2.5. Sources de données #

Pour trouver les données adaptées à votre besoin, vous pouvez consulter des plateformes de partage de données en ligne. Quelques plateformes importantes sont présentées ci-dessous.

2.5.1. Éléments à vérifier lors de la recherche de données #

Source des données : Veillez toujours à utiliser des données provenant de sources fiables. L’organisation qui publie les données constitue généralement le meilleur indicateur. Par ailleurs, l’utilisation des données dans des contextes reconnus ou encore le nombre de téléchargements peuvent également être de bons indicateurs.

Taille des données : Il est parfois possible d’accéder aux données à différentes échelles, résolutions, etc. Assurez-vous de sélectionner un jeu de données adapté à votre objectif et que vous pourrez traiter facilement. Par exemple, si vous n’avez besoin que de données sur une région précise, sélectionnez uniquement les données correspondant à cette unité administrative.

Format des données : Il se peut que plusieurs formats de données soient disponibles. Réfléchissez à vos besoins et au format le plus pratique pour votre utilisation et, éventuellement, pour le partage.

Date de collecte des données : Vérifiez toujours à quelle date les données ont été collectées et si cette date correspond à votre besoin. Vérifiez également s’il existe des données plus récentes provenant d’une autre source.

Licence des données : Quel type de licence s’applique aux données ? Comment pouvez-vous les utiliser, les partager, et comment devez-vous citer la source ? Veillez à consulter la licence et à respecter les règles applicables afin d’éviter toute difficulté.

../_images/en_data_sources_examples_cartong.png

Fig. 2.32 Les données utilisées pour créer des cartes ou réaliser des analyses SIG peuvent provenir de sources très diverses (Source : CartONG).#

2.5.2. Vue d’ensemble de dépôts de données utiles #

2.5.2.1. Données géographiques générales #

Name

Data

Link

Natural Earth

Géographie administrative et physique

https://www.naturalearthdata.com/

Geonames

Données géographiques administratives

https://www.geonames.org/

OpenAfrica

Données open source sur l’Afrique

https://africaopendata.org/dataset

DivaGIS

Différents types de données, par ex. limites administratives, routes, population, altitude, climat

https://diva-gis.org/data.html

Open Topography

Données topographiques

https://opentopography.org/

OSM Boundaries

Limites administratives (authentification nécessaire avec un compte OSM)

https://osm-boundaries.com

GADM

Limites administratives

http://gadm.org

2.5.2.2. Données humanitaires #

Name

Data

Link

Humanitarian Data Exchange

Diverses données ouvertes provenant de différentes organisations humanitaires

https://data.humdata.org

Healthsites

Localisation des structures de santé

https://healthsites.io/

UNHCR Geoservices

Données sur les populations déplacées

https://data.unhcr.org/en/situations

Waterpoint

Données sur les points d’eau

https://www.waterpointdata.org

2.5.2.3. Données sur les catastrophes #

Name

Data

Link

MapAction

Ressources de cartographie d’urgence

https://maps.mapaction.org/

fieldmaps.io

Plateforme de téléchargement de données et de cartes à usage humanitaire

https://fieldmaps.io

ACLED

Données sur les conflits

https://acleddata.com/conflict-data/data-export-tool

GDACS

Base de données sur les catastrophes

https://www.gdacs.org

ZKI/DLR

Étendues d’inondation, zones de dommages, données d’observation de la Terre

https://activations.zki.dlr.de/en/activations/

WFP Vulnerability Analysis and Mapping

Données sur la sécurité alimentaire, les aléas, les conflits et le climat

https://dataviz.vam.wfp.org/

2.5.2.4. Données de population #

Name

Data

Link

WorldPop

Estimations de population

https://wopr.worldpop.org/

GHSL

Données mondiales sur les établissements humains

https://ghsl.jrc.ec.europa.eu/

HRSL

Couche d’occupation humaine basée sur l’observation de la Terre et les données Facebook

https://research.facebook.com/downloads/high-resolution-settlement-layer-hrsl/

GRID3 Settlement extents and settlement points

Données sur l’emprise des établissements humains

https://grid3.org/

Pangea

Données en sciences de l’environnement et biosciences

https://www.pangaea.de/

United Nations Population Fund

Données sur la santé sexuelle et reproductive et sur les dynamiques de population

https://www.unfpa.org/data

2.5.2.5. Données sur les bâtiments #

Name

Data

Link

World Settlement Footprint

World Settlement Footprint

https://download.geoservice.dlr.de/WSF2019/

VIDA building footprint

Jeux de données combinés d’emprises de bâtiments Google et Microsoft

https://beta.source.coop/repositories/vida/google-microsoft-open-buildings/download/

Open-building

Emprises de bâtiments Google

https://sites.research.google/open-buildings/#download

2.5.2.6. Données de télédétection / observation de la Terre #

Name

Data

Link

Global Forest Watch

Données sur les forêts mondiales

https://www.globalforestwatch.org/

OpenAerialMap

Imagerie drone produite de manière collaborative

https://map.openaerialmap.org/

USGS Earth Explorer

Données satellitaires issues de plusieurs sources, dont Landsat et Sentinel

https://earthexplorer.usgs.gov/

NASA Shuttle Radar Topography Mission (SRTM)

Données mondiales d’altitude

http://srtm.csi.cgiar.org/srtmdata/

Earth Observe

Modèle numérique d’élévation à l’échelle mondiale

https://earthexplorer.usgs.gov/

Copernicus

Données d’observation de la Terre

https://scihub.copernicus.eu/

GlobCover

Données raster de couverture du sol

https://due.esrin.esa.int/page_globcover.php

2.5.3. Données OpenStreetMap #

OpenStreetMap (OSM) est un projet collaboratif visant à créer une carte du monde libre et modifiable. Contrairement aux cartes traditionnelles, souvent propriétaires et contrôlées par des acteurs commerciaux, OSM permet à chacun de contribuer aux données cartographiques et de les modifier, ce qui produit une carte détaillée et en constante évolution des routes, sentiers, repères et autres objets. Grâce à sa nature open source et à sa communauté mondiale de contributeurs, OpenStreetMap est devenu une ressource précieuse pour de nombreux usages, allant de la navigation et de l’aménagement du territoire à la réponse aux catastrophes et à l’aide humanitaire.

Il existe plusieurs façons d’intégrer des données OpenStreetMap (OSM) dans QGIS sous forme de données vectorielles. Les trois méthodes les plus courantes et les plus faciles à utiliser sont geofabrik.de, HOT Export Tool et l’extension QGIS QuickOSM. Chacune de ces options présente des avantages et des inconvénients.

Tip

Si vous souhaitez vous entraîner à exporter des données OSM, vous pouvez faire l’Exercice 4 : Exporter des données OSM

Geofabrik.de

Comme vous pouvez le constater, Geofabrik est très utile si vous souhaitez obtenir des jeux de données OSM complets pour des pays ou de grandes régions.

Advantages

Disadvantages

+ Accès rapide à des jeux de données OSM complets

- Peu adapté si l’on recherche uniquement des objets précis ou des zones plus petites qu’un pays

+ Exports OSM très à jour

- Taille de fichier importante

+ Documentation claire des objets OSM contenus dans chaque shapefile

- Disponible uniquement au format shapefile

HOT Export tool Comme vous pouvez le constater, l’outil HOT Export offre un bon compromis entre flexibilité et accès rapide aux données OSM. Cependant, plusieurs étapes sont nécessaires avant de pouvoir utiliser les données dans QGIS.

Advantages

Disadvantages

+ Bonnes options de sélection des données

- De nombreuses étapes sont nécessaires

+ Nombreux formats de données disponibles

- Options de sélection des données limitées

+ Facile à utiliser

+ Requête facilement réutilisable

Extension QuickOSM

Advantages

Disadvantages

+ Requête paramétrable pour des données très spécifiques

- Nécessite une connaissance du modèle de données OSM

+ Les données se chargent directement dans QGIS

- Les requêtes peuvent rapidement devenir complexes

+ Requête facilement réutilisable

Tip

Il est possible par défaut d’ajouter le fond de carte OSM à votre projet. Cliquez sur Layer → Add Layer → Add XYZ Layer…. Choisissez OpenStreetMap puis cliquez sur Add (Vidéo Wiki).

2.5.3.1. Extension QuickOSM #

L’extension QuickOSM permet de télécharger facilement des données depuis OpenStreetMap et de les ajouter à votre projet QGIS.

  1. Installez l’extension QuickOSM en cliquant sur l’onglet Plugin, → Manage and Install Plugins… → All → recherchez “QuickOSM” → Install Plugin

  2. Pour ouvrir QuickOSM, cliquez sur l’onglet Vector → QuickOSM → QuickOSM

Pour travailler efficacement avec QuickOSM, il est essentiel d’avoir une compréhension de base du modèle de données OSM. En voici une brève explication :

  • Tout d’abord, dans OSM, toutes les données sont organisées à l’aide d’un système clé-valeur. Une combinaison d’une clé et de sa valeur correspondante est appelée un tag. Prenons par exemple la clé ‘amenity’. Selon l’OSMWiki, “‘amenity=’ décrit des équipements utiles tels que les toilettes, téléphones, banques, pharmacies, prisons et écoles.”*. Il est important de noter qu’une clé peut avoir plusieurs valeurs ; la clé ‘amenity’ à elle seule comporte 8911 valeurs différentes. Parmi les exemples typiques de valeurs pour ‘amenity’, on trouve les écoles et les hôpitaux. Lors de la recherche de données dans OSM, il est donc essentiel d’identifier les clés et les valeurs qui représentent les objets recherchés. Deux ressources utiles à cet effet sont taginfo et l’article OSM Wiki sur les Map features.

  • Deuxièmement, un objet dans OSM peut avoir plusieurs tags, chacun composé d’une clé et de sa valeur correspondante. Cela signifie que, dans certains cas, plusieurs couples clé-valeur sont nécessaires pour récupérer l’ensemble des données souhaitées. Prenons l’exemple des hôpitaux. Idéalement, tous les hôpitaux devraient porter les tags ‘amenity=hospital’ et ‘Health=Hospital’, mais certains n’en ont qu’un seul. Pour garantir une récupération de données la plus complète possible, il est donc conseillé d’utiliser les deux tags lors d’une recherche sur les hôpitaux.

Suivez les étapes suivantes pour récupérer des données :

  1. Sélectionnez une Key et une Value dans la liste déroulante. En cas de doute, reportez-vous à l’illustration ci-dessous :

../_images/key_value_quickosm.png

Fig. 2.33 Choix d’une clé et d’une valeur dans QuickOSM.#

  1. Délimitez la zone en saisissant le nom de votre zone d’intérêt. Vous pouvez également choisir Canvas Extent ou Layer Extent dans la liste déroulante au lieu d’un nom de ville ou de pays.

  2. Dépliez l’onglet Advanced. Sélectionnez uniquement les types de données attendus afin de limiter les erreurs.

../_images/quickosm_usage.png

Fig. 2.34 Utilisation de l’extension QuickOSM.#

  1. Cliquez sur Run query.

Comment récupérer des données avec plusieurs requêtes

Si vous souhaitez obtenir davantage de données dans une même zone, vous pouvez ajouter une requête en cliquant sur . Veillez à choisir le bon opérateur logique, AND ou OR. En cas de doute, consultez la page requêtes non spatiales du wiki. Vous trouverez également un exemple dans l’exercice OSM du module 2.

2.5.3.2. HOT Export Tool #

Avec le Humanitarian OpenStreetMap Team (HOT) Export Tool, vous pouvez télécharger des extraits personnalisés et à jour des données OSM dans différents formats de fichier. Il s’agit d’un outil utilisable dans le navigateur, offrant de bonnes possibilités pour préciser la zone, la période, le type d’objet et le format des données.

  1. Accédez au HOT Export Tool. Pour utiliser l’outil, vous devez disposer d’un compte OSM.

    Si vous avez un compte OSM, vous pouvez vous connecter directement au HOT Export Tool en cliquant sur Log in. Si vous n’en avez pas, vous devrez en créer un : cliquez sur Log in, puis dans la nouvelle fenêtre choisissez l’option permettant de créer un nouveau compte.

  2. Après vous être connecté·e, cliquez sur le bouton Start Exporting sur la page d’accueil pour ouvrir l’outil d’export.

../_images/hot_export.png

Fig. 2.35 Le HOT Export Tool.#

  1. Commencez par ajouter un nom et une brève description à votre export, puis cliquez sur Next.

  2. Choisissez le format de fichier le plus adapté à vos besoins. Il est recommandé d’utiliser GeoPackage, mais GeoJSON ou shapefile peuvent également convenir. Cliquez sur Next.

  3. La méthode la plus simple pour choisir le type d’objet à télécharger consiste à utiliser l’arborescence des tags. (L’option YAML est plus flexible, mais aussi plus avancée ; nous nous concentrerons donc sur la première option.)

  4. Il existe plusieurs façons de sélectionner votre zone d’intérêt.

    1. Vous pouvez la rechercher dans la barre de recherche en haut à droite.

    2. Zoomez sur la carte jusqu’à votre zone, puis cliquez sur This view.

    3. Zoomez, puis dessinez une boîte englobante en cliquant sur Box.

    4. Zoomez, puis dessinez manuellement un polygone en cliquant sur Draw.

    5. Vous pouvez aussi importer une couche comme emprise (uniquement en .geojson dans le SCR WGS84 !). Cliquez sur Import.

  5. Cliquez ensuite sur Next. Le résultat ressemblera à ceci :

../_images/hot_export_example.png

Fig. 2.36 Exemple d’utilisation du HOT Export Tool.#

  1. Cliquez sur Create Export. Le traitement durera alors quelques minutes et ressemblera à ceci :

../_images/hot_export_running.png

Fig. 2.37 Le HOT Export Tool en cours d’exécution.#

  1. Une fois le traitement terminé, le statut passera à COMPLETED et vous pourrez télécharger votre fichier en cliquant sur le lien :

../_images/hot_export_done.png

Fig. 2.38 Téléchargement de données depuis le HOT Export Tool.#

2.5.4. Questions d’auto-évaluation #

Testez vos connaissances

Prenez un moment pour récapituler ce que vous avez appris dans ce chapitre en répondant aux questions ci-dessous :

  1. Quels critères faut-il vérifier lors de la sélection de données géographiques pour un projet ? (par ex. fiabilité de la source, taille / résolution, format, date, licence)

Réponse
  • Source / fiabilité : utilisez des données provenant d’organisations reconnues, de plateformes fiables ou de sources connues pour leur qualité. Vérifiez qui a publié les données, comment elles ont été validées et à quelle fréquence elles sont utilisées.

  • Taille, résolution et échelle des données : assurez-vous que la résolution spatiale (ou le niveau de détail) correspond aux besoins du projet. Évitez de choisir des données inutilement trop grossières ou trop fines, ce qui pourrait ralentir le traitement.

  • Format : certains formats peuvent être plus faciles à utiliser ou plus compatibles (par ex. GeoPackage, shapefile, GeoJSON). Choisissez un format pratique pour vos outils et pour le partage.

  • Date / actualité : à quelle date les données ont-elles été collectées ? Il est important que leur période corresponde aux besoins du projet. Des données anciennes peuvent ne plus refléter la réalité actuelle.

  • Licence / droits d’usage : il faut vérifier comment les données peuvent être utilisées, partagées et si une attribution est requise. La licence peut limiter l’usage commercial ou les œuvres dérivées.

  1. Pourquoi la « licence des données » est-elle un élément important à prendre en compte lorsqu’on utilise des données géographiques ?

Réponse
  • La licence des données détermine ce que vous avez légalement le droit de faire avec ces données : les utiliser librement, les modifier, les partager ou publier des dérivés.

  • Le non-respect des conditions de licence peut entraîner des problèmes juridiques ou éthiques (par ex. violation du droit d’auteur, absence d’attribution requise) ou empêcher la diffusion de vos résultats.

  • Certaines licences sont restrictives (usage non commercial uniquement, pas de modification, obligation de partage à l’identique) ; vous devez donc vérifier que votre usage prévu respecte ces conditions.

  1. En quoi la date de collecte des données influence-t-elle leur utilité ? Donnez un exemple de situation où des données anciennes pourraient induire votre analyse en erreur.

Réponse
  • La date est importante parce que les paysages, les infrastructures, l’occupation du sol, la population, etc. évoluent dans le temps. Si les données sont obsolètes, elles peuvent ne plus refléter la réalité.

  • L’utilisation de données anciennes peut fausser l’analyse si les conditions ont changé :

    • Par exemple : si vous utilisez un réseau routier datant d’il y a 10 ans pour modéliser les plus courts chemins ou l’accessibilité aujourd’hui, votre analyse sera erronée si de nouvelles routes ont été construites ou si certaines ont été fermées.

    • Autre exemple : avec des données d’occupation du sol anciennes, une zone autrefois forestière peut aujourd’hui être urbanisée ; l’interprétation des habitats ou de la déforestation serait alors trompeuse.

  • Il est donc essentiel que la date de collecte des données soit cohérente avec la période étudiée.

  1. Quels peuvent être les défis liés à l’intégration de données provenant de sources différentes (par ex. actualité, projections différentes, formats, couverture ou qualité des métadonnées) ?

Réponse

Lorsqu’on combine des jeux de données provenant de différentes sources, plusieurs difficultés peuvent apparaître :

  • Différences d’actualité : un jeu de données peut être récent, un autre ancien. Ce décalage peut conduire à des comparaisons trompeuses.

  • Différences de projection / systèmes de coordonnées : les jeux de données peuvent utiliser des systèmes de référence différents ; il faut alors les reprojeter dans un SCR commun.

  • Différences de couverture : un jeu de données peut ne couvrir qu’une partie de la zone d’étude ou comporter des lacunes.

  • Qualité / complétude des métadonnées : un jeu de données peut manquer de métadonnées (par ex. pas de date, pas d’explication sur la méthode de collecte), ce qui rend l’évaluation de sa qualité ou de sa compatibilité plus difficile.

  • Différences dans les schémas attributaires : les différences de noms de champs, d’unités, de types de champs ou de classifications compliquent les fusions et comparaisons. Par exemple, de légères différences dans le nom d’une entité (district, région, etc.) peuvent rendre une jointure entre deux jeux de données beaucoup plus difficile et nécessiter des corrections manuelles.

Lors de toute analyse, veillez à être transparent·e sur les limites ou les faiblesses des différents jeux de données. Cela contribue à une meilleure information des processus de décision et garantit également la reproductibilité et l’adaptabilité de l’analyse.