La couverture spatiale d’OpenStreetMap en Belgique

Lors du dernier FOSS4G.be, j’ai eu la chance de présenter un état de la carte OpenStreetMap (OSM) en ce qui concerne l’occupation du sol en Belgique, çàd comment le territoire belge et ses composantes (zones urbaines, agricoles, forestières, etc.) sont cartographiés dans OSM.

La présentation est disponible ici (en anglais).

Un résultat à mettre en évidence: le territoire belge est couvert à 80% en termes d’occupation du sol (land-use) dans OSM (voir figure ci-dessous). Le reste est “vide”, ou occupé par d’autres éléments non considéré comme “occupation du sol”1. Arriver à 100% de couverture n’est cependant pas nécessairement envisageable: beaucoup d’éléments linéaires comme les routes, cours d’eau, chemins de fer sont représentés par des lignes, et non des surfaces, si bien qu’il reste des “trous” lorsqu’on ne considère que des surfaces d’occupation du sol. Néanmoins, de nombreuses zones vides devraient être complétées dans OSM, essentiellement des surfaces agricoles dans les provinces du Hainaut, de Namur et de Luxembourg.

Dans le reste de la présentation, une analyse succincte de la répartition des classes d’occupation du sol dans OSM en Belgique, puis des points de discussions sur la façon de cartographie l’occupation du sol et les éléments naturels dans OSM: doit-on superposer des polygones? vaut-il mieux que les polygones touchent les éléments linéaires (routes)?  Je renvoie d’ailleurs à mon précédent article sur des propositions de tags à utiliser pour cartographier ces éléments en Belgique.

A quoi peut bien servir ces informations dans OSM? Tout d’abord, une carte complète donne des rendus cartographiques plus correct et plus esthétiques. Mais ces infos peuvent aussi être utilisés en opérationnel, comme l’a montré la présentation précédente (Julien Radoux, projet Lifewatch de suivi de la biodiversité), qui utilise OSM comme base d’entraînement dans une classification automatique d’images aériennes. Le manque de complétude d’OSM (la couverture variable d’OSM) et la faible précision géométrique de certains éléments (typiquement de l’ordre de 10m) empêche une meilleure exploitation d’OSM dans ce genre d’applications. A noter que les données issues de Lifewatch (par exemple la classification en écotope, qu’on peut voir ici) sont disponibles sous une licence open data, et donc peuvent être utilisés pour améliorer OSM!

Julien Minet

 

(1): Pour voir la liste des tags considérés comme “land-use” dans l’analyse, voir la présentation ou le dépôt de l’analyse.

 

La carte des pentes pour éditer dans OpenStreetMap

La région wallonne met à disposition du grand public plusieurs sources de données géographiques qui peuvent servir à cartographier sur OpenStreetMap (OSM). Il y a les orthophotoplans (images aériennes) qui sont intégrés dans l’éditeur JOSM, mais aussi, moins connu, une carte des pentes avec ombrage du relief (hillshade). Cette source est particulièrement intéressante pour cartographier des éléments en forêt, où les images aériennes ne montrent pas tout. Les petites perturbations du relief sont particulièrement visibles: chemins, fossés, cours d’eaux, etc. Petite démo de son utilisation et quelques notes sur son potentiel…

Cette carte est disponible en WMS, dont voici le lien:

http://geoservices.wallonie.be/arcgis/services/RELIEF/WALLONIE_MNT_2013_2014_HILLSHADE/MapServer/WMSServer?request=GetCapabilities&service=WMS

Cette source de données n’est pas disponible par défaut dans l’éditeur JOSM, donc il faut l’ajouter dans les préférences de l’éditeur. (Malheureusement, un WMS ne peut pas être intégré facilement dans l’éditeur d’OSM online ID.) Pour l’ajouter comme source de données dans JOSM, aller sous Edit>Preferences, à l’onglet WMS/TMS:

Je l’utilise ici pour cartographier un cours d’eau en Forêt d’Anlier. Le cours d’eau a été cartographié partiellement, ce qui même d’ailleurs à plusieurs erreurs relevées sur osmose.openstreetmap.fr (Unconnected waterways).

Sur le terrain, cette zone est très difficilement praticable, si bien qu’un relevé GPS dans le lit du ruisseau demanderait une bonne séance de ramping, en espérant que la couverture GPS soit bonne sous le couvert! Avec cette carte des pentes avec ombrage, le relief et les lits du cours des cours d’eau sont particulièrement visibles. Avec un minimum de connaissance de terrain, le cours d’eau peut être digitalisé en suivant la vallée. A noter qu’on détecte aussi très bien les chemins, ainsi que les plans d’eau.

Et voilà le résultat sur OSM:

Landuse mapping with OpenStreetMap in Belgium

What are the (best) practices for land-use mapping adapted to the Belgian landscape?

OpenStreetMap (OSM) is not just a map but rather a big geodatabase with a free tagging model for classification of geographical features. It can be used for land-use mapping, as described in the dedicated wiki page here. For instance, the recent project OSM-Landuse specifically aims at producing land-use maps from OSM data.

Because of its free tagging scheme and its incredible generalist model (OSM is a map of … everything), do not expect a clear classification scheme of land-use/land-cover as in other land-use maps (such as in Corine Land Cover or GlobCover)! A note about the tagging system in OSM: each geographical features (e.g., a house, a road, a city or a forest) is characterised by a couple of keyvalue words, that forms a tag. For instance, a residential road inside an urban area is tagged as “highway=residential”, where “highway” is the key, i.e., a kind of category that spans from small paths to motorways, and “residential is the value of the key. The dedicated tag for mapping land-use in OSM is “landuse=*” but other tags (notably: natural=*) can also be used.

A difficulty in land-use mapping and classification is the definition of common classes that encompasses various landscapes and ecoregions. As a global project, OSM uses tags for mapping land-use worldwide. Therefore, it is important to specify how to use these tags for land-use mapping in a specific ecoregion/country. The purpose of this article is to discuss the best practices in land-use mapping in Belgium with OSM.

Forests

The dedicated tag for forests is landuse=forest. Then, more information about the forest can be added using leaf_cycle=* & leaf_type=*. In Belgium, one can encountered:

  • Broadleaved deciduous forests, tagged as forest=landuse; leaf_cycle=deciduous, leaf_type=broadleaved, mainly formed by beeches, oaks, populus, maples, birches, …
Beechs trees in the Ardenne
  • Needle-leaved evergreen (coniferous) forests, tagged as forest=landuse; leaf_cycle=evergreen, leaf_type=needleleaved, mainly formed by fir trees, Douglas, and pines.
Picea abies trees in the Ardenne
  • Needle-leaved deciduous forests, tagged as forest=landuse; leaf_cycle=deciduous, leaf_type=needleleaved, much more less common than the first two types, formed by larch trees (Larix sp.)
Larix sp. trees

Further notes about forests:

  • IMHO, there are no broadleaved evergreen forests in Belgium, even though some trees are broadleaved evergreen (think about holly trees – Ilex Aquifolium), they do not form large chunks of forests in Belgium.
  • We can also use the tags leaf_cycle=mixed and leaf_type=mixed for mixed forests types. These tags are actually very common in Belgium and used to describe large forests where some parcels are needleleaved-evergreen and other parcels broadleaved-deciduous. In a ideal (OSM) world, we should map separately parcels according to their leaf cycle and leaf type, since “real” mixed forest are not so common in Belgium.
  • No matter the size of the forest, in OSM you can use the above-mentioned combinations of tags for mapping small, isolated patches of forest formed by a dozen of trees up to large forested areas.
  • We can also use the tag taxon=* to further specify the tree species that are grown in the forest. This can be used not only for monospecific forests (taxon=fir trees) but also for multi-species landscapes: in this case, separate the species names by commas (taxon = oak, beech, ash ).
  • The tag wood=* is deprecated and should be replaced by leaf_cycle=* & leaf_type=*.
  • The tag natural=wood is sometimes used for forests, but since natural=wood would refers to unmanaged, natural forests, IMHO it should not be used in Belgium since no more forests are completely natural: every patches of forest in Belgium has experienced human interventions in the recent history.

Agricultural lands

There is no clear consensus about which tags we should use to map agricultural lands in Belgium. Actually, it’s a recent discussion on the Belgian talk mailing list about mapping farmlands that gave me the idea of writing this article.

Agricultural lands are occupied by annual or perennial crops (croplands), or by meadows (grasslands). Meadows can be hay meadows (cut 1, 2, or several times a year for hay producing) or grazed meadows with animals.

Croplands

Just planted potato field near Gembloux

Meadows

A grazed meadow with cows near Nassogne

Meadows also fall under the definition of landuse=farmland. Grazed meadows could be tagged as landuse=farmland + animal=yes and hay meadows using landuse=farmland + crop=grass.

However, there also exists the landuse=meadow tag for specifically mapping meadows. The OSM wiki is not clear about which tag use, here’s an excerpt of the wiki page of landuse=farmland: “Also note that many mappers prefer the more specific tags landuse=meadow for meadows and pastures (…), landuse=orchard for fruit orchards, and use landuse=farmland for cropland only.” Some mappers consider that meadows can be easily ploughed and becomes croplands and so map grasslands using the generic tag landuse=farmland.

However many mappers prefers to use the landuse=meadow over the landuse=farmland. Some Belgian meadows can be considered as permanent (> 10 years according to FAO definition). This is particularly true in Ardennes, Pays de Herve where some meadows are probably several decades old. In addition, some meadows could not easily be ploughed because of the presence of stones, trees or because they are too wet.

Note also the meadow=agricultural tag to specify that the meadow is used for agricultural purpose.

I would propose the following tagging for agricultural grasslands in Belgium:

And if you know more about the way it is managed:

More thought about agricultural lands

The issue is that agricultural land affectation often change from one year to another! Most croplands do actually change of crops every year because of the agricultural benefits to make such crop rotations. Furthermore, most croplands are also covered by intermediate cover crops between two crops, since it is imposed by agro-environmental regulations. And sometimes, agricultural lands do change from croplands to meadows and vice-versa.

Further notes:

  • Farms buildings and around should be tagged as landuse=farmyard.
  • Orchards, a kind of perennial crop, should be tagged as landuse=orchard. They are particularly common in some places of Belgium (Sint-Truidden, Gembloux)
  • Hedges around fields can be mapped as barrier=hedge, fences as barrier=fence.

 

Other vegetated lands

Hautes-Fagnes in Belgium

Compared to wilder countries, Belgium is a very intensively managed country, with a few lands that is really made of spontaneous vegetation. Anyway, we can encounter some lands that are not forest or agricultural lands: marsh, wetlands, shrubs… For these lands, you can consider the following tags:

Note that often, on aerial imagery, some lands appears as scrub while there are actually forest lands in a process of regeneration after a clear cut. So should we mapped them as landuse=forest or natural=scrub? To me it depends on the case. If I make a ground survey and see newly planted trees or fast regenerating trees, then I’d map it as a forest.

Other landuse

I won’t cover the tagging of urban areas in this article. Yet, many other landuse values apply to residential, industrial, commercial areas, but also the leisure=*, amenity=* and tourism=* keys. See the landuse page for further information.

About land-use geometries & way-of-mapping

  • How to draw land-use polygons in Belgium? Usually, large forested areas are mapped as one large polygon, which often has to be a multipolygon (a polygon with holes, or more complex polygons). Some large portions of agricultural lands in Belgium are represented as multipolygons, but more often, they are represented as small patches of lands, as they actually appear in reality, corresponding to a single management unit. I do prefer this way of tagging over the large multipolygon approach, because it allows to quickly change attributes of farmland in the future, when, e.g., a meadow is changed to a cropland.
  • There are some discussions about the way to connect a land-use polygon to the other elements of the map. Should the land-use polygon be stuck to nearby roads (or track, or river) or should we separate the land-use polygon from the road by a small space? I prefer the last option, as there is often something between a road and an agricultural land: a fence, a hedge, a ditch that can also be mapped as a separate way in OSM.

Conclusion: land-use mapping in Belgium (with OSM)

There is actually still a lot of land-use elements to map in Belgium, especially in Wallonia. In other well-mapped areas, land-use would need a serious “refresh”, since land can change of affectation from time to time. Pure mapping applications benefit from the land-use information from OSM, for instance the maps of OpenTopoMap. With a larger completness, OSM could be also increasingly used in environmental research and operational applications, such land-use change monitoring, in relation with vegetation and climate modelling. Land-use/land-cover is a hot topic in environmental research and the deployment of new generations of earth observation satellite such as Sentinel 2 offers increasing opportunities for land-use mapping. Nevertheless, automatic classification of satellite imagery still needs on-ground validation and usually could not compete with grounded, crowdsourced information from a dense and active local community. Combining crowdsourced land-use information from OSM with satellite imagery classification is certainly the way to go.

 

Julien Minet

PS: An interesting discussion followed this blog post at the Belgian OSM mailing list: here are the e-mails. I’d to summarize this discussion whenever I’ll have some time.

 

Photos credits (Flickr): Marc Dufrene (cropland), kaskitewatim (picea abies forest), helenetchandjiabo (grazed meadow), rire&vivre (Fagus sylvatica trees), peupleloup (Larix trees), bushman_k (Hautes Fagnes)

 

 

Mes envies OpenStreetMap en 2017

Le State of the Map 2016, la conférence d’OpenStreetMap qui a eu lieu à Bruxelles en septembre 2016 m’a donné l’envie d’aller plus loin dans mes contributions à OpenStreetMap (OSM), le projet de cartographie libre du monde. Je trouve que le moment pour contribuer à OSM en Belgique est assez intéressant. Il y a quelques années, la carte était fort vide et seuls quelques courageux optimiste ont osés y croire et ajouter les premières routes, villes et villages. Aujourd’hui toutes (toutes?) les localités, routes principales, magasins principaux, point d’intérêts majeurs de Belgique ont été ajoutés. Mais il reste, principalement en Wallonie, de nombreuses informations à ajouter. Voici mes objectifs à suivre pour 2017 en tant que contribution au projet OSM en Belgique, et plus particulièrement en Belgique du Sud-Est.

Les commerces & services locaux

C’est ma principale contribution à OSM depuis le début: ajouter les commerces locaux, ou compléter leur informations: heures d’ouverture, site web, téléphone. C’est encore un type d’information qui est peu complet dans OSM, où la contribution locale, par enquête de terrain, a toute sa pertinence. En effet, beaucoup de commerces locaux ne maintiennent pas leur page web ou facebook à jour, et ces informations changent très vite.

L’occupation du sol

Je m’y suis mis en 2017. L’occupation du sol (tag ‘landuse’), surtout les forêts et les terres agricoles. Du coup j’ai fait mes premiers multipolygones et je me suis intéressé à la cartographie des surfaces sous OSM et d’autres pages sur le wiki OSM: ici et . Dépêchez-vous, les derniers espaces vierges non cartographiés sous OSM se font de plus en plus rares en Belgique, mais il en existe encore beaucoup en Belgique du Sud. N’hésitez pas non plus à réviser certains attributs ‘landuse’ existants. Une actualisation est parfois nécessaire. Enfin, beaucoup de grands ensembles forestières ont été cartographiés mais la cartographie précise de sous-parcelles (par exemple la différenciation feuillu vs résineux) est souvent manquante. Un projet intéressant en aval de tout ça: http://osmlanduse.org.

Les promenades balisées

Une information qui fait cruellement défaut en Wallonie: les itinéraires balisés de promenades ne sont que rarement renseignés dans OSM (voir route=hiking). Dommage, car ces itinéraires sont exploitables notamment dans ces cartes dérivées d’OSM: http://openwandelkaart.nl/ & https://hiking.waymarkedtrails.org. Une page du wiki OSM en Belgique permet de suivre l’état d’avancement de la cartographie de ces itinéraires.

Les projets d’OSM.be

Parce que se faire plaisir avec OSM c’est mieux à plusieurs que tout seul, je serai à l’affût des projets proposés par la communauté OSM en Belgique. La communauté belge vient de sortir son tout nouveau site web: osm.be. Enfin, un dernier lien utile quand tu veux contribuer à OSM en corrigeant les erreurs des autres (ou les tiennes): http://osmose.openstreetmap.fr

Julien

State of the Map 2016 – jour 1

Petit compte-rendu du 1er jour passé à la conférence internationale d’OpenStreetMap, qui a lieu à Bruxelles cette année! Quelques points à retenir, purement subjectivement en fonction de ma subjectivité:

craftmapping_osm

  • OSM analytics: Ce projet est développé par l’ONG Humanitarian OpenStreetMap Team (HOT). Un nouvel outil de contrôle qualité des données OSM, avec une analyse temporelle des données, etc. Le tout très user-friendly.
  • OpenAerialMap: Une plateforme de partage d’image aérienne libre. On peut y charger ses propres images (par ex. acquises avec un drone) ou référencer un dépôt d’image extérieur. L’image peut être recherchée à travers la carte ou bien par une API. On peut ensuite l’utiliser pour cartographier dans iD, JOSM ou un autre éditeur d’OSM.
  • Le talk de Mikel Maron, de l’OpenStreetMap Foundation. Un discours (sans slides!) qui prend du recul, en questionnant les valeurs et les mythes propres au projet OSM. Une occasion de reparler du débat lancé par Mike Migurski entre le “craft mapping” et le “robot mapping”, un article qui a fait beaucoup parlé de lui dans la communauté OSM, et qui a trouvé un écho dans la conférence avec une étrange propagation de T-shirt supportant la cause du “craft mapping”. (T-shirt uniquement disponible au marché noir) (lire l’article pour y comprendre qqch!).
  • Un talk attendu: les derniers développements de Roland Olbricht sur Overpass, la meilleure façon de récolter et réutiliser les données OSM. Encore en cours de développement, Roland a présenté un nouvel outil pour évaluer les changements entre deux dates sur une étendue donnée. Un outil qui permet de dépasser les problèmes existants avec les outils précédents (à savoir l’onglet “Historique” de openstreetmap.org ou d’autres outils comme achavi). L’adresse temporaire: dev.overpass-api.de/api_drolbr/recent_changes

  • Avec Overpass, taginfo est sans doute le plus utile des outils de l’écosystème OSM. Jochen Topf a profité du SOTM pour faire un tour de l’outil et de ses dernières fonctionnalités, comme l’onglet “Similar” qui permet de trouver les tags similaires à celui recherché, la page des projets liés à tagingo: taginfo.osm.org/projects.

  • Le white paper de jawgmaps à propos des serveurs cartographiques à partir de données OSM, pas encore lu, disponible ici.

Crowdsourcing, citizen science, and (many) other buzz words

As I’m currently working on a article about the development of crowdsourcing projects, I found dozen of buzz words about similar concepts in the field of participatory/citizen science. Here’s my list of these buzz words: crowdsourcing, crowdsensing, crowd science, citizen science, citizen sensing, community-based monitoring, community-based management, open science, participatory science, participatory sensing, user-generated content, volunteered geographic information, and how they are related to each other…

EDIT SEPT. 2017:

The paper is out now: Minet, J., Curnel, Y., Gobin, A., Goffart, J. P., Mélard, F., Tychon, B., Wellens, J. & Defourny, P. (2017). Crowdsourcing for agricultural applications: A review of uses and opportunities for a farmsourcing approach. Computers and Electronics in Agriculture, 142, 126-138.

–> https://doi.org/10.1016/j.compag.2017.08.026

Let’s start by crowdsourcing

The first definition ever of crowdsourcing was made in Wired by J. Howe (2006), who first coined crowdsourcing as “the act of a company or institution taking a function once performed by employees and outsourcing it to an undefined (and generally large) network of people in the form of an open call”.

Still, “crowdsourcing is an ill-defined but common term” (Wiggins & Crowston, 2011) and dozens of other definitions were made after the one of J. Howe. The outsourcing of tasks by crowdsourcing can be envisaged as an alternative to the traditional labour executed by professional workers, as defined by Schenk & Guittard (2011): “Crowd sourcing represents the act of taking a job traditionally performed by a designated agent (usually an employee) and outsourcing it to an undefined, and generally large group of people in the form of an open call”, or for tackling tasks that computer intelligence struggles to complete, as in the definition of Rahman et al. (2015): “a network of humans can be used to solve challenging and computationally expensive problems that machine intelligence cannot accurately solve”.

From crowdsourcing to citizen sensing and community-based monitoring

The concept now expands from the outsourcing of tasks to the collection of data by volunteers and/or mobile devices, as stated by Muller et al. (2015): “Crowdsourcing is traditionally defined as obtaining data or information by enlisting the services of a (potentially large) number of people. However, due to recent innovations, this definition can now be expanded to include ‘and/or from a range of public sensors, typically connected via the Internet.’” … that is related to the concept of citizen sensing, as developed in Boulos et al. (2011), which is about the collection of data or information by volunteers. Mobile crowdsensing was also used (Ganti et al. 2011), with a similar meaning of citizen sensing. A term largely related to the one of participatory sensing, coined by Burke et al. (2006), focused on the use of mobile devices for collecting data: “Participatory sensing will task deployed mobile devices to form interactive, participatory sensor networks that enable public and professional users to gather, analyze and share local knowledge.”

Yet, the action of collaboratively collecting data did exist well before the invention of the crowdsourcing term (and of mobile phones), as portrayed in the paper done by Conrad & Hichley (2011), who reviewed projects based on community-based monitoring or community-based management of the environment involving citizen volunteers in environmental conservation projects.

Internet-based platforms

These projects are now mostly based on internet platforms, which is related to the concept of user-generated content platforms, from which Wikipedia is the outstanding example. In the field of (neo)geography, a specific term was also coined to describe the development of online collaborative mapping platforms (e.g., OpenStreetMap, Wikimapia): volunteered geographic information (Goodchild, 2007).

The global picture: citizen science

Finally, the more embracing concept of citizen science can be linked to crowdsourcing, as stated by Wiggins & Crowston (2011): “Citizen science projects that are entirely mediated by information and communication technologies (ICTs) are often considered a form of crowdsourcing applied to science.” Franzoni & Sauermann remarkably discussed these concepts in a broader perspective for the scientific research in their paper entitled “Crowd science: The organization of scientific research in open collaborative projects” (2014) and further distinguished between crowdsourcing and crowd science, the latter term describing research projects which are not only open to participation (as in crowdsourcing projects) but also imply the openness of intermediate inputs and results (as in open science projects). Yet, these “new” ways of doing science are also related to the longer-standing concept of participatory science. 

References

Boulos, M. N. K.; Resch, B.; Crowley, D. N.; Breslin, J. G.; Sohn, G.; Burtner, R.; Pike, W. A.; Jezierski, E. & Chuang, K.-Y. S. (2011), ‘Crowdsourcing, citizen sensing and sensor web technologies for public and environmental health surveillance and crisis management: trends, OGC standards and application examples’, International journal of health geographics 10(1), 1.

Burke, J. A.; Estrin, D.; Hansen, M.; Parker, A.; Ramanathan, N.; Reddy, S. & Srivastava, M. B. (2006), ‘Participatory sensing’, Center for Embedded Network Sensing.

Conrad, C. C. & Hilchey, K. G. (2011), ‘A review of citizen science and community-based environmental monitoring: issues and opportunities’, Environmental monitoring and assessment 176(1-4), 273–291.

Franzoni, C. & Sauermann, H. (2014), ‘Crowd science: The organization of scientific research in open collaborative projects’, Research Policy 43(1), 1–20.

Ganti, R. K., Ye, F., & Lei, H. (2011). Mobile crowdsensing: current state and future challenges. IEEE Communications Magazine, 49(11).

Goodchild, M. F. (2007), ‘Citizens as sensors: the world of volunteered geography’, GeoJournal 69(4), 211–221.

Howe, J. (2006), ‘The rise of crowdsourcing’, Wired magazine 14(6), 1–4.

Muller, C.; Chapman, L.; Johnston, S.; Kidd, C.; Illingworth, S.; Foody, G.; Overeem, A. & Leigh, R. (2015), ‘Crowdsourcing for climate and atmospheric sciences: current status and future potential’, International Journal of Climatology 35(11), 3185–3203.

Rahman, M.; Blackwell, B.; Banerjee, N. & Saraswat, D. (2015), ‘Smartphone-based hierarchical crowdsourcing for weed identification’, Computers and Electronics in Agriculture 113, 14–23.

Schenk, E. & Guittard, C. (2011), ‘Towards a characterization of crowdsourcing practices’, Journal of Innovation Economics & Management(1), 93–107.

Wiggins, A. & Crowston, K. (2011), From conservation to crowdsourcing: A typology of citizen science, in ‘System Sciences (HICSS), 2011 44th Hawaii international conference on’, pp. 1–10.

 

***

Note: You may use this text for your own work, but please respect the terms of the Creative Commons license By Sa:

Creative Commons License
Crowdsourcing, citizen science, and (many) other buzz words, by Julien Minet, nobohan.be, May 2016, is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Save

Save

Save

Un mapathon Missing Maps le samedi 16 avril!

Ce samedi 16 avril, je participerai à un mapathon interuniversitaire en Belgique, qui a lieu dans 7 universités du pays. Je serai à l’UNamur. Ci-dessous un texte de présentation de la journée. Au plaisir de vous y voir!

Julien

Où trouver une carte du Swaziland détaillée avec chaque habitation ? 

Imaginez un pays avec peu d’infrastructures, des services publics sous-financés, et … une maladie mortelle. Imaginez encore que vous puissiez contribuer à éradiquer la malaria dans ce pays. Il est possible de le faire seulement en pouvant situer chaque habitation du pays. Comment et où trouver cette information? 

Auparavant, de grosses sommes d’argent auraient été dépensées dans la collecte de telles informations. Des informations qui n’auraient jamais été mises à jour. Mais ce temps est révolu! Des ONGs avec des idées brillantes ont trouvé une communauté avec des idées toutes aussi brillantes. Cette communauté, c’est OpenStreetMap. Démarrée à Londres il y a à peine 10 ans par un type qui a eu l’idée folle de commencer une carte collaborative du monde entier avec un accès libre aux données.  Certains pays comme l’Allemagne ont rapidement été cartographiés par les passionnés de la communauté  OpenStreetMap. D’autres endroits du globe, comme lors du terrible tremblement de terre de Haïti en 2010, ont pu être cartographié extrêmement rapidement grâce à la réactivité de la communauté. 

Afin de coordonner les efforts de cartographie faits lors des urgences humanitaires par des centaines de milliers de volontaires, l’association Humanitarian OpenStreetMap Team (HOT) a été créée. Mais des cartes sont également nécessaires avant que les catastrophes ne surviennent. C’est ici que débute le projet Missing Maps. Le but est de cartographier toutes les zones vulnérables du globe avec autant de détails que nécessaire. C’est un projet en pleine expansion qui s’est propagé jusqu’en Belgique, par le biais du comité belge interuniversitaire de géographie. Le samedi 16 avril, des personnes de 7 universités de chaque région du pays (Flandre, Wallonie, Bruxelles) se rassembleront pour un “mapathon” OpenStreetMap afin de contribuer à créer une carte dont on a besoin pour éradiquer la malaria au Swaziland. 

OpenStreetMap fonctionne un peu comme Wikipedia: des volontaires y contribuent avec ce qu’ils peuvent, quand ils le peuvent. D’habitude, les contributeurs d’OpenStreetMap cartographient leur quartier, leur région, etc.  Lors de ce mapathon, vous n’aurez pas besoin de connaître le Swaziland comme votre poche! Nous cartographierons des habitations et des routes sur base d’images satellites. Plus tard, des équipes locales pourront compléter la carte avec plus d’informations détaillées. Même si vous n’avez jamais fait de la cartographie, en moins d’une demi-heure, vous serez capable de faire apparaître des habitations et des routes sur la carte. Dès que vous cliquerez sur “Sauvez vos modifications”, vos habitations apparaîtront sur des centaines de cartes à travers le monde. Et, en particulier, dans les cartes qu’utilisent des ONGs comme Médecins Sans Frontières pour planifier leurs opérations. 

Venez le samedi 16 avril. Nous ne changerons peut-être pas le monde, mais nous contriburons probablement à changer la vie de nombreuse personnes. Allez-y! Et inscrivez-vous pour cette journée de cartographie à https://www.eventbrite.com/e/national-missing-maps-mapathon-tickets-23149918028

 

Connaitre la taille des arbres des forêts wallonnes avec ForEstimator

Suite à cet article paru dans Forêt.Nature, voici un test du plugin QGIS ForEstimator développé par Gembloux AgroBioTech dans la commune de Habay. Ce plugin a pour but de donner la hauteur des peuplements forestiers en Wallonie sur base d’un relevé LIDAR effectué sur l’ensemble du territoire wallon ces dernières années. J’ai testé ce plugin sur la commune de Habay.

0) Installer le plugin sous Windows ou Ubuntu.

Le seul lien de téléchargement du plugin est ici: c’est un fichier .exe, qui n’est donc pas le plugin. Pour Windows, télécharger et exécuter ce fichier.
Pour Ubuntu, je l’ai d’abord installé sous un ordinateur Windows avec QGIS installé. Pour l’utiliser sur mon Ubuntu adoré, j’ai récupéré le dossier de plugin était installé sous Windows sous
C://Users/TonNom/.qgis2/python/plugins/ForEstimator
 et je l’ai copié simplement dans le répertoire des données d’applications de QGIS sous ubuntu qui se trouve sous
 home/.qgis2/python/plugins/

1) Récupérer les imites de la commune d’Habay de la base de données OpenStreetMap avec overpass-turbo:

Pour me focaliser sur la commune de Habay, j’ai téléchargé la limite communale à partir des données d’OpenStreetMap avec une requête sur overpass-turbo.eu:
[out:json][timeout:25];
 (
 relation["type"="boundary"]["name"="Habay"];
 );
 out body;
 >;
 out skel qt;
 Changer le nom de la commune à la place de “Habay” pour essayer une autre commune. J’enregistre le résultat de cette requête sous format geojson. Ensuite j’importe ce fichier geojson dans QGIS. Pour l’utilisation de ForEstimator, je convertis ce fichier geojson en format shapefile (SHP), en sélectionnant bien le système de coordonnées propre à la Belgique, le Lambert Belge 1972 (EPSG:31370).

2) Création d’une grille régulière sur la commune

Une limitation du plugin ForEstimator, c’est qu’il faut avoir un fichier des limites de parcelles où l’on veut connaître la hauteur dominante des arbres. J’ai donc créé une grille régulière sur l’espace de la commune. Pour cela, j’utilise l’outil “Vector Grid” de QGIS: Menu Vector > Research tools > Vector grid …
On choisit l’étendue de la grille en sélectionnant la couche de la commune d’Habay. La résolution de la grille (taille des “pixels”) se choisit avec les paramètres X et Y. Je choisis de les fixer à 100 m, ce qui donne des parcelles de 1 ha, ce qui n’est pas très loin de la taille moyenne de parcelles forestières.
La grille est ensuite clippée sur les frontières de la commune pour se focaliser sur la commune. (Vector > Geoprocessing tools > Clip).

3) ForEstimator

 Enfin, il suffit de faire tourner ForEstimator, qui se trouve dans le menu “Plugins”. On ouvre le plugin, on sélectionne la couche de la grille régulière créée et c’est parti! Je n’ai pas utilisé les autres options du plugin (choix d’espèces et année de plantation) qui sont expliquées dans l’article.
Voilà le résultat sous format de screenshot QGIS, avec une symbologie qui montre la hauteur dominante du peuplement en fonction de l’intensité de vert:
Habay_1ha_ForEstimator
Et le peuplement le plus grand de la commune d’Habay est… un peuplement d’épicéa, le long de la route Anlier-Habay (au milieu de l’image, un peu à droite), avec une hauteur dominante de 42m, ce qui parait un peu exagéré.

GoogleMaps disponible offline

Vu dans le journal Metro cette semaine: Google Maps sera désormais accessible sans connexion internet sur les appareils mobiles.

Et on semble ignorer que, depuis 5 années, une application mobile propose des cartes disponibles offline dans le monde entier, avec des fonctions de navigation assistées, des informations sur les commerces et autres services (heures d’ouvertures, téléphone, site web…). Cette application, c’est OSMAnd, basée bien sûr sur OpenStreetMap. Mais pour le grand public, Google est encore présenté comme à la pointe de l’innovation…

FOSS4G-be: OpenStreetMap pour la cartographie de l’occupation du sol

Ici la présentation que j’ai faite au FOSS4G-be à Bruxelles ce jeudi 29 octobre, sur le potentiel d’OpenStreetMap dans la cartographie des forêts, avec un cas d’étude sur la province de Luxembourg.

Avis aux intéressé(e)s: Je pense qu’OSM a atteint un beau potentiel en termes de recherche et d’applications. Contactez-moi si vous êtes intéressé pour monter des projets de recherche ou développer des applications dans ce cadre! Certaines perspectives/idées à creuser sont données à la fin de la présentation…