Affichage des articles dont le libellé est Tutoriels. Afficher tous les articles
Affichage des articles dont le libellé est Tutoriels. Afficher tous les articles

La grille communale de densité : un nouveau zonage d'étude proposé par l'INSEE


La grille de densité communale à 7 niveaux proposée par l'INSEE depuis 2022 est intéressante car elle permet de tenir compte de la distribution de la population à l’intérieur de chaque commune. Elle fait partie des zonages d'étude proposés par l'INSEE, qui permettent de regrouper les communes selon différentes logiques (zones d'emploi, bassins de vie...). Cette grille de densité n'est cependant pas très pertinente pour des petits territoires comme les DROM, caractérisés par un faible nombre de communes.

La grille communale de densité à 7 niveaux (source : INSEE, 2022)

La grille communale de densité peut être consultée sous forme de carte interactive sur le site de l'Observatoire des territoires (avec des données actualisées et une palette de couleurs différente).


La grille est construite en découpant le territoire en carreaux de 1 kilomètre de côté. On repère ainsi les zones agglomérées. C’est l’importance de ces zones agglomérées au sein des communes qui va permettre de les caractériser (et non la densité mouyenne de la commune que l'on utilise habituellement). Le passage des carreaux à la commune se fait en fonction de la part de la population communale dans les différents types de cluster. La détermination des agrégats suit la méthode européenne (par degré d'urbanisation conçue en 2011), mais avec des adaptations selon le type de clusters urbains ou ruraux.

La grille à 7 niveaux est une subdivision de la précédente grille européenne à 3 niveaux. Ce zonage plus fin permet de distinguer :

  • au sein des communes rurales : les "bourgs ruraux", le "rural à habitat dispersé" et le "rural à habitat très dispersé" ;
  • au sein des communes de densité intermédiaire : les "centres urbains intermédiaires", les "petites villes" et les "ceintures urbaines" ;
  • les communes denses, ou densément peuplées, restent inchangées. Elles correspondent aux communes des "cities" européennes, dénommées "grands centres urbains" dans la grille détaillée.

D'un point de vue méthodologique, la détection des carreaux se fait en fonction de leur contiguité. Mais ensuite pour passer à la commune, les densités sont recroisées avec des seuils de population en ce qui concerne les clusters urbains et les clusters ruraux compris entre 300 et 50 hab/km². Ce qui a tendance à généraliser la donnée (voir la méthodologie).



Une fois constituée, la typologie peut être recroisée par exemple avec le temps d'accès aux équipements de gamme intermédiaire ou supérieure.

Temps d’accès médians aux équipements selon la grille de densité communale à 7 niveaux (source : INSEE, 2022)

Cette nouvelle grille de densité propose ainsi une lecture plus fine du territoire. Cependant, dans certaines analyses socio-démographiques, cette grille ne suffit pas, à elle seule, pour comprendre les spécificités territoriales comme le phénomène de périurbanisation et le rapport des pôles à leur couronne.

La grille communale de densité fait partie des zonages d'étude proposés par l'INSEE (au même titre que les unités urbaines, les aires d'attraction des villes, les zones d'emploi, les bassins de vie). Les données sont à télécharger sur le site de l'INSEE.


Le jeu de données disponible sur le site de l'INSEE permet d'aller plus loin dans l'analyse en observant, pour chaque commune, le pourcentage que représente chaque niveau, de P1 (grands centres urbains) à P7 (rural à habitat très dispersé).


Dans un logiciel de cartographie ou un SIG, cela permet ensuite de faire des typologies plus fines. Voici par exemple les communes rurales en France qui présentent un habitat dispersé, voire très dispersé. Attention : par habitat, il faut entendre ici un habiter plus ou moins dense et non la morphologie du bati.

Typologie des communes rurales en fonction de leur part d'habitat dispersé (source : INSEE, 2024)



Typologie des communes rurales en fonction de leur part d'habitat très dispersé (source : INSEE, 2024)


Articles connexes

Guide de l'Insee pour faciliter l’accès aux données

L'INSEE propose une nouvelle typologie des aires urbaines en fonction de leur niveau d’attraction

Zones d'emploi en France (2020) : l'INSEE propose une nouvelle méthode de zonage

L'INSEE propose un nouveau gradient de la ruralité (La France et ses territoires, édition 2021)


Cartographier les inégalités en France à partir des données carroyées de l'INSEE
Ecrit par -

Guide de visualisation de données (Office des publications de l'Union européenne)


L'Office des publications de l'Union européenne a publié en novembre 2023 un Guide de visualisation de données accessible en open data (très pratique avec son format interactif). Le site vous guide à travers 7 sujets importants liés à la visualisation de données :
  1. Principes de conception
  2. Narration de données
  3. Pièges
  4. La Dataviz en pratiques
  5. Types de graphiques
  6. Accessibilité
  7. Grammaire des graphismes
Il commence par cinq sujets destinés aux utilisateurs débutants et avancés, suivis de deux sujets destinés aux utilisateurs expérimentés. Il existe 3 façons d'explorer le site : en utilisant les liens thématiques, en recherchant par sujet ou en suivant les pages dans l'ordre proposé.

Guide de visualisation de données (source : Office des publications de l'Union européenne, 2023)

Le Guide de visualisation de données contient des pages sur les formats de fichiers de données, le nettoyage des données, les outils de visualisation et la conception de datavisualisations. C'est une ressource utile pour tous, des débutants aux experts. Le guide a été créé par l'Office des publications de l'Union européenne en collaboration avec l'expert en visualisation de données Maarten Lambrechts. L'un des points forts de ce Guide est de pointer les pièges courants que l'on peut rencontrer et de proposer des trucs et astuces pour les éviter. 



Et pour mettre en pratique les conseils de ce Guide, on peut aller consulter les cartes et  datavisualisations contenues dans la publication Régions de l'UE en 2023 réalisée à partir des données Eurostat. Le site contient des  cartes et des graphiques interactifs sur la population, la santé, l'éducation, le marché du travail, la société numérique, les activités économiques, l'environnement et les ressources naturelles...

Régions de l'Union européenne en 2023 (source : site interactif Eurostat)


Le site data.europa.eu propose également une rubrique Datastories qui fournit des articles de réflexion et des analyses originales à partir de jeux de données. Les sujets abordés sont nombreux : des compétences numériques par pays aux données de gestion des inondations, du recyclage des déchets aux données de mobilité durable...

Ecrit par -

Bruitparif, la plateforme cartographique du bruit en Île-de-France


La plateforme carto.bruitparif.fr est produite par Bruitparif, l'observatoire du bruit en Île-de-France. Bruitparif est une association à but non lucratif qui réalise différentes missions d'intérêt général :

  • Caractériser le bruit en Île-de-France par la réalisation de mesures et de modélisation du bruit sur le territoire régional, la conduite d'études et d'enquêtes ;
  • Faire progresser les connaissances relatives aux impacts sanitaires et socio-économiques du bruit ;
  • Accompagner les acteurs institutionnels dans l'élaboration et la mise en oeuvre de politiques efficaces de lutte contre le bruit, notamment pour établir des Plans de Prévention du Bruit dans l’Environnement (PPBE) ;
  • Informer et sensibiliser le grand public en ce qui concerne les problèmes de nuisances sonores de manière à les réduire.

I) Présentation de la plateforme cartographique Bruitparif 

Interface de la plateforme cartographique Bruitparif (source : carto.bruitparif.fr)



Cette plateforme permet de consulter les cartes stratégiques de bruit (CSB) élaborées au sein de la région Île-de-France, dans le cadre de la mise en œuvre de la directive européenne 2002/49/CE. Il s’agit d’un outil de référence en matière d’information du public. Trois sources de bruit sont cartographiées (routes, voies ferrées, trafic aérien) avec la possibilité de les cumuler. Accès aux statistiques d'exposition des populations pour les différents échelons territoriaux, téléchargement des cartes, module de localisation par saisie d'adresse... les fonctionnalités de la plateforme sont nombreuses. Un tutoriel permet de découvrir les différentes fonctionnalités de la plateforme :

Tutoriel de présentation de la plateforme cartographique du bruit en Île-de-France Bruitparif


L'objectif des cartes de bruit est d'aider à la décision pour prévenir et réduire les expositions au bruit, l'objectif final étant d'améliorer le cadre de vie et la santé des riverains. Les cartes sont réalisées non par prélèvement direct du bruit, mais par modélisation informatique à partir de différentes sources (données de topographie, de trafic à différents horaires, de révêtement de chaussées ou de nature des voies ferrées, de composition du parc automobile...). Pour chaque zone, on peut obtenir des statistiques sur le niveau d'exposition de la population. Il est possible d’accéder aux données de la 4ème échéance, les plus récentes (produites en 2023), mais aussi aux données relatives à la période 2017-2022 (3ème échéance), et à la période 2007-2012 (1ère et 2ème échéances). 

D'après les données 2023, ce sont plus de huit millions et demi de Franciliens (soit 80% des habitants de la région) qui sont exposés à des niveaux de bruit supérieurs à 53 décibels, objectif recommandé par l'Organisation mondiale de la Santé (OMS), en raison du trafic routier. Plus d'un million se situent au-delà de la limite réglementaire française, moins stricte. Si le nombre de personnes exposées au bruit ferroviaire a tendance à diminuer, les nuisances sonores aériennes, elles, se sont aggravées en raison de la densification de certaines communes survolées par les avions et de la hausse du trafic aérien. 

II) Les indicateurs utilisés pour élaborer des cartes de bruit

Le niveau sonore sur une carte de bruit est représenté à partir d'indicateurs de bruit. L’intensité sonore d’une source donnée varie au cours du temps sur une journée et la perception de l’intensité sonore par l’être humain est différente le jour, le soir et pendant la nuit. C’est la raison pour laquelle on décompose une journée de 24h en trois périodes : le jour entre 6h et 18h, le soir entre 18h et 22h et la nuit entre 22h et 6h et que l’on exprime les niveaux sonores à l’aide de moyennes énergétiques sur ces périodes de temps considérées :
  • Ld (pour Level day) correspond à la moyenne de bruit sur la période 6h-18h
  • Le (pour Level evening) correspond à la moyenne de bruit sur la période 18h-22h
  • Ln (pour Level night) correspond à la moyenne de bruit sur la période 22h-6h
Deux indicateurs réglementaires, définis au niveau européen, doivent être utilisés a minima pour produire les cartes de bruit. Ils sont issus ou dérivés de ces indicateurs par période. Il s’agit du :
  • Lden (pour Level day evening night) qui correspond à un indicateur de bruit global perçu au cours de la journée qui tient compte de la sensibilité plus forte des individus au bruit sur les périodes de soirée et de nuit. Ainsi, l’indicateur Lden est calculé à partir des indicateurs Ld, Le et Ln en appliquant des pondérations de +5 dB(A) et de +10 dB(A) respectivement aux niveaux de bruit de soirée et de nuit.
  • Ln ou Lnight qui correspond à la moyenne énergétique de bruit sur la période 22-6h.
Ces indicateurs sont exprimés en dB(A) – décibel pondéré A – qui est l’unité utilisée pour évaluer le niveau sonore perçu par l’oreille humaine. Il faut savoir en effet qu’un bruit émis est composé de plusieurs sons allant du grave à l'aigu (le spectre fréquentiel) et que notre oreille ne perçoit pas de la même manière ces différentes fréquences. Elle est plus sensible aux moyennes et hautes fréquences qu’aux basses fréquences. Le filtre A est utilisé pour représenter cette sensibilité de l’oreille aux différentes fréquences.

Les cartes de bruit représentent les valeurs de ces indicateurs évalués pour une journée moyenne annuelle sous la forme d’aplats de couleur par tranche de 5 en 5 dB(A). Afin de faciliter la lecture des cartes, une échelle de couleurs est appliquée aux différents niveaux de bruit. Sur l’échelle réglementaire, établie selon la norme NF S 31 130, les zones les plus bruyantes apparaissent en violet alors que le vert fait ressortir les secteurs plus calmes.

Des cartes de dépassement de seuil sont également produites. Elles permettent de représenter les zones susceptibles de contenir des bâtiments dont les façades sont exposées à un niveau sonore moyen qui excède les valeurs limites réglementaires définies par la France. Ces valeurs limites dépendent de la source de bruit et de l’indicateur.

Carte des zones de dépassement de la valeur limite réglementaire de 68 dB(A) pour l’indicateur Lden.


Lien ajouté le 28 mai 2024

Lien ajouté le 30 novembre 2024

Europe’s Noise Capital Tries to Turn Down the Volume. www.bloomberg.com/news/feature...

[image or embed]

— Veille Géographie Académie Lille (@veillegeolille.bsky.social) 30 novembre 2024 à 09:13
Articles connexes

Une carte du bruit à l'échelle mondiale (projet Noise Planet)

Écouter le monde : une carte mondiale des sons

Signaler les enfants bruyants dans sa rue : Dorozoku, un site cartographique controversé au Japon

Drive & Listen, un site web pour s'immerger en voiture dans les rues des grandes villes mondiales

Radio Garden : un globe terrestre pour écouter des stations de radio du monde entier

L'histoire par les cartes : Gens de la Seine, un parcours sonore dans le Paris du XVIIIe siècle

The arrogance of space : un outil cartographique pour montrer la place allouée à l'automobile en milieu urbain

Une cartographie du niveau de pollution de l'air à Paris


Ecrit par -

Des outils d'IA gratuits pour identifer un lieu à partir d'une photographie

 

Vous connaissez peut-être le jeu Geoguessr (65 millions de joueurs en 2023) où il s'agit, à partir d’une image Street View, d'identifier son emplacement. Il se pourrait que les nouvelles applications de géolocalisation en ligne viennent offrir une sérieuse concurrence à ce jeu. La géolocalisation d'images à l'échelle planétaire constitue un problème sérieux en raison de la diversité des images et de la difficulté à les interpréter. Même si l'on en est encore à l'aube des outils de géolocalisation par intelligence artificielle, ceux-ci progressent rapidement et donnent des résultats de plus en plus précis. Ce billet présente quelques outils en ligne gratuits permettant d'identifier un lieu à partir d'une simple photographie.


I) GeoSpy, un outil récent mais déjà prometteur

L'application GeoSpy est sortie fin décembre 2023 dans une version beta. La version 0.1 montre des résultats prometteurs, notamment en milieu urbain. L'utilisation est assez simple : il suffit de déposer une photographie d'un lieu et l'application en recherche les coordonnées géographiques. Les résultats ne sont pas toujours précis, mais le taux d'erreur reste acceptable. Il est conseillé d'utiliser des plans un peu larges prenant en compte plusieurs bâtiments, sinon l'application a tendance à se focaliser sur tel ou tel détail architectural. Malgré quelques imperfections, l'outil est en train de gagner en popularité auprès de la communauté du renseignement open source. Le site Bellingcat, qui s'intéresse également à la géolocalisation d'images par des chatbots, est en train de le tester pour l'intégrer à sa panoplie d'outils. L'application peut s'avérer très pratique pour lancer des défis ou accompagner des enquêtes OSINT. Cyber-Détective donne un exemple d'utilisation de GeoSpy avec Openstreetmap pour géolocaliser des panneaux routiers. 

Contrairement aux méthodes traditionnelles, GeoSpy ne nécessite aucune interrogation par écrit. Son efficacité est liée à la méthode CLIP de lecture d'image par clustering d'OPenAI décrite dans cet article "PIGEON : Predicting Image Geolocations". Le système utilise une combinaison de modèles : CLIP pour comprendre les images dans le contexte du langage naturel, OCR (Optical Character Recognition) pour extraire le texte des images et LLM (Large Language Models) pour comprendre et générer du texte. Dans les prochaines versions, Geospy utilisera des graphes de connaissances, ce qui devrait constituer une avancée significative.

Interface de l'application GeoSpy version 0.1 (source : GeoSpy)



II) Picarta, un service de base gratuit

Picarta, qui vend des services de géolocalisation aux entreprises, offre un service de base pour géolocaliser des images. Il faut cependant s'inscrire pour afficher les résultats sur une carte. Dans l'exemple pris ici, l'application a bien reconnu qu'il s'agissait d'une image de favela au Brésil. Elle a même réussi à indentifier la ville, Rio de Janeiro. Les coordonnées géograhiques restent toutefois un peu imprécises par rapport à la localisation exacte de la favela de Rocinha (écart d'environ 500m).

Interface de l'application Picarta (source : Picarta)



III) Geolocation Estimation, un outil adapté également aux paysages naturels

Alors que la plupart des outils d'IA sont plutôt adaptés au milieu urbain où les batiments sont plus facilement reconnaissables, Geolocation Estimation procède par détection automatique de scènes selon une méthode décrite dans cet article. Ce qui permet de l'utiliser pour des paysages ruraux ou naturels peu denses. L'application propose plusieurs lieux possibles selon les degrés de probabilité indiqués sur une heatmap. Elle permet aussi de récupérer les données EXIF de l'image, si elles sont disponibles. Comme dans les cas précédents, on relève quelques approximations dans la géolocalisation même si l'île de la Réunion a bien été identifiée pour la photographie choisie.

Interface de l'application Geolocation Estimation (source : Geolocation Estimation)



IV) Kosmos-2, une application utile pour commenter une image

Kosmos-2 ne permet pas de récupérer les coordonnées géographiques d'un lieu. Mais l'application peut s'avérer utile pour en obtenir une description sommaire. Une fois la photographie téléchargée et analysée, on obtient un commentaire de l'image où chaque élément du descriptif renvoie à une partie de l'image avec un code couleurs permettant d'associer les deux.

Interface de l'application Kosmos-2 (source : Kosmos-2)


V) Intégrer les photos géolocalisées dans QGIS

Le site Geography Realm propose un tutoriel pour intégrer des photos géolocalisées dans QGIS. 

Les logiciels SIG comme QGIS peuvent lire des images avec des coordonnées géographiques codées, permettant ainsi de cartographier le lieu de prise de vue. L'intégration de ces photographies à vos projets QGIS améliore la visualisation des informations de terrain et offre une connaissance approfondie des situations spatiales. L'intégration de photographies géolocalisées dans QGIS améliore également la compréhension visuelle dans des domaines tels que la surveillance environnementale, l'urbanisme et les relevés de terrain. Une fois que l'on a géolocalisé toutes les photos à l’aide des différentes solutions proposées, on peut ensuite cartographier les emplacements à l’aide du plugin « Importer des photos » dans QGIS.

Pour compléter

« A partir d'une simple photo, cette intelligence artificielle peut vous géolocaliser instantanément » (BFM-TV)

« PIGEON : Predicting Image Geolocations » (arXiv:2307.05845)

« Férus de Géographie » (@FerusdeGeo) propose de reconnaître des lieux géographiques à partir de photographies, avec le hashtag #geofinding. Il devient si facile d'utiliser des outils de géolocalisation pour résoudre les énigmes qu'il est bien préciser : "N’oubliez pas de justifier le mode opératoire qui vous a permis de trouver le lieu, c’est cela qui détermine la Victory".

« Enquête sur la géolocalisation, les métadonnées et les données de localisation implicites : conseils, astuces et outils » (Plessas.nrt). De plus en plus d'outils en ligne proposent une technologie de géolocalisation qui permet de déterminer un emplacement affiché sur des photos, des vidéos et d'autres formes de médias. Cela peut être une capacité essentielle pour les analystes OSINT qui cherchent à localiser un lieu ou une personne d'intérêt. Cependant, il est impératif de savoir quel outil répondra le mieux à vos besoins pour le type d'enquête que vous suivez. 


Articles connexes

Quand l'intelligence artificielle et l'apprentissage automatique permettent de repérer des bidonvilles à partir d’images satellitaires et aériennes

Pour aider à géolocaliser des photographies, Bellingcat propose un outil de recherche simplifié à partir d'OpenStreetMap



Ecrit par -

Images satellites Maxar à télécharger en open data


Maxar exploite une flotte de satellites qui capturent des images de la Terre en haute résolution. En 2022, l'entreprise a gagné environ 1,6 milliard de dollars, en grande partie grâce à la vente des images produites par ses satellites. Maxar publie également des données ouvertes lors de crises majeures. Le programme Maxar Open Data fournit des images satellites haute résolution avant et après l'événement. L'objectif est de faciliter l'évaluation des risques et de fournir un appui à l'intervention d'urgence. La diffusion de ces données ouvertes participent en retour à la notoriété de l'entreprise.

Pour pouvoir télécharger ces images, il faut remplir au préalable un formulaire. Il est cependant possible d'accéder directement au catalogue ARD de Maxar pour une 30e de ces images. Les données prêtes pour l'analyse (ARD) offrent un flux d'images conçues pour minimiser le temps de travail nécessaire pour l'analyse.

Extrait d'image Maxar ARD de San Francisco avec masques de polygones (source : Maxar)

Catalogue Maxar ARD :

Qiusheng Wu, professeur agrégé à l'Université du Tennessee, gère un dépôt GitHub qui contient des métadonnées et des manifestes pour ces images Maxar mises gratuitement à disposition. Mark Litwintschik propose un tutoriel pour extraire et analyser ces images avec GDAL, Python et QGIS.

Autres sites donnant accès à des images satellites lors de catastrophes :

Articles connexes

Cartes et données sur les séismes en Turquie et en Syrie (février 2023)

Cartes et données sur le séisme au Maroc (septembre 2023)


Les images satellites Spot du CNES (1986-2015) mises à disposition du public

Images satellites Landsat 9 mises à disposition par l'USGS

Le programme Landsat, lancé en 1972, fête ses 50 ans d'observation de la Terre

La NASA met à disposition plus de 11 000 vues satellitaires prises ces 20 dernières années

Ecrit par -

Traitements et cartographie de l’information géographique (Cunty & Mathian, 2023)


Avec la massification des données et la systématisation du référencement géographique de l’information, les cartes constituent aujourd’hui des enjeux importants, tant pour les spécialistes que pour les organismes d’aménagement, d’urbanisme ou le grand public. Cependant, si produire une carte peut paraître facile, le passage concret des données à une carte utile pour la question posée est jalonné par une succession d’opérations précises mobilisant des connaissances en divers domaines : statistique, géographie, cartographie, etc.

Claire Cunty, Hélène Mathian (dir.), Traitements et cartographie de l’information géographique, Isté éditions, 2023 (site de l'éditeur).


L’ouvrage présente une diversité d’enchaînements d’opérations à partir d’exemples variés. Chaque chapitre emprunte un chemin différent, explicitant les choix méthodologiques opérés en fonction du thème traité et du but poursuivi. Cette approche couvrant l’ensemble de la démarche de production d’une carte permettra à tout lecteur, qu’il soit étudiant, chercheur, enseignant ou aménagiste de comprendre les multiples rôles que la carte peut jouer dans des analyses de données géographiques.

Avant-propos et introduction
 
3. Données environnementales et objets cartographiques
4. Cartographier et identifier les formes géographiques : l’exemple de la ségrégation
5. Carte et modèle statistique pour explorer l’hétérogénéité spatiale
6. Cartographier les phénomènes temporels
7. Cartogrammes, anamorphoses : des territoires transformés
8. Exploration, agrégation et visualisation spatiotemporelle de données massives 

Les chapitres sont positionnés le long d'un continuum où sont identifiées les étapes-clés d'un cycle qui relie les données à la carte (cercle orange sur la figure ci-dessous). Les chapitres s'associent, se complètent, renvoient les uns aux autres.

 « Carte des chapitres, ce qui les relie, les notions qui les jalonnent » (extrait de l'ouvrage, p. 16) 


Claire Cunty est enseignante-chercheuse en géographie à l’Université Lumière Lyon 2, membre de l’UMR Environnement Ville Société. Ses recherches portent sur la conception et les usages des interfaces de géovisualisation d’informations spatiotemporelles ainsi que sur les approches numériques des cartes sensibles.Elle fait partie de l’équipe de pilotage du master Géographies Numériques des Universités Lyon 2 et Saint-Etienne.

Hélène Mathian est ingénieure CNRS en méthodes d’analyse spatiale à l’UMR Environnement Ville Société. Ses travaux intègrent la dimension spatiale dans les traitements et modèles statistiques, et la géovisualisation comme élément d’exploration des données géographiques et des dynamiques spatiales. Elle fait partie de l’équipe de pilotage du master Géographies Numériques des Universités Lyon 2 et Saint-Etienne.

Pour compléter

Françoise Bahoken (17 novembre 2024). [Book] Traitements et cartographie de l’information géographique. Carnet (neo)cartographique. https://neocarto.hypotheses.org/21483

Articles connexes

Les systèmes d'information géographique. Principes, concepts et méthodes (Armand Colin)

La longue histoire qui va conduire à la cartographie numérique et aux débuts des SIG

Des sources aux SIG : des outils pour la cartographie dans les Humanités numériques

L'apport de la cartographie et des SIG pour évaluer l'accès aux vaccins contre le Covid-19

L'histoire des SIG open source et de leurs formats ouverts à travers une infographie interactive

« Cherche appartement pour habiter à Mumbai » ou comment s'initier à l'analyse spatiale avec un logiciel SIG

Jeu de données SIG sur le classement des métropoles mondiales

Cartographier le marché locatif de Beyrouth avec un SIG

Systèmes d'Information Géographique (SIG)

Fonds de cartes pour utiliser dans un SIG


Ecrit par -

Utiliser l'application Observable pour créer ses propres visualisations de données


Source : « Observable pour les géographes »  (Nicolas Lambert, blog Neocarto, 1er décembre 2021).

Observable est une startup fondée par Mike Bostock et Melody Meckfessel, qui propose une plateforme 100% en ligne pour concevoir, partager et diffuser des visualisations de données (à partir de javascripts simplifiés).

Depuis plus d'un an, Nicolas Lambert réalise des cartes et des visualisations de données avec Observable. Dans un notebook (billet de blog), il explique pourquoi il considère que cet environnement est idéal pour créer des cartes. 

Au premier abord, l'application Observable semble réservée aux geeks initiés aux lignes de code informatique. Avec quelques conseils et un peu de patience, on finit par y arriver !

Voir la vidéo de présentation d'Observable proposée par Nicolas Lambert.

Comment utiliser Observable quand on est géographe avec une collection d'exemples

Liens ajoutés le 8 juin 2023


Articles connexes

Comment différencier infographie et data visualisation

Créer ses propres palettes de couleurs avec Dicopal

Utiliser des graphiques animés pour donner à voir des évolutions ou des ruptures

Data Viz project, une source d'inspiration pour créer ses propres data visualisations

La plateforme de data visualisation Flourish propose d’associer narration et exploration

L'histoire des SIG open source et de leurs formats ouverts à travers une infographie interactive

Mad Maps, « l'atlas qui va changer votre vision du monde » par Nicolas Lambert et Christine Zanin


Ecrit par -

Cartographie des noms qui servent à désigner les couleurs en Europe


La manière de désigner et même de se représenter les couleurs varie d'une langue à l'autre. Le site Mapologies propose une série de cartes concernant l'étymologie des noms de couleurs en Europe. http://mapologies.wordpress.com/2020/11/25/colors/

La couleur bleue dans différentes langues classées selon l'étymologie (source : 🄫 Mapologies)


Le bleu est l'une des couleurs les plus intéressantes, car selon les chercheurs, c'est l'une des dernières à se différencier dans nos langues. Au Japon par exemple, jusqu'à récemment, on ne distinguait pas le vert du bleu. Certaines langues dont le russe distinguent le bleu clair et le bleu foncé, avec deux mots complètement différents. D'autres cultures ou civilisations anciennes ont pu manquer d’intérêt pour les couleurs "froides", mais cela ne signifie pas qu’elles n’avaient pas la capacité de les voir (la vision est biologique, tandis que la perception est culturellement déterminée). L'histoire du mot bleu est l'histoire de la difficulté à extraire les pigments et les colorants.

Le site Mapologies propose d'autres cartes étymologiques des noms de couleurs concernant l'orange, le violet, le rose, le rouge, le jaune et le vert. Le site s'intéresse également aux différentes manières de désigner les termes carte, jour/nuit, santé, vaccins, seringue, zéro... mais aussi comment on manifeste qu'on ne comprend pas en comparant à une autre langue (par exemple : c'est du chinois pour moi).


Pour aller plus loin

Przemysław Dębowiak (2010). Les couleurs dans les noms de lieux habités en France. Romanica Cracoviensia.
http://www.academia.edu/13015484/Les_couleurs_dans_les_noms_de_lieux_habit%C3%A9s_en_France

Przemysław Dębowiak (2013). Les couleurs dans les noms de lieux habités en Espagne. Nouvelle revue d'onomastique
https://www.academia.edu/13015336/Les_couleurs_dans_les_noms_de_lieux_habit%C3%A9s_en_Espagne
 

Articles connexes

Quand les couleurs révèlent le contenu et la matérialité des cartes. L'exemple de l’Asie orientale du milieu du XVIIe au début du XXe siècle

Quand la couleur rencontre la carte (catalogue d'exposition à télécharger)

Créer ses propres palettes de couleurs avec Dicopal

Donnez-moi la couleur de votre passeport, je vous dirai où vous avez le droit d'aller (Neocarto)

Pourquoi il n'y a que deux mots pour dire "thé" dans le monde

L'histoire par les cartes : les routes commerciales au Moyen Age (déjà une route de la soie)
 
 
Ecrit par -

Étudier la structure et l'évolution des logements dans 50 métropoles des États-Unis


Le géant du marketing immobilier Zillow est bien connu dans le domaine de l'achat, de la vente et de la location de biens immobiliers aux Etats-Unis. Créée en 2006, la société a été l'une des premières à proposer à ses clients d'estimer leurs biens immobiliers directement en ligne en fonction des prix du marché. Un modèle de marketing qui a largement inspiré d'autres sites comme par exemple MeilleursAgents.com

Zillow a publié en décembre 2019 une étude portant sur 50 métropoles américaines, avec des données très intéressantes qui permettent d'étudier les types de logements en fonction des espaces urbains et des périodes. Il y a actuellement près de 140 millions de logements aux États-Unis. Analyser où, quand et comment ceux-ci ont été construits permet de retracer l'histoire de la croissance métropolitaine américaine. 

Les données présentées dans les cartes sont issues de l'American Community Survey (2013-2017) conduite par le Census.gov et permettent de suivre la croissance et l'étalement urbains depuis les années 1940. Le site Zillow fournit également ses propres données sur le marché immobilier américain à travers la rubrique Data de son site. 

En légende, sont indiquées les grandes périodes d'urbanisation (avant 1940, 1940-60, 1960-80, 1980-2000, 2000-2017) que l'on peut cocher ou décocher. En couleurs figurent les 3 types de logements retenus : maisons uni-familiales en bleu, petits et moyens immeubles d'appartements (de 2 à 49 logements) en jaune, grands immeubles d'appartements (50 unités ou plus) en violet. Ce qui permet de bien distinguer les banlieues pavillonnaires des habitations plus en hauteur en centre-ville (bien que la tendance soit aujourd'hui à densifier aussi les couronnes périurbaines). Le degré de transparence correspond à la densité des logements - plus transparent signifie moins dense, plus opaque signifie plus dense. Ce qui permet de mettre en évidence la densité du bâti.

Le site propose de prendre trois régions métropolitaines (Los Angeles, Houston et Détroit) pour illustrer trois types de développement urbain très différents. Il est possible de faire d'autres choix parmi les 50 métropoles proposées (on peut aussi voir comment les autres métropoles peuvent ou non se rattacher à ces trois grands types).


Structure et évolution des logements à Los Angeles (source : Zillow)




Structure et évolution des logements à Houston (source : Zillow)



Structure et évolution des logements à Détroit (source : Zillow)



En complément, voici d'autres sources pour étudier l'évolution du bâti dans d'autres grandes métropoles :

Pour comparer : les villes américaines avec leur bâti telles que représentées dans le Times Atlas de Bartholomew (1922).


Lien ajouté le11 avril 2021

Liens ajoutés le 28 avril 2021


Lien ajouté le 13 août 2021
Lien ajouté le 8 octobre 2021
Lien ajouté le 11 novembre 2021
Lien ajouté le 28 novembre 2021
Lien ajouté le 20 janvier 2022
Lien ajouté le 4 avril 2022
Lien ajouté le 2 octobre 2022
Lien ajouté le 21 septembre 2024
Lien ajouté le 17 novembre 2024

Part du télétravail aux Etats-Unis d'après les données de recensement de 2023. Dans les grandes métropoles, le travail à domicile est souvent plus répandu dans les banlieues aisées. Cela étant dit, les centre-villes de nombreuses PUMA ont une part de télétravail supérieure à 25 %, ce qui soulève des questions sur les tendances à long terme en matière de retour au bureau (walker-data.com)
Lien ajouté le 12 décembre 2024

Comment les personnes chauffent leur logement aux Estats-Unis ? La géographie du chauffage domestique divise le pays en régions distinctes, chacune dominée par différents types de combustibles. Comprendre pourquoi certaines maisons et certaines zones utilisent différentes sources de combustible est une question de géographie. Cette analyse est basée sur les données de l'American Community Survey  réalisée en 2021.
https://www.maps.com/home-heating-fuels/

Articles connexes

Quand la crise du Covid-19 bouleverse le marché de l'immobilier aux Etats-Unis



Ecrit par -

Consulter ou élaborer des cartes de flux dynamiques sur Internet (flow maps)


Les cartes de flux (flow maps) sont de plus en plus nombreuses sur Internet. Elles permettent désormais d'afficher des flux de manière dynamique. Nous présentons ici des outils et des ressources pour consulter ou élaborer des cartes de flux en utilisant des outils en ligne.

1) Consulter ou construire des cartes de flux avec Flowmap.blue (en mode "hubs and spokes")

Le site Flowmap.blue permet de construire des cartes de flux en étoile selon le modèle dit "hubs and spokes" (centres et rayons). Pour pouvoir construire ce type de carte, il faut disposer des données de déplacement entre chaque lieu ou pôle (données dites "origine-destination"). Le site Flowmap.blue donne les sources pour les exemples proposés.
http://flowmap.blue/

Carte des flux de réfugiés en 2017 (source : Flowmap.blue)



 Carte des flux des flux de navettage aux Pays-Bas en 2016 (source : Flowmap.blue)


  
Carte des migrations entre comtés aux Etats-Unis en 2012-2016 (source : Flowmap.blue)



Si l'on dispose d'un compte Google, on peut fabriquer directement ses propres cartes de flux avec l'application Flowmap.blue qui est en open source (licence MIT). Il suffit de télécharger la feuille de calcul qui comporte trois onglets et de la compléter avec ses données, puis d'indiquer le lien sur son compte Google. La carte produite s'affiche à la fin dans l'application Mapbox.

Etapes à suivre :

1) Ouvrir la feuille de calcul dans Google Sheet et en faire une copie "Fichier / Faire une copie ou télécharger…"
2) Ajouter vos données à la feuille de calcul en remplissant les 3 onglets "properties" (titre et description) , "locations" (identifiant et coordonnées en latitude/longitude) et "flows" (origine, destination et quantité) correspondant à chaque identifiant.
3) Partager la feuille de calcul en allant sur  "Fichier" / "Partager", cliquer sur "Avancé", puis choisir  "Accès en lecture à toute personne".
4) Copier le lien de partage sur le site de Flowmap.
5) La carte s'affiche dans Mapbox à partir d'un lien.

Voici un exemple avec une carte de flux animée entre New York, Londres et Rio de Janéiro. En cliquant sur un des 3 pôles, on indique les autres pôles avec qui celui-ci est en reation et l'importance des flux origine/destination :
http://flowmap.blue/1q99-PTAYfVMdvOsI6Tl0nHfy0SgevuSXMJKGr7nTx98

Un autre exemple avec la carte des flux aériens aux Etats-Unis en 2018
http://flowmap.blue/13PZndO5uCtm88VBzdHcKX37NrGIrs8iWwXaSrtnJf-U

Visualizing mobility data : the scalability challenge
http://medium.com/teralytics/visualizing-mobility-data-the-scalability-challenge-2575fe819702

Une carte des flux de migrants en 2020 d'après les données de l'ONU
http://roqueleal.me/big-data/unmigrant.html 


2) Utiliser des cartes de flux en mode points animés

Mark Evans a produit un autre type de cartes de flux en simulant le déplacement par des points animés dont les couleurs indiquent les différentes villes d'origine et la taille des cercles l'importance des flux. Ce type de cartographie peut être efficace pour représenter des migrations domicile-travail (commute maps).

En voici deux exemples pour les Etats-Unis et le Royaume-Uni. Il suffit d'utiliser les deux menus déroulants pour choisir un Etat ou une région, puis un comté ou une commune :

Origine des commuters venant travailler à Birmingham (Royaume-Uni)


Ce type de carte pose néanmoins des problèmes de lecture du fait de l'accumulation des points. Une autre manière de procéder consiste à simuler le flux par un déplacement continu de points sur un même tracé. C'est le choix opéré par exemple pour représenter les flux de touristes britanniques dans le monde entre 1994 et 2017 (Vividmaps) . Ce type d'infographie reste cependant moins efficace qu'une carte montrant des flux par figurés proportionnels. L'utilisateur doit déplacer la souris sur chaque pays pour pouvoir accéder aux données.


Interactive Map: The Flow of International Trade 🌎


3) Utiliser des cartes de flux avec des flèches simples ou proportionnelles

Plus classiques mais néanmoins toutes aussi efficaces sont les cartes de flux avec des flèches. Celles-ci peuvent être simples ou proportionnelles.

En voici un exemple avec une carte des flux de migrations internes aux Etats-Unis sur la période 2011-2015. La carte interactive permet de sélectionner une ville au choix et d'afficher les 5 villes d'origine les plus importantes d'où sont originaires les migrants : 
http://benmatheson.github.io/migrationMap/index.html



L’Oregon State University  propose un autre type de cartes pour montrer les destinations les plus prisées des Américains qui déménagent. Il s'agit d'une carte discrétisée dont la largeur des flèches est proportionnelle à l'importance des flux entre états des États-Unis entre 2009 à 2013 :




La carte indique en outre la densité des états et permet de hiérarchiser les 50 principaux flux par origine, destination et total. La méthode permet de réduire l'encombrement et d'améliorer la lisibilité de la carte. Pour en savoir plus sur les principes de conception de cette carte, lire l'article Design Principles for Origin-Destination Flow Maps. L'un des intérêts de cet article est de montrer que les flèches incurvées sont plus efficaces que les flèches droites pour représenter des flux. 

En voici un exemple avec la carte du réseau vélo en libre service à Boston où l'on peut jouer sur différents indicateurs (heure de la journée, âge, sexe des utilisateurs) : http://bostonography.com/hubwaymap/
 

4) Visualiser des données de flux ou de trafic avec Arabesque

Arabesque a été développé dans le cadre du projet gFlowiz de l'IFSTTAR afin de visualiser des données de flux ou de trafic permettant d'analyser les déterminants géographiques de la mobilité spatiale. L'application en ligne propose un ensemble d’outils d’analyse et de représentation de matrices complexes d’interactions géographiques (catégorielles et temporelles), innovants en termes de méthodologie (articulation de plusieurs dimensions, interactivité, animation), de techniques (facilité de travail et exploration, fluidité de l’affichage) dans une configuration simple facilitant leur appropriation par différents publics (académique, institutionnel, socio-économique, éducatif ...).
http://arabesque.ifsttar.fr/

Tutoriel de prise en main d'Arabesque :
http://github.com/gflowiz/sageo-ricardo

Comme l'explique Françoise Bahoken sur le blog Néocarto, Arabesque s’inscrit dans le paradigme de la « cartographie de visualisation » (Alan MacEachren, 2004) qui consiste à combiner au sein d’une même interface les deux piliers de la représentation : la (géo)visualisation et le traitement amont des données correspondantes. Arabesque s’appuie sur les possibilités technologiques actuelles, en particulier celles offertes par les nouvelles bibliothèques de visualisation et de cartographie web (openlayers, d3, OSM, Turf, NaturalEarthData).

La réalisation d’une carte de flux avec arabesque se décompose en 5 grandes étapes :
- Importation des données de flux (liens et/ou nœuds) ;
- Traitement des données de flux (création d’indicateurs, statistiques) ;
- Exploration et filtrage numérique des données ;
- Symbolisation graphique ;
- Exportation et sauvegarde.


5) Une autre méthode originale pour représenter des flux : le diagramme alluvial

Le diagramme alluvial (chord diagram), qui constitue un type de diagramme de Sankey, est une manière originale de représenter des flux origine-destination de manière plus modélisante et sans avoir besoin de recourir à une carte.  

En voici quelques exemples :
  • La cartographie des migrations domicile-travail dans la région de Toronto :


  • La cartographie des migrations internes entre pays d'Afrique (DTM-IOM)
 
  • Les travailleurs détachés en Europe (Le Figaro)
 

  • Une cartographie intracommunautaire des déplacements domicile-travail au sein de l'UE en 2017 (How Europe moves)


6) D'autres outils disponibles : QGIS, Magrit, Kepler, Mapbox...

Le logiciel QGIS dispose de modules spécifiques qui permettent de construire ses propres cartes de flux à partir d'un SIG (voir ce tutoriel). A partir de la version 3 de QGIS, on peut utiliser l'extension Thematic de L. Cacheux qui fonctionne très bien.

Magrit est un outil de cartographie en ligne qui fournit la possibilité de construire des cartes en oursins.

Kepler.gl fait partie des nouveaux outils de géovisualisation dynamique capables de gérer des données origine-destination (développé et mis à disposition en open source par l'entreprise Uber).

Jill Hubley recense un grand nombre de cartes de flux anciennes ou actuelles (voir son compte Twitter).

L'application d’exploration cartographique deck_mobiliPro, fabriquée par Nahélou Quentin, permet de géovisualiser les mobilités professionnelles de la région Bretagne à l’échelle communale.

L'Observatoire des territoires (CGET) fournit un outil de représentation graphique et cartographique pour étudier les mobilités résidentielles en France à l'échelle des départements.

Pour organiser votre propre veille sur les cartes de flux, vous pouvez consulter le fil Twitter #Flowmap.

7) Les problèmes posés par la représentation des flux 

Les cartes de flux sont souvent plus difficiles à lire que les cartes en aplats : le grand nombre de flèches tracées à partir de différents pôles en rend la lecture difficile (avec un risque d'enchevêtrement des flèches). D'où l'importance de pouvoir disposer de cartes interactives où l'on puisse cliquer sur un pôle au choix pour en simplifier l'affichage.

Lire : Françoise Bahoken, Quels flux représenter et comment, Blog Néocarto, 25 juin 2020, https://neocarto.hypotheses.org/10776

Une nouvelle génération d'applications dynamiques sur Internet permet de proposer une cartographie interactive (voir par exemple cette carte des flux de navetteurs dans la région de San Francisco réalisée par Alasdair Rae avec Kepler et Mapbox). Aussi esthétiques soient-elles, ces cartes restent difficilement lisibles au delà d'un grand nombre de flèches.



Les problèmes posés par la représentation des flux aériens sont analysés et discutés par Françoise Bahoken qui a travaillé dans sa thèse sur les matrices de flux. Concernant Openflight, elle évoque notamment les questions liées aux sources de données et au choix des projections cartographiques dans un billet Exploration cartographique de relations mondiales sur le blog Néocarto.

Relations inter aéroports de l’Openflightdata, dans une projection polaire
(source : F. Bahoken sur le blog Néocarto)
 

Parmi les problèmes de représentation inhérents à la cartographie des flux on trouve "l'effet spaghetti". Dans un article de M@ppemonde paru en 2015, Françoise Bahoken explique l'effet spaghetti à partir d'une définition empruntée à Breukelmann et al. (2009): « S’il y a beaucoup de flux, sur une carte, entre les origines et les destinations, leur tracé peut entraîner un motif ‘spaghetti’; tous les types de flux étant dessinés les uns sur les autres, brouillant les motifs généraux. Pour être en mesure de produire une carte lisible, seuls les principaux flux seront par exemple représentés ».

Un bon exemple est fourni par la cartographie établie par Matthieu Totet sur sa page IataMap Airports. Pour information, le code IATA (en français AITA) est le code international qui permet d'identifier n'importe quel aéroport dans le monde à partir d'un identifiant à trois lettres.

Cartographie des liaisons aériennes par Matthieu Totet (source : IataMap airports) 


Pour éviter ces problèmes de surcharge graphique, on peut cliquer sur un aéroport au choix afin de faire apparaître les lignes aériennes en provenance ou à destination de ce noeud. Voici par exemple les destinations pour l'aéroport de Francfort, grand hub à l'échelle européenne et internationale.

Francfort, un hub international pour les liaisons aériennes (source : IataMap airports)


Un dégradé de couleurs (du bleu clair au bleu foncé) permet de distinguer l'importance du hub ainsi que le nombre de compagnies aériennes par destination. Voici par exemple l'aéroport de Chicago (en bleu foncé car il constitue un hub important aux Etats-Unis en lien avec le Canada tout proche).

Chicago et ses liaisons aériennes vers les Etats-Unis et le Canada (source : IataMap airports)



Références :

Françoise Bahoken, « Sur la première carte des flux réalisée avec des flèches (Ravenstein, 1885) », Confins [En ligne], 17 | 2013, http://journals.openedition.org/confins/8187

Françoise Bahoken, Exploration d’une application web de visualisation de flux : deck_mobiliPro, Néocarto, http://neocarto.hypotheses.org/6277

Françoise Bahoken, L’image des flux spatialisés dans le geoweb, Néocarto, http://neocarto.hypotheses.org/13750

Bernhard J. & al.,  Design principles for origin-destination flow maps, Cartography and Geographic Information Science, vol 45, 2018, p. 62-75
http://www.tandfonline.com/doi/abs/10.1080/15230406.2016.1262280

Willard C. Brinton, Graphic Presentation, 1939 (un chapitre sur les cartes de flux de l'époque)
http://archive.org/details/graphicpresentat00brinrich/page/216


Liens ajoutés le 17 janvier 2020


Lien ajouté le 23 février 2020

Lien ajouté le 1er avril 2020

Cette carte présente une visualisation des migrations résidentielles des Français en 2016 suivant la catégorie socio-professionnelle et le sexe. Les données sont issues du recensement de la population et diffusée par l'INSEE. Pour établir ces cartes, Etienne Côme a mis en œuvre une méthodologie développée par Waldo Tobler qui re-construit un champ vectoriel à partir de données de migrations et permet ainsi de visualiser les flux et les courants sous-jacents aux soldes migratoires observés
https://www.comeetie.fr/galerie/wind/




Ces cartes donnent à voir en un coup d'œil l'attractivité de Paris pour les cadres, la mobilité à destination des pôles urbains des étudiants, ou l'attrait de la côte atlantique pour les retraités. Si ces données vous intéressent je vous encourage à aller regarder les travaux (rapport, synthèse interactive) de l'observatoire des territoires.


Lien ajouté le 15 avril 2020

Migrations, cartes de vents et calligramme cartographique par Etienne Côme (Blog Néocarto)

Comment cartographier le mouvement, les déplacements, les migrations ? Cette question agite le cerveau des cartographes depuis longtemps, car aucune réponse simple ni de consensus n’a jamais été complètement trouvé [...] Pour résoudre cette difficulté, les cartographes ont tout de même imaginé un grand nombre de solutions. Des cartes de flux utilisant des flèches, des cartes multiples, des représentations matricielle, des représentations circulaires […] La solution dont nous allons discuter a été imaginée par le prolifique Waldo Tobler dans les années 70 / 80. Tobler a travaillé sur différentes méthodes de visualisation et a évoqué une approche particulière dans différents articles, permettant de reconstruire un champ vectoriel (tel que ceux rencontrés dans la description des vents, par exemple) pour décrire des migrations observées... Lire la suite sur le blog Néocarto.

 Carte des vents des migrations résidentielles des retraités Français en 2016 [source recensement INSEE]


Lien ajouté le 24 avril 2020

Une recension de cartes origine-destination par R.J. Andrews (@infowetrust) :
http://docs.google.com/presentation/d/1J2smDZOr664zUWrpScqSU8U2tFHeKD4qLhRaKXtPE2c/edit

Un carte des migrations dans le monde (1827-1947) sous forme de diagramme de Sankey parue dans le magazine Fortune : http://archive.org/details/fortune36octluce/page/7


Lien ajouté le 13 janvier 2021


Lien ajouté le 22 avril 2021


Lien ajouté le 26 mai 2021

Lien ajouté le 20 février 2022

Lien ajouté le 21 février 2022

Lien ajouté le 29 mars 2024

Lien ajouté le 14 janvier 2025

✨✍🏻 💖 Cartographier les mobilités spatiales locales par des « flux de proximité » Un article de fond dans la lignée de ma thèse pour cartographier des matrices de flux de mobilités Origine-Destination #locales, de #courte_distance, #proches. 🔗 Accéder : geoproximites.fr/ark:/84480/2...

[image or embed]

— Françoise Bahoken (@fbahoken.bsky.social) 14 janvier 2025 à 02:08

Articles connexes

Cartographier les migrations internationales

MigrExploreR pour géo-visualiser des migrations internationales
 

Ecrit par -
Inscription à : Articles (Atom)