Mini-mémoire de Recherche Évaluation de la pollution lumineuse à Nice - UFR Espace et Cultures
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Cassar Bastien License 3ème année UFR Espace et Cultures Mini-mémoire de Recherche Évaluation de la pollution lumineuse à Nice Années 2012-2013
Cassar Bastien UFR Espace et Cultures SOMMAIRE Introduction p.3 I - Recherche et organisation de l’information p.4 a) Analyse de l’espace d’étude p.4 b) Relevé de terrain p.6 c) Organisation de la base de données p.7 II - Système d’information géographie, un outil essentiel dans l’évaluation de la pollution lumineuse p.8 a) La mise en place des couches de données p.8 b) Interpolation spatiale et choix de la méthode de classification p.12 c) Résultat et analyse p.18 Conclusion p.24 2
Cassar Bastien UFR Espace et Cultures Introduction Ce mini mémoire de recherche aura pour but de présenter un protocole sur l’évaluation de la pollution lumineuse dans un espace particulier, soit la commune Nice. La notion de pollution se définit par « l’impact négatif de la lumière artificielle sur l’environnement nocturne », soit l’ensemble des phénomènes générés par une certaine quantité de lumière reçu sur les éléments du vivant d’un milieu dépourvu de lumière naturelle (sources : Conférence sur les conséquences de la pollution lumineuse, F. Bailleul, ANPCEN). Entre le 13ème et le 17ème siècle, les différents monarques et chefs de sécurité des villes, ont mis en place une lutte contre l’insécurité des villes par la lumière artificielle nocturne. De par cette ancienneté dans la pratique, l’éclairage urbain est rentré dans les mœurs et les habitudes des populations des espaces urbanisés et est perçu telle une barrière contre l’insécurité dans la ville la nuit (source : http://phozagora.free.fr/ ?surfpage=Historique). Cependant, il est aujourd’hui l’objet d’un véritable questionnement pour les sociétés. En effet, le problème de la pollution lumineuse s’est vue apparaitre pour la première fois par les astronomes de l’association Dark Sky en 1988 (source : http://www.notre-planet .info/environnement/pollution_lumineuse_0.ph ).Soucieux de moins en moins être capable d’observer le ciel nocturne dans sa globalité, ces derniers ont pointé du doigt les halos lumineux qui englobent les espaces urbains environnant, faisant disparaitre peu à peu le nombre d’étoiles visibles (source : Conférence sur les conséquences de la pollution lumineuse, F. Bailleul, ANPCEN). De cette mise en avant du phénomène, il s’est induit une première réflexion sur l’ensemble des impacts de la pollution lumineuse sur leur environnement de manière plus poussée et plus intéressée avec la découverte de plusieurs phénomènes liés à cette pollution, récemment reconnue en France en 2007 : « En France, la problématique des nuisances lumineuses a été prise en compte par les pouvoirs publics dès 2007[…] Les conséquences de l’excès d’éclairage artificiel ne se résument pas à la privation de l’observation du ciel étoilé. Elles sont aussi une source de perturbations pour les écosystèmes (modification du système proie-prédateur, perturbation des cycles de reproduction, perturbation des migrations…) et la santé humaine. De plus ce phénomène représente un gaspillage énergétique considérable. » (Source : http://www.developpement-durable.gouv.fr/L-action- de-l-Etat-a-travers-le. html) De cette citation extraite se retrouve l’ensemble des conséquences dues à la pollution lumineuse, allant du phénomène physique en ce qui concerne l’énergie, environnemental avec l’influence du vivant et l’impact sur les sociétés avec la perte du 3
Cassar Bastien UFR Espace et Cultures patrimoine que représente le ciel étoilé ainsi que des phénomènes de santé. De ce constat, l’éclairage urbain, autrefois perçu comme élément de sécurité, va être ressenties de manière inverse en le considérant aujourd’hui plus comme une source de nuisance (source : http://www.developpement-durable.gouv.fr/Les-Francais-et-les-nuisances. html). L’évaluation de la pollution lumineuse la plus connue et la plus complète a été effectuée par l’association LICORNESS, qui étudie la pollution lumineuse et ses impacts sur l’environnement, à l’aide de télédétection et de données satellites. La carte produite permet une analyse à un niveau national et de grande précision de la lumière émise vers le ciel de chaque ville française (source : http://www.astrosurf.com/licorness/ dossiers%20PDF/licorness-plaquette.pdf). Au vu de la portée de l’impact local du phénomène que représente la pollution lumineuse, nous pouvons poser la problématique suivante : De quelle manière est-il possible d’évaluer la pollution lumineuse, particulièrement dans une unité urbaine telle que Nice, soit sur des échelles très grande ? Afin de répondre à cette problématique, un protocole d’évaluation géographique de la pollution lumineuse sera proposé dans ce mini-mémoire de recherche. Dans un premier temps il sera abordé la question de l’analyse préliminaire de l’espace d’étude ainsi que de l’organisation des données récoltées. Puis, dans un second temps, les procédures à employer, leurs intérêts et l’analyse des résultats au travers de l’utilisation de systèmes d’informations géographiques seront développés. Afin de faciliter la compréhension de ce protocole d’évaluation de la pollution lumineuse à Nice, nous nous appuierons sur un espace d’étude témoin en guise d’exemple. Cet espace d’étude sera les rues, avenue et boulevard principaux qui composent les quartiers autours de la maison de l’environnement à Nice. I- Recherche et organisation de l’information a) Analyse de l’espace d’étude La politique d’aménagement d’éclairage urbain n’est pas uniforme sur l’ensemble de la commune niçoise. En effet, de par sa taille et de son évolution progressive au cours du temps, la ville de Nice se compose d’une agrégation de quartiers et de sous quartiers. La disposition des lampadaires témoigne de la mise en place des différents ensembles qui composent la ville. En effet, on retrouve plusieurs voiries de même catégorie (boulevard, avenue, ruelle) voir même de quartiers définis par une morphologie urbaine propre, qui disposent de lampadaire identiques au sein de ces sous espaces. 4
Cassar Bastien UFR Espace et Cultures Cependant, il existe de nombreuses discontinuités dans l’organisation des lampadaires qui peuvent s’avérer être drastiquement différents dans leur forme ou leur puissance lumineuse, malgré une forte proximité spatiale. Par ces différences, il convient, afin d’apporter une approche plus précise et plus proche de la réalité dans notre analyse, de définir des sous espaces d’analyses. C’est sous espaces ont pour définition la continuité des lampadaires qui les constituent disposant de caractéristiques techniques (forme du globe lumineux, taille, etc.). La raison qui justifie ce choix dans la détermination des sous espaces se rapporte à l’impact des dites caractéristiques techniques sur la luminosité et l’éclaircissement des lampadaires. Cette approche analytique permettra une étude à micro échelle significative et qui permettra d’obtenir un diagnostique sur l’ensemble de la commune par l’agrégation de l’ensemble de ces sous espaces d’analyse. De ces différences entre quartiers, il est nécessaire d’avoir des données très précises sur les caractéristiques techniques de chaque lampadaire présent. Or, il est difficile d’obtenir des caractéristiques précises sur le type de tête de lampadaire, malgré les divers documents administratifs qui renseignent la localisation, la hauteur, la puissance en watt et le type d’ampoule du lampadaire. Figure 1. Délimitation des sous quartiers dans notre espace d’exemple 5
Cassar Bastien UFR Espace et Cultures De cet état de fait, il s’avère être nécessaire de procéder à des relevés de mesures sur le terrain d’études afin de compléter les informations pour déterminer la situation lumineuse de notre agrégation de quartiers. b) Relevé de terrain Il est important dans un premier temps de comprendre ce que l’on cherche. La lumière étant une particule facilement influençable par des contraintes environnantes [source], il est important de définir comment procéder sur le terrain pour obtenir un relevé de mesures fiables et analysables. Avant tout, et dans un souci de pertinence, la mesure sera effectuée au niveau du sol et définie à l’aide d’n luxmètre sur l’ensemble des points de relevé. En partant d’une source lumineuse, tel un lampadaire, le premier point de mesure semble, de manière évidente, directement sous le lampadaire afin de bénéficier de la valeur source émise. Cette valeur source n’est pas nécessairement la valeur maximale dans l’espace du lampadaire suite à d’éventuelles caractéristiques environnantes (Végétation en tant qu’obstacle, poussière…) ou techniques (mauvaise orientation de la têtd lumineuse, dysfonctionnement …) qui pourraient nuire à une émission verticale de la lumière. Ces « freins » à l’émission lumineuse doivent être répertoriés dans le cadre d’analyses futures. Ensuite, dans un deuxième temps, il convient d’effectuer un deuxième prélèvement de mesures à l’opposé du lampadaire de manière symétrique avec pour ligne de symétrie le centre de la voirie, poussé jusqu’aux limites de cette dernière. Cela apporte un élément d’information sur la quantité de lumière émise par le lampadaire qui atteint ainsi les limites opposées des voiries. Enfin dans un troisième temps, il faut déterminer le point central qui sépare en deux parties égales la distance entre deux lampadaires, soit l’inter-distance. Celle-ci fera office de point limite qui marquera la fin du sous-espace d’appartenance du lampadaire, soit l’espace où l’on considère qu’aucune autre source extérieure n’intervient. De par ce triangle de relevé, on peut considérer prendre en compte l’intégralité du champ d’émission lumineuse du lampadaire et d’être dorénavant doté d’une base de donnée plus complète. En ce qui concerne d’autres mesures annexes mais néanmoins utiles, il est important de mesurer la distance entre le point se situant à la verticale de la source lumineuse et le point se situant à l’autre extrémité de la voirie de la même manière que l’exemple suivant. 6
Cassar Bastien UFR Espace et Cultures Figure 2. Relevés terrain du boulevard de Cessole à Nice c) Organisation de la base de données Une fois les mesures obtenues à l’aide d’un luxmètre, il est nécessaire de les informatiser afin de pouvoir les traiter avec des systèmes d’informations géographiques. Pour cela, à l’aide du programme Excel, il faut retranscrire chaque point de mesure en fonction de sa localisation par rapport à l’objet principal. Le lampadaire. Ainsi se définit les variables de notre base de données : « Sous_le_lampadaire », « en_face_du_lampadaire » et « interdistance_lampadaire ». Ces variables auront pour valeur le niveau de lux mesurés correspondant à leur lieu de relevé et chaque valeur aura un identifiant unique et significatif. De plus, afin de respecter les quartiers définis précédemment, il faut attribuer une quatrième valeur de localisation géographique qualitative qui est le nom de la rue d’appartenance de chaque lampadaire. Il est important également de répertorier les distances entre mesures de la variable « Sous_le_lampadaire » et « En_face_du_lampadaire » avec la mesure annexe effectuée précédemment. De cette dernière variable va pouvoir s’effectuer un premier traitement. Celui-ci consiste à créer une variable de distance métrique définissant le champ d’action maximal de portée lumineuse du lampadaire en fonction de la voirie. Pour cela, on applique une règle de trois simples qui détermine la variable, nommée « confinement », par la formule suivante : dc = Xs * [(Xs – Xe) / d (Xs ; Xe)] 7
Cassar Bastien UFR Espace et Cultures La variable « dc » correspond à valeur de distance de confinement qui détermine le rayon de champ d’action du lampadaire maximale. La variable Xs correspond à la valeur den lux mesuré sous le lampadaire et la variable Xe correspond à la valeur mesure en face du lampadaire. La variable d (Xs ; Xe) correspond à la distance séparant la mesure sous le lampadaire de la mesure en face du lampadaire. La partie de l’équation qui est facteur de la variable Xs, soit « [(Xs – Xe) / d (Xs ; Xe)] », représente le coefficient de perdition du lux en fonction de la distance pour chaque lampadaire en rapport avec son environnement. Cela part du principe que la diffusion lumineuse du lampadaire subis une friction du au fait que son espace de diffusion n’est pas vide et, au contraire, plutôt riche en facteur environnementaux (air, humidité, poussière…) (source : Mathieu Conjat, Professeur d’algèbre et spécialiste en astrophysique et imagerie astronomique) Cette caractéristique est propre à chaque lampadaire, même si l’on pourra constater une friction sensiblement uniforme sur l’ensemble d’un quartier. Notre variable « confinement » va alors nous permettre de fixer des limites de champs de portée à chaque lampadaire et permettre de confiner l’interpolation que nous verrons plus tard dans ce dossier. Cette variable aura donc liée aux mêmes identifiants qui déterminent chaque lampadaire. II- Système d’information géographie, un outil essentiel dans l’évaluation de la pollution lumineuse a) La mise en place des couches de données Maintenant que notre base de données est achevée, il est possible maintenant de traiter ces valeurs dans le but de les représenter de manière cartographié. Pour cela nous utiliserons le logiciel Arcgis et plus particulièrement le sous logiciel lié, Arcmap. Ce logiciel étant très puissant, il nous permettra d’effectuer tout les traitements décris dans la suite de ce mini-mémoire de recherche. Cependant, de son potentiel de traitement, d’analyse et de réalisation cartographie se justifie une certaine complexité. Il faut donc procéder par ordre afin de ne peut se heurter à des redondances d’action, de traitement et ainsi une accumulation de fichier inutile et inhibitrice dans l’efficacité du travail. L’évaluation de la pollution lumineuse, par l’utilisation de ce logiciel, génère un vaste nombre de données. Ce qui tend à prouver la nécessité d’une certaine rigueur. Au vu de la localisation de la ville de Nice, toutes les données importées ou créées auront la projection RGF 93-Lambert 3. La première étape dans l’utilisation du logiciel et la création des couches de point primaires dont on aura besoin. Il est nécessaire de créer une couche de point de type 8
Cassar Bastien UFR Espace et Cultures shapefile pour chacune des trois variables de prise de mesure pour chaque sous espace d’étude. Cela signifie que pour avoir le nombre de couches nécessaires dans un premier temps, il faut multiplier le nombre de sous espace d’étude par trois. Dans notre espace d’étude témoin, en guise d’exemple, 18 couches doivent être créées. En cas de non utilisation de GPS lors des relevés de mesure pour obtenir les coordonnées géographiques des points de mesures, il est possible d’utiliser l’éditeur de couche pour pouvoir replacer chaque point de mesure avec l’ajout de l’identifiant exact de ce point fourni dans la base de donnée. Avec des informations géographiques fournies par un GPS lors de la prise de mesure, il suffira d’exporter les points dans les couches correspondantes et de leur attribuer par la suite leur identifiants. Figure 3. Exemple d’un sous quartier avec ses trois variables de prise de mesure Une fois cette opération faites, plusieurs traitements seront effectués pour créer la couche finale de point, soit celle qui délimitera la portée de chaque lampadaire. Pour cela, il faut dans un premier temps effectuer un buffer sur chaque couche de chaque quartier disposant des points « sous_le_lampadaire ». Le rayon du buffer sera déterminé par les valeurs de la variable « confinement » liée à chaque lampadaire. De ce traitement ressortira un couche shapefile de type polygone, composée d’une multitude de buffers s’entrecroisant au sein d’un même sous quartier. 9
Cassar Bastien UFR Espace et Cultures Pour obtenir une surface uniforme, il faut de nouveaux utiliser un traitement fourni par le logiciel, « dissolve », afin d’obtenir une couche composée d’un seul vecteur polygone pour chaque quartier. Ne pouvant pas attribuer une valeur uniquement sur les bordures du polygone, il faut transformer celles-ci en point. Pour cela il faut utiliser la fonction « Feature vertices to point » en y intégrant les polygones récemment créés. Ainsi la bordure de nos polygones va se transformer en plusieurs séries de points : Figure 4 Exemple visuel de la série de traitement pour obtenir le confinement 10
Cassar Bastien UFR Espace et Cultures Cette dernière couche de point, résultat des différents traitements effectués, va déterminer le confinement de la diffusion de la lumière au sein de notre espace. Pour cela, on attribue à l’aide du « Field Calculator » la valeur « 0 » à tous les points qui composent la couche. Dans notre espace d’étude d’exemple, cela apparaitra de la manière suivante : [Confinement]= 0. Une fois ces différents ensembles de points créés, il faut dorénavant les regrouper sous une même couche de point afin de pouvoir procéder à l’interpolation et à tout autre type d’analyse. Pour cela, il faut utiliser la fonction du géo-processing « merge » afin de rallier tout les points et tous les attributs qui leurs sont liés sous une même couche. On peut alors se demander pourquoi ne pas avoir directement ordonné tout nos relevés sous une même couche. La réponse à cette interrogation pertinente se situe dans un premier temps sur la facilité de lecture de chaque variable et de leurs tables attributaires, notamment si celles-ci ont besoin d’être modifiées. De plus, cela rend l’étape de création de la zone de confinement beaucoup plus simple avec, par exemple, le point central des buffers, soient les lampadaires, déjà séparés du reste. Pour les deux autres couches, la différence notable entre les deux valeurs a justifié par expérience leur séparation dans les premiers pas de l’analyse sur Arcgis. En effet, lorsqu’il faut attribuer certain correction de variable, certaines variables complémentaires à un type de point particulier, la table attributaire paraitra plus accessible car elle sera bien plus légère. Figure 5 Ensemble des valeurs ponctuelles de notre espace d’étude témoin 11
Cassar Bastien UFR Espace et Cultures A partir de cette instant, nous disposons de toutes les donnés ponctuelles pour commencer des traitements plus poussés qui permettront les diverses analyses de notre pollution lumineuse au sein de nos quartiers niçois. b) Interpolation spatiale et choix de la méthode de classification L’interpolation est une démarche qui vise à pallier un manque d’information précise sur une image ou sur un espace donné, ce qui est le cas pour notre sujet d’étude. Dans le cas d’une analyse spatiale, interpoler des données consiste à les calculer selon une logique propre au type d’interpolation utilisé pour générer un fichier raster. Dans cette image créée, chaque pixel se verra attribuer une valeur logique mathématiquement parlant. De ce fait, on apport à notre espace d’étude un complément d’information par des valeurs théoriques qui offre une présentation de l’évolution lissé des mesures dans son espace. (Source : http://www.cambridgeincolour.com/tutorials/image-interpolation.htm) Afin d’obtenir des résultats proches de ceux observés dans la réalité, il devient nécessaire de correctement choisir le type d’interpolation à appliquer au sein de notre espace en fonction des spécificités de notre variable qu’est la lumière. Nous allons donc présenter ici quelques interpolations qui peuvent s’avérer être intéressantes pour notre évaluation de la pollution lumineuse, et déterminer celle qui s’avère être la plus optimale. Afin d’apporter une pertinence dans nos comparaison, tout les fichiers raster produits auront une classification similaire par une méthode de classification basée sur de déviation standard avec une attribution de la taille des intervalles fixées à ¼ de déviation. Cette classification sera expliquée plus tard dans notre dossier. Nous allons dorénavant étudier les différentes interpolations fournies par le logiciel afin de pouvoir déterminer leurs points forts et leurs points faibles afin de choisir celle qui correspond le mieux dans notre évaluation de la pollution lumineuse : Méthode « Natural Neighbor » Tout d’abords, l’interpolation la plus simple est celle du « Natural Neighbor » (voisin naturel) qui propose une diffusion de la valeur théorique entre deux points de mesure de façon linéaire dans l’espace à partir de moyenne. Nous serions tentés d’utiliser cette interpolation au vu de sa définition très similaire à notre calcul de la zone de confinement, elle aussi basée sur un principe logique et une évolution linéaire (source : http://www.ems-i.com/ gmshelp/Interpolation/ Interpolation_Schemes/ Natural_ Neighbor_ Interpolation.htm). 12
Cassar Bastien UFR Espace et Cultures Figure 6 Application de l’interpolation « Natural Neighbor » sur notre espace d’étude témoin Ce premier essai d’interpolation comporte de nombreux avantages. Il permet d’une part les différenciations des espaces à haute et faibles valeurs avec en prime un effet de lissage dans la diffusion de la valeur au sein de son espace, tout en apportant des barrières physiques dans l’interpolation, tels que par exemple le bâti. Cependant, la simple définition de la règle de l’interpolation ne permet pas de se servir de celle-ci. En effet, la diffusion lumineuse dans un espace non vide n’est pas linéaire, comme cela a été présenté dans notre introduction. De ce fait, la plupart de valeurs interpolées sont éloignée de la réalité terrain suite au manque d’auto-corrélation spatiale qui réside entre la valeur du luxe et son environnement. Méthode « Spline » L’interpolation « Spline » propose une logique de répartition de la valeur par morceaux, afin de satisfaire un lissage très fort des valeurs sur son espace. De plus, tout comme l’interpolation « Natural Neighbor », la fonction Spline permet d’apporter des barrières physiques en bénéficiant d’un effet de diffraction des valeurs qui rentrent en contact avec un « coin » de l’objet physique présent. Cela à pour grand intérêt les phénomènes de diffraction de la lumière par rapport au bâti ou autres objets urbains présents dans les diffusions de la lumière au coin de rue. Ce type d’interpolation trouve sa limite dans 13
Cassar Bastien UFR Espace et Cultures la mise en lumière des valeurs extrêmes. En effet, cette interpolation, en choisissant une valeur de tension par défaut, tend à diffuser le phénomène interpolé de manière homogène alors que notre sujet d’étude tend à montrer la localisation des valeurs extrêmes du phénomène Figure 7 Application de l’interpolation « Spline » sur notre espace d’étude témoin En analysant cette production à titre d’exemple de l’interpolation « spline » autour de la maison de l’environnement, il est difficile d’examiner avec précision la répartition du phénomène lumineux et de le distinguer des espaces réellement différents des uns des autres. Outre l’apparence visuelle, il est difficile de déterminer l’organisation des sources lumineuses dans leur espace et de prouver une pertinence dans la diffusion de la mesure. L’interpolation « spline » ne semble donc pas adéquat dans l’analyse de la pollution lumineuse. Méthode de « Inverse standard weight » (IDW) Cette interpolation est associée à la grille que représente le raster créé à partir de nœuds de moyennes qui vont par la suite être pondérée en fonction de leurs proximités aux valeurs maximales de l’espace d’interpolation. 14
Cassar Bastien UFR Espace et Cultures Ainsi les valeurs théoriques d’interpolation seront d’autant plus fortes qu’elles seront proches de la source d’émission (Source : http://help.arcgis.com/fr/arcgisdesktop/10.0/help/index.html#// 009z0000006m000000). La pondération permet ainsi une approche très fiable de la réalité et donne un intérêt très particulier à notre sujet d’étude. Cependant, la pondération s’effectue sur des variables qui changent peu. Or, avec les différences techniques de lampadaire et de leur environnement respectif, il est difficile d’affirmer que la lumière est une variable peu changeante sur l’ensemble de l’espace d’étude. De plus, en cas de pondération trop importante, les valeurs pourraient avoir comme défaut une surestimation considérable des valeurs. L’utilisation de cette interpolation comporte donc des risques dans son utilisation et son application sur la variable lumineuse qui est très influençable sur une multitude de critères. Figure 8 Application de la méthode IDW à notre espace d’étude témoin Sur une première observation, on peut observer une représentation assez intéressante dans la diffusion des valeurs. D’une part on distingue facilement les espaces source de lampadaire, correspondant au point de mesure des lampadaires. De plus, l’évolution 15
Cassar Bastien UFR Espace et Cultures théorique de l’interpolation de la mesure semble correspondre à l’évolution retrouvée sur le terrain, avec une forte variation dans les espaces proches des valeurs « sources » et une répartition plus lissée et moins prononcée lorsque la distance atteint une valeur telle que l’on considère la mesure comme éloignée. Cependant on distingue dans un deuxième temps le manque de prise en compte de la distance de confinement avec l’apparition des points de mesure calculée très marquée. Méthode de Krigeage La méthode d’interpolation Krigeage dispose pour argument très favorable son attachement à l’auto-corrélation spatial, soit l’influence plus marqué d’un point porche spatialement qu’un point plus éloigné. Nous partons sur le principe de l’autocorelation spatiale dans le cadre de la pollution lumineuse, par une déduction infirmée, car le cheminement de celle ci à travers l’espace, où quand bien même des facteurs environnementaux, vont être considérées en tant que friction dans cette évolution spatiale, aura une influence de proximité par le phénomène de réflectance. Malgré des résultats souvent rapprochés à ceux fourni par la méthode « spline » évoquée antérieurement, celle-ci présente, de manière favorable pour l’étude, une certaine approche et précision plus fine en comparaison avec la réalité terrain, avec une plus importante prise en compte des différents points de mesures définis dans notre base de données. De plus, il est possible de faire apparaitre les différentes erreurs d’interpolation présentent qui permettent une analyse moins biaisée et effectuer ainsi un premier filtre des informations obtenues. L’interpolation par Krigeage permet également d’apporter une loi logarithmique sur la diffusion des valeurs. Il est nous sera donc possible d’orienter l’évolution de la mesure au sein de notre espace avec une loi exponentielle qui se rapproche de la courbe d’évaluation du lux en fonction de la distance (source : Mathieu Conjat, Professeur d’algèbre et spécialiste en astrophysique et imagerie astronomique). Cela consiste à définir une influence de l’espace très prononcée à proximité des points de mesures les plus haut et de témoigner d’un adoucissement de la variation de la mesure dans les distances plus éloignées (Source : https://cours.etsmtl.ca/sys866/Cours/documents/ krigeage_juillet2002.pdf). 16
Cassar Bastien UFR Espace et Cultures Figure 9 Application de l’interpolation « Kriging » sur notre espace d’étude témoins suivant une courbe de tendance exponentielle. Cette interpolation permet d’obtenir une visualisation de la mesure lissée sur l’espace interpolé, avec une évolution de la valeur très prononcé au niveau de la distance aux valeurs fortes et beaucoup moins marquées au niveau des valeurs les plus faibles. De plus, avec l’ensemble des caractéristiques induites et déterminées dans cette interpolation, la pertinence de la diffusion de la mesure dans l’espace est confirmée. Il reste néanmoins à prendre en compte les différentes erreurs dans l’interpolation, mais ces dernières peuvent être analysées comme cela l’a été décrit antérieurement. Suite à cette analyse des différentes interpolations, qui était dans un premier temps et de manière exhaustive pertinentes, la méthode de krigeage ressort comme celle la plus adaptée dans l’évaluation lumineuse, de part sa logique induite, l’apport de loi logarithmique et de par sa représentation visuelle. Maintenant que l’interpolation à été choisie, il est maintenant temps de déterminer la classification appropriée sur les valeurs interpolées. Pour cela, il a été décidé de définir la méthode de classification par déviation standard comme étant la plus pertinente. Cette dernière propose une organisation des mesures en classes en fonction de leur proximité à la moyenne. Elle permet donc une représentation marquée des valeurs éloignées de la moyenne, avec donc un regroupement des valeurs extrêmes au sein d’une même classe. De part l’évolution très rapide des valeurs extrêmes maximale de la lumière sur de courte distance, avec un ralentissement très marquées pour les valeurs moyennes et faibles, l’utilisation de la méthode de déviation standard pour la 17
Cassar Bastien UFR Espace et Cultures classification de nos valeurs de lux semble donc appropriée. Cette méthode, par ses caractéristiques, est donc conseillée pour la classification des données des pixels du raster d’interpolation afin de représenter au mieux le phénomène. c) Résultats et analyses possibles Bilan de la situation lumineuse A la suite des différents traitements effectués, il est maintenant possible d’évaluer la situation lumineuse. Cela consiste à définir les zones de notre espace d’analyse afin de déterminer les différences notables en termes de mesures de la lumière. Au vu du type de valeur exposées, le lux, il sera pertinent d’attribuer à nos classe un code de couleurs basé sur des nuance allant du noir (pour les valeurs les plus faibles) au blanc (pour les valeurs les plus forte), afin de rappeler l’image de la lumière généralement attribué au blanc ainsi que pour évité toute influence dans l’analyse . Par cette comparaison, il sera intéressant d’analyse les hétérogénéités ou une homogénéité présente de part et d’autre de notre lieu d’étude d’un quartier à un autre. Il est également pertinent d’analyser d’éventuelles discontinuités dans la répartition du phénomène lumineux. Il sera tout autant judicieux de qualifier des quartiers comme étant satisfaisants en terme de situation lumineuse, et, à l’inverse, de déterminer les espaces où le bilan de luminosité est très inconvenable. 18
Cassar Bastien UFR Espace et Cultures Figure 10 Bilan de la lumière dans notre espace d’étude témoin En effectuer cette première analyse exhaustive sur notre espace d’étude témoins, plusieurs éléments d’information sont mis en valeurs. Dans un premier temps, on distingue 4 zones qui se distinguent par la concentration de pixels disposants des valeurs extrêmes maximales (32.3-91.3 lux). Ces zones se situent à l’ouest avec le boulevard de Cessole, au sud et à l’est avec l’avenue Bellevue, au nord-est avec le boulevard Auguste Raynaud et au nord ouest de la Maison de l’Environnement avec son arrière cour. Ces lieux apparaissent ainsi en tant que zone de forte valeurs du lux et donc de forte luminosité et sont donc considérés comme inconvenables. A l’inverse, les quartiers localisés entre le boulevard August Raynaud et la maison de l’environnement sont similaire avec la rue François Barbusse dans leurs mesures très proche de la moyenne, voir très faibles. Ces espaces peuvent être qualifié de convenable dans le bilan de la situation lumineuse. On remarque également, en fonction des critères qualitatifs apportés à nos sous espaces, des discontinuités entre les situations de deux rue pourtant en contact ou même très proche spatialement, des auto-corrélation spatiale au sein d’un même quartier et des 19
Cassar Bastien UFR Espace et Cultures éléments ponctuels très marqués Nous disposons donc ici d’un espaces témoins très hétérogène qui comporte ainsi une grande partie des analyse exhaustives possibles et qui permets d’une manière quasiment optimal de présenter, en grande partie, les différentes études effectuable dans l’évaluation de la pollution lumineuse. Analyse par seuil de données Il a été attribué au lux un seuil de tolérance accepté, fixé à 15 lux, qui déterminent la limite au-deçà de laquelle la luminosité est considérée comme suffisante et au-delà de laquelle la lumière commence progressivement à avoir des impacts sur l’environnement qu’elle côtoie. Afin de pouvoir analyser les espaces qui respectent ce seuil ou non, il est possible d’utiliser une règle de sémiologie graphique afin de faire apparaitre cette dites limite. Pour cela, il suffit de définir des nuances de couleur allant des valeurs minimales et inférieures ou égales au seuil jusqu’au seuil par un code de couleur basé sur des nuances de bleu. Cette couleur froide permettra de facilement localiser les valeurs considérées comme convenables, c'est-à-dire celle qui respectent le seuil fixé. A l’inverse, il sera appliqué un code de couleur basé sur des nuances de rouge pour les valeurs supérieur au seuil. La valeur du seuil devra avoir des teintes de jaunes pour définir convenablement la limite entre les deux nuances. Cela permettra une analyse simplifiée et une déduction plus rapides des espaces à enjeux propices à une pollution lumineuse marquée par rapport aux espaces non concernés par ce phénomène. 20
Cassar Bastien UFR Espace et Cultures Figure 11 Application d’un seuil de convenance lumineuse sur notre espace d’étude témoin Les informations qui ressortent de cette analyse sont d’une part la situation globale de la pollution lumineuse sur l’ensemble de notre terrain d’analyse. On distingue aussi, en toute logique, les espaces définis antérieurement en tant qu’espaces inconvenables se retrouvent de nouveau distingués par les mesures de pollution lumineuses les plus fortes sur l’ensemble du territoire d’analyse. Il en va de même pour les espaces qualifiés de convenables, avec cependant des valeurs ponctuelles qui dépassent le seuil et qui se situent sur les points de relevé de mesure pris directement sous les lampadaires. En effet, cette analyse permet d’apport une grande précision dans la localisation de la pollution lumineuse ainsi que son importance en termes de valeurs. En effet, il devient possible dorénavant d’analyse d’une part où se le localise la pollution lumineuse, mais également de voir son champs d’action et son orientation par rapport aux sources 21
Cassar Bastien UFR Espace et Cultures lumineuses. En comparant le boulevard de Cessole avec celui de Bellevue, on distingue que le phénomène est beaucoup plus concentré spatialement et à proximité des sources lumineuses alors que sur le boulevard de Cessole la diffusions du phénomène polluant est beaucoup plus large spatialement et se retrouve sur la quasi-totalité de cette espace. Ainsi on peut commencer à distinguer les besoin d’aménagement précis de chacun de nos espaces, que ce soit une simple baisse de puissance de l’ampoule et /ou d’une réorientation / changement de la tête lumineuse, afin de limiter la diffusion de la pollution lumineuse. Eléments environnants impactés Notre troisième et dernière proposition d’analyse en ce qui concerne l’évaluation de la pollution lumineuse à Nice consiste à définir les éléments environnementaux impacter par le phénomène. Cela à pour but dans un premier temps de définir les espaces qui peuvent nécessiter une attention particulière quand à l’impact de la lumière sur leur état. En effet, de part ses multiples effet sur le vivant, il est intéressant en milieu urbain d’orienter une éventuelle analyse poussé des impacts de la pollution lumineuse. Il deviendra alors pertinent de comparé l’évolution de deux objets d’étude similaire mais spatialement localisés de manière différente et dont l’un serait soumis aux effets de la pollution lumineuse. On peut également procéder de la même manière sur plusieurs éléments du vivant soumis à des valeurs de dépassement du seuil différentes. De cette étude il ne sera pas question d’analyser forcement les causes directement liées à l’exposition à la lumières urbaine, mais plutôt de comprendre à quel niveaux et à quels degré la pollution lumineuse va-t-elle jouer un rôle dans l’impact qu’elle a sur son environnement. Pour effectuer cela, il serait intéressant d’utiliser les deux autres méthodes d’analyse développées antérieurement dans un protocole de recherche d’impact de la pollution lumineuse. 22
Cassar Bastien UFR Espace et Cultures Figure 12 Application de l’analyse d’impact sur le bâti dans notre espace d’étude témoins En utilisant une sélection par proximité spatiale, il à été possible de déterminer le bâti en contact avec des coefficients multiples du seuil de lux. Ces coefficients multiples ont été fixés à 2 et à 4, résultant des valeurs de lux égales à 30 et 60. La sélection s’est effectuée en gage d’exemple sur le bâti pour déterminer des individus cible qui subissent dans leur lieu de domicile des nuisances lumineuses provenant des lampadaires situés à proximité. Les seuils ont été fixés ainsi afin d’obtenir des échantillons de population distinguées par des valeurs d’exposition, allant du simple au double. De ce fait, il deviendra possible, par l’apport d’autre analyse, de constater d’un part l’état de santé de ces populations exposées à celles non exposées. Mais il sera également possible de voir l’évolution de la gravité de l’impact en fonction de la valeur d’exposition. Cette proposition, bien que n’étant qu’un exemple appliqué à un thème précis sur l’analyse d’un objet précis, permet tout de même de comprendre la polyvalence de ce type d’analyse sur l’évaluation de la pollution lumineuse en terme d’impact 23
Cassar Bastien UFR Espace et Cultures environnemental. Le sujet ou l’objet d’étude n’influence pas la méthode proposée et offre ainsi à toutes les études concernant notre sujet d’étude un outil et/ou un moyen d’analyse. Conclusion Il a été proposé tout au long de ce mini-mémoire de recherche un protocole géographique d’évaluation de la pollution lumineuse. Ce protocole permets une approche spatiale à micro-échelle du phénomène, soit celle du quartier, voire de la rue, mais qui par agrégation des résultats permet une analyse à l’échelle d’une unité urbaine. Malgré une volonté forte d’apport de pertinence dans sa démarche, ce protocole n’en est pas moins complet. En effet, de nombreuses variables, notamment sur des effets environnementaux et de confinement, nécessitent encore des précisions déterminées par des études plus poussées du phénomène. Ce protocole à tout de même pour caractéristique notable sa reproductibilité sur tout les espaces et sous-espaces un temps soit peu urbanisés. Il propose également une ouverture dans le thème où la pollution lumineuse sera traitée, que ce soit sur un plan médical comme il l’a été décrit antérieurement ou sur un plan économique pour lutter contre le gaspillage de ressource énergétique, par exemple. 24
Vous pouvez aussi lire