Nous initions cette communication par la description du projet SIPV, qui constitue le cadre général dans lequel elle s'inscrit.
Après une présentation des principaux partenaires, nous décrirons rapidement le projet Système d'Information du Patrimoine Vert en précisant dans un premier temps, ses objectifs, puis les différents modules qui le constituent, pour terminer par les principales données actuellement à disposition.
Dans un deuxième temps, nous développerons le module sur les milieux naturels, en explicitant plus spécifiquement la méthode utilisée pour la réalisation semi-automatique de carte d'habitats naturels, qui allie analyses de télédétection, modélisation statistique et système expert.

Au niveau cantonal et communal, des Systèmes d’Informations du Territoire (SIT) se mettent en place. Il en existe pour les cantons de Genève, Vaud, Fribourg, Neuchâtel, etc. Ceux-ci ont vu le jour au début des années 90. L’objectif de ces systèmes est de mettre à disposition des administrations - cantonales et communales, voir du privé - l’ensemble des données qui caractérisent un territoire et cela sous forme numérique. De nombreuses données numériques sont ainsi disponibles (voir un exemple de dictionnaire de données sous www.sitg.ch). Dans ce cadre, les CJB réalisent ce qu’on appelle la "couche verte", c’est-à-dire que nous construisons un Système d'Informations (SI) de la diversité botanique pour l’ensemble du canton de Genève.

Les motivations pour mettre en place un tel système sont multiples. En effet, les projets de recherche en cours génèrent de nombreuses données qui viennent s'ajouter à l'ensemble de l'information déjà existante. Il s'agit de structurer et d'intégrer cette connaissance afin d'assurer son désenclavement. Ces données sont mises à disposition par un réseau de partenaires et de collaborations déjà en place. En outre, de par la spécialité de l'institut, les compétences tant dans le domaine de la botanique que des SI (Base de Données Relationnelles (BdR), Système d'Informations Géographique (SIG), …) sont disponibles. Les infrastructures techniques sont également existantes, ce qui limite les coûts de mise en oeuvre. Enfin, et c'est peut-être la motivation majeure, la demande existe afin de pouvoir disposer d'informations pertinentes permettant de caractériser le territoire de manière efficace.

Les objectifs du projet SIPV sont les suivants:
Il s'agit de définir et de mettre en place un Système d’Information à Référence Spatiale (SIRS) de la biodiversité genevoise facilitant:
•     la récolte, l'intégration et la synthèse de l’information portant sur les milieux, les espèces et les individus constituant la biodiversité végétale;
•     la mise à disposition de l’information pour la recherche, la gestion et l’aide à la décision;
•     la création de méthodes communes.
 
Les objets stockés dans le système peuvent être regroupés en trois niveaux - comme précisé dans les objectifs. Il y a le niveau de l'espèce qui constitue l'information centrale. Ces espèces sont constituées d'individus qui correspondent à des échantillons prélevés sur le terrain. Enfin, en s'associant, elles forment des milieux (différents types de végétation).
 
La structure des données est donc définie dans le système. L'élément central est l'observation qui est caractérisée dans quatre référentiels:
•      écologique (l'observation est faite dans un milieu);
•      géographique (l'observation est faite dans un lieu);
•      temporel (l'observation est réalisée à un temps donné);
•      taxonomique (l'observation est relative à un taxon défini).
Pour ces quatre référentiels, des thésaurus ont été compilés pour servir de base à la saisie.
Le thésaurus écologique intègre également toutes les données sur la biologie, la phénologie, les degrés de menace donnés dans les différentes Listes Rouges existantes, les législations de protection, les cortèges floristiques, l'origine géographique et la distribution des espèces au niveau cantonal et/ou national, voir européen.
Les sources de données sont multiples: la plupart proviennent de relevés de terrain classiques, mais il existe également de nombreuses informations issues de la littérature ou des herbiers. Enfin de nombreux documents cartographiques existent et doivent être intégrés dans le SI.

Au niveau du projet SIPV, quatre modules principaux sont développés, auxquels vient s'ajouter un module technique responsable de l'intégration dans l'architecture informatique disponible chez les partenaires et capable d'assurer le suivi des développements d'applications spécifiques.
Les quatre modules permettent d'intégrer dans un SI l'ensemble des informations existant sur les végétaux. Il s'agit des modules:
•     flore sauvage;
•     arbres isolés (hors forêts);
•     espaces verts (espaces plantés/entretenus);
•     milieux naturels.
 
Concernant la flore sauvage, une campagne de terrain récente (1990-2000) a collecté de manière exhaustive des données à l'échelle du kilomètre carré. Cet inventaire a été complété par des relevés concernant des espèces plus particulièrement sensibles (espèces rares, menacées, …). Ainsi, près de 120'000 données ponctuelles géoréférencées sont disponibles pour un territoire couvrant 250 km².
Pour les arbres isolés, un inventaire dit "historique", réalisé en 1976, a été informatisé. Il comportait environ 180'000 arbres positionnés et nommés au genre. Une seconde source d'informations indiquait les arbres remarquables de l'époque (2'000 individus). A des fins sanitaires, un relevé spécifique des platanes avait été réalisé en 2004 (environ 4'000 sujets). Depuis lors, différentes collectivités ont procédé à l'actualisation de l'inventaire de leurs patrimoines. Nous avons ainsi plus de 235'000 arbres en base, dont plus de 42'000 sont relevés récemment.
Les espaces verts entretenus par la Ville de Genève font l'objet d'un relevé surfacique au théodolite. L'objectif visé est un inventaire surfacique afin d'optimiser la gestion de ces espaces.
Enfin, concernant les milieux naturels, des cartes réalisées dans les années 80-90 couvrent chaque commune du canton. En outre, certaines communes ont financé, dans le cadre de leur Agenda 21, la réalisation de cartes d'occupation du sol à partir d'orthophotos d'une résolution de 25 cm et de visites sur le terrain, cela entre 2000 et 2004. Un travail de mise à jour est donc en cours à l'échelle du canton de Genève et également de l'agglomération franco-valdo-genevoise (2'500 km²). Dans ce cadre, une méthode originale de cartographie a été développée qui couple la segmentation d'orthophotos à des modèles statistiques de prédiction dans un système expert. L'objectif est d'automatiser la production et d'assurer les mises à jour grâce à la reproductibilité de la méthode. C'est cette méthode qui fait l'objet de notre présentation.

Différents travaux de cartographie déjà réalisés ont servi de modèles pour ce travail, à savoir le projet Landspot, Landscape Potential (www.unine.ch/cscf/PROJETS/landspot/tab_content.htm) et le projet Habitalp, Alpine Habitat Diversity (www.habitalp.de). Ces deux projets visaient à optimiser la cartographie automatisée des milieux naturels à partir de différentes sources de données (orthophotos, occupation du sol, gradients environnementaux, …). Nous allons développer et adapter ces méthodes pour les appliquer à la cartographie des milieux naturels existants dans le canton de Genève (voir tableau 1).

Cette méthodologie repose sur 5 points importants:
   1.    la segmentation d'orthophotographies aériennes en polygones du couvert;
   2.    le calcul des distances aux habitats connus;
   3.    le calcul de l’enveloppe environnementale des milieux naturels;
   4.    la caractérisation spectrale des milieux;
   5.    la modélisation-prédiction des habitats.
 
La figure 1 représente le modèle conceptuel du processus mis en œuvre.

   Segmentation

Pour le canton de Genève nous disposons de la Carte de Couverture du sol (CCSol) haute (CCSH) et sol, pour basse (CCSS) réalisée à partir des orthophotos à 25cm (Harayama et Jaquet 2002, Jacquet et Klaus 2006) (figure 2). Cette cartographie permet de distinguer clairement 6 grands types d’affection (bâtiments, eau, surfaces à revêtement dur, surfaces vertes, surfaces boisées et surfaces sans végétation) qui forment 35 classes d’occupation du sol.

Notre objectif est d’affiner les classes qui concernent les surfaces vertes et boisées et d'attribuer un des 53 types de milieux naturels présents potentiellement dans le canton de Genève (tableau 1).
Les données sources sont les orthophotos mosaïquées du canton (bandes Rouge, Verte, Bleue (RVB) et Proche InfraRouge PIR) et les contours de la CCSS basse pour les masques.
Contrairement à une approche d’analyse d’image classique (par pixel), nous procédons à une segmentation de l’image. Les signatures spectrales, permettant de classifier différents types de milieux, seront donc calculées sur des objets (regroupement de pixels homogènes) définis selon certains critères (voir figure 3).

Le logiciel utilisé Definiens (anciennement eCognition, proposé par Definiens AG) propose différents algorithmes de segmentation, utilisant une approche ascendante, fusionnant de petits objets (objet originel : pixel) pour en obtenir de plus grand.
L’algorithme retenu est le "Multiresolution segmentation", qui s’applique au niveau des pixels ou sur/sous d’autres niveaux de segmentation permettant ainsi une analyse à différentes échelles. Cet algorithme offre la possibilité de combiner des couches images (rasters) et des couches thématiques (vecteurs). Un poids peut également être attribué aux différentes couches images utilisées. Voir figure 3 ci-dessous.

Le "scale parameter " est un indice abstrait (formule inconnue) de dissemblance maximum entre les pixels ou les objets. Il permet notamment de définir l’échelle de travail. Plus la valeur est grande plus les objets seront grossiers.
Les différents critères d’homogénéité à définir procèdent par paire:
    -   couleur-forme permet de favoriser la couleur (spectrale) au détriment de la forme (ou inversement). Cependant, pour une segmentation de qualité, il est fortement recommandé de favoriser l’information spectrale (source d’information principale) au dépends des critères de forme.
    -   Flou-compacité est utilisé pour favoriser des objets aux contours flous dans une image très hétérogène ou au contraire des objets compacts séparés par une patine à faible contraste spectral. Cependant, ces deux critères de forme ne sont pas antagonistes. Par exemple, un objet compact peut très bien avoir des frontières floues. Le choix des critères dépendra fortement des objets à cartographier.
 
Pour garder les frontières des objets de la carte de couverture du sol basse (CCSS), nous avons intersecté les nouveaux polygones crées par une sélection de classes de la CCSol (surfaces vertes et surfaces boisées). Ce qui a engendré de nombreux petits objets aux frontières de thèmes, qu’il a fallut nettoyer. Les segments obtenus représentent bien les variations observées sur le terrain. Voir les figures 4 et 5 qui représentent des exemples de segmentation.

   Calcul des distances aux habitats connus

Afin d’alimenter les modèles statistiques, dans un premier temps il est nécessaire de regrouper toutes les informations existantes sur les milieux naturels à l’échelle du canton de Genève. Différents services publics (Direction Générale de la Nature et du Paysage (DGNP), Conservatoire et Jardin botaniques (CJB), Service de l'organisation et des systèmes d'information (SOSI), Département de l’Agriculture, ainsi que des entreprises privées mandatés par les collectivités) disposent de références spatialisées sur les formations végétales. En outre, certains milieux naturels font l’objet de protection à l’échelle fédérale et sont donc bien connus. D’autre part, des sites d’intérêt particulier pour les espèces qu’ils abritent font l’objet de plan de gestion par la DGNP et ont été cartographiés précisément. Ce sont par exemple les surfaces de compensation écologiques, les réserves forestières, les zones alluviales, les prairies sèches, les bas-marais, les zones de roselière. Une étape importante a été de regrouper l’ensemble de ces données et d’uniformiser la typologie utilisée pour décrire les milieux naturels.

Nous utilisons notamment la carte de végétation de Werdenberg et Hainard (2000) pour calculer la distance aux milieux déjà cartographiés dans le passé (figure 6). Cette démarche nous permet ensuite d’intégrer une probabilité d’existence d’un milieu naturel dans telle ou telle zone.

Il y a en effet plus de chances d’avoir également de la chênaie à proximité de chênaies connues historiquement que d’autres milieux. Dans ArcGIS (ESRI), chaque type d’habitat a été transformé en une couche polygone, puis un simple calcul de distance en mode raster (figure 7) a été effectué à une résolution très faible (2 m). Ceci afin de permettre l’interrogation des couches rasters obtenues par la suite par des statistiques zonales à partir de polygones assez petits issus de la segmentation.

   Calcul des distances environnementales

Les variables environnementales choisies dans le cadre de nos travaux sont toutes dérivées du modèle numérique de hauteur (MNH), agrégé à une résolution de 5m. Il s’agit de l’altitude, de l’ombrage, de la pente, de l’indice topographique à 100m et 500m (figure 8).

Ce dernier permet de qualifier la géomorphologie du terrain en combinant la pente et les indices topographique. Ces variables naturelles permettent de définir une enveloppe environnementale qui caractérise les zones de végétation. Par exemple, à l’échelle du canton de Genève, les praires sèches se rencontrent sur les versants exposés sud, alors que les prairies humides à populage sont limitées aux bas de pente plutôt exposés nord. Il est évidement possible d’intégrer une plus large palette de variables écologiques, telles que la géologie, la pédologie, la présence de nappes phréatiques, la distance aux cours d’eaux… Toutes les données supplémentaires peuvent permettre de caractériser au mieux les conditions environnementales dans lesquelles les différents habitats naturels existent.

   Modèles statistiques

L’idée principale de l’approche proposée est de combiner la proximité géographique et spectro-environnementale (figure 10 et 11) pour évaluer la probabilité d’occurrence de chaque habitat au sein de chaque polygone.

Ainsi plus un polygone est proche d’un type d’habitat cartographié dans le passé (Werdenberg et Hainard, 2000) ou existant actuellement et plus il devrait ressembler spectralement et environnementalement à ce milieu, le score final (la probabilité renvoyée par le modèle) de cet habitat dans ce polygone sera alors élevé. La comparaison des scores pour chaque habitat dans chaque polygone permettra ensuite de proposer d’attribuer l’habitat le plus probable au polygone tout en maintenant l’information sur les autres habitats possibles. Il sera possible aussi de ne pas attribuer d’habitat si le polygone est trop éloigné géographiquement et/ou spectralement (figure 12).

Pour la modélisation et les prédictions nous utilisons l’outil Generalized Regression Analysis and Spatial Prediction (GRASP) (Lehmann et al. 2002) dans Splus pour sélectionner le modèle statistique décrivant au mieux la relation entre chaque habitat et son environnement. Ces modèles additifs permettent d’intégrer un grand nombre de variables explicatives, une procédure itérative de soustraction-addition des variables abouti au meilleur modèle. C'est-à-dire celui qui explique le plus la variable à expliquer. Par exemple (figure 13, partie de gauche), pour la modélisation de la chênaie-charmaie (la variable dépendante à expliquer), toutes les variables spectrales et environnementales (les 10 variables explicatives) sont dans un premier temps testées ; après plusieurs boucles de combinaison de ces variables, le meilleur modèle n’a conservé que 7 de ces variables (vert, IR, NDVI, MNT à 10m, pente à 10m, TPI à 100 et 500m). De plus les variables explicatives sont hiérarchisées en fonction de leur contribution à la modélisation de la variable dépendante. La validité (la confiance que l’on peu attribuer aux modèle sélectionné) est testée par validation simple et croisée avec les statistiques de corrélation (r) ainsi que l’aire sous la courbe (ROC) (figure 13, partie de droite). Une fois le modèle établi, pour un milieu naturel donné, le résultat final est la production d’une probabilité d’appartenance à ce milieu pour chacun des segments du territoire.

L’étude s’est, dans un premier temps, concentrée sur le bassin versant de la Versoix pour les milieux forestiers, puis sur les communes de Vandoeuvres-Choulex-Puplinge pour les milieux ouverts. Actuellement l’étude est terminée (Allenbach et al. 2009), elle s’est principalement concentrée sur le développement de la méthodologie, seuls quelques résultats concrets en terme de cartographie ont été fournis aux institutions mandantes.
Cette méthode automatisée de cartographie haute résolution du couvert végétal permet de couvrir de vastes étendues du territoire en un laps de temps plus court, comparativement à une cartographie de terrain ou à de la photo-interprétation. Les principaux avantages sont la reproductibilité et la production de cartes de probabilités d’appartenance à un milieu naturel donné. Un relativement faible investissement temporel de vérification sur le terrain permet de renseigner les polygones présentant des réponses confuses et surtout d’approuver l’ensemble des prédictions. Notre étude pilote avait traité successivement deux aspects, d’une part la modélisation-prédiction des zones forestières pour lesquelles les résultats sont très prometteurs. En effet, la méthode permet de distinguer les principales variations existantes dans le canton de Genève. D’autre part, la modélisation des zones ouvertes (prairies, pelouses, pâtures…) qui s’est avérée plus difficile en raison de la date de prise de vue des orthophotos.
Actuellement cette méthode est employée pour cartographier un corridor biologique (Vuache-Sion-Laire) du plan d’aménagement de l’agglomération franco-valdo-genevoise (www.projet-agglo.org), voir point suivant.

Sur l’ensemble de l’étude, de nombreux tests ont permis de faire évoluer conceptuellement la méthode. C’est surtout la procédure générale qui est présentée ici. Néanmoins certains détails méthodologiques additionnels méritent d’être mentionnés.
Les différentes tentatives d’utilisation de la CCSS ont dévoilé de nombreux problèmes qui la rendent difficilement utilisable à l’échelle du canton. Au sein même d’une petite région comme la commune de Versoix ou le long de l’Allondon, de nombreux problèmes ont fortement compliqué l’élaboration de la procédure. Cependant, dans la mesure où la carte de couverture du sol pourrait être améliorée, en corrigeant les problèmes topologiques (superpositions d’objets etc.) et en diminuant son poids par un lissage des polygones, la mise en œuvre de notre démarche gagnerait en rapidité.
Il est ressorti de l’étude que la date de prise de vue des orthophotos est un facteur primordial pour la reconnaissance des milieux ouverts. En effet, les zones de prairie de fauche présentent une forte confusion avec les zones de pâturages, car les orthophotos ont été acquises en août 2005, date à laquelle les prairies ont déjà toutes été fauchées.
Les variables environnementales utilisées pour la modélisation peuvent être enrichies par diverses informations (géologie, pédologie, distance aux cours d’eaux, présence de nappe phréatiques superficielles…), ce qui donnera encore plus de validité aux prédictions des modèles. En effet, comme les modèles additifs généralisés sélectionnent les meilleures variables explicatives, il est certain que des variables secondaires puissent être très pertinentes pour quelques milieux particuliers (par exemple la proximité aux cours d’eau avec les chênaies-charmaies à herbe-aux-goutteux : Aegopodium podagraria).
Cette méthode sera appliquée à l'échelle du périmètre de l'agglomération franco-valdo-genevoise présenté dans la figure 14 (environ 2'300 km²) avec une cartographie finale au 1/25'000 prévue pour 2012.

La diversité des milieux naturels, les gradients environnementaux beaucoup plus importants qu’à l’échelle du canton et l’hétérogénéité des données sources représentent un réel challenge de cartographie semi-automatisée. Au sein de ce projet d’agglomération 8 zones de corridors biologiques seront analysés selon cette méthode de manière approfondie. Cela afin d’aboutir à une cartographie au 1/10'000 de plus de 50 milieux naturels différents. La méthode permettra en outre de délimiter des interfaces biologiques, tels que la limite forêt-prairie, prairie-cours d’eau, forêt-cours d’eau etc., sous forme linéaire car non représentables à l’échelle de production de la carte. Ces interfaces sont des éléments du paysage fondamentaux pour les mouvements de la faune. Au final ces produits, une carte précise des milieux naturels ainsi que des voies de communications pour la faune, vont permettre de mener une politique de développement de l’aménagement consciente, raisonnée et indiscutablement plus respectueuse de l’environnement.
Le dernier point clef de cette méthodologie de cartographie automatisée réside dans sa reproductibilité et dans sa capacité à intégrer les données acquises par les collectivités ou les instituts de conservation de la nature. En outre, la mise à jour des données sources, orthophotos voire scènes SPOT, qui est de mise actuellement tous les 4-5 ans peut très rapidement permettre d’obtenir une cartographie mise à jour pour un coût raisonnable.

Allenbach K., Lehmann A., Martin P. et Wyler N. 2009. HabitatsGE : Cartographie des habitats naturels du canton de Genève, rapport technique, mandat DGNP Genève, 80p.
 
Delarze R. et Lehmann A. 2006. Contribution of the Habitalp methodology to the detection of Natura 2000 habitats. Habitalp project Interreg 3B publication.
 
Delarze R. et Gonseth Y. 2008. Guide de milieux naturels de Suisse: Ecologie, menaces, espèces caractéristiques. Rossolis, Bussigny. 425p.
 
Harayama A. et Jaquet J.-M. 2004. Cartographie semi-automatisée et multi-sources de la couverture du sol dans le Canton de Genève. Géomatique Suisse, 8: 503–506.
 
Jaquet J.-M. 2002. Cartographie multi-sources de la couverture du sol (Périmètre du plan directeur genevois). CouvSolGE, version 1.1x. Uted-S. Genève.
 
Jacquet J.-M. et Klaus R. 2006. Cartographie à haute résolution de la couverture du sol. Etude-pilote sur la commeune de Vernier. Rapport final, mandat DCMO Genève, 93 p.
 
Lehmann A., J. M. Overton and M. P. Austin. 2002. Regression models for spatial prediction: their role for biodiversity and conservation. Biodiversity and Conservation 11:2085-2092.
 
Werdenberg K. et Hainard P. 2000. Les paysages végétaux du canton de Genève. Conservatoire et Jardin botaniques de Genève.