De nos jours, le recours à la géosimulation pour la compréhension des phénomènes naturels et humains ainsi que pour la résolution de problèmes urbains et ruraux s’avère être un outil incontournable d’aide à la décision. Son utilisation connait alors une expansion fulgurante en raison notamment de l’essor des Systèmes d’Informations Géographiques et des bases de données spatiales. En outre, la disponibilité des données géographiques de haute résolution et en en grandes quantités ainsi que leur accessibilité à tous contribuent à l’avancement en matière de simulation et de prédiction. Néanmoins, en matière de simulation, les limites des SIG traditionnels ne permettent pas encore la meilleure compréhension des processus spatio-temporels qui sont essentiellement continus et dynamiques. Comme exemples des ces processus on peut citer le réchauffement climatique, l’inondation, l’érosion, le développement urbain etc. Si les SIG actuels sont encore critiqués de ne pas offrir les fonctionnalités nécessaires pour la représentation, l’analyse et la prédiction du comportement et de la dynamique de ces processus, c’est essentiellement à cause de la structure de données raster qui est souvent utilisée pour les données continues sous forme de champs. Cette dernière est statique, généralement basée sur une grille régulière, ne facilite pas le passage entre les différentes échelles et n’est pas assez adéquate pour la représentation des processus spatio-temporels. Dans cette présentation, on propose une méthode de simulation des processus spatio-temporels par l’outil de simulation Automate Cellulaire qu’on couple à un SIG. On utilisera une discrétisation irrégulière de l’espace basée sur le diagramme Voronoi de sorte à avoir une grille hiérarchique qui représente bien les différentes échelles d’étude. On se propose ainsi de simuler l’écoulement des eaux de surfaces dans le bassin versant de la Forêt Montmorency. La validation du modèle sera faite grâce aux données hydrologiques disponibles dans le bassin expérimental des eaux volées.

1. Simulation des écoulements surfaciques des
eaux par Automate Cellulaire dans les
Systèmes d'Information Géographiques
Présenté par: Hédia Sammari
Supervisé par: Mir Abolfazl Mostafavi
Bernard Moulin
Geneviève Pelletier

2. Plan
• Mise en contexte
• Problématiques
• Objectifs
• Méthodologie
• Résultats

3. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Introduction
• Les problèmes environnementaux
• Préoccupation majeure de notre époque
• Sur le plan scientifique + social
3

4. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Introduction
 Représentation
 Phénomènes dynamiques et complexes
 Outil d’aide à la décision
• gestion du territoire
• protection de l’environnement
• développement durable.
 Catégorie spécifique des phénomènes dynamiques
complexes  Les processus spatio-temporels
4

5. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Processus Spatio-temporels
 Les processus spatio-temporels
• Fonction à valeur unique F= f(x, y, z, t)
• Ensemble de règles - éléments locaux -
comportement global du processus.
 Exemples de Processus Spatio-temporels
• Érosion
• Réchauffement climatique
• Inondation
• Croissance urbaine / démographique
• Évolution de l’occupation du sol
5
 On étudie le cas de l’écoulement surfacique des eaux

6. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Mode de représentation ( discret
dimension échelles
/ continu)
Caractéristiques des processus
spatio-temporels
Exemple : Écoulement Surfacique des Eaux 6

7. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Représentation dans les SIG
Représentation dans les SIG
interaction des évolution
métrique topologie géométrie
objets temporelle
• Limitations SIG:
– Modélisation des données continues  PST  ESE
– Manque de fonctionnalités  représentation, analyse,
simulation
– Structures de données Raster actuelles
 statiques,
 grille régulières,
 Pas de mouvement faciles entres les échelles 7

8. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Couplage SIG - Outils de simulation
• Comment simuler les PST (ESE) dans les SIG ?
Outils de
SIG
Simulation
Type de
Dimension
voisinage
Automate
Cellulaire
Structure du Mécanisme
maillage de transition

9. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Couplage SIG - Outils de simulation
Couplage
faible
Couplage
fort
Couplage AC
total
9

10. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Problématique
Découpage
Générale de l’ espace
Évolution
multi- temporelle
échelles et pas de
Complexités de
simulation des temps
processus spatio-
temporels dans
les SIG
Gestion de la Modélisation
topologie 3D
10

11. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Problématiques de la recherche
• Comment on peut Représenter les
Processus spatiotemporels : modéliser et
simuler
• Limites dans les SIG
Prendre en compte l’irrégularité
Les différentes échelles
11

12. Contexte Problématiques Objectifs Méthodologie Résultats attendus
1- Représentation multi-échelle
 Interactions locales entre les objets
 Comportement global du processus
 nécessité d’une représentation multi-échelle
Passage d’une échelle à une
Représentation multi-
autre dans la même
tessellation échelle
12

13. Contexte Problématiques Objectifs Méthodologie Résultats attendus
1- Représentation multi-échelle
• Exemple En hydrologie
13

14. Contexte Problématiques Objectifs Méthodologie Résultats attendus
2- Discrétisation de l’espace
Unités Hydrologiques Relativement Homogènes: utilisées pour
modéliser le processus d’écoulement surfacique des eaux

15. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Objectif Général
Apporter des améliorations aux capacités des SIG à
représenter les processus spatio-temporels tels que
les phénomènes hydrologiques
Proposer une structure de données capable de
prendre en compte les différentes caractéristiques
pertinentes à la représentation de ces processus:
Continuité, irrégularité, multi-échelles
15

16. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Objectifs Spécifiques
-1- Développer une structure de données à grille irrégulière dans
les SIG qui permet de représenter un processus spatio-temporel
-2- Hiérarchiser la structure développée.
-3- Développer une méthode de simulation de l’écoulement
surfacique des eaux par Automate Cellulaire basée sur la
structure développée.
-4- Valider la structure développée et l’approche Automate
Cellulaire dans un contexte hydrologique.
16

17. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Méthodologie
Phase 1
• Inventaire et analyse de l’existant
Phase 2
• Solution proposée = Approche
Phase 3
• Conception du système
Phase 4
• Réalisation
Phase 5
• Validation/ expérimentation
17

18. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Phase 2 : solution proposée - approche
Démarche d’analyse des processus spatio-
temporels
• Le processus étudié = écoulement surfacique
des eaux
Aspect spatial on modélise l’espace
( les objets, les interactions, le
voisinage
Aspect temporel  l’évolution dans le
temps, la simulation de l’écoulement
18

19. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Phase 2 : solution proposée - approche
La modélisation spatiale
• Les objets  tous les éléments de l’espace qui
doivent être considérés:
• Bassin versants
• sous bassins,
• exutoires,
• plans d’eau,
• pixel de données d’altitude,
• stations météo
19

20. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Phase 2 : solution proposée - approche
Les interactions
On définit les lois hydrologiques qui régissent les
relations entre les objets
Fonction de calcul du débit
Fonction de calcul de l’écoulement et du temps
d’écoulement
 règles de transition pour l’outil Automate cellulaire
 on utilise plusieurs manières de représentation
des processus spatio-temporels
20

21. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Phase 2 : solution proposée - approche
Échelle Niveau spatial Géométrie
Micro-échelle Modèle Numérique Grille régulière
d’Altitude MNA
Méso-échelles petits sous bassins Géométrie
versants irrégulière
voronoi
Macro-échelle Régions et Bassins Géométrie
versants irrégulière
21

22. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Phase 2 : solution proposée - approche
SIG - AC - Hydrologie
• Règles de transition
Approche Automate
Cellulaire
Structures Application en
Géométriques Hydrologie
dans les SIG
• Grille
irrégulière
22

23. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Phase 3: Conception du système
• Proposer une manière de discrétiser l’espace
pour chaque niveau hiérarchique identifié.
• Cette discrétisation dépend essentiellement :
– des données disponibles et/ou nécessaires (MNT,
MNA, cartes géographiques, images satellitaires,
etc.)
– du niveau du détail désiré.
23

24. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Phase 3: Conception du système
Échelle Données
Micro Topographie ( MNT, MNA,
données Lidar)
- Limites des bassins
versants
Meso
- données météorologiques
+
- Type de sol
Macro - Occupation du sol
24

25. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Phase 4: Réalisation
• Simulation AC à l’échelle la plus fine : micro-
échelle (MNA)
• Le calcul de l’écoulement de surface - formule
de Manning:
• vélocité = coef.M * pente1/2 * profondeur 2/3
topographie
Type de sol – Données météo
occupation du
sol 25

26. Contexte Problématiques Objectifs Méthodologie Résultats
Micro scale Meso scale Macro scale

27. Contexte Problématiques Objectifs Méthodologie Résultats
27

28. Contexte Problématiques Objectifs Méthodologie Résultats
Phase 4
• Pour la
validation, on
dispose de
données in situ
de débit dans le
bassin
expérimental de
la forêt
montmorency.
28

29. Contexte Problématiques Objectifs Méthodologie Résultats
29

30. Merci
30

31. 31

32. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Automate Cellulaire
• Un automate cellulaire est un ensemble d’éléments possédant
des attributs qui changent au cours du temps et qui permet
d’effectuer des simulations de grande envergure sur la base de
règles simples
Type de
Dimension
voisinage
Automate
Cellulaire
Structure du Mécanisme
maillage de transition
32

33. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Automate Cellulaire
Type de
Dimension
voisinage
Automate
Cellulaire
Structure du Mécanisme
maillage de transition
33

34. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Automate Cellulaire
Type de
Dimension
voisinage
Automate
Cellulaire
Structure du Mécanisme
maillage de transition
34

35. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Automate Cellulaire
Type de
Dimension
voisinage
Automate
Cellulaire
Structure du Mécanisme
maillage de transition
35

36. Contexte Problématiques Objectifs Méthodologie Résultats attendus
Automate Cellulaire
• Il est déterministe si l’état d’une cellule dépend directement de
l’état du voisinage au pas de temps précédent,
• L’automate est dit stochastique si c’est une fonction de
probabilité qui détermine la transition.
Type de
Dimension
voisinage
Automate
Cellulaire
Structure du Mécanisme
maillage de transition
36