Influence De La Densité Du Bati Et Du Réseau Routier Sur La Variabilité Spatiale Du Ndvi A Antsirabe I

Harimbola Sahondra RAVERONIRINA, Mamiharizo Jackie TOVONIRINA, Andriatiana Tolontsoa RAKOTOSON, Eddie Franck RAJAONARISON

Abstract


Cette étude analyse l’influence apparente de la densité du bâti et du réseau routier sur la variabilité spatiale du NDVI à Antsirabe I à partir de données eMODIS à 250 m de résolution. Les relations ont été examinées à l’échelle des pixels en confrontant le NDVI à la proportion de surface bâtie et à la densité routière, complétées par des moyennes par quantiles et leurs intervalles de confiance à 95 %. Les résultats montrent que la majorité des pixels présentent une surface bâtie inférieure à 20 %, associée principalement à des valeurs de NDVI comprises entre 0,20 et 0,35. La relation entre NDVI et densité du bâti demeure faible et fortement dispersée, bien que les cellules très urbanisées présentent rarement des valeurs élevées de végétation. Pour le réseau routier, le NDVI moyen reste proche de 0,25–0,28 pour des densités comprises entre 0 et 15 km/km², puis tend légèrement à diminuer aux densités supérieures. Quelques observations atypiques dépassent 0,80 de NDVI. Ces résultats indiquent que le bâti et le réseau routier participent à la structuration spatiale de la végétation, mais n’expliquent qu’une partie de sa variabilité à Antsirabe I.

Keywords


NDVI ; densité bâtie ; densité routière ; urbanisation ; Antsirabe I.

Full Text:

PDF

References


Seto, K. C., Güneralp, B., & Hutyra, L. R. (2012). Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. Proceedings of the National Academy of Sciences, 109(40), 16083–16088. https://doi.org/10.1073/pnas.1211658109.

Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8(2), 127–150. https://doi.org/10.1016/0034-4257(79)90013-0.

Shahtahmassebi, A. R., Li, C., Fan, Y., et al. (2021). Remote sensing of urban green spaces: A review. Urban Forestry & Urban Greening, 57, 126946. https://doi.org/10.1016/j.ufug.2020.126946.

Jenkerson, C. B., Maiersperger, T., & Schmidt, G. (2010). eMODIS: A User-Friendly Data Source. U.S. Geological Survey Open-File Report 2010-1055. https://doi.org/10.3133/ofr20101055.

Forman, R. T. T., & Alexander, L. E. (1998). Roads and their major ecological effects. Annual Review of Ecology and Systematics, 29, 207–231. https://doi.org/10.1146/annurev.ecolsys.29.1.207.

Jenkerson, C. B., Maiersperger, T., & Schmidt, G. (2010). eMODIS: A User-Friendly Data Source. U.S. Geological Survey Open-File Report 2010-1055.

OpenStreetMap Contributors. OpenStreetMap Data and Copyright. OpenStreetMap Foundation.

Gillies, S. et al. Rasterio: Geospatial Raster I/O for Python. Rasterio Documentation.

GeoPandas Developers. GeoPandas: Python Tools for Geographic Data. GeoPandas Documentation.

Efron, B., & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman & Hall/CRC.

Lahiri, S. N. (2003). Resampling Methods for Dependent Data. Springer.

Cressie, N. (1993). Statistics for Spatial Data. Wiley.




DOI: http://dx.doi.org/10.52155/ijpsat.v59.2.8735

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Lalaina Dina Prisca RAJAONARISON

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.