HAL Id: hal-02797086
https://hal.inrae.fr/hal-02797086
Submitted on 5 Jun 2020
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Gaëtan Fourvel
To cite this version:
Gaëtan Fourvel. Vers un processus d’harmonisation des RRP assisté par cartographie numérique.
Journée Harmonisation Cartographique, Réseau Mixte Technologique ”Sols et Territoires” (RMT Sols et Territoires). FRA., May 2014, Paris, France. 62 p. �hal-02797086�
27 mai 2014 – Journée
Harmonisation Cartographique
Vers un processus d’harmonisation des RRP assisté par cartographie numérique
Gaëtan FOURVEL– gaetan.fourvel@orleans.inra.fr 27/05/2014
assisté par cartographie numérique
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.02
Qu’est-ce que la cartographie numérique des sols?
Définition et principe
SCORPAN
Les modèles de classification
27/05/2014
Construction d’un processus d’harmonisation des RRP assisté par Cartographie Numérique des Sols (CNS) :
La secteur test, les données et les covariables
Les étapes du raisonnement
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.03
27/05/2014
Définition :
« La création et l’enrichissement de systèmes d’information pédologiques à références spatiales par des modèles numériques inférant les variations spatiales et temporelles des sols et de leurs propriétés à partir
d’observations de sol et de données spatiales d’environnement des sols » (Lagacherie & McBratney, 2007)
Principe général :
Prédire des classes de sol (ou des propriétés de sol) en utilisant les données pédologiques disponibles sur la zone à étudier et les données spatiales représentant des éléments du paysage en relation avec les sols (de causalité (facteurs pédogénétiques) ou non), appelées dans la suite « covariables du sol ».
Ces prédictions sont réalisées par des fonctions de prédiction induites par des modèles statistiques ou géostatistiques (Lagacherie et al. 2013).
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.04
27/05/2014
Principe :
S = f ( S, C , O , R , P, A, N ) + ε
Sol Sol Climat Organismes Relief Roche mère Age Position( x,y)
Fonction de prédiction
Données spatiales en lien avec formation des sols
Données pédologiques anciennes (profils, cartes)
(McBratney et al, 2003)
Erreur
.05
Carte des Sols connus
① Type de sol 1
② Type de sol 2
③ Type de sol 3
Sol = f(Covar 1, Covar 2, Covar 3, Covar 4) + ε
Zone d’apprentissage
①
② ③ ②
03/07/2014
Principe :
.06
Carte des Sols connus
① Type de sol 1
② Type de sol 2
③ Type de sol 3
Sol = f(Covar 1, Covar 2, Covar 3, Covar 4) + ε
Zone d’apprentissage
①
② ③ ②
03/07/2014
Principe :
.07 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Carte des Sols connus
① Type de sol 1
② Type de sol 2
③ Type de sol 3
Sol = f(Covar 1, Covar 2, Covar 3, Covar 4) + ε
Zone d’apprentissage
①
② ③ ②
03/07/2014
Principe :
.08 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Carte des Sols connus
① Type de sol 1
② Type de sol 2
③ Type de sol 3
Sol = f(Covar 1, Covar 2, Covar 3, Covar 4) + ε
3 pixels d’apprentissage
Coord. XY
Zone d’apprentissage Covar 1 = a
Covar 2 = b Covar 3 = c
Covar 4 = d Sol ①
Définit par et et et
et
une erreur ε
①
② ③ ②
03/07/2014
Principe :
.09 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Carte des Sols connus
① Type de sol 1
② Type de sol 2
③ Type de sol 3
Sol = f(Covar 1, Covar 2, Covar 3, Covar 4) + ε
Zone d’apprentissage
①
② ③ ②
5 pixels d’apprentissage
Coord. XY
Covar 1 = a’
Covar 2 = b’
Covar 3 = c’
Covar 4 = d’
Sol ②
Définit par et et et
et
une erreur ε
03/07/2014
Principe :
.010 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Carte des Sols connus
① Type de sol 1
② Type de sol 2
③ Type de sol 3
Sol = f(Covar 1, Covar 2, Covar 3, Covar 4) + ε
Zone d’apprentissage
①
② ③ ②
2 pixels d’apprentissage
Coord. XY
Covar 1 = a’’
Covar 2 = b’’
Covar 3 = c’’
Covar 4 = d’’
Sol ③
Définit par et et et
et
une erreur ε
03/07/2014
Principe :
.011 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Zone pédologiquement inconnue =
Zone cible du modèle
03/07/2014
Principe :
.012 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Zone pédologiquement inconnue =
Zone cible du modèle
Pour chaque pixel
03/07/2014
Principe :
.013 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Zone pédologiquement inconnue =
Zone cible du modèle
Pour chaque pixel
Combinaison des covariables Covar 1,Covar2,Covar3, Covar4
03/07/2014
Principe :
.014 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Zone pédologiquement inconnue =
Zone cible du modèle
Pour chaque pixel
Combinaison des covariables Covar 1,Covar2,Covar3, Covar4
Sol ① Sol ② Sol ③
Lois de distribution des sols établies lors de l’apprentissage
Définition du type de sol
03/07/2014
Principe :
.015 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Zone pédologiquement inconnue =
Zone cible du modèle
Pour chaque pixel
Combinaison des covariables Covar 1,Covar2,Covar3, Covar4
Sol ① Sol ② Sol ③
Lois de distribution des sols établies lors de l’apprentissage
Définition du type de sol
03/07/2014
Principe :
.016 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Zone pédologiquement inconnue =
Zone cible du modèle
Pour chaque pixel
Combinaison des covariables Covar 1,Covar2,Covar3, Covar4
Sol ① Sol ② Sol ③
Lois de distribution des sols établies lors de l’apprentissage
Définition du type de sol
03/07/2014
Principe :
.017 S
C O R P A N
Covar 1
Covar 2
Covar 3
Covar 4
Zone pédologiquement inconnue =
Zone cible du modèle
Pour chaque pixel
Combinaison des covariables Covar 1,Covar2,Covar3, Covar4
Sol ① Sol ② Sol ③
Lois de distribution des sols établies lors de l’apprentissage
Définition du type de sol
③
① ②
03/07/2014
Principe :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.018
27/05/2014
La modélisation statistique :
Algorithmes :
CART (Classification And Regression Tree)
Consiste à découper une population d’individus d’apprentissage en 2 parties homogènes du point de vue de la variable à expliquer Y en fonction des
valeurs ou des modalités des variables explicatives X (covariables) qui
expliquent au mieux la variable réponse (type de sol). Puis on recommence sur chaque sous-population arbre binaire de classification.
GBM (Gradient Boosted Model)
Algorithme qui réalise une multitude d’arbres élémentaires binaires de classification. L’arbre final est une combinaison linéaire de ces différents arbres.
Y = f(X1, X2,…, Xn), avec n variables explicatives quantitatives et/ou qualitatives
L’ordre d’apparition dans l’arbre et le choix des variables explicatives (covariables) utilisées ont pour but de maximiser l’homogénéité des regroupements des valeurs Y (feuille de l’arbre = type de sol)
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.019
27/05/2014
Classification supervisée par arbre de décision :
pente Corin land cover
Corin land cover
Sol ① Sol ② Sol ③
Covar 1 = pente
Covar 2 = matériaux parents Covar 3 = Corin Land Cover
> 20% < 20%
forêt marais
matériaux parents
dépôt alluvial calcaire
Sol ④ Sol ②
forêt prairie
Décryptage des lois de
distribution des sols grâce à l’ensemble des points
d’apprentissage.
Prédiction du type de sol le plus probable pour chaque pixel de la zone cible.
La modélisation statistique :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.020
27/05/2014
Avantages de la CNS :
Objectivité de la méthode pédo-statistique
Relative simplicité de mise en œuvre
Rapidité
Reproductibilité de la méthode MAIS il y a des inconvénients :
Obtenir de covariables pertinentes et fiables
Fiabilité des modélisations
Difficulté à valider les prédictions d’un modèle (interventions d’experts)
Méthode à adapter à la problématique d’harmonisation des RRP
La CNS ne se suffit pas à elle-même, il faut l’intégrer à une méthodologie d’harmonisation complète dans laquelle il est indispensable de faire intervenir des experts pédologues-cartographes.
Conclusion :
assisté par cartographie numérique
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.021
Qu’est-ce que la cartographie numérique des sols?
Définition et principe
SCORPAN
Les modèles de classification
27/05/2014
Construction d’un processus d’harmonisation des RRP assisté par Cartographie Numérique des Sols (CNS) :
La secteur test, les données et les covariables
Les étapes du raisonnement
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.022
27/05/2014
Le secteur test :
Région Centre
RRP du Loiret (45)
RRP de l’Eure-et-Loir (28) Délimitation de la zone d’intérêt :
Règle : Minimiser l’impact du processus d’harmonisation sur les RRP.
(réduire la zone modifiée )
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.023
27/05/2014
Champ reg_nat de la table UCS de DoneSol3 : appartenance aux PRA
(+ consultation des pédologues) Le secteur test :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.024
27/05/2014
Les NO_UCS se confondent entre les 2 RRP Le secteur test :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.025
27/05/2014
RRP 28 : 70 UCS codées avec un NO_UCS de -7 à 66
RRP 45 : 98 UCS codées avec un NO_UCS de -6 à 95
Problème : certains NO_UCS renvoient à une UCS du 28 et à une UCS du 45 Nouveau codage : NO_UCS_100
Pour le RRP 28 : NO_UCS_100 = NO_UCS
Pour le RRP 45 : NO_UCS_100 = NO_UCS + 100
Les UCS « non-sol » (NO_UCS négatifs) sont exclues temporairement du processus d’harmonisation car la CNS ne peut, à priori, pas les modéliser (résultantes d’activités anthropiques).
Le secteur test :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.026
27/05/2014
- Différence de précision du tracé Incohérences Graphiques :
- Dans la continuité des UCS « transfrontalières » (contours des UCS)
Incohérences Sémantiques : -noms des UCS différents
-différence dans la composition des UCS (% d’UTS) -différence dans la nature des UTS représentés
NO_UCS_100 nom UCS N° UTS nom UTS % UTS/UCS
47
Plateaux limono- argileux à argilo- limoneux, épais, non
hydromorphes, sur Calcaire de Beauce de
la Beauce chartraine
159
NEOLUVISOL resature, a horizon redoxique
profond
6
160 NEOLUVISOL 71
161 CALCOSOL 23
NO_UCS_100 nom UCS N° UTS nom UTS % UTS/UCS
139
Sols limoneux, épais, non hydromorphes,
des plateaux de Grande
Beauce
117 RENDISOLS 2
125 PLANOSOLS
limoneux 9 121 LUVISOLS,
NEOLUVISOLS 8
118 CALCOSOLS 9
116 RENDOSOLS 5
119 CALCISOLS 17
120 BRUNISOLS 50
Le secteur test :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.027
27/05/2014
NO_UCS_100 nom UCS N° UTS nom UTS % UTS/UCS
50
Plateaux limono- argileux à argilo-
limoneux, moyennement épais,
non hydromorphes, parfois calciques ou calcaires, sur Calcaire
de Beauce de la Beauce chartraine
169 BRUNISOL
EUTRIQUE 18
170 CALCOSOL 66
171 CALCISOL 9
167 CALCOSOL 6
168 COLLUVIOSOL 1
NO_UCS_100 nom UCS N° UTS nom UTS % UTS/UCS
138
Sols peu épais, non hydromorphes, calcaires ou calciques,
des versants des vallons secs de la Grande Beauce
117 RENDISOLS 11
118 CALCOSOLS 19
119 CALCISOLS 22
120 BRUNISOLS 18
116 RENDOSOLS 30
Plateau :
Versants :
Les mêmes sols mais dans 2 zones différentes : « bord de vallon » = plateau (50) « vallon » = versants (138)
Le secteur test :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.028
27/05/2014
Repérer les zones où la limite administrative entre les 2 RRP correspond à une limite pédologique « naturelle ».
Grande Beauce Petite Beauce
La limite administrative correspond à un
changement de Petite Région Agricole.
= limite pédologique
« naturelle » (hypothèse) Le secteur test :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.029
27/05/2014
Repérer les UCS « particulières » en contact avec la limite administrative.
-exemple naturel : Unité 46 (RRP 28) a une texture très argileuse -exemple anthropique : Unité 140 (RRP 45)
texture très limoneuse en surface
hypothèse : amendement important en résidus de sucrerie (proximité d’Artenay)
épandage exclusif dans le Loiret ?
Les UCS 140 et 46 sont exclues du processus d’harmonisation et rattachées par la suite aux RRP harmonisées. Des
modifications « à la main » seront à prévoir pour l’UCS 46.
Le secteur test :
28
45
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.030
27/05/2014
Les covariables :
Couverture minimale d’une covariable servant à la CNS Emprise des autres covariables utilisées en CNS
Résolution des Rasters : 50 m
36 covariables différentes disponibles sur la zone
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.031
27/05/2014
Les covariables :
S = f ( S, C, O, R, P, A, N ) + S ε
carte des sols au 1/1 000 000 sol1m carte des sols sur la France entière au 1/1 000 000.
profondeur du sol prof classe de profondeur dominante du sol
texture du sol tex
classe dominante de la texture du sol au sein d’une UCS.
Les classes de texture sont les 15 classes du triangle de l’Aisne.
sol1m
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.032
27/05/2014
Les covariables :
S = f ( S, C, O, R, P, A, N ) + S ε
carte des sols au 1/1 000 000 sol1m carte des sols sur la France entière au 1/1 000 000.
profondeur du sol prof classe de profondeur dominante du sol
texture du sol tex
classe dominante de la texture du sol au sein d’une UCS.
Les classes de texture sont les 15 classes du triangle de l’Aisne.
Texture :
SL LS LAS LM A AL LA ALO
Extrait de la base de données DoneSol3
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.033
27/05/2014
S = f ( S, C, O, R, P, A, N ) + ε
Les covariables :
C
évapotranspiration potentielle etp
quantité d’eau en mm susceptible de s’évaporer dans l’atmosphère au cours d’une année complète par transpiration de la végétation
pluviométrie pluv quantité d’eau tombée sur le sol en une année complète exprimée en mm
pluie cumulée en mode
multidirectionnel pml
quantité d’eau en mm tombée sur un pixel plus la quantité d’eau reçue par ruissellement sur un pixel donné provenant des pixels voisins
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.034
27/05/2014
S = f ( S, C, O, R, P, A, N ) + ε
Les covariables :
O
Corine Land Cover clc inventaire biophysique de l’occupation des sols couverture du sol en massifs
forestiers foret
inventaire biogéographique de la présence ou de l’absence des différents types de forêts sur une zone donnée
Futaie de feuillus Futaie de conifères Futaie mixte
Mélange de futaie de feuillus et taillis Mélange de futaie de conifères et taillis Taillis
Foret ouverte Lande Peupleraie Autre
Pertinence des covariables pour une zone donnée?
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.035
27/05/2014
S = f ( S, C, O, R, P, A, N ) + ε
Les covariables :
R
altitude (modèle numérique de terrain) mnt altitude par rapport au niveau de référence maritime
pente pente dérivée primaire de l’altitude.
courbure longitudinale clg correspond à la courbure verticale, courbure du profil de pente courbure du plan cp correspond à la courbure horizontale ou courbures des courbes de
niveau.
courbure le long du profil de plus forte
pente cpfp la pente le long du profil de plus forte pente.
courbure tangentielle ctg correspond à la courbure plan multipliée par le sinus de l’angle de la pente
courbure transversale ctv correspond à la courbure horizontale landform calculé avec une fenêtre de
100m lf100
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 100m (2 pixels de 50m) autour d’un pixel donné
landform calculé avec une fenêtre de
1000m lf1000
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 1000m (20 pixels de 50m) autour d’un pixel donné.
landform calculé avec une fenêtre de
200m lf200
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 200m (4 pixels de 50m) autour d’un pixel donné.
landform calculé avec une fenêtre de
50m lf50
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 50m (1 pixels de 50m) autour d’un pixel donné.
landform calculé avec une fenêtre de
500m lf500
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 500m (10 pixels de 50m) autour d’un pixel donné.
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.036
27/05/2014
S = f ( S, C, O, R, P, A, N ) + ε
Les covariables :
R
altitude (modèle numérique de terrain) mnt altitude par rapport au niveau de référence maritime
pente pente dérivée primaire de l’altitude.
courbure longitudinale clg correspond à la courbure verticale, courbure du profil de pente courbure du plan cp correspond à la courbure horizontale ou courbures des courbes de
niveau.
courbure le long du profil de plus forte
pente cpfp la pente le long du profil de plus forte pente.
courbure tangentielle ctg correspond à la courbure plan multipliée par le sinus de l’angle de la pente
courbure transversale ctv correspond à la courbure horizontale landform calculé avec une fenêtre de
100m lf100
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 100m (2 pixels de 50m) autour d’un pixel donné
landform calculé avec une fenêtre de
1000m lf1000
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 1000m (20 pixels de 50m) autour d’un pixel donné.
landform calculé avec une fenêtre de
200m lf200
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 200m (4 pixels de 50m) autour d’un pixel donné.
landform calculé avec une fenêtre de
50m lf50
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 50m (1 pixels de 50m) autour d’un pixel donné.
landform calculé avec une fenêtre de
500m lf500
classification topographique des paysages présents sur une zone.
Les paysages sont définis selon une fenêtre de 500m (10 pixels de 50m) autour d’un pixel donné.
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.037
27/05/2014
S = f ( S, C, O, R, P, A, N ) + ε
Les covariables :
R
Landform 50m Landform 1000m
R
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.038
27/05/2014
S = f ( S, C, O, R, P, A, N ) + ε
Les covariables :
R
indice de Beven-Kirkby beven Indice topographique d’estimation du potentiel de saturation en eau des sols (sols hydromorphes)
Dénivelé au cours d’eau dc dénivelé en mètre (différence d’altitude) au cours d’eau le plus proche en distance hydrologique
indice de développement et
persistance des réseaux idpr
Il traduit l'aptitude des formations du sous-sol à laisser ruisseler ou s'infiltrer les eaux de surface. Il se fonde sur l'analyse du modèle numérique de terrain et des réseaux hydrographiques naturels, conditionnés par la géologie indice topoclimatique itc
comme l’indice de Beven-Krikby mais prend en compte en plus le climat local (précipitations locales) pour l’accumulation d’eau sur un pixel donné
indice de Beven-Kirkby aval mrt
indice topographique de Beven-Krikby utilisant la pente β’ qui est la pente entre un pixel donné et le pixel le plus proche situé dans le réseau hydrographique (en aval et saturé par l’eau)
indice de Strahler strah
Indice de Strahler des bassins versants des cours d’eau de la zone. L’indice de Strahler est une classification d’un réseau hydrographique qui caractérise l’importance d’un cours d’eau.
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.039
27/05/2014
S = f ( S, C, O, R, P, A, N ) + ε
Les covariables :
P
carte géologique au 1/1 000 000 geol1m carte des affleurements géologiques à l’échelle 1/1 000 000 carte géologique au 1/50 000 geolh carte des affleurements géologiques à l’échelle 1/50 000
harmonisée
teneur en Thorium Th teneur en Thorium totale de l’horizon superficiel des sols (télédétection)
teneur en Titane Ti teneur en Titane totale de l’horizon superficiel des sols (télédétection)
teneur totale en éléments télédetectés Total teneur totale en éléments détectables de l’horizon superficiel des sols. Cette teneur est mesurée par télédétection.
teneur en Uranium U teneur en Uranium totale de l’horizon superficiel des sols (télédétection)
teneur en potassium K teneur en potassium totale de l’horizon superficiel des sols (télédétection)
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.040
27/05/2014
S = f ( S, C, O, R, P, A, N ) + ε
Les covariables :
P
carte géologique au 1/1 000 000 geol1m carte des affleurements géologiques à l’échelle 1/1 000 000 carte géologique au 1/50 000 geolh carte des affleurements géologiques à l’échelle 1/50 000
harmonisée
teneur en Thorium Th teneur en Thorium totale de l’horizon superficiel des sols (télédétection)
teneur en Titane Ti teneur en Titane totale de l’horizon superficiel des sols (télédétection)
teneur totale en éléments télédetectés Total teneur totale en éléments détectables de l’horizon superficiel des sols. Cette teneur est mesurée par télédétection.
teneur en Uranium U teneur en Uranium totale de l’horizon superficiel des sols (télédétection)
teneur en potassium K teneur en potassium totale de l’horizon superficiel des sols (télédétection)
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.041
27/05/2014
S = f ( S, C, O, R, P, A, N ) + ε
Les covariables :
Théoriquement, Il existe bien d’autres covariables… mais sont-elles disponibles?
Autorisation d’exploitation (carte géol 1/50 000)?
Possibilité techniques (éléments télédétectés)?
Et surtout sont-elles pertinentes?
pour la zone concernée?
en général pour caractériser les UCS
Deuxième intervention des Pédologues:
Pour le choix des covariables (retrait/ajout)
Proposition d’une liste de covariable et le pédologue les classe selon leur pertinence : très pertinente
peu pertinente sans influence
Toutes les covariables ont été jugées potentiellement pertinentes : réalisation d’essais
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.042
27/05/2014
Choix de la zone cible du modèle de CNS :
45 28
Choix de travailler sur une zone restreinte : la Grande Beauce Zone cible du modèle (CNS) :
Surface sur laquelle on prédit les types de sols à partir des covariables à l’aide d’un modèle préalablement établi sur une zone d’apprentissage.
Zone cible = surface correspondant à la surface des UCS des 2 RRP en contact direct avec la limite administrative.
Le reste du RRP est considéré comme non modifiable (privilégier les travaux des pédologues)
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.043
27/05/2014
45 28
Choix de travailler sur une zone restreinte : la Grande Beauce
Définition de la zone cible : UCS frontalières
Zone cible = zone à
modifier graphiquement Choix de la zone cible du modèle de CNS :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.044
27/05/2014
Plusieurs configurations possibles pour les zones d’apprentissage et la zone cible du modèle Les différentes zones à distinguer :
Grande Beauce du 45 Cible GB 45
Extension GB 45
Grande Beauce du 28
Extension GB 28 Cible GB 28
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.045
27/05/2014
Plusieurs configurations possibles pour les zones d’apprentissage et la zone cible du modèle Les différentes configurations pour la CNS :
Zone
d’apprentissage
Zone cible
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.046
27/05/2014
Plusieurs configurations possibles pour les zones d’apprentissage et la zone cible du modèle
Zone cible
28 vers 45 45 vers 28
Zone
d’apprentissage
1/50 000 de
Neuville-aux-bois Les différentes configurations pour la CNS :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.047
27/05/2014
Les méthodes de CNS possibles :
Méthode 1 : Zone d’apprentissage : Grande Beauce Zone cible : zone cible
Validation interne du modèle : 68,5 %
Validation externe des prédictions : 75,5 %
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.048
27/05/2014
Les méthodes de CNS possibles :
Méthode 1 : Zone d’apprentissage : Grande Beauce Zone cible : zone cible
Covariables retirées : tex, prof
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.049
27/05/2014
Les méthodes de CNS possibles :
Covariables retirées : tex, prof Influence des covariables : tex et prof
Méthode 1 : Zone d’apprentissage : Grande Beauce Zone cible : zone cible
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.050
27/05/2014
Les méthodes de CNS possibles :
Méthode 1 : Zone d’apprentissage : Grande Beauce Zone cible : zone cible
Validation interne du modèle : 91,3 %
Validation externe des prédictions : 91,4 % Que faut-il privilégier ? Les indices de qualité des prédictions et du modèle ou la cohérence graphique (quelque part la cohérence pédologique)?
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.051
27/05/2014
avantages inconvénients
le résultat se présente sous la forme d'une seule carte directement interprétable
La limite administrative n’est pas complètement estompée (en fonction des covariables choisies)
le modèle peut choisir les UCS les plus pertinentes parmi toutes celles présentent sur l'ensemble des 2 RRP (grande Beauce uniquement).
L’intégration des résultats dans la base DoneSol est complexe car on prédit des UCS (UTS représentées, %, surfacique, continuité des strates?…)
Les UCS utilisées par le modèle pour prédire la zone cible
sont initialement proches de la zone cible. (cohérence) comment choisir le meilleur modèle? Contradiction entre aspect graphique des cartes (continuité pédologique logique) et probabilité maximale calculée par le modèle.
Validation?
Les méthodes de CNS possibles :
Méthode 1 : Zone d’apprentissage : Grande Beauce Zone cible : zone cible
Méthode prometteuse
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.052
27/05/2014
Les méthodes de CNS possibles :
Méthode 2 : Zone d’apprentissage : l’extension de la grande Beauce Zone cible : zone cible
Validation interne du modèle : 89,2%
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.053
27/05/2014
Les méthodes de CNS possibles :
Méthode 2 : Zone d’apprentissage : l’extension de la grande Beauce Zone cible : zone cible
Validation interne du modèle : 89,2%
avantages inconvénients
le résultat se présente sous la forme d'une seule carte directement interprétable
La limite administrative n’est pas complètement estompée.
Nécessité d’un raccord « manuel » entre certaines UCS (142 et 50)
Les UCS utilisées par le modèle pour prédire la zone cible sont initialement proches de la zone cible. (cohérence)
L’intégration des résultats dans la base DoneSol est complexe car on prédit des UCS (UTS représentées, %, surfacique, continuité des strates?…)
comment choisir le meilleur modèle? Contradiction entre aspect graphique des cartes (continuité logique
pédologiquement) et probabilité maximale calculée par le modèle. Validation?
Les UCS qui seraient uniquement présentent sur la zone cible ne peuvent pas être prédites problème
Méthode à exclure : ne prend pas en compte les UCS
présentes dans la zone cible entre les 2 RRP à harmoniser
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.054
27/05/2014
Les méthodes de CNS possibles :
Méthode 3 : Zone d’apprentissage : zone cible Zone cible : zone cible
Validation interne du
modèle : 84,6 % Validation externe des prédictions : 87,7 %
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.055
27/05/2014
Les méthodes de CNS possibles :
Méthode 3 : Zone d’apprentissage : zone cible Zone cible : zone cible
avantages inconvénients
le résultat se présente sous la forme d'une seule carte directement interprétable
L’intégration des résultats dans la base DoneSol est complexe car on prédit des UCS (UTS représentées, %, surfacique, continuité des strates?…)
Les UCS utilisées par le modèle pour prédire la zone cible sont initialement présente dans la zone cible.
(cohérence) : on conserve le travail du pédologue
comment choisir le meilleur modèle? Contradiction entre aspect graphique des cartes (continuité pédologique logique) et probabilité maximale calculée par le modèle.
Validation?
La limite administrative a quasiment disparu avec un modèle relativement robuste.
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.056
27/05/2014
Comparaison des 2 résultats
45 vers 28 28 vers 45
Les modèles sont différents ( malgré des zones très proches) Comment exploiter ce résultat? Quelle carte choisir?
Méthode à exclure Les méthodes de CNS possibles :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.057
27/05/2014
Les méthodes de CNS possibles :
Méthode 5 : Zone d’apprentissage : 1/50000 Neuville-aux-bois (45) Zone cible : zone cible GB 28
avantages inconvénients
prédiction d'UTS : facilite la construction d'UCS compatibles avec le 250 000eme. On connait assez facilement les UTS, leur pourcentage et leur surface
nécessiter de disposer d'un 50 000eme dans
DoneSol et de sa couche SIG. Le 50 000 eme doit se trouver sur la même petite région naturelle à
proximité immédiate de la frontière on ne modifie qu'un seul RRP (le 28), la 45 reste tel quel. On
gagne du temps et on fait confiance au maximum au travail des pédologues.
nécessite la construction de nouvelles UCS
(soustraire la zone cible prédite du RRP 28, refaire de nouvelles UCS dans DoneSol)
comment choisir le meilleur modèle. Contradiction entre aspect graphique des cartes (continuité logique pédologiquement) et probabilité maximale calculée par le modèle.
Méthode peu reproductible sur toute la France Méthode à exclure
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.058
27/05/2014
D’après les premiers résultats : la méthode 3 semblent la plus intéressante (ciblecible)
Utilisation exclusive des UCS initialement présentes dans la zone cible = respect du travail du pédologue
Cohérence graphique
Indices de qualité de la modélisation encourageant avec le modèle CART
Vérification de la cohérence pédologique des prédictions
Traitement graphique : raster vers vecteur
Intégration des résultats de la CNS dans la base de données DoneSol
Processus terminé?
Améliorations à apporter :
Le processus suivant est indépendant de la configuration de CNS choisie pour réaliser la prédiction des UCS, cependant les résultats de la méthode 3 sont pris en exemple.
Conclusion :
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.059
27/05/2014
Vérification de la cohérence pédologique des prédictions
Matrice de confusion Diagonale : nombre de pixels correctement prédits
Total : ∑(diag) = 87,7 % (= validation externe) Ce qui est intéressant : 12,3% des pixels ont été modifiés par le modèle
Pourcentage de pixels prédits comme UCS 47 Pourcentage de pixels initialement UCS 47
Prédits-observés=progression
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.060
27/05/2014
Vérification de la cohérence pédologique des prédictions
Le modèle se « trompe » entre 139 et 47 : ressemblance?
NO_UCS_100 nom UCS N° UTS nom UTS % UTS/UCS
139
Sols limoneux, épais, non hydromorphes, des plateaux de Grande
Beauce
117 RENDISOLS 2 125 PLANOSOLS
limoneux 9 121 LUVISOLS,
NEOLUVISOLS 8 118 CALCOSOLS 9 116 RENDOSOLS 5 119 CALCISOLS 17 120 BRUNISOLS 50
NO_UCS_100 nom UCS N° UTS nom UTS % UTS/UCS
47
Plateaux limono-argileux à argilo-limoneux, épais, non hydromorphes, sur Calcaire de Beauce de la Beauce
chartraine
159
NEOLUVISOL resature, a horizon redoxique
profond
6
160 NEOLUVISOL 71
161 CALCOSOL 23
NO_UCS_100 nom UCS N° UTS nom UTS % UTS/UCS
50
Plateaux limono-argileux à argilo-limoneux, moyennement épais, non
hydromorphes, parfois calciques ou calcaires, sur
Calcaire de Beauce de la Beauce chartraine
169 BRUNISOL
EUTRIQUE 18
170 CALCOSOL 66
171 CALCISOL 9
167 CALCOSOL 6
168 COLLUVIOSOL 1
L’UCS 47 ressemble à l’UCS 50 (contraire au choix du pédologue)
Les pédologues experts sur la zone doivent juger si les modifications sont
acceptables ou non.
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.061
27/05/2014
Vérification de la cohérence pédologique des prédictions
Si les pédologues sont d’accord : on poursuit par une étape de traitement graphique.
Si désaccord sur l’ensemble des prédictions : on recommence la modélisation avec d’autres covariables, modèles, configuration d’apprentissage-prédiction.
Si les désaccords sont minimes et localisés : modification au cas pas cas des polygones.
Le traitement graphique
Conversion de raster en vecteur
Lissage des polygones vers un aspect « naturel » (utilisation des courbes de niveaux?)
Respecter les contraintes de la cartographie au 1/250 000
Surface minimale des polygones : 0,5 km² (éliminer les pixels isolés)
Le tracé doit être le plus homogène possible sur la zone
Gaëtan FOURVEL / Journée Harmonisation Cartographique
.062
27/05/2014
Conclusion :
Règle : Minimiser l’impact du processus d’harmonisation sur les RRP.
1. Réduire la zone de travail aux PRA transfrontalières 2. Distinguer les UCS des 2 RRP (NO_UCS_100)
3. Exclure les UCS « non-sols » du processus
4. Mettre en évidence les incohérences graphiques et sémantiques
5. Définir les zones (frontières) où la limite administrative est une limite pédologique 6. Identifier les UCS spécifiques (anthropiques ou naturelles)
7. Choix des covariables utilisables en CNS 8. Définir la zone cible du modèle
9. Choisir la configuration de CNS la plus adaptée à la problématique d’harmonisation (cible vers cible)
10. Vérifier la cohérence des prédictions/validation
11. Traiter graphiquement la prédiction pour qu’elle soit compatible avec le 1/250 000 12. Intégrer les résultats à DoneSol
= intervention d’expert indispensable