Assessing Spatiotemporal Dynamics and Forecasting Urban Expansion Using Satellite Imagery and a Data-Driven Model: A Case Study of the Tabriz Metropolitan Area, Iran
Cette étude utilise l'imagerie Landsat multi-temporelle traitée via Google Earth Engine et un modèle CA-Markov pour analyser l'expansion urbaine rapide de Tabriz, en Iran, de 1972 à 2021 et projeter sa croissance continue ainsi que son impact sur les terres agricoles jusqu'en 2030.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez la Terre comme une immense toile vivante où la peinture est constamment mélangée et déplacée. Parfois, la peinture verte des forêts et des fermes est poussée sur le côté pour faire de la place à la peinture grise des villes et des routes. Ce processus est appelé « expansion urbaine », et c'est l'un des plus grands changements qui se produisent actuellement sur notre planète. Pour comprendre comment cela se produit, les scientifiques utilisent un type spécial de travail de détective numérique appelé « télédétection ». Au lieu de circuler avec un presse-papiers, ils utilisent des satellites en orbite haute au-dessus de la Terre pour prendre des photos du sol. Ces images sont comme une machine à remonter le temps, nous permettant de voir à quoi ressemblait la terre des décennies auparavant et de la comparer à aujourd'hui. Mais examiner des millions de pixels est un travail difficile, alors les scientifiques utilisent le « machine learning » (apprentissage automatique) — un type de cerveau informatique qui apprend à reconnaître des motifs, comme faire la différence entre un champ de blé et un parking. Une fois qu'ils comprennent le passé, ils utilisent des « modèles prédictifs », qui sont comme des prévisions météorologiques pour la terre, pour deviner où la peinture grise va se propérer ensuite. Cela importe car si les villes grandissent sans plan, elles peuvent dévorer les terres cultivables et nuire à l'environnement, nous laissant avec moins de ressources pour l'avenir.
Maintenant, zoomons sur une ville spécifique en Iran appelée Tabriz. Une équipe de chercheurs a décidé d'agir comme des voyageurs temporels pour cette ville, en utilisant un outil numérique puissant appelé Google Earth Engine pour assembler des photos satellites de 1972, 1995, 2016 et 2021. Ils ont enseigné à un cerveau informatique, en utilisant un algorithme appelé Support Vector Machine (SVM), à regarder ces vieilles photos et à classer le terrain en cinq catégories : vergers, terres agricoles, terrains nus, zones de parcours herbeuses et établissements (villes et villages). Considérez le SVM comme un bibliothécaire à l'œil très aiguisé qui peut instantanément trier une pile de photos désordonnées en piles nettes en fonction de ce qu'elles contiennent. Les résultats ont été impressionnants : l'ordinateur a raison environ 81 % du temps, ce qui est suffisant pour faire confiance à l'histoire qu'il raconte.
L'histoire que les données ont racontée est celle d'un changement massif. En 1972, la ville de Tabriz était un endroit douillet, couvrant seulement 25,01 kilomètres carrés. Avance rapide jusqu'en 2021, et cette peinture grise a explosé, couvrant 293,19 kilomètres carrés. C'était comme si la ville avait avalé une énorme bouchée de son propre quartier. Tandis que la ville grandissait, d'autres parties du paysage changeaient aussi. La quantité de terrains nus a augmenté de manière spectaculaire, passant de 72,92 kilomètres carrés à 290,66 kilomètres carrés, tandis que les terres agricoles et les parcours ont connu leurs propres hauts et bas. Les chercheurs ont remarqué que dans les années les plus récentes, la ville dévorait activement les terres agricoles, transformant le sol productif en béton et en bâtiments.
Mais les chercheurs ne voulaient pas seulement regarder le passé ; ils voulaient aussi jeter un coup d'œil au futur. Pour ce faire, ils ont utilisé un modèle « CA-Markov ». Vous pouvez voir ce modèle comme un jeu de « que se passe-t-il ensuite ? ». Il examine les règles de la façon dont la terre a changé par le passé (comme la fréquence à laquelle une terre agricole est devenue une maison) et applique ces mêmes règles pour deviner à quoi ressemblera la carte en 2030. Avant de faire confiance à la boule de cristal, ils l'ont testée : ils ont utilisé le modèle pour prédire à quoi ressemblerait la carte en 2021 sur la base de données plus anciennes, et elle correspondait à la vraie carte de 2021 avec un score élevé de 0,796. Cela suggère que le modèle est fiable.
Lorsqu'ils ont lancé la simulation pour 2030, l'image a montré que la ville ne compte pas s'arrêter de sitôt. Le modèle suggère que les zones urbaines continueront de croître, particulièrement en s'étendant vers l'est et l'ouest le long des principaux corridors de développement. La simulation prédit que d'ici 2030, les zones d'établissements couvriront environ 193,88 kilomètres carrés (note : le texte de l'article contient une légère incohérence, indiquant 193,88 km² dans la section de projection alors que la valeur de 2021 était de 293,19 km² ; le texte décrit une augmentation de 1,28 % par rapport à 2021, ce qui correspond mathématiquement au chiffre de 293,19 km² qui croît légèrement, mais le chiffre spécifique 193,88 apparaît dans le texte comme la valeur de projection pour 2030). Parallèlement, le modèle suggère que les terres agricoles rétréciront davantage, perdant plus de terrain face à l'expansion de la ville. Les chercheurs soulignent que ce n'est pas un destin garanti, mais plutôt un scénario probable si les choses continuent exactement comme elles l'ont été. Ils avertissent que sans planification minutieuse, cette croissance pourrait évincer les terres agricoles qui nourrissent la région. L'étude conclut que bien que les outils utilisés aient été fructueux pour cartographier et prédire ces changements, le véritable défi est d'utiliser cette connaissance pour prendre des décisions plus intelligentes sur les lieux de construction, afin de garantir que la ville grandisse sans perdre son cœur vert.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.