| Titre : | L’apport de la GéoAI dans la modélisation de la croissance urbaine à partir des changements de la LULC, Cas des villes de Rabat-Salé |
| Auteurs : | ERRACHIDI Khadija, Auteur ; MILKI Imane, Auteur ; EL-AYACHI Moha, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2024 |
| Format : | 122 |
| Langues: | Français |
| Mots-clés: | LULC ; GéoAI ; expansion urbaine ; durabilité urbaine ; détection des changements. |
| Résumé : |
L'urbanisation accélérée accompagnée d’une forte artificialisation des sols et d’une forte
croissance démographique suscite des préoccupations majeures tant dans les pays en développement que dans les pays développés. Une urbanisation non maîtrisée est une forme d’anti-durabilité, engendrant plusieurs défis urbains actuels, notamment la prolifération des quartiers informels, la dégradation du paysage urbain, et sans nul doute les effets conséquents sur la biodiversité et sur les ressources naturelles. Il est donc judicieux de suivre régulièrement l’évolution des surfaces urbanisées et les modes d'aménagement des zones urbaines pour garantir un développement durable et résilient des villes dans les années à venir. Les avancées technologiques en sciences géospatiales, couplées à l’intelligence artificielle, permettent un suivi précis de la croissance urbaine ainsi que la détection des changements dans l'utilisation/l’occupation des sols (LULC). Dans ce contexte, cette étude a pour objectif de développer une méthode basée sur la GéoAI et le traitement d'images satellitaires à haute résolution pour analyser l'expansion urbaine et évaluer le degré et sens d’urbanisation de l’agglomération métropolitaine de Rabat et Salé entre 2016- 2024 et déterminer l’indicateur de consommation des terres ODD 11.3.1 pour suivre la durabilité des villes. Pour répondre à cet objectif, nous avons comparé de façon qualitative et quantitative les résultats de modélisation de trois algorithmes (Maximum Likelihood, Random Forest et SVM) sur des images datées de 2016, 2020 et 2024 afin de cartographier précisément l’évolution de la scène urbaine les villes de Rabat et Salé. Les résultats ont montré que l'algorithme SVM était le plus performant pour notre étude, avec une précision globale de 93,50 % pour 2016, 88,23 % pour 2020 et 85,29 % pour 2024. Ensuite, un intérêt est accordé à l'évolution de la classe "bâtiments" pour détecter les changements entre 2016-2020 et 2020-2024. Une croissance significative de la surface urbanisée entre 2016 et 2020, suivie d'un ralentissement entre 2020 et 2024 ont été observés. Enfin, une prédiction de la classification de l'image de 2024 a été réalisée avec CA-MARKOV et validée avec une précision de 84 %, ensuite une projection de l'urbanisation pour 2030 a été analysée. |
| En ligne : | http://10.2.0.27//cda/ebooks/ERRACHIDI_MILKI_2024.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200041253 | 10224 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur topographe | Consultation sur place Exclu du prêt |
