Exploration de la couverture du sol : RPG + OSO

Objectif

L’objectif de ce document est d’explorer comment évaluer la couverture du sol autour des sites d’échantillonnage et leur historique dans les années précédant les relevés. L’idée est d’utiliser différentes sources de données, listés selon leur priorités:

Le RPG qui provient du jeu de donnees RPG sequence de culture (Girault, B. et Philippe M. 2025 https://doi.org/10.57745/VMYCYM)
Le RPG complété (Cantelaube, P. et Lardot B. 2024 https://doi.org/10.57745/6FNRWO)
La carte d’occupation des sols du CES OSO – THEIA (Inglada, J., et al. (2017). https://geodes-portal.cnes.fr/)

Les sites d’échantillonnage de Gironde (d33, N=338) et d’Ille-et-Vilaine (d35 N=227), seront utilisés comme cas d’étude.

Pour pouvoir calculer l’occupation du sol sur un buffer, il faut superposer les données vectoriels. Un des enjeux majeur est l’harmonisation des classes entre RPG, RPG complété et OSO. Pour le moment, l’harmonisation et la simplification des classes d’occupation du sol est dans le fichier classes.csv. Il y a 38 classes différentes (Table 1).

Table 1: Les classes d’occupation du sol simplifiées et harmonisées

info_grp_id	nom_grp_culture
1	Blé
2	Maïs
3	Orge
4	Autres céréales
5	Colza
6	Tournesol
7	Autres oléagineux
8	Protéagineux
9	Plantes à fibres
10	Soja
11	Gel (surfaces gelées sans production)
15	Légumineuses à grains
16	Fourrage
17	Estives et landes
18	Prairies permanentes
19	Prairies temporaires
20	Vergers
21	Vignes
22	Fruits à coque
23	Oliviers
24	Autres cultures industrielles
25	Légumes ou fleurs
28	Divers
29	Batis denses
30	Batis diffus
31	Zone industrielles et commerciales
32	Route
33	Forêts feuillus
34	Forêts conifères
35	Surfaces Minérales
36	Plages et dunes
37	Glaciers ou neiges
38	Eau

Couverture du sol en vectoriel

Pour obtenir la couverture du sol aux coordonnées des sites, nous pouvons utiliser directement les données en vecteur puis extraire la classe (1) du RPG, ou (2) du RPG complété, ou (3) des données OSO selon leur disponibilité.

Table 2: Couverture du sol en 2022 et source d’information pour les sites de Gironde (d33)

	BACCHUS	LepiBats	OSCAR
RPG_Blé	0	2	0
RPG_Divers	2	0	3
RPG_Légumes ou fleurs	0	2	0
RPG_Maïs	0	8	0
RPG_Orge	1	0	0
RPG_Tournesol	0	1	0
RPG_Vignes	212	12	14
RPGC_Vignes	57	4	0
OSO_Batis diffus	0	0	1
OSO_Forêts conifères	0	17	0
OSO_Prairies permanentes	0	0	1
OSO_Vignes	0	0	1

La plupart des relevés en Gironde ont été effectués dans des vignes sur des parcelles du RPG (Table 2). Pour 61 sites, l’information de la parcelle n’était disponible que dans le RPG Complété. Les données OSO permettent de completer l’occupation du sol pour tous les sites. Il y a 17 relevés effectués dans des forêts de conifères (projet LepiBats), un relevé dans une vigne qui n’est pas dans le RPG (ID: OSCAR_33_2011_00002_2018), une prairie permanente (ID: OSCAR_33_2017_00002_2019) et sur du batis diffus (erreur de coordonnées? ID: OSCAR_33_2022_00004_2023).

Table 3: Couverture du sol en 2022 et source d’information pour les sites de d’Ille-et-Vilaine (d35)

	BIOMHE	BISCO	DIVAG	SEBIOPAG_ZAAr
RPG_Autres céréales	4	0	7	12
RPG_Blé	10	12	4	60
RPG_Colza	1	0	1	0
RPG_Fourrage	8	2	2	12
RPG_Légumes ou fleurs	0	0	1	0
RPG_Maïs	3	5	0	23
RPG_Orge	0	1	0	0
RPG_Plantes à fibres	0	0	1	0
RPG_Prairies permanentes	1	0	0	0
RPG_Prairies temporaires	9	6	21	13
RPG_Protéagineux	1	0	2	0
RPG_Soja	1	0	1	0
RPGC_Maïs	0	1	0	0
RPGC_Prairies temporaires	1	0	0	0
OSO_Prairies permanentes	1	0	0	0

La plupart des sites d’échantillonnages sont couverts par le RPG (Table 3) et concernent des cultures de céréales. Le RPG Complété permet de compléter deux parcelles, une de mais (ID: BISCO_75_2017) et une prairie temporaire (ID: BIOMHE_43_2020). Enfin OSO permet d’obtenir la couverture du sol d’un seul site en prairie permanente (ID: BIOMHE_39_2020).

Harmonization de la couverture du sol

Création d’une couche raster

Pour pouvoir calculer l’occupation du sol sur un buffer, il faut superposer les données vectoriels. Le plus simple est de faire le croisement en raster. Les données OSO proviennent d’un raster à 10m. Cependant les données RPG sont plus précises et il peut être intéressant de créer une couche raster de résolution plus fine, à 5m ou à 2m.

Figure 1: Occupation du sol harmonisée en raster 10m pour la Gironde (à gauche) et l’Ille-et-Vilaine (à droite)

Table 4: Caractéristiques des rasters d’occupation du sol à différente résolutions spatiales

departement	resolution	nx	ny	file_Mb
33	10	15590	12612	41.90
33	5	31179	25224	124.37
33	2	77948	63061	529.25
35	10	11865	9471	32.20
35	5	23729	18941	98.30
35	2	59323	47353	411.64

Pour un département et une année, les données rasters sont rapide à créer et assez légère avec une résolution de 10m (<50Mb) mais deviennent très lourde avec une résolution de 2m (>500Mb) (Table 4). On peut se rendre compte de la différence en zoomant sur une petite zone de 10ha (Figure 2).

Figure 2: Zoom sur une petite zone de 17 ha en Gironde. Les points rouges correspondent à des sites d’échantillonage.

Table 5: Nombre de classification correct par resolution de raster

	10m	5m	2m
d33	337	338	338
d35	227	227	227

L’occupation du sol issue des données en raster est similaire aux données extraites des couches vectorielles quelque soit la résolution (Table 5), sauf pour BACCHUS_17C24_2024 qui est anormalement attribué dans la classe Prairies permanentes avec le raster à 10m, alors que le site est en Vignes. En général, il est recommendé d’extraire l’occupation du sol ponctuelle à partir des couches vectorielles. L’avantage de l’approche raster est plus évidente pour extraire l’occupation du sol par buffer.

Buffer

Comparaison de la resolution spatiale

Le buffer de 1000m est utilisé pour évaluer l’influence de la résolution spatiale des rasters sur l’occupation du sol.

Figure 3: Couverture du sol moyenne pour les buffer de 1km en Gironde selon la résolution spatiale des rasters

Figure 4: Correlation des couvertures du sol pour les buffer de 1km en Gironde selon la résolution spatiale des rasters

L’occupation des sols dans les buffers n’est pas influencée par la résolution spatiale des rasters (Figure 3, Figure 4). Les calculs sont beaucoup plus long pour les résolutions fines, donc cela oriente pour l’utilisation du raster à 10m.

Comparaison de la taille du buffer

Le raster à 10m est utilisé pour évaluer l’influence de la taille du buffer sur l’occupation du sol.

Figure 5: Couverture du sol moyenne en Gironde selon la taille du buffer

En Gironde, le pourcentage de vignes diminue avec la taille du buffer, et à l’inverse, le pourcentage de forêts de feuillus augmente, ce qui semble cohérent (Figure 5).

Figure 6: Couverture du sol moyenne en Ille-et-Vilaine selon la taille du buffer

En Ille-et-Vilaine, l’occupation du sol n’est pas très influencée par la taille des buffers (Figure 6).

Ces deux observations (Figure 5, Figure 6) semblent suggérées l’utilisation d’une seule taille de buffer (sinon les indicateurs seront très corrélés).

Série temporelle

Nous avons besoin de l’historique de l’occupation du sol sur la plus grande période possible. Les données RPG sont disponibles de 2015 à 2023. Les données RPG complété sont disponible de 2016 à 2022. Les données OSO sont disponibles de 2016 à 2023. La période commune est donc 2016-2022.

La classification OSO n’est pas constante sur la période et passe de 17 à 23 classes. Cela affecte surtout les cultures qui, heureusement, seront majoritairement masquées par les donnees RPG.

Extraction ponctuelle

Figure 7: Nombre de classes de couverture du sol differentes sur la periode 2016-2022

La majorité des parcelles en Gironde a un seul type d’occupation du sol sur la période d’étude: surtout des vignes, ou des forêts de conifères (Figure 7, Table 6, Table 7). En Ille-et-Vilaine, la majorité des sites d’échantillonage ont entre 2 et 4 cultures de céréales différentes sur la période 2016-2022 (Figure 7, Table 8, Table 9).

Il peut y avoir des incohérences de classification comme le batis diffus en 2016 qui devient des vignes sur le reste de la période d’étude (Table 5).

Table 6: Séquences de couvertures du sol les plus fréquentes en Gironde de 2016 à 2022 séparées par une virgules

fcov_ts	Freq
Vignes,Vignes,Vignes,Vignes,Vignes,Vignes,Vignes	277
Forêts conifères,Forêts conifères,Forêts conifères,Forêts conifères,Forêts conifères,Forêts conifères,Forêts conifères	15
Maïs,Maïs,Maïs,Maïs,Maïs,Maïs,Maïs	5
Blé,Maïs,Blé,Maïs,Maïs,Vignes,Vignes	4
Vignes,Vignes,Vignes,Vignes,Prairies permanentes,Divers,Divers	3
Batis diffus,Vignes,Vignes,Vignes,Vignes,Vignes,Vignes	2
Gel (surfaces gelées sans production),Autres céréales,Vignes,Vignes,Vignes,Vignes,Vignes	2
Vignes,Autres céréales,Vignes,Vignes,Vignes,Vignes,Vignes	2
Vignes,Vignes,Vignes,Vignes,Gel (surfaces gelées sans production),Gel (surfaces gelées sans production),Vignes	2
Vignes,Vignes,Vignes,Vignes,Vignes,Vignes,Divers	2

Table 7: Diversité de couvertures du sol les plus fréquentes en Gironde (sans tenir compte de la temporalité)

ucov_ts	Freq
Vignes	277
Forêts conifères	15
Maïs	5
Blé,Maïs,Vignes	4
Divers,Prairies permanentes,Vignes	4
Autres céréales,Vignes	3
Blé,Maïs	3
Autres céréales,Gel (surfaces gelées sans production),Vignes	2
Batis diffus,Vignes	2
Blé,Maïs,Tournesol	2

Table 8: Séquences de couvertures du sol les plus fréquentes en Ille-et-Vilaine de 2016 à 2022 séparées par une virgules

fcov_ts	Freq
Blé,Maïs,Blé,Maïs,Blé,Maïs,Blé	34
Blé,Maïs,Blé,Prairies temporaires,Prairies temporaires,Prairies temporaires,Prairies temporaires	10
Autres céréales,Colza,Autres céréales,Autres céréales,Colza,Fourrage,Blé	7
Blé,Maïs,Blé,Maïs,Blé,Fourrage,Fourrage	7
Maïs,Blé,Orge,Maïs,Blé,Orge,Maïs	7
Prairies temporaires,Prairies temporaires,Prairies temporaires,Prairies temporaires,Prairies temporaires,Blé,Autres céréales	7
Autres céréales,Fourrage,Fourrage,Fourrage,Prairies temporaires,Prairies temporaires,Blé	6
Autres céréales,Prairies temporaires,Prairies temporaires,Prairies temporaires,Prairies temporaires,Prairies temporaires,Prairies temporaires	6
Blé,Maïs,Maïs,Blé,Maïs,Blé,Maïs	6
Colza,Blé,Légumes ou fleurs,Blé,Orge,Colza,Blé	6

Table 9: Diversité de couvertures du sol les plus fréquentes en Ille-et-Vilaine (sans tenir compte de la temporalité)

ucov_ts	Freq
Blé,Maïs	50
Blé,Maïs,Prairies temporaires	16
Autres céréales,Blé,Prairies temporaires	15
Blé,Colza,Maïs	15
Blé,Fourrage,Maïs	14
Blé,Maïs,Orge	11
Autres céréales,Prairies temporaires	9
Autres céréales,Blé,Colza,Fourrage	8
Autres céréales,Blé,Fourrage,Prairies temporaires	7
Autres céréales,Blé,Colza,Orge,Protéagineux	6

Extraction par buffer de 1000m

Figure 8: Moyenne de l’occupation du sol par année en Gironde sur les buffer de 1km

Le pourcentage de vignes sur les buffer de 1km est assez constant sur la période d’étude (Figure 8). La présence d’autres céréales est plus importante en 2016-2017 que sur 2018-2022. Les batis diffus sont aussi plus nombreux en 2016-2019 que sur la periode 2020-2022. Y a t-il un effet de changement de protocole pour mesurer ces classes ?

Figure 9: Moyenne de l’occupation du sol par année en Ille-et-Vilaine sur les buffer de 1km

En général, l’occupation du sol est assez stable sur la période 2016-2022 (Figure 9). Cependant, il y a quelques variations annuelles : beaucoup d’autres cereales en 2016, peu de blé et beaucoup de mais en 2020, augmentation des prairies permanentes entre 2016 et 2022.

A partir des deux cas d’étude, il semble y avoir une sur-représentation de la classe autres céréales en 2016, qui diminue de moitié en 2017, puis arrive à un niveau constant sur la période 2018-2022. Cela serait-il causé par un nombre réduit de classes des données OSO, ou un changement de protocole en 2016-2017?
On peut aussi observer une recrudescence de zones industrielles et commerciales en 2018-2019 pour les deux départements (les pourcentages restent cependant très faibles). Il pourrait etre judicieux de les regrouper avec les autres classes de batis ou zones imperméables.

Résumé

Il est possible de créer une couche d’occupation du sol en combinant les données RPG, RPG complété et OSO, avec une résolution fine de 10m, 5m ou 2m.
Les extractions de la couverture du sol par buffer et pour les series temporelles sont ainsi simplifiées.
La résolution du raster n’a pas d’influence sur l’extraction de la couverture du sol par buffer mais les résolutions fines produisent des données très lourdes, difficile à stocker et à manipuler.
La resolution de 10m semble la plus appropriée pour nos objectifs et l’étendue du jeu de données.
L’étape d’homogénéisation des classes est critique et doit être vérifiée/completée par tous.
Il faut aussi s’assurer que les données OSO et RPG ont un protocole constant sur la période d’étude, sinon cela peut créer des biais dans les futures analyses.