19122.


Rubia. G. M.; Fernando. S. K.; Reinaldo P. P. M.; “Mapa dasimétrico de densidade demografica da Urbana do Municipio de alfenas(MG)”

Trusty R. “Mapping population density using a dasymetric mapping technique”. The faculty of the department of geography, San Jose State university, San Jose,
2004, 53p

Weber. C., Hirsch J., Serradj A.; “Répartition de la population et structure spatiale de référence ” Mappemonde, No 4, 1993, p 47-48

Zandbergen. P .; Ignizio.D.; “Comparison of dasymetric mapping techniques for small-area population estimates”. Cartography and Geographic Information
Science, Vol. 37, No. 3, 2010, p. 199-214.
12