Au cours des cinq dernières décennies, les plates-formes orbitales ont changé de façon fondamentale la capacité d'observer, de quantifier et d'interpréter la transformation rapide de la surface de la Terre, passant de moyens militaires expérimentaux à des outils indispensables pour la science civile et la gouvernance urbaine.La surveillance de l'expansion urbaine mondiale et des changements d'utilisation des terres exige des observations cohérentes, synoptiques et répétables – exigences que les enquêtes terrestres ne peuvent à elles seules satisfaire.

L'évolution de l'observation de la Terre par satellite pour les études urbaines

Avec une résolution spatiale de 80 mètres, les premiers capteurs Landsat pourraient distinguer les grandes catégories de couverture terrestre – forêt, agriculture, eau – mais ne détectaient les zones urbaines que sous forme de zones agrégées.Les générations suivantes ont amélioré la résolution : Landsat 5=S Thematic Mapper offrait des pixels de 30 mètres, suffisants pour cartographier les grandes routes, les quartiers et les zones industrielles.Le lancement de Landsat 8, en 2013, combinant des bandes multispectrales de 30 mètres et une bande panchromatique de 15 mètres, a marqué un jalon pour la détection des changements urbains.

Au-delà des systèmes à moyenne résolution, les satellites à très haute résolution (VHR) comme IKONOS (1999), QuickBird (2001), WorldView (2007) et Pleiades (2011) offrent des images de sous-mètres qui permettent de cartographier les structures individuelles, les établissements informels et les classes d'utilisation des terres. Toutefois, leur coût et leurs largeurs limitées limitent la couverture mondiale systématique.

Types de données satellitaires et leurs rôles dans l'analyse de l'utilisation des sols

Le choix de la modalité de détection dépend de l'utilisation spécifique des sols ou du phénomène urbain à l'étude.

Imagerie optique

Les capteurs optiques captent la lumière du soleil dans les longueurs d'onde visibles et quasi infrarouges. La végétation saine reflète fortement le rayonnement proche infrarouge, tandis que les surfaces construites (béton, asphalte) présentent une faible réflectance dans le spectre. L'indice de végétation de différence normalisée (IVND), dérivé de bandes rouges et quasi infrarouges, sépare les zones végétatives des zones non végétales. L'expansion urbaine réduit systématiquement l'IVND au fil du temps, fournissant une mesure directe de la conversion de la couverture terrestre.

Imagerie infrarouge thermique

Les capteurs thermiques (p. ex. Landsat Band 10) mesurent la température de surface. Les zones urbaines affichent généralement des températures plus élevées que les zones rurales, l'effet de l'île de chaleur urbaine. La surveillance des anomalies thermiques aide à évaluer l'impact climatique de l'urbanisation, à identifier les quartiers vulnérables à la chaleur et à évaluer les avantages de la climatisation des infrastructures vertes.

Radar d'ouverture synthétique (SAR)

Contrairement aux systèmes optiques, le SAR pénètre dans les nuages et fonctionne jour et nuit. Dans les contextes urbains, le SAR distingue les zones bâties (fortes, à double souffle, des terrains ouverts). Le SAR interférométrique (InSAR) détecte les déformations subtiles du sol, cruciales pour la surveillance de la subsidence causée par la construction souterraine ou l'extraction excessive des eaux souterraines dans les villes en expansion.

Données sur les feux de nuit

Le programme de satellites météorologiques de défense (DMSP) et la suite de radiomètres à infrarouge visible (VIIRS) à bord du satellite de la centrale nucléaire de Suomi fournissent des images lumineuses de nuit. Les lumières nocturnes sont étroitement liées à l'activité économique, à la densité de population et aux taux d'électrification. L'analyse temporelle de l'intensité lumineuse révèle les limites de la croissance urbaine, la propagation des agglomérations périurbaines et même l'impact des catastrophes ou des pannes de courant.

Méthodes de détection de l'expansion urbaine et du changement d'affectation des terres

Techniques de détection du changement

Deux approches principales dominent : la comparaison entre les différences d'images et la comparaison postclassification. La comparaison entre les différences d'images soustrait les valeurs de pixel de deux dates pour la même bande ou indice spectral (p. ex., différence NDVI). Les zones où la différence dépasse un seuil sont marquées comme changement. La comparaison entre les différences d'images permet de classer chaque image de façon indépendante, puis de comparer les cartes thématiques pour dériver des matrices de conversion – par exemple, l'agriculture à l'aménagement ou la forêt à l'agriculture.

L'apprentissage automatique a révolutionné la classification. Les forêts aléatoires, les machines à vecteur support et les réseaux neuronaux convolutionnels profonds (RCN) peuvent ingérer des informations multispectrales, multitemporelles et de texture, permettant de classer avec précision plus de 90 % des terres urbaines.

Cartographie de l'étendue urbaine

Les ensembles de données sur l'étendue urbaine mondiale provenant des satellites sont passés de gros (1 km) à fins (30 m, voire 10 m avec Sentinel-2). Parmi les produits notables, on peut citer la couche de peuplement humain mondial (GHSL), produite par la Commission européenne, qui utilise les données de Landsat et Sentinel en combinaison avec les grilles de population.

Classification de l'utilisation des terres

Bien que la couverture terrestre (p. ex., l'herbe, le béton) soit relativement facile à cartographier, l'utilisation des terres (p. ex., résidentielle, commerciale, industrielle) nécessite une résolution plus élevée ou une analyse contextuelle.Les signatures multitemporelles peuvent en déduire l'utilisation : les zones industrielles ont souvent des émissions thermiques diurnes élevées et des feux de nuit faibles, tandis que les zones commerciales montrent des lumières nocturnes lumineuses et une forte densité de véhicules dans les données de trafic.

Principales applications de la surveillance urbaine par satellite

Suivi des points chauds de l'expansion urbaine mondiale

La Chine et l'Inde représentent plus du tiers de l'expansion urbaine mondiale depuis 2000. Les données satellitaires révèlent la croissance incessante des mégapoles comme Shanghai, Delhi et Beijing, et l'émergence de couloirs urbains reliant plusieurs villes.En Afrique, l'urbanisation rapide se produit dans les villes moyennes plutôt que les mégapoles – Lagos et Kinshasa se développent, mais Kumasi, Ouagadougou et Dar es-Salaam. L'imagerie satellitaire aide à cartographier les établissements informels qui manquent souvent de données officielles, permettant la fourniture d'infrastructures et de services ciblés.

Évaluation de l'impact sur l'environnement

Les études par satellite estiment que les pertes de terres cultivées en vue de l'urbanisation pourraient réduire la production alimentaire mondiale de 1 à 2 % d'ici 2030. En Asie du Sud-Est, les plantations de palmiers à huile et les domaines en caoutchouc sont remplacés par des plantations urbaines. La déforestation causée par la demande urbaine de bois et de terres est détectable au moyen des ensembles de données annuelles sur les pertes de couvert forestier de la plateforme Global Forest Watch, qui utilise les données Landsat. L'urbanisation fragmente également les écosystèmes; les mesures du paysage de la base de données satellitaires (taille des parcelles, densité des bordures) quantifient les effets de fragmentation sur la biodiversité.

Planification et gestion de l'infrastructure

Les données d'altitude basées sur la recherche et le sauvetage (p. ex., de la mission de topographie radar de la navette) informent la cartographie des risques d'inondation pour les nouveaux développements. Les feux de nuit identifient les zones qui manquent d'électrification, guident l'expansion du réseau.

Réduction des risques de catastrophe

Les données satellitaires combinées avec les cartes de population révèlent le nombre de résidents exposés aux inondations ou aux glissements de terrain. Après une catastrophe, l'imagerie VHR évalue les dommages causés aux bâtiments, tandis que la SAR détecte les ruptures de surface. Le Copernicus Emergency Management Service fournit des cartes satellite en temps quasi réel pendant les crises, soutenant les opérations de secours.

Défis posés par la surveillance de l ' utilisation des sols et des zones urbaines par satellite

Contraintes de résolution spatiale et temporelle

Les satellites VHR offrent des détails mais revoient le même emplacement tous les quelques jours au mieux, ce qui rend difficile la détection rapide des changements. Les lacunes temporelles réduisent la capacité de saisir les variations saisonnières dans l'utilisation des terres, comme les terres cultivées ou les jachères, qui affectent la précision de la classification.

Interférence atmosphérique et lacunes dans les données

La couverture nuageuse est le fléau de la télédétection optique. Les régions tropicales, où l'urbanisation est la plus rapide, connaissent des nuages persistants, laissant des lacunes dans les séries chronologiques Landsat. Alors que la SAR pénètre dans les nuages, l'interprétation de la rétrodiffusion urbaine de la SAR est complexe en raison des effets de la laïcité et de l'ombre.

La nécessité d'outils d'analyse avancés

Les plateformes Cloud comme Google Earth Engine et Microsoft Planetary Computer ont abaissé les barrières, mais les compétences en programmation et en apprentissage automatique restent rares dans de nombreuses agences de planification. L'écart entre la disponibilité des données et la capacité d'analyse est particulièrement aigu dans les pays en développement qui connaissent une urbanisation rapide.

Étalonnage et validation

Le pourcentage de surface imperméable considéré comme -urbanisée varie selon les ensembles de données. La validation exige des données de vérité au sol – souvent issues d'images à haute résolution ou de relevés sur le terrain – qui sont coûteuses et rarement complètes. La cohérence des capteurs croisés (p. ex. Landsat 5 vs Landsat 8) doit tenir compte des différences de bandes spectrales et de la dégradation des capteurs.

Orientations futures et technologies émergentes

Imagerie hyperspectrale

Les capteurs hyperspectraux (p. ex., EnMAP, PRISMA) captent des centaines de bandes étroites, permettant l'identification des matériaux — béton contre asphalte, différents types de toitures, espèces végétales. Cette capacité promet une cartographie détaillée de l'utilisation des terres urbaines, séparant les zones industrielles en fonction de signatures chimiques uniques.

Constellations et revisite temporelle élevée

Les petites constellations satellites (Planet Labs, SkySat) fournissent une couverture globale quotidienne à une résolution de 3 à 5 mètres. Planet , CubeSats capturent des images à une fréquence quasi quotidienne, essentielle pour détecter les progrès de construction ou les changements induits par des événements. L'échange est la profondeur spectrale – ces capteurs ont généralement quatre bandes. Pourtant, leur richesse temporelle permet de détecter les changements à intervalles hebdomadaires, complétant les données spectrales plus profondes de Landsat ou de Sentinel.

Intégration de l'intelligence artificielle et de l'informatique en nuage

Les modèles d'apprentissage approfondi permettent maintenant d'extraire l'empreinte de construction avec moins d'un mètre de précision de position à partir de l'imagerie VHR. Les modèles pré-qualifiés (p. ex., les détecteurs de construction du défi SpaceNet) accélèrent la cartographie.L'apprentissage auto-supervisé réduit le besoin de données de formation étiquetées.À l'échelle mondiale, l'ensemble de données Google Open Buildings (dérivé de l'imagerie VHR) fournit des empreintes de construction pour plus de 1,8 milliard de structures, ce qui permet d'estimer la population et d'analyser la morphologie urbaine.

Fusion avec des données socio-économiques

La prochaine frontière intègre les données urbaines de base de la ville avec les données du recensement, du téléphone mobile et des médias sociaux. La combinaison des lumières nocturnes et des relevés des communications téléphoniques par téléphone cellulaire révèle des zones urbaines fonctionnelles au-delà des limites administratives.

Surveillance planétaire du développement durable

L'imagerie satellitaire appuie directement les objectifs de développement durable des Nations Unies, en particulier l'objectif 11.3.1 de l'ODD 11 (Villes et communautés durables), qui est le rapport entre le taux de consommation des terres et le taux de croissance démographique.

Incidences et conclusions sur les politiques

L'intégration des données satellitaires dans la gouvernance urbaine n'est plus une nouveauté mais une nécessité opérationnelle.Les villes qui investissent dans la capacité de télédétection peuvent optimiser les réglementations de zonage, surveiller les rapports entre espaces verts, faire respecter les règles de recul de la construction et planifier des mesures d'adaptation au climat.

Les politiques ouvertes en matière de données, comme celles de Landsat et de Copernicus, ont été transformées, mais les données commerciales sur les RVF sont encore limitées par les coûts. Les partenariats public-privé qui subventionnent l'accès aux pays en développement peuvent assurer des avantages équitables. À mesure que les constellations se multiplient et que l'IA se développe, le défi passe de la rareté des données à la surcharge d'information.

En résumé, les données satellitaires constituent une lentille indispensable pour observer l'expansion incessante des zones urbaines et la transformation correspondante de l'utilisation des terres à travers la planète.De 1972 à 1972, les premières images Landsat aux courants quotidiens CubeSat, les capacités spatiales, spectrales et temporelles ont augmenté de façon exponentielle. Les applications vont de la cartographie des forêts illégales à la cartographie des établissements informels trop petits pour le recensement.