Consommation des terres et ODD 11.3.1

Contexte

Note

Source : ONU-Habitat (2019) Indicateur ODD 11.3.1 Module de formation : Efficacité de l’utilisation des terres. Programme des Nations unies pour les établissements humains (ONU-Habitat), Nairobi.

Les établissements humains, sous toutes leurs formes, s’approprient les terres de diverses manières. À l’instar des organismes vivants, les zones urbaines (villes) évoluent, se transforment, s’adaptent, innovent et changent en fonction des tendances émergentes. Les zones urbaines s’étendent, se rétrécissent, se densifient, s’intensifient, vieillissent, et parfois même leurs fonctions migrent vers des zones plus propices à leur survie. Toutes ces tendances dans les zones urbaines sont étroitement liées à des facteurs tels que l’évolution démographique, le potentiel économique et la productivité, les conditions physiques et sociales dominantes, la présence de politiques favorables, entre autres choses.

Un pays qui maximise les nombreux avantages associés à l’urbanisation est celui qui est capable de comprendre, de mesurer et de prévoir les tendances de la croissance de ses zones urbaines, puis de mettre en place les actions/interventions nécessaires pour tirer parti des avantages de cette croissance, tout en minimisant les défis tout aussi divers associés à une urbanisation non planifiée. La planification proactive, une condition préalable majeure à l’urbanisation durable, exige que les autorités municipales et les autres acteurs concernés prévoient la direction de la croissance d’une ville et/ou façonnent cette croissance en fournissant les installations, les services et les cadres politiques et juridiques nécessaires avant le développement. Il en résulte une croissance planifiée et équitable dans laquelle la majorité des habitants de la ville ont accès aux services de base et aux opportunités économiques et sociales, et où la durabilité environnementale prévaut. Au centre de tout cela se trouve la nécessité de produire et de diffuser des données actualisées et précises sur les tendances de la croissance dans les villes et les zones urbaines.

L’objectif 11.3 vise à renforcer l’urbanisation inclusive et durable et la capacité de planification et de gestion participatives, intégrées et durables des établissements humains dans tous les pays d’ici 2030. Pour suivre les progrès vers la réalisation de l’objectif 11.3, l’ONU a établi l’indicateur 11.3.1, qui mesure l’efficacité avec laquelle les villes utilisent les terres, mesurée comme un rapport entre le taux auquel les villes consomment spatialement des terres et le taux de croissance de leur population. Des preuves empiriques ont montré que les villes compactes utilisent les terres plus efficacement et sont mieux placées pour fournir des biens publics et des services de base à moindre coût. Ces villes peuvent consommer moins d’énergie, mieux gérer les déchets et sont plus susceptibles de maximiser les avantages liés à l’économie d’agglomération. D’autre part, les villes tentaculaires (villes non compactes) connaissent une demande accrue de mobilité, une augmentation de la consommation d’énergie, une dégradation de l’environnement, une augmentation du coût de la fourniture des services de base par habitant (par exemple, l’eau, l’assainissement, l’évacuation des eaux), une augmentation du coût des infrastructures par habitant, une réduction des économies d’agglomération et une diminution de la productivité urbaine.

En mesurant le taux de consommation des terres des villes par rapport à leur taux de croissance démographique, les autorités et décideurs municipaux peuvent prévoir la demande de biens et services publics, identifier de nouveaux secteurs de croissance et influencer de manière proactive le développement urbain durable. Cela est nécessaire pour fournir des infrastructures, des services et des équipements adéquats pour l’amélioration des conditions de vie de tous. La production et la diffusion de données sur cet indicateur sont donc non seulement cruciales pour comprendre la dynamique de la croissance urbaine et la formulation de politiques et de directives éclairées, mais elles sont également au cœur de la promotion d’une urbanisation durable.

Raison d’être de la surveillance

Note

Source : ONU-Habitat (2019) Indicateur ODD 11.3.1 Module de formation : Efficacité de l’utilisation des terres. Programme des Nations unies pour les établissements humains (ONU-Habitat), Nairobi.

Comprendre comment une ville/zone urbaine s’étend spatialement par rapport à son taux d’évolution démographique est essentiel pour déterminer, entre autres, la nature de la croissance des établissements humains (formels ou informels) et la vitesse de conversion des terres périphériques en fonctions urbanisées. Ces deux éléments ont des répercussions importantes sur la demande et le coût de la prestation de services, ainsi que sur la préservation et la conservation de l’environnement.

Pour parvenir à un développement durable, les pays doivent comprendre à quel rythme leurs zones urbaines se développent, et dans quelle direction. Cela les aidera non seulement à comprendre les tendances de la croissance et à répondre efficacement à la demande de services de base, mais aussi à créer des politiques qui encouragent une utilisation optimale des terrains urbains tout en protégeant efficacement les autres utilisations des sols (environnements naturels, terres agricoles, etc.). En outre, pour parvenir à une urbanisation inclusive et durable, il faut que les ressources soient utilisées de manière à pouvoir faire face à la croissance démographique due aux migrations et à l’accroissement naturel, tout en veillant à préserver les zones sensibles sur le plan environnemental.

L’objectif du suivi des progrès par rapport à l’indicateur ODD 15.3.1 est donc de fournir les informations nécessaires et opportunes aux décideurs et aux parties prenantes afin d’accélérer les progrès vers une urbanisation plus inclusive et durable. Afin d’atteindre l’objectif 11.3 d’ici 2030, il faut, au minimum, ralentir l’étalement urbain et, si possible, veiller à ce que la compacité des villes soit maintenue ou accrue au fil du temps.

Besoins en matière d’indicateurs et de données

L’indicateur 11.3.1 est défini comme le rapport entre le taux de consommation des terres et le taux de croissance démographique (Graphique 1). Pour calculer cet indicateur, il faut disposer d’informations sur l’étendue urbaine et la population à au moins deux moments dans le temps, et encore plus si l’on veut évaluer l’évolution de l’indicateur dans le temps.

../../_images/sdg11_equations.png

« Graphique 1 : L’indicateur de l’objectif de développement durable (ODD) 11.3.1 est calculé comme le rapport entre le taux annuel de consommation des terres (TAC) et le taux annuel de croissance de la population (TACP) entre les dates 1 et 2. Ln : logarithme naturel, Urb : zone urbaine, pop : population, t : temps en années. »

Évaluer les modifications de l’ODD 11.3.1. dans le temps nécessite une quantité importante d’informations, puisqu’il est nécessaire de connaître l’étendue urbaine et le nombre d’habitants pour plusieurs années. Les données d’observation de la Terre nous permettent d’estimer l’étendue des zones bâties dans une ville, puis, à l’aide d’algorithmes d’analyse spatiale, d’estimer l’étendue des différents éléments de l’environnement urbain (par exemple, les bâtiments, les espaces ouverts, les plans d’eau, etc.) Dans Trends.Earth, nous avons adopté le flux de travail ci-dessous (Graphique 2) pour faciliter le processus. En utilisant les superordinateurs de Google Earth Engine, l’archive Landsat complète entre 1997 et 2019, et le jeu de données GMIS (Brown de Colstoun et al 2017), Trends.Earth a calculé une série d’indices de surface imperméable disponibles à l’échelle mondiale à une résolution de 30 m pour informer sur l’étendue urbaine pour les années 2000, 2005, 2010 et 2015. Combiné aux contributions des utilisateurs et aux données démographiques, l’outil calcule l’ODD 11.3.1 à la fois sous forme de cartes et de tableaux pour faciliter l’interprétation et l’établissement de rapports.

../../_images/sdg11_data_needs.png

« Graphique 2 : Flux de travail de Trends.Earth pour le calcul de l’ODD 11.3.1. Des indices globaux de surface imperméable à 30 m ont été pré-calculés et sont disponibles pour les utilisateurs dans » « Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> »_ « où l’utilisateur définit l’étendue des zones bâties en assignant simplement une série de seuils. »

Consommation des terres

Pour estimer la consommation des terres dans Trends.Earth, une série temporelle pré-calculée d’indicateurs de surface imperméable est disponible à l’échelle mondiale à une résolution de 30 m. Dans la section ci-dessous, vous apprendrez comment les indicateurs ont été calculés, et vous recevrez quelques recommandations pour les utiliser afin de calculer l’indicateur ODD 11.3.1.

De l’ISI aux zones bâties

Afin d’estimer la superficie occupée par les surfaces imperméables dans une ville, nous devons convertir l’indice continu de surface imperméable (ISI) en une carte binaire séparant les zones bâties de celles non bâties. Ce processus s’effectue en définissant une série de valeurs seuils dans le « Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> »_, qui varieront selon la région.

../../_images/sdg11_thresholds.png

« Graphique 5 : Dans » « Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> »_ « l’utilisateur a le contrôle sur la façon dont la conversion de l’indice continu de surface imperméable (ISI, à droite) vers la carte binaire des zones bâties (bâti, à gauche) se produira pour la ville qui l’intéresse. »

Dans Trends.Earth, l’utilisateur doit définir 3 valeurs seuils qui seront utilisées par l’outil pour estimer la surface bâtie de la zone d’intérêt. Ces seuils sont :

  • Indice de surface imperméable (ISI, 0-100) : Il s’agit d’un indice qui varie entre 0 et 100, les valeurs les plus élevées indiquant un pourcentage plus important de surface imperméable dans le pixel de 30 m. Si vous définissez une valeur seuil ISI plus basse, votre ensemble de données final sur les zones bâties comprendra des zones à faible densité de construction, que l’on trouve généralement à la périphérie des villes. Si cette valeur est plus élevée, l’évaluation se concentrera sur les centres-villes à forte densité.

  • Indice des lumières nocturnes (NTL, 0-100) : L’indice de surface imperméable peut, dans certains cas, présenter des valeurs élevées pour des zones couvertes de sol nu sec ou de rochers, car ces types de surfaces ont des propriétés spectrales similaires à celles des surfaces imperméables artificielles. Pour filtrer ces zones, nous utilisons les lumières nocturnes, en éliminant les zones à ISI élevé et les lumières nocturnes faibles présentes en dehors des limites de la ville. L’absence d’une série temporelle de lumières nocturnes calibrée de manière cohérente pour la période considérée (2000-2015), signifie que nous ne pouvons pas masquer l’année avec son année correspondante, nous utilisons donc VIIRS Nighttime Day/Night Band Composites Version 1 pour l’année 2015 (NOA, 2019). Si vous définissez une valeur seuil NTL plus basse, votre ensemble de données final sur les zones bâties comprendra des zones à faible densité lumineuse, que l’on trouve généralement à la périphérie des villes. Si cette valeur est plus élevée, l’évaluation se concentrera sur les centres-villes à forte densité.

  • Indice de fréquence de l’eau (WFI, 0-100) : La présence de l’eau est une caractéristique très dynamique de l’environnement côtier ou fluvial. Dans certains cas, l’eau inondera les zones terrestres, et dans d’autres, les humains empiéteront sur les plans d’eau pour occuper l’espace. Pour capturer une partie de ces dynamiques, nous avons intégré dans l’outil un ensemble de données sur la fréquence de l’eau (Pekel et al 2016). En ajustant le seuil de fréquence de l’eau, l’utilisateur peut choisir de mettre en évidence ces zones dynamiques terre-eau. Si vous définissez une valeur inférieure pour le seuil de fréquence de l’eau, votre ensemble de données final sur les zones bâties sera considéré comme couvert par des plans d’eau ayant des fréquences d’eau plus faibles tout au long de la série chronologique, comme des rivières ou des lacs intermittents. En fixant cette valeur à un niveau plus élevé, les plans d’eau seront limités aux zones où la fréquence d’apparition de l’eau est élevée (c’est-à-dire les rivières et les lacs permanents).

../../_images/sdg11_urban_mapper.png

« Graphique 6 : Dans » « Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> »_ « l’utilisateur définit une série de seuils pour passer de l’indice continu de surface imperméable (ISI, à droite) à la carte binaire des zones bâties (bâti, à gauche). »

Test de cohérence

Lors de la classification des données de télédétection en produits dérivés, tels que l’indice de surface imperméable calculé par Trends.Earth, des erreurs d’omission et de commission se produisent. L’un des avantages de l’analyse des séries chronologiques est que les images de différentes années peuvent être utilisées pour identifier les incohérences de l’analyse. C’est la raison pour laquelle les couches ISI de 1998 et 2018 ont été calculées dans cette analyse, afin d’ajouter des points de données pré et post pour filtrer les erreurs possibles dans les classifications des séries de 2000 à 2015.

Les seuils définis dans la section précédente (ISI, NTL, et WFR) sont appliqués à chacune des couches individuelles de 1998, 2000, 2005, 2010, 2015, et 2018, générant une série de cartes binaires. Les six cartes binaires sont ensuite combinées en un ensemble de données chronologiques qui contient des informations sur la nature de chaque pixel pour chaque année comme « bâti » ou « non bâti ». Une règle principale est ensuite appliquée à cette série :

  • Un pixel n’est considéré comme bâti que si 50 % ou plus des points de données après la première détection de zone bâtie identifient la même zone comme bâtie. Pour ces pixels, la première détection de zone bâtie sera considérée comme l’année de conversion. Les zones bâties à moins de 50 % après la première détection seront considérées comme des erreurs dans la classification, et par conséquent, marquées non bâties. Nous reconnaissons qu’en appliquant cette règle, nous limitons la capacité de l’ensemble de données à détecter les transitions entre bâti et non bâti. Cependant, étant donné la faible probabilité que cette transition se produise dans les environnements urbains, nous sommes à l’aise avec cette hypothèse. L’inspection visuelle des résultats confirme cette approche.

Test à l’échelle mondiale

Trends.Earth, grâce à « Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> »_ et au plug-in QGIS, permet d’accéder à la série temporelle globale de 30 m des indices de surface imperméable. Il est toutefois important de comprendre que l’ensemble de données a ses limites, et que les contributions des utilisateurs et le contrôle sont nécessaires pour évaluer avec précision les changements dans l’indicateur ODD 11.3.1. Pour tester la performance de l’indicateur, nous effectuons l’analyse sur 224 villes dans le monde (200 capitales nationales + 24 grandes villes des États-Unis d’Amérique, Graphique 7). En utilisant « Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> »_ et en comparant visuellement le produit à des images à très haute résolution spatiale, nous avons pu définir les seuils appropriés pour chaque ville (ISI, NTL et WFI) et également évaluer la qualité du produit sur une échelle de 0 à 5. Les résultats montrent que pour 83 % des villes évaluées, les données de Trends.Earth peuvent être utilisées pour estimer l’indicateur ODD 11.3.1. La plus grande limitation reste dans les petits états insulaires (pour lesquels aucune donnée d’entraînement n’était disponible), les zones hyper arides, et les zones avec une faible disponibilité d’images.

  1. Pas de données : Villes pour lesquelles aucune donnée d’entraînement n’était disponible pour construire l’ensemble de données sur la surface imperméable. Ces villes représentent 6,2 % de l’échantillon évalué.

  2. Inutilisable : Villes pour lesquelles des résultats sont disponibles, mais dont la faible disponibilité des images Landsat a empêché la production d’un produit de bonne qualité. Ces résultats ne doivent pas être utilisés pour le calcul de l’indicateur ODD 11.3.1. Ces villes représentent 0,9 % de l’échantillon évalué.

  3. Problématique : Villes dont les résultats peuvent être utilisés pour comprendre visuellement les modèles spatiaux d’expansion des zones bâties, mais avec des erreurs importantes. Ces résultats ne doivent pas être utilisés pour le calcul de l’indicateur ODD 11.3.1. Ces villes représentent 4,0 % de l’échantillon évalué.

  4. Quelques problèmes : Les villes dont les résultats montrent quelques problèmes de confusion entre les surfaces de sol nu et les zones bâties peuvent être utilisées pour le calcul de l’ODD 11.3.1 après une inspection détaillée des données. Ces villes représentent 6,2 % de l’échantillon évalué.

  5. Problèmes mineurs : Villes présentant des données de haute qualité mais avec la présence de quelques petites zones de confusion. Ces données pourraient être utilisées pour calculer l’ODD 11.3.1. Ces villes représentent 12,5 % de l’échantillon évalué.

  6. Haute qualité : Villes avec des données de haute qualité montrant une concordance parfaite entre les zones bâties utilisant les données Trends.Earth et les images haute résolution disponibles dans Google Earth, confiance élevée pour l’estimation de l’ODD 11.3.1. Ces villes représentent 70,1 % de l’échantillon évalué.

../../_images/sdg11_map_cities_score.png

« Graphique 7 : Après l’exécution d’un test sur 224 grandes villes du monde, les résultats montrent que pour 83 % des villes évaluées, les données de Trends.Earth peuvent être utilisées pour estimer l’indicateur ODD 11.3.1. La plus grande limitation reste dans les petits états insulaires (pour lesquels aucune donnée d’entraînement n’était disponible), les zones hyper arides, et les zones avec une faible disponibilité d’images. »

../../_images/sdg11_map_cities_isi.png ../../_images/sdg11_map_cities_ntl.png ../../_images/sdg11_map_cities_wfr.png

« Graphique 8 : Distribution spatiale des paramètres de seuil sélectionnés pour l’échantillon de 224 villes testées. En haut : indicateur de surface imperméable ; au milieu : Indicateur de lumière nocturne ; en bas : Indicateur de fréquence de l’eau. »

L’analyse de 224 villes dans le monde nous a permis d’estimer la gamme des paramètres les plus couramment utilisés. Les valeurs les plus fréquemment utilisées sont : ISI = 30, NTL = 10, WFR = 25. Il s’agissait des paramètres par défaut définis dans « Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> »_ et le plugin QGIS, mais il est important de se rappeler que pour chaque ville, une inspection minutieuse de l’ensemble de données doit être effectuée, afin de trouver le jeu de paramètres qui fonctionne le mieux pour chaque site.

../../_images/sdg11_thresholds_histograms.png

« Graphique 9 : Distribution de fréquence des paramètres de seuil sélectionnés pour l’échantillon de 224 villes testées. À gauche : indicateur de surface imperméable ; au milieu : Indicateur de lumière nocturne ; à droite : Indicateur de fréquence de l’eau. »

Zones urbaines

L’étendue urbaine est la zone d’étude proposée qui comprend la zone bâtie et l’espace ouvert urbanisé de la ville, ainsi que les zones ajoutées par l’analyse de proximité (ONU-Habitat, 2019). ONU-Habitat suggère de classer la zone d’intérêt dans les 6 classes suivantes afin d’identifier la zone qui sera utilisée dans l’estimation du taux de consommation annuelle des terres (Graphique 1) :

Les zones bâties seront classées en fonction de la densité dans un rayon de 500 m de chaque pixel :

  1. Urbain : > 50 % de bâti dans un rayon de 500 m.

  2. Banlieue : 25-50 % de bâti dans un rayon de 500 m.

  3. Rural : < 25 % de bâti dans un rayon de 500 m.

Les zones non bâties seront considérées comme des espaces ouverts (OS), et seront classées comme suit :

  1. Espace ouvert périphérique : espace ouvert situé à moins de 100 m des zones urbaines et suburbaines.

  2. Espace ouvert capturé : espace ouvert entièrement entouré d’un espace ouvert périphérique.

  3. Espace ouvert rural : Tous les autres espaces ouverts.

Dans Trends.Earth, nous avons complété le schéma ci-dessus en différenciant l’espace ouvert terrestre de l’espace ouvert aquatique, car les utilisations que les citoyens peuvent faire de chaque espace sont très différentes.

  1. Espace ouvert périphérique - eau : Espace ouvert en périphérie recouvert d’eau

  2. Espace ouvert capturé - eau : Espace ouvert capturé recouvert d’eau

  3. Espace rural ouvert - eau : Espace rural ouvert recouvert d’eau

L’étendue urbaine est déterminée par la superficie combinée des classes 1, 2, 4, 5, 7 et 8 (urbaine, suburbaine, périphérique et espace ouvert capturé).

../../_images/sdg11_urban_area_qgis.png

« Graphique 10 : Résultat de l’analyse ODD 11.3.1 affichant les différents éléments qui composent l’espace urbain. »

Grâce à ces informations, nous pouvons maintenant estimer les taux d’expansion urbaine dans le temps pour les périodes 2000-2005, 2010 et 2010-2015 nécessaires pour estimer le taux annuel de consommation des terres.

Croissance démographique

Note

Source : ONU-Habitat (2019) Indicateur ODD 11.3.1 Module de formation : Efficacité de l’utilisation des terres. Programme des Nations unies pour les établissements humains (ONU-Habitat), Nairobi.

Une fois les zones urbanisées définies, l’étape suivante consiste à déterminer combien de personnes habitent dans ces zones pour chaque année d’analyse. Ces informations sont ensuite utilisées pour calculer le taux de croissance démographique annualisé. L’estimation du nombre de personnes vivant dans chaque zone de service peut être réalisée grâce à deux grandes approches :

  1. Utilisation de données à haute résolution provenant des offices nationaux de statistique (ONS) : Dans cette option, les données de recensement sont utilisées pour agréger le nombre de personnes vivant dans tous les ménages à l’intérieur des limites urbaines. Des projections et des extrapolations peuvent également être facilement réalisées sur la base des caractéristiques des ménages pour des années de référence particulières. Le processus est beaucoup plus facile lorsque des unités de recensement dynamiques sont utilisées pour identifier les zones urbanisées, notamment parce que celles-ci sont bien alignées sur l’architecture officielle des données démographiques. Cette option fournit les données démographiques les plus précises et les plus fiables pour le calcul de l’indicateur et est fortement encouragée.

  2. Utilisation d’une grille de population : Dans cette option, une grille de population est réalisée en distribuant la population à l’ensemble de l’unité administrative ou de la zone de recensement. Des attributs tels que la présence de zones habitables (classes d’utilisation des sols) peuvent être utilisés pour répartir la population, de sorte que les cellules de la grille situées dans des zones non développées ou dans des zones industrielles seront moins peuplées que les zones résidentielles à forte densité. Dans la grille résultante, chaque cellule de la grille aura une valeur unique, qui dépend de facteurs tels que la population totale de l’unité administrative/de recensement qui la contient, et le nombre et/ou la quantité de classes d’utilisation des terres habitables. Le graphique 5 illustre la logique générale des grilles de population qui n’utilisent qu’une seule classe d’occupation des sols : les zones bâties. La grille de population doit toujours couvrir une zone plus large que les limites urbaines définies. Une fois les grilles de population créées, l’estimation de la population vivant à l’intérieur des limites urbaines peut alors être réalisée en agrégeant les populations des cellules de la grille. En l’absence de données à haute résolution provenant des INS, cette option produit de meilleures estimations de la population, bien que des données d’entrée de haute qualité et une analyse à plusieurs niveaux soient essentielles pour améliorer la précision des données. Des ensembles de données mondiales représentant les populations à des grilles de 1 km² et de 250 m sont disponibles (par exemple, GPWv4, GHS-POP, WorldPop) ; la plupart d’entre eux supposent une répartition égale de la population dans les classes habitables (par exemple, les zones bâties). Cette approche est proposée pour le calcul des indicateurs lorsque les données à haute résolution des offices nationaux de statistique ne sont pas disponibles ou facilement accessibles.