Indicateur SDG 11.3.1

Contexte

Note

Source: ONU-Habitat (2019) Indicateur 11.3.1 des ODD Module de formation: Efficacité de l'utilisation des sols. Programme des Nations Unies pour les établissements humains (ONU-Habitat), Nairobi.

Les établissements humains, sous toutes leurs formes, s'approprient les terres de différentes manières. Tout comme les organismes vivants, les agglomérations urbaines (villes) évoluent, se transforment, s’adaptent, innovent et évoluent avec les nouvelles tendances. Les établissements urbains s'étendent, se réduisent, se densifient, s'intensifient, vieillissent et parfois même leurs fonctions migrent même vers des zones plus propices à leur survie. Toutes ces tendances dans les établissements urbains sont étroitement liées à des facteurs tels que l’évolution de la population, le potentiel économique et la productivité, les conditions physiques et sociales régnantes, la présence de politiques favorables, entre autres.

Un pays qui maximise les nombreux avantages associés à l'urbanisation est un pays capable de comprendre, de mesurer et de prédire les tendances de croissance de ses zones urbaines. et à son tour, met en place les actions / interventions nécessaires pour exploiter les avantages d'une telle croissance, tout en minimisant les défis tout aussi divers associés à une urbanisation non planifiée. Une planification proactive - qui est une condition préalable majeure pour une urbanisation durable - nécessite que les autorités municipales et les autres acteurs concernés prédisent l'orientation de la croissance d'une ville et / ou modifient cette croissance en fournissant les installations, les services, les politiques et les moyens juridiques nécessaires. cadres en avance sur le développement. Il en résulte une croissance planifiée et équitable dans laquelle la majorité des habitants de la ville ont accès aux services de base, aux opportunités économiques et sociales et où la durabilité environnementale prévaut. La nécessité de générer et de diffuser des données actualisées et précises sur les tendances de la croissance dans les villes et les agglomérations urbaines est au centre de toutes ces préoccupations.

** La cible 11.3 vise à renforcer l'urbanisation inclusive et durable et la capacité de planification et de gestion participatives, intégrées et durables des établissements humains dans tous les pays d'ici 2030 **. Pour surveiller les progrès accomplis dans la réalisation de l’objectif 11.3, l’indicateur 11.3.1 établi par l’ONU mesure l’efficacité avec laquelle les villes utilisent la terre, ce qui correspond au rapport entre le taux de consommation spatiale des villes et le taux de croissance de leur population. ** Des preuves empiriques ont montré que les villes compactes utilisent les terres plus efficacement et sont mieux placées pour fournir des biens publics et des services de base à moindre coût **. Ces villes peuvent consommer moins d'énergie, mieux gérer les déchets et maximiser les avantages liés aux aspects économiques de l'agglomération. D'autre part, les villes tentaculaires (villes non compactes) connaissent une demande accrue de mobilité; augmentation de la consommation d'énergie; dégradation de l'environnement; augmentation du coût des services de base par habitant (eau, assainissement, drainage, par exemple); augmentation du coût des infrastructures par habitant; réduction des économies d'agglomération; et diminution de la productivité urbaine.

En mesurant le taux auquel les villes consomment des terres par rapport à leur taux de croissance démographique, les autorités municipales et les décideurs peuvent prévoir la demande de biens et services publics, identifier de nouveaux domaines de croissance et influencer de manière proactive le développement urbain durable. Cela est nécessaire pour fournir une infrastructure, des services et des équipements adéquats pour l'amélioration des conditions de vie de tous. La génération et la diffusion de données sur cet indicateur sont donc non seulement essentielles pour comprendre la dynamique de la croissance urbaine et la formulation de politiques et de directives éclairées, mais sont également au cœur de la promotion de l'urbanisation durable.

Justification du suivi

Note

Source: ONU-Habitat (2019) Indicateur 11.3.1 des ODD Module de formation: Efficacité de l'utilisation des sols. Programme des Nations Unies pour les établissements humains (ONU-Habitat), Nairobi.

Comprendre comment une ville / zone urbaine se développe spatialement par rapport à son taux de changement démographique est essentiel pour déterminer, entre autres, la nature de la croissance des établissements humains (formelle ou informelle) et la vitesse de conversion des terres périphériques en fonctions urbanisées. Ces deux éléments ont des implications importantes sur la demande et le coût de la fourniture de services, ainsi que sur la préservation et la conservation de l'environnement.

Pour parvenir à un développement durable, les pays doivent comprendre à quelle vitesse leurs zones urbaines se développent et dans quelle direction. Cela les aidera non seulement à comprendre les tendances de la croissance et à répondre efficacement à la demande de services de base, mais aussi à créer des politiques encourageant une utilisation optimale des terres urbaines, protégeant efficacement d'autres utilisations des terres (environnements naturels, terres agricoles, etc.). En outre, pour parvenir à une urbanisation inclusive et durable, il faut que les ressources soient utilisées de manière à pouvoir prendre en charge la croissance démographique résultant de la migration et de l'accroissement naturel, tout en préservant les zones écologiquement sensibles du développement.

Le suivi des progrès accomplis par rapport à l’indicateur 11.3.1 des objectifs de développement durable est donc de fournir aux décideurs et aux parties prenantes les informations nécessaires et opportunes afin d’accélérer les progrès en vue d’une urbanisation renforcée, durable et plus inclusive. ** Pour atteindre l'objectif 11.3 d'ici 2030, il faut au minimum ralentir l'étalement urbain et, si possible, veiller à maintenir la compacité des villes ou à l'augmenter avec le temps **.

Indicateur et besoins en données

L'indicateur 11.3.1 est défini comme étant le ** rapport entre le taux de consommation de terres et le taux de croissance de la population ** (Figure 1). Afin de calculer cet indicateur, il est nécessaire de disposer d'informations sur l'étendue urbaine et la population à au moins deux moments dans le temps, et même davantage si nous souhaitons évaluer l'évolution de l'indicateur au fil du temps.

../_images/sdg11_equations.png

`Figure 1: L’indicateur 11.3.1 de l’objectif de développement durable (ODD) correspond au rapport entre le taux de consommation annuel de terres (ALCR) et le taux de croissance annuel de la population (APGR) entre les périodes 1 et 2. Ln: logarithme naturel, Urb: zone urbaine, pop: population, t: durée en années. »

Évaluer les changements dans l'ODD 11.3.1. au fil du temps, une quantité importante d’informations est nécessaire car elle nécessite de connaître l’étendue urbaine et de compter la population sur plusieurs années. Les données d'observation de la Terre nous permettent d'estimer l'étendue des zones bâties dans une ville, puis d'utiliser des algorithmes d'analyse spatiale pour estimer l'étendue des différents éléments de l'environnement urbain (bâtiments, espaces ouverts, plans d'eau, etc.). Dans | trends.earth | nous avons adopté le processus de travail ci-dessous (Figure 2) pour faciliter le processus. En utilisant les super-ordinateurs de Google Earth Engine, les archives complètes de Landsat entre 1997 et 2019, ainsi que le jeu de données GMIS (Brown de Colstoun et al 2017), | Trends.Earth | a calculé une série d'indices de surface imperméables disponibles dans le monde entier, à une résolution de 30 m, afin de fournir des informations sur l'étendue urbaine pour les années 2000, 2005, 2010 et 2015. Combiné avec les entrées de l'utilisateur et les données démographiques, l'outil calcule l'ODD 11.3.1 à la fois sous forme de cartes. et des tableaux pour faciliter l’interprétation et les rapports.

../_images/sdg11_data_needs.png

Figure 2: Le flux de travaux de Trends.Earth vers le calcul de l’ODD 11.3.1. Des indices globaux de surface imperméables de 30 m ont été pré-calculés et sont disponibles pour que les utilisateurs les explorent dans le ` Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> _ où l'utilisateur définit l'étendue construite en affectant simplement une série de seuils.

Consommation de terre

Pour estimer la consommation de terres à | trends.earth |, une série chronologique pré-calculée d'indicateurs de surface imperméables est disponible dans le monde entier à une résolution de 30 m. Dans la section ci-dessous, vous apprendrez comment les indicateurs ont été calculés et comment les utiliser pour calculer l'indicateur de l'ODD 11.3.1.

De l'ISI au bâti

Pour estimer la superficie occupée par les surfaces imperméables dans une ville, nous devons convertir l'indice de surface imperméable continue (ISI) en une carte binaire séparant les zones construites de celles non construites. Ce processus est effectué en définissant une série de valeurs de seuil dans le fichier `Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> `_, qui varie selon les régions.

../_images/sdg11_thresholds.png

Figure 5: Dans Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> `_ l'utilisateur a le contrôle sur la manière dont la conversion de l'indice de surface imperméable continue (ISI, à droite) à la carte d'aire construite binaire (construite, à gauche) se produira pour sa ville d'intérêt. »

Dans | trends.earth | l'utilisateur doit définir 3 valeurs de seuil qui seront utilisées par l'outil pour estimer la surface bâtie de la zone d'intérêt. Ces seuils sont:

  • ** Indice de surface imperméable (ISI, 0-100) **: Il s'agit d'un indice qui varie entre 0 et 100, les valeurs les plus élevées indiquant un pourcentage plus élevé de surface imperméable dans le pixel de 30 m. Si vous définissez la valeur de seuil ISI sur une valeur inférieure, votre jeu de données final sur les zones construites comprendra les zones à faible densité de construction, généralement situées à la périphérie des villes. Si vous définissez cette valeur plus haut, l’évaluation se concentrera sur les centres-villes à forte densité.
  • ** Indice de temps de nuit (NTL, 0-100) **: L'indice de surface imperméable peut, dans certains cas, présenter des valeurs élevées pour les zones couvertes de sol ou de roches sèches et nues, car ces types de surfaces ont des propriétés spectrales similaires à celles de surfaces imperméables artificielles. Pour filtrer ces zones, nous utilisons des éclairages nocturnes, en supprimant les zones présentant des éclairages ISI élevés et faibles, en dehors des limites de la ville. L’absence d’une série chronologique de lumières nocturnes de calibre constant pour la période considérée (2000-2015) signifie que nous ne pouvons pas masquer l’année avec son année correspondante; nous utilisons donc la version 1 de VIIRS Night Band Composites Nighttime pour l'année 2015 (NOA, 2019). Si vous définissez une valeur inférieure au seuil NTL, votre jeu de données final sur les zones construites comprendra les zones à faible densité lumineuse, généralement situées à la périphérie des villes. Si vous définissez cette valeur plus haut, l’évaluation se concentrera sur les centres-villes à forte densité.
  • ** Indice de fréquence de l'eau (WFI, 0-100) **: La présence de l'eau est une caractéristique très dynamique de l'environnement côtier ou riverain. Dans certains cas, l'eau inondera les terres, et dans d'autres, les humains envahiront les plans d'eau pour occuper les espace. Pour capturer certaines de ces dynamiques, nous avons intégré à l'outil un jeu de données de fréquence de l'eau (Pekel et al 2016). En ajustant le seuil de fréquence de l'eau, l'utilisateur peut choisir de mettre en évidence ces zones dynamiques terre-eau. Si vous définissez une valeur inférieure au seuil de fréquence de l’eau, votre jeu de données final sur les zones bâties sera considéré comme couvert par les zones d’eau aux fréquences d’eau plus basses tout au long de la série chronologique, comme les rivières ou les lacs intermittents. Si vous définissez cette valeur plus haut, les masses d'eau se limiteront aux zones où la fréquence des eaux est élevée (c.-à-d. Rivières et lacs permanents).
../_images/sdg11_urban_mapper.png

Figure 6: Dans Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> `_ l'utilisateur définit une série de seuils allant de l'indice de surface imperméable continue (ISI, à droite) à la mappe de zone construite binaire (construite, à gauche) .`

Test de cohérence

Lors de la classification des données de télédétection en produits dérivés, tels que l'indice de surface imperméable calculé par | trends.earth |, des erreurs d'omission et de commission se produisent. L'un des avantages de l'analyse de séries chronologiques est que les images de différentes années peuvent être utilisées pour identifier des incohérences dans l'analyse. Pour cette raison, les couches ISI de 1998 et 2018 ont été calculées dans cette analyse, afin d'ajouter des points de données avant et après afin de filtrer les erreurs éventuelles dans les classifications des séries 2000 à 2015.

Les seuils définis dans la section précédente (ISI, NTL et WFR) sont appliqués à chacune des couches individuelles de 1998, 2000, 2005, 2010, 2015 et 2018, générant ainsi une série de cartes binaires. Les six cartes binaires sont ensuite combinées dans un jeu de données de séries chronologiques contenant des informations sur la nature de chaque pixel pour chaque année, de manière &quot;construite&quot; ou &quot;non construite&quot;. Une règle principale est ensuite appliquée à cette série:

  • Un pixel est considéré comme construit uniquement si 50% ou plus des points de données après la première détection construite identifient la même zone que celle construite. Pour ces pixels, la première détection telle que construite sera considérée comme l'année de conversion. Les zones avec moins de 50% construites après la première détection seront considérées comme des erreurs dans la classification et, par conséquent, non construites. nous reconnaissons qu'en appliquant cette règle, nous limitons la capacité de l'ensemble de données à détecter les transitions de construit à non construit. Cependant, étant donné la faible probabilité que cette transition se produise en milieu urbain, nous sommes à l'aise de faire cette hypothèse. L'inspection visuelle des résultats confirme l'approche.

Test global

Trends.Earth provides through the Urban Mapper and the QGIS plug-in access to the global 30m time series of impervious surface indices. It is important however understand that the dataset has its limitations, and user’s input and control is needed to assess changes in indicator SDG 11.3.1 accurately. To test the performance of the indicator, we run the analysis on 224 cities globally (200 national capitals + 24 large cities in the Unites States of America, Figure 7). Using the Urban Mapper and visually comparing the product to very high spatial resolution images, we were able to define the thresholds appropriate for each city (ISI, NTL, and WFI) and also assess the quality of the product in a scale from 0 to 5. The results show that for 83% of the cities assessed Trends.Earth data can be used for estimating indicator SDG 11.3.1. The biggest limitation remains in small island states (for which no training data was available), hyper arid areas, and areas with low image availability.

  1. ** Pas de données **: Villes pour lesquelles aucune donnée de formation n'était disponible pour créer l'ensemble de données de surface imperméable. Ces villes représentent 6,2% de l'échantillon évalué.
  2. ** Inutilisable **: villes pour lesquelles des résultats sont disponibles, mais en raison de la faible disponibilité des images Landsat, il n'a pas été possible de produire un produit de bonne qualité. Ces résultats ne doivent pas être utilisés pour calculer l'indicateur SDG 11.3.1. Ces villes représentent 0,9% de l'échantillon évalué.
  3. ** problématique **: villes avec des résultats d'utilisation potentielle pour minimiser visuellement les schémas spatiaux d'expansion des zones bâties, mais avec des erreurs significatives. Ces résultats ne doivent pas être utilisés pour calculer l'indicateur SDG 11.3.1. Ces villes représentent 4,0% de l'échantillon évalué.
  4. ** Quelques problèmes **: Les villes dont les résultats montrent des problèmes de confusion entre les surfaces de sol nues et la surface construite peuvent être utilisées pour calculer l'ODD 11.3.1 après une inspection détaillée des données. Ces villes représentent 6,2% de l'échantillon évalué.
  5. ** Problèmes mineurs **: Villes avec des données de haute qualité mais avec la présence de petites zones de confusion. Ces données pourraient être utilisées pour calculer l'ODD 11.3.1. Ces villes représentent 12,5% de l’échantillon évalué.
  6. ** Haute qualité **: villes avec des données de haute qualité montrant un accord parfait entre les zones bâties utilisant les données Trends.Earth et les images haute résolution disponibles dans Google Earth, confiance élevée pour l'estimation de l'ODD 11.3.1. Ces villes représentent 70,1% de l'échantillon évalué.
../_images/sdg11_map_cities_score.png

`Figure 7: Après des tests dans 224 grandes villes du monde, les résultats montrent que pour 83% des villes évaluées, les données Trends.Earth peuvent être utilisées pour estimer l'indicateur ODD 11.3.1. La plus grande limite reste dans les petits États insulaires (pour lesquels aucune donnée de formation n'était disponible), les zones hyper-arides et les zones à faible disponibilité des images.

../_images/sdg11_map_cities_isi.png ../_images/sdg11_map_cities_ntl.png ../_images/sdg11_map_cities_wfr.png

`Figure 8: Distribution spatiale des paramètres de seuil sélectionnés pour l'échantillon de 224 villes testées. En haut: Indicateur de surface imperméable, Au milieu: Indicateur d'éclairage nocturne et En bas: Indicateur de fréquence de l'eau. »

À partir de l'analyse de 224 villes à l'échelle mondiale, nous avons pu estimer la gamme de paramètres les plus couramment utilisés. Les valeurs les plus fréquemment utilisées étaient: ** ISI = 30, NTL = 10, WFR = 25 **. Ce sont les paramètres par défaut définis dans le fichier `Trends.Earth Urban Mapper <https://geflanddegradation.users.earthengine.app/view/trendsearth-urban-mapper> `_ et QGIS, mais il est important de noter que pour chaque ville, il convient de procéder à une inspection minutieuse de l'ensemble de données afin de trouver l'ensemble de paramètres qui fonctionnent le mieux pour chaque site.

../_images/sdg11_thresholds_histograms.png

`Figure 9: Distribution de fréquence des paramètres de seuil sélectionnés pour l'échantillon de 224 villes testées. Gauche: Indicateur de surface imperméable, Milieu: Indicateur d'éclairage nocturne et Droite: Indicateur de fréquence de l'eau. »

Zones urbaines

L'étendue urbaine est la zone d'étude proposée qui comprend la zone bâtie et l'espace ouvert urbanisé de la ville, ainsi que les zones ajoutées par l'analyse de proximité (ONU-Habitat, 2019). ONU-Habitat suggère de classer la zone d'intérêt dans les 6 classes suivantes afin d'identifier la zone qui sera utilisée pour l'estimation du taux de consommation annuelle de terres (Figure 1):

Les zones bâties seront classées en fonction de la densité dans un rayon de 500 m de chaque rayon de pixel:

  1. Urbain:&gt; 50% construit dans un rayon de 500 m.
  2. Banlieue: 25% à 50% construite dans un rayon de 500 m.
  3. Rural: &lt;25% construit dans un rayon de 500 m.

Les zones non construites seront considérées comme des espaces ouverts (OS) et seront classées comme suit:

  1. Espace ouvert en périphérie: espace libre &lt;100 m des zones urbaines et suburbaines.
  2. Espace ouvert capturé: espace ouvert entièrement entouré d'espaces ouverts marginaux.
  3. Espace ouvert rural: Tous les autres espaces ouverts.

Dans | trends.earth |, nous avons ajouté au schéma ci-dessus en différenciant les espaces ouverts entre la terre et l'eau, car les utilisations que les citoyens peuvent faire de chaque espace sont très différentes.

  1. Espace ouvert fringe - eau: Espace ouvert frange recouvert d'eau
  2. Espace ouvert capturé - eau: espace ouvert capturé recouvert d'eau
  3. Espace ouvert rural - eau: Espace ouvert rural couvert d'eau

L'étendue urbaine est déterminée par la superficie combinée des classes 1, 2, 4, 5, 7 et 8 (zones urbaines, suburbaines, marginales et capturées).

../_images/sdg11_urban_area_qgis.png

Figure 10: Résultat de l'analyse de l'ODD 11.3.1 affichant les différents éléments de l'espace urbain .

Grâce à ces informations, nous pouvons maintenant estimer les taux d'expansion urbaine dans le temps pour les périodes 2000-2005, 2010 et 2010-2015 nécessaires pour estimer le taux de consommation annuelle de terrains.

Croissance de la population

Note

Source: ONU-Habitat (2019) Indicateur 11.3.1 des ODD Module de formation: Efficacité de l'utilisation des sols. Programme des Nations Unies pour les établissements humains (ONU-Habitat), Nairobi.

Une fois les zones urbanisées définies, l'étape suivante consiste à déterminer le nombre de personnes vivant dans ces zones pour chaque année d'analyse. Cette information est ensuite utilisée pour calculer le taux de croissance démographique annualisé. L'estimation du nombre de personnes vivant dans chaque domaine de service peut être obtenue par deux approches générales:

  1. ** Utilisation de données à haute résolution provenant des bureaux nationaux de statistique (ONS) **: dans cette option, les données du recensement sont utilisées pour agréger le nombre de personnes vivant dans tous les ménages à l'intérieur des limites urbaines. Les projections et les extrapolations peuvent également être facilement entreprises en fonction des caractéristiques du ménage pour des années de déclaration particulières. Le processus est beaucoup plus facile lorsque des unités de recensement dynamiques sont utilisées pour identifier la zone urbanisée, en particulier parce qu'elles sont bien alignées sur l'architecture officielle des données de population. Cette option fournit les données de population les plus précises et les plus fiables pour le calcul de l'indicateur et est vivement encouragée.
  2. ** Utilisation de la population maillée **: Dans cette option, une grille de population est créée en répartissant la population sur l'ensemble de l'unité administrative ou de la région de recensement. Des attributs tels que la présence de zones habitables (classes d’utilisation des sols) peuvent être utilisés pour répartir la population, de telle sorte que les cellules en grille situées dans les pistes de terrains non aménagés ou dans les zones industrielles auront moins de population que les zones résidentielles à forte densité. Dans la grille résultante, chaque cellule aura une valeur unique, qui dépend de facteurs tels que la population totale dans l'unité administrative / de recensement englobante et le nombre et / ou la quantité des classes d'utilisation des terres habitables. La figure 5 illustre la logique générale des réseaux de population utilisant une seule classe d'utilisation des sols: les zones bâties. La grille de population doit toujours couvrir une zone plus large que les limites urbaines définies. Une fois les grilles de population créées, l’estimation de la population vivant à l’intérieur des limites urbaines peut être réalisée en agrégeant les populations des cellules de la grille délimitées. En l'absence de données à haute résolution provenant des services nationaux de statistique, cette option produit de meilleures estimations pour la population, bien que des données d'entrée de haute qualité et une analyse à plusieurs niveaux soient essentielles pour améliorer la précision des données. Des ensembles de données globaux représentant des populations situées dans des grilles de 1 km2 et de 250 m sont disponibles (par exemple, GPWv4, GHS-POP, WorldPop); dont la plupart supposent une répartition égale de la population par rapport aux classes habitables (par exemple, des zones bâties). Cette approche est proposée pour le calcul des indicateurs lorsque les données à haute résolution fournies par les instituts nationaux de statistique ne sont ni disponibles ni facilement accessibles.