UN PROCESSUS DE SÉLECTION DU

RÉSEAU HYDROGRAPHIQUE, BASÉ SUR

LA DÉTECTION DE STRUCTURES
par Guillaume Touya
Laboratoire COGIT
Institut géographique national,
2-4 avenue Pasteur 94165 Saint-Mandé Cedex
[email protected]

Introduction géographiques, c’est un sujet qui a été particulière-

ment abordé. On parle de généralisation cartogra-
La généralisation est un processus qui vise à
phique lorsque l’objectif est la production de cartes
réduire le niveau de détail d’une base de données
et, dans ce cas, les principaux problèmes à traiter
géographique dans le but de satisfaire de nouvelles
sont liés à la lisibilité et aux symboles cartogra-
spécifications. Depuis des années, beaucoup de
phiques. Ce papier traite de généralisation de
travaux ont traité de son automatisation. La plupart
bases de données dont les objets ne sont pas sym-
de ces travaux concernent la généralisation carto-
bolisés [Weibel & Dutton 1999], et donc de pro-
graphique dont l’objectif est la production de cartes,
blèmes différents. L’objectif de la généralisation est
mais cet article se concentre uniquement sur la
alors de réduire le niveau de détail d’une base de
généralisation de base de données ou de modèle.
données géographique dans son ensemble, en
L’article traite un point spécifique et important de la
modifiant ainsi à la fois les données et le schéma de
généralisation de base de données, à savoir la
données, sans prendre en considération une pos-
généralisation des réseaux hydrographiques et plus
sible symbolisation de ces données.
particulièrement le problème de la sélection de ces
réseaux : quels cours d’eau ou tronçons de cours
Le processus de généralisation de base de don-
d’eau sont assez importants ou significatifs pour
nées peut être décomposé en plusieurs étapes
faire partie de la base de données généralisées ?
[McMaster &Shea 1992] : la sélection, la générali-
Ce sujet a déjà été traité plusieurs fois dans le
sation attributaire et la généralisation géométrique.
passé. La particularité de la solution proposée est
Cet article ne traite que de la sélection qui est en
qu’elle est basée sur la détection de structures à
général l’étape la plus ardue du processus.
l’intérieur du réseau hydrographique.
[Mackaness & Edwards 2002] insiste sur l’importan-
ce de l’analyse spatiale pour détecter les structures
La deuxième partie de cet article présente un implicites d’une base de données géographique et
état de l’art de la généralisation de réseaux hydro- enrichir celle-ci en les explicitant. Cela permet de
graphiques. La troisième partie expose la problé- guider et d’améliorer le processus de généralisation
matique, les hypothèses et les pré-traitements et c’est particulièrement le cas dans le cadre de la
nécessaires. La quatrième partie décrit précisément sélection. [Heinzle et al. 2006] et [Touya 2007] mon-
les différentes étapes du processus de sélection trent bien l’importance de cette reconnaissance des
proposé. La cinquième partie présente des résul- structures dans la généralisation des réseaux rou-
tats obtenus avec ce processus lors de tests sur tiers et ce postulat peut être étendu aux réseaux
des données réelles de l’IGN. Enfin, la dernière par- hydrographiques, bien que les structures dans des
tie est une conclusion avec la présentation de réseaux naturels, tels que les réseaux hydrogra-
quelques perspectives de recherche. phiques, soient différentes de celles présentes dans
des réseaux créés par l’homme comme les réseaux
1 La généralisation routiers.

Puisque la généralisation est un problème clé

pour la représentation et l’intégration des données

46
CFC (N°194 - Décembre 2007)
2 Généralisation des réseaux depuis la source [Horton 1945] sur des réseaux qui
hydrographiques ne sont que des extraits d’un bassin versant (la sour-
ce réelle de certains cours d’eau n’apparaît pas dans
Les principes de l’organisation perceptive ont été le réseau) peut causer de grosses erreurs.
énoncés par les psychologues du Gestalt
[Wertheimer 1938]. L’organisation perceptive décrit Pour ce qui est des autres travaux sur le sujet,
le phénomène par lequel le cerveau humain organi- [Richardson 1994] et [Martinez Casasnovas &
se tous les éléments de son champ visuel ou de son Molenaar 1995] proposent un modèle de généralisa-
environnement. Les lois de l’organisation perceptive tion basé sur l’agrégation et l’abstraction hiérar-
jouent un rôle clé dans la compréhension des images chique. [Thomson & Brooks 2000] utilise le principe
en deux dimensions de scènes ou paysages en trois de continuation des lois d’organisation perceptive
dimensions, et donc dans la compréhension des pour construire des “strokes” de cours d’eau ou
cartes et de la sémiologie graphique [McEachren “cours d’eau continus”. La sélection consiste en une
1995]. Ces lois jouent aussi un rôle clé en générali- hiérarchisation de ces cours d’eau continus par la
sation cartographique et sont ainsi utilisées depuis classification de Horton. Sur la figure 1, les cours
de nombreuses années [McMaster & Shea 1992]. d’eau en gras dans la classification de Horton sont
Dans le cas de réseaux linéaires, la loi d’organisation en fait des cours d’eau continus hiérarchisés.
perceptive dite de “bonne continuation” est particuliè-
rement intéressante. Elle permet en effet de grouper Cet article présente une méthode de sélection de
des tronçons d’un réseau en “strokes”, ensembles de réseaux hydrographiques, déjà introduite dans [Touya
tronçons qui semblent se suivre de manière continue 2006], basée sur la hiérarchisation de cours d’eau
comme si on les avait dessinés d’un seul trait de continus. La valeur ajoutée de cette méthode tient
crayon [Thomson & Richardson 1999]. Dans les dans sa prise en compte des structures implicites du
cartes ou les bases de données géographiques, les réseau comme les îles ou les zones d’irrigation pour
“strokes” de routes ou de cours d’eau ont une vraie une meilleure sélection, mais aussi dans le dévelop-
signification géographique car ce sont des phéno- pement de pré-traitements ou la gestion de réseaux
mènes assez continus. Par exemple, dans un réseau ne représentant pas un bassin versant complet.
routier, un boulevard périphérique est un stroke.
[Thomson & Brooks 2000] a appliqué ce principe de 2.2 Contexte et données
bonne continuation pour construire automatiquement Le problème traité dans cet article est la sélection
les strokes dans des réseaux routiers et hydrogra- de réseaux hydrographiques linéaires dans le
phiques dans le but de réaliser leur sélection dans un contexte de la généralisation de base de données.
processus de généralisation. L’application de la méthode proposée est liée à deux
bases de données géographiques produites par
2.1 Sélection de réseaux hydrogra- l’Institut géographique national (IGN) : la BD
phiques TOPO®, qui a pour résolution 1 m et pour échelle de
Parmi les premiers travaux sur la généralisation référence le 1:15 000 environ, et la BD CARTO®, qui
de réseaux hydrographiques, [Richardson 1994] a pour résolution 10 m et pour échelle de référence
affirme que le problème est principalement une ques- le 1:100 000 environ (fig.2). Mais l’objectif est de
tion de sélection qui peut être résolue par une hiérar- concevoir un processus de sélection générique pour
chisation des cours d’eau, couplée à des seuils de les réseaux hydrographiques linéaires permettant de
longueur des cours d’eau. Les principales méthodes répondre à différents types de spécifications de base
de classification des cours d’eau sont celles de de données généralisée en changeant simplement
Strahler [Strahler 1957], Horton [Horton 1945] (fig.1) les paramètres. En général et dans le cas de la BD
et Shreve [Shreve 1966]. CARTO®, les spécifications d’une base de données
sont assez floues car elles ne détaillent pas parfaite-
[Mauger 1997] compare les différentes méthodes ment quels objets géographiques doivent être pré-
de hiérarchisation et les méthodes pour déterminer sents dans la base de données. Par exemple, des
le cours d’eau principal à un point de confluence. Cet spécifications peuvent mentionner : “les impasses ne
article éclaire également sur les problèmes posés devraient pas être dans la base sauf si elles sont très
par ces méthodes. Par exemple, déterminer le cours longues”. Déduire des paramètres de généralisation
d’eau principal en utilisant la longueur du cours d’eau à partir de telles spécifications est assez difficile et

47
CFC (N°194 - Décembre 2007)
devient par là même une tâche primordiale de toute Aux sources ou pertes du réseau, l’analyse de voisi-
généralisation de base de données. nage peut aussi détecter les anomalies (fig. 3b).
Les hypothèses faites sur les données dans ce
travail correspondent aux spécifications de la BD Pour les données initiales de ce travail, ces deux
TOPO® pour permettre les tests. Dans la BD processus sont suffisants. Le premier corrige la plu-
TOPO®, le réseau hydrographique est modélisé part des erreurs à condition que la cohérence des
comme un réseau linéaire planaire complet. Donc le données d’altitude soit assurée. Le deuxième pro-
processus ne traitera que des données linéaires. De cessus corrige presque toutes les erreurs restantes :
plus, dans la BD TOPO®, l’information sur le sens il reste moins de 0,1% de tronçons contenant une
d’écoulement des cours d’eau est contenue dans la erreur sur le sens d’écoulement. De plus, les proces-
géométrie des tronçons de cours d’eau. L’eau sus de généralisation nécessitent souvent des don-
s’écoule dans le sens de vectorisation de la poly- nées topologiquement correctes. La plupart des don-
ligne. Pour utiliser ce processus avec des données nées produites contiennent des erreurs et l’utilisation
différentes, des pré-traitements sont nécessaires d’un processus de vérification et de correction de la
pour obtenir un réseau complètement linéaire et pla- topologie permet de s’affranchir de ces erreurs et de
naire avec une information sur le sens d’écoulement travailler sur un graphe réellement planaire. Une fois
de l’eau de chaque tronçon. ces pré-traitements effectués, le processus de sélec-
tion peut être appliqué.
Même si un algorithme générique ne devrait pas
prendre en compte des paramètres aussi variables 4 Processus de sélection proposé
d’un jeu de données à un autre, tels que les informa-
tions attributaires, la sélection de réseaux hydrogra- Le § 4.1 traite de la première étape du processus,
phiques est bien meilleure quand des attributs, l’enrichissement de la base de données par détec-
même incomplets comme le nom des cours d’eau, tion de structures ; le 4 .2 décrit le processus de hié-
sont utilisés. On peut donc considérer que les attri- rarchisation utilisé ainsi que les critères de sélection
buts présents dans les données initiales sont des appliqués en utilisant les enrichissements apportés à
paramètres du processus. la base de données.

3 Pré-traitements 4.1 Phase d’enrichissement de la base de

données
L’information sur le sens d’écoulement de l’eau
sur les tronçons de cours d’eau n’est pas toujours 4.1.1 Schéma de données enrichi
complètement fiable. Donc, il est indispensable de La généralisation automatique et donc la sélection
nettoyer les données initiales pour qu’elles contien- de réseaux hydrographiques sont des processus très
nent le moins d’erreurs possible sur le sens d’écoule- complexes qui nécessitent l’utilisation d’information
ment de l’eau. Pour cela, on peut utiliser la topologie contextuelle. Par conséquent, il est souvent néces-
et la géométrie comme dans [Paiva & Egenhofer saire d’enrichir les données en explicitant dans la
2000] pour recalculer le sens d’écoulement de base de données des structures implicites qu’un œil
chaque tronçon du réseau. Mais cet algorithme ne humain pourrait aussi détecter [Mackaness &
génère pas de résultats assez fiables pour une bonne Edwards 2002]. Le schéma de données de la figure
sélection. Ainsi, deux processus ont été développés 4 résume tous les enrichissements à effectuer pour
pour corriger les quelques erreurs dans le réseau rendre possible le processus de sélection. Le sché-
hydrographique. Le premier processus n’est pas ma de données initial ne contenait que la classe
générique et dépend ici de la BD TOPO®. Il consiste “tronçon de cours d’eau”. Comme dans [Thomson &
en une utilisation des informations d’altitude de la Brooks 2000], une classe “cours d’eau continu” est
base de données : si l’altitude du point final du tron- ajoutée pour stocker les “strokes” qui seront la base
çon est supérieure à celle du point initial, c’est que le de la sélection. Les classes “source” et “perte” sont
tronçon a été vectorisé dans le mauvais sens. Le ajoutées pour stocker les nœuds de début et de fin
second processus est lui générique car il consiste en de chaque cours d’eau continu afin qu’il soient utili-
une analyse du sens d’écoulement des tronçons du sés facilement comme des objets de la base de don-
voisinage. Analyser localement les tronçons entrants nées dans le processus de sélection. Deux classes
et sortants peut permettre de détecter des incohé- sont aussi ajoutées dans le but de gérer les îles sur
rences comme dans les cas simples de la figure 3a. les cours d’eau. Enfin, les classes “zone d’irrigation”

48
CFC (N°194 - Décembre 2007)
et “stroke d’irrigation” sont ajoutées pour permettre la tant” signifie que, dans ce cas, l’autre cours d’eau
gestion de ces structures particulières du réseau. continu est “mieux continué” par le tronçon en aval
Les sous-parties 4.1.2 à 4.1.5 décrivent comment du point de confluence.
ces classes sont automatiquement instanciées.
La partie périlleuse de la création des cours d’eau
4.1.2 Sources et pertes continus est donc la détermination du chemin de
Pour construire correctement les zones d’irrigation meilleure continuation à chaque point de confluence.
et les cours d’eau continus, il est indispensable Si on suit géométriquement le principe de bonne
d’identifier d’abord les sources et pertes du réseau. continuation du Gestalt, c’est le chemin sans rupture
Une source est détectée comme un nœud du réseau de courbure ou avec la meilleure courbure qui est le
qui a un tronçon sortant mais aucun tronçon entrant, plus continu. Mais pour avoir des résultats meilleurs
et inversement pour les pertes. [Thomson & Brooks et plus réalistes, ce principe de bonne continuation
2000] utilisait déjà les sources et pertes comme des est contraint par plusieurs règles, les cours d’eau
objets de la base de données, mais travaillait sur un continus différant de strokes purement géomé-
bassin versant entier, ce qui est rarement le cas avec triques. De nombreuses règles peuvent être utilisées
la plupart des données. Ce processus permet de tra- pour déterminer le chemin principal. [Horton 1945]
vailler sur seulement un extrait d’un ou plusieurs bas- utilise le chemin le plus long et droit, [Thomson &
sins versants sans engendrer d’erreurs dans la Brooks 2000] utilise prioritairement le nom du cours
sélection grâce à l’attribut “type” des sources et des d’eau puis la continuité de courbure, et d’autres peu-
pertes. Cet attribut détermine si une source (ou une vent utiliser la plus grande surface de drainage.
perte) du réseau est naturelle (elle représente une
source dans la réalité géographique) ou si elle est Voici les règles utilisées dans ce travail:
issue du découpage de la zone de travail (fig.5). • La continuité de nom de cours d’eau est prioritai-
re.
Puisque la longueur des cours d’eau d’un point de • Toute chose étant égale par ailleurs, un cours
confluence à la source peut être utilisée comme cri- d’eau de régime “permanent” est prioritaire sur un
tère de détermination du cours d’eau principal, il faut cours d’eau de régime “intermittent”.
s’assurer que les sources en question sont bien • Toute chose étant égale par ailleurs et les
naturelles et non issues du découpage de la zone. La sources des cours d’eau continus en amont étant
distinction entre ces sources et pertes est donc pri- toutes “naturelles”, le cours d’eau continu amont le
mordiale et permet une sélection de bonne qualité plus long a la priorité. La longueur à la source est le
sur n’importe quel type de réseau hydrographique meilleur critère dans ce cas selon [Mauger 1997] par
initial. rapport à la continuité de courbure. La courbure est
plutôt utilisée si un des angles de confluence est
4.1.3 Construction des “strokes” ou “cours d’eau supérieur à 60° et que la différence de longueur est
peu significative (500 m).
continus”
• Toute chose étant égale par ailleurs et une des
La construction des strokes de cours d’eau ou
sources des cours d’eau continus amont étant de
cours d’eau continus est ensuite l’enrichissement
type “ limite de zone”, le chemin avec la meilleure
essentiel à la sélection. Il s’agit d’un algorithme des-
continuité de courbure a la priorité.
cendant : on commence au niveau des sources et
l’algorithme se termine lorsque l’ensemble des Par ailleurs, les réseaux hydrographiques sont
nœuds du réseau (sources, pertes, points de souvent composés de deltas ou de rivières à plu-
confluences ou nœuds simples) ont été traités. sieurs bras. Tous ces bras annexes doivent être trai-
L’algorithme parcourt le réseau en utilisant le sens tés de façon appropriée par l’algorithme de création
d’écoulement de l’eau, d’où l’importance de sa jus- des cours d’eau continus et le processus de sélec-
tesse et du pré-traitement présenté en 3. Comme tion. Donc en premier lieu, deux types de cours d’eau
dans [Thomson & Brooks 2000], les cours d’eau continus sont distingués : les cours d’eau continus
continus sont créés pour correspondre à la représen- “principaux” et les cours d’eau continus “annexes”
tation et à la classification réelle des cours d’eau : un comme dans [Thomson & Brooks 2000]. Quand un
cours d’eau continu commence à une source et se cours d’eau se sépare en plusieurs bras, un bras est
termine à une perte ou à un point de confluence avec considéré comme le principal et continue le cours
un cours d’eau continu plus important. “Plus impor- d’eau continu principal ; les autres bras sont utilisés

49
CFC (N°194 - Décembre 2007)
comme premiers tronçons de nouveaux cours d’eau autre type de structure particulière, les zones d’irriga-
continus annexes. Le bras aval principal est celui tion agricole. Il s’agit d’ensembles de petits canaux
avec la meilleure continuité de courbure (fig.6). Le artificiels utilisés dans des zones plates pour faciliter
plus court chemin vers la perte peut être utilisé l’irrigation des champs (fig. 8). La détection de telles
comme critère mais il n’a pas été choisi dans ce tra- zones est importante pour plusieurs raisons : d’abord
vail pour des questions de rapidité de calcul, sachant ces zones sont sources d’erreurs pour la création
que l’apport en qualité de ce critère ne compensait des cours d’eau continus car les tronçons n’ont pas
pas la perte d’efficience. Ce critère serait très appro- de réel sens d’écoulement, étant artificiels et plats.
prié pour de petits jeux de données. Dans la base de données, un sens d’écoulement
arbitraire et hétérogène est attribué à ces tronçons.
4.1.4 Les îles et les îles complexes Ajouté à cela, il serait intéressant de pouvoir mainte-
Dans les réseaux hydrographiques, les bras nir l’information de la présence de ces zones après
annexes correspondent souvent à la présence d’îles sélection en choisissant, par exemple, une version
sur les rivières. De plus, on trouve souvent plusieurs simplifiée de ces zones.
îles adjacentes sur une même rivière (fig.7). Ces îles
sont des structures significatives du réseau et il peut Les zones d’irrigation sont donc caractérisées par
être intéressant de sélectionner leur contour dans la un sol à peu près plat, une forte densité de tronçons
base généralisée pour maintenir l’information sur la petits et droits, et une forte densité de sources et
présence d’une île ou d’îles, mais de manière géné- pertes. Ces caractéristiques peuvent être utilisées
ralisée. Durant la phase d’enrichissement, l’objectif pour la détection automatique de ces zones et leur
est donc de détecter automatiquement ces îles construction dans la base de données enrichie.
simples ou complexes et de les caractériser afin de Ensuite, une mesure de compacité est utilisée pour
permettre leur sélection. On définit une île complexe écarter les zones sur-détectées. La figure 8 montre
comme un agglomérat d’îles simples. Cette idée un exemple de détection automatique réussie de
d’agréger des éléments pour augmenter le niveau zone d’irrigation.
d’abstraction correspond à la philosophie de généra-
lisation de [Richardson 1994]. Dans la base de don- L’étape suivante est la reconnaissance automa-
nées enrichie, chaque île simple ou complexe est tique des tronçons artificiels et naturels à l’intérieur
associée au tronçon formant son contour (fig. 7). Si de chaque zone d’irrigation afin de les enlever du
les spécifications de sélection requièrent un niveau processus de création des cours d’eau continus. On
d’abstraction différent pour les îles, les îles simples remarque que les cours d’eau artificiels sont plutôt
formant une île complexe peuvent être agrégées en courts et droits alors que les naturels sont plutôt
plusieurs îles complexes adjacentes afin de mainte- longs, sinueux, et intersectent beaucoup d’autres
nir l’information d’îles adjacentes après la sélection cours d’eau. Pour traduire cette différence en
par exemple. Cela explique la présence du lien de la mesures d’analyse spatiale, on utilise encore la
classe “île complexe” sur elle-même dans le schéma notion de strokes mais cette fois de manière pure-
de la figure 4. ment géométrique car seule la différence de courbu-
re est utilisée. Ainsi, des strokes sont créés dans
Afin de construire automatiquement de telles îles, chaque zone d’irrigation et caractérisés par des
les faces topologiques du réseau sont utilisées. mesures de longueur, sinuosité et nombre d’intersec-
Seules les petites faces, celles qui représentent vrai- tions avec d’autres strokes. La figure 9 montre les
ment des îles sont considérées en utilisant un seuil résultats de cette différenciation automatique.
déterminé empiriquement. Les îles complexes sont
construites par clustering sur les îles simples : on La détection des cours d’eau naturels et artificiels
agrège petit à petit les îles simples adjacentes. Pour dans les zones d’irrigation termine la phase d’enri-
permettre la création d’îles complexes représentant chissement de données du processus de sélection
un plus petit niveau d’abstraction, un clustering par de réseaux hydrographiques proposé. L’étape sui-
classification ascendante hiérarchique est préfé- vante concerne la hiérarchisation des cours d’eau
rable. continus en vue de leur sélection.

4.1.5 Les zones d’irrigation 4.2 La phase de sélection

Les réseaux hydrographiques contiennent un Une fois la base de données initiale enrichie, la

50
CFC (N°194 - Décembre 2007)
sélection des cours d’eau peut enfin être effectuée. différente. Ils ne sont sélectionnés que si le cours
Cette sélection est complètement basée sur ces enri- d’eau continu principal associé est lui-même sélec-
chissements. La majeure partie de cette sélection tionné et ensuite un seuil de longueur est imposé.
concerne le choix des cours d’eau continus à garder. Par exemple, dans l’application BD TO P O ® / B D
Comme ces cours d’eau continus sont construits CARTO®, le seuil est de 1 km. Ces paramètres sont,
pour représenter les rivières entières, la sélection à l’évidence, facilement modifiables pour être appli-
concerne plutôt ces cours d’eau continus que les qués à d’autres cas de bases de données.
tronçons de cours d’eau initialement contenus dans
la base de données. Tous les tronçons d’un cours Les premières expérimentations ont montré que
d’eau continu sont sélectionnés ou aucun ne l’est. généralement le critère portant sur les bras annexes
Afin de déterminer quels seront les cours d’eau conti- ne pouvait généraliser correctement le phénomène
nus à sélectionner, on utilise une classification hié- des îles sur les cours d’eau. Pour cette raison, la
rarchique de ces cours d’eau. Comme dans base de données a été enrichie avec les îles simples
[Thomson & Brooks 2000], on utilise la classification et complexes et leurs contours. Ainsi, en plus de la
de Horton (fig. 1) sur les cours d’eau continus. Pour première phase de sélection des cours d’eau conti-
réaliser cette classification automatiquement, une nus, un seuil de taille est appliqué sur les îles et les
première étape est de réaliser la classification de tronçons de cours d’eau appartenant au contour
Strahler sur tous les tronçons. d’une île assez grande sont ajoutés à la sélection.
Cette sélection ne dépend pas cette fois des cours
Afin de gagner du temps de calcul, l’ordre de d’eau continus. Un deuxième seuil peut être ajouté
Strahler des tronçons est assigné durant l’algorithme sur la taille que peuvent avoir deux îles adjacentes
de création des cours d’eau continus. Quand un tron- dans la base de données généralisée. Ainsi, cer-
çon étend un cours d’eau continu après un point de taines îles complexes peuvent être agrégées partiel-
confluence, l’ordre de Strahler de ce tronçon est cal- lement en respectant ce seuil pour maintenir dans la
culé comme dans la figure 1 : l’ordre est le même base de données généralisée, l’information de la pré-
que le maximum des tronçons précédents sauf si sence d’une île complexe.
deux tronçons amonts ont le même ordre, auquel cas
celui du tronçon aval est incrémenté de 1. Les tron- Finalement, dans les zones d’irrigation, les tron-
çons associés à un stroke de type “bras annexe” ne çons naturels sont sélectionnés grâce aux processus
se voient pas assigner d’ordre car leur importance précédents et les tronçons artificiels sont éliminés.
dépend surtout de l’ordre du cours d’eau continu Mais il est possible d’envisager aussi une typification
principal auquel ils sont associés, et de leur propre de ces zones. La typification signifie que l’on réduit
longueur. arbitrairement la quantité de tronçons artificiels pour
correspondre à la résolution de la nouvelle base de
Ensuite, l’ordre de Horton de chaque cours d’eau données mais que les tronçons restants permettent
continu est finalement calculé comme étant le maxi- toujours d’identifier la zone d’irrigation en gardant
mum des ordres de Strahler des tronçons qui le com- ses propriétés.
posent. Ainsi, on peut déterminer quels sont les
cours d’eau continus les plus importants et quels
sont les moins importants. Cette hiérarchisation est
5 Résultats
le critère de base de la sélection. Le processus complet d’enrichissement et de
sélection décrit dans cet article a été testé sur le
Donc, on sélectionne d’abord les cours d’eau réseau hydrographique d’un département français
continus par un seuil sur l’ordre de Horton et sur la entier, les Pyrénées-Atlantiques (7600 km2) qui pos-
longueur totale du cours d’eau continu. Par exemple, sède une diversité de paysages (montagnes,
si on se place dans notre cas d’étude qui est la géné- plaines, côte maritime et zones d’irrigation) en plus
ralisation de la BD CARTO® à partir de la BD d’être le découpage d’un plus grand bassin versant.
TOPO®, on dérive ces seuils des spécifications de la Le processus a été implémenté sur le SIG Radius
BD CARTO® : tous les cours d’eau continus d’ordre Clarity™ de la société 1Spatial qui est utilisé à l’IGN
supérieur à 3 ou d’une longueur supérieure à 1 km pour les processus de généralisation. Comme expli-
sont sélectionnés. Dans le cas de cours d’eau conti- qué dans la partie 3 de cet article, le processus a été
nus de type “bras annexe”, la sélection est un peu appliqué au cas de la généralisation de la BD

51
CFC (N°194 - Décembre 2007)
CARTO® (10 m de résolution) à partir de la BD tiples : proposition d’une méthode pour gérer les
TOPO® (1 m de résolution). Plusieurs résultats obte- extraits de bassins versants, mais surtout introduc-
nus complètement automatiquement sont présentés tion d’une dynamique prenant en compte les struc-
en figure 10. tures caractéristiques d’un réseau hydrographiques
(îles, zones d’irrigation) ainsi que des méthodes pour
La figure 10 montre que le jeu de données sélec-
les détecter ; enfin, proposition d’une méthode de
tionné est très proche de la base de données cible
correction contextuelle du sens d’écoulement de
(BD CARTO) et même légèrement de meilleure qua-
l’eau. Le processus se déroule en plusieurs étapes :
lité avec des problèmes de connectivité du réseau
correction des données initiales, enrichissement des
corrigés (fig.10(a)). Les données généralisées et les
données, hiérarchisation des cours d’eau et enfin
données cibles ont la même densité et quantité de
sélection. L’implémentation du processus sur le SIG
cours d’eau et les cours d’eau principaux sont les
Radius Clarity™ donne des résultats encourageants
mêmes. Les résultats présentés en figure 10(b) per-
sur des données réelles et importantes en taille.
mettent également d’expliquer la notion de “sélection
équivalente”. Comme les données initiales et cibles
Plusieurs perspectives existent pour améliorer ce
sont issues de bases de données complètement
processus. Tout d’abord, les structures géomorpho-
indépendantes dans leur gestion et leur création, des
logiques des bassins versants sont un sujet
différences de mise à jour et des biais dans les spé-
important (fig.11). Savoir que les cours d’eau appar-
cifications de saisie empêchent de pouvoir sélection-
tiennent à une structure spécifique de bassin versant
ner automatiquement et exactement les données
pourrait permettre de contraindre la sélection pour
cibles. L’idéal est alors d’obtenir une sélection équi-
préserver les caractéristiques de ces structures.
valente aux données cibles. Une sélection équiva-
Le laboratoire COGIT essaie actuellement de
lente consiste en une sélection exacte des éléments
développer des mesures pour détecter automatique-
(ici cours d’eau) les plus importants, une sélection
ment de telles structures. Il serait donc intéressant
donnant à peu près la même quantité et la même
de pouvoir les appliquer au cas de la sélection de
densité d’objets, et enfin une sélection acceptant
réseaux hydrographiques.
quelques différences dans le choix des éléments
secondaires sélectionnés (fig.10(b)). Dans cet
Ensuite, davantage de travail pourrait être effec-
exemple, la sélection est même de meilleure qualité
tué sur la détection de structures dans les réseaux
que les données cibles car l’actualité des données
hydrographiques. Par exemple, les méandres pour-
est meilleure tout comme la cohérence par rapport
raient être détectés pour être sûr que le cours d’eau
aux spécifications. Enfin, la figure.10(c) montre des
continu principal suit bien le tracé du méandre. Les
résultats intéressants sur la sélection des îles. Sur un
méandres pourraient aussi être caractérisés automa-
réseau parfait en terme de sens d’écoulement, les
tiquement (taille, homogénéité, etc..) pour enrichir la
résultats sont très bons mais dans le cas contraire,
base de données généralisée et aussi faciliter une
les pré-traitements de correction présentés dans la
future généralisation géométrique de ces méandres.
partie 3 sont indispensables.
De plus, il serait intéressant d’améliorer encore la
correction contextuelle du sens d’écoulement de
6 Conclusion et perspectives l’eau pour obtenir de très bonnes corrections sans
Cet article propose un processus complet de utiliser de données d’altitude. Des règles plus com-
sélection des réseaux hydrographiques linéaires. Ce plexes pourraient également être introduites dans le
processus est basé sur des travaux précédents en choix du chemin de meilleure continuité. Enfin, dans
généralisation de réseaux hydrographiques comme le cas d’un processus complet de généralisation du
[Thomson & Brooks 2000] qui introduit la notion de réseau hydrographique, il serait intéressant de consi-
“strokes” ou cours d’eau continus, mais aussi dérer des algorithmes de simplification tels que
[Mauger 1997] pour la hiérarchisation des cours [Christensen 2003].
d’eau du réseau. Les apports de ce travail sont mul-

52
CFC (N°194 - Décembre 2007)
Bibliographie
Christensen A.H.J., 2003, “Two Experiments on Stream Network Generalisation”, dans Proceedings of the 21th ICC.
ICA, Durban, South Africa.

Deffontaines B., Chorowicz J., 1991, “Principles of Drainage Basin Analysis from Multisource Data: Application to the
Structural Analysis of the Zaire Basin”, Tectonophysics, 194, p. 237-263.

Heinzle F., Anders K.-H., Sester M., 2006, “Pattern Recognition in Road Networks on the Example of Circular Road
Detection”, dans Proceedings of the 4th International Conference GIScience 2006, Münster, Germany, p.153-167.

Horton R.A:, 1945, “Erosional development of Streams and their Drainage Basins: Hydrophisical approach to
Quantitative Morphology” , Geo. Soc. America Bull., vol. 56 , p. 275-370.

Howard A.D., 1967, “Drainage Analysis in Geologic Interpretation: a summation”, Bull. Am. Assoc. Pet. Geol., 51(11), p.
2246-2259.

MacEachren A.M., 1995, How Maps Work, The Guilford Press, p. 51-150.

Mackaness W., Edwards G., 2002, “The Importance of Modelling Pattern and Structure in Automated Map
Generalisation”, dans. Proceedings of Joint Workshop on Multi-scale Representations of Spatial Data, Ottawa, Canada.

MacMaster R.B., Shea K.S., 1992, Generalisation in Digital Cartography, Washington D.C., Association of American
Cartographers.

Martinez Casasnovas J.A., Molenaar M., 1995, “An Aggregation Hierarchy for Multiple Representation of
Hydrographic Data Within the Context of Conceptual Generalisation”, dans Proceedings of the 17th ICC. ICA,
Barcelona, vol. 1.

Mauger F., 1997, Hiérarchisation d’un réseau de talwegs en vue de sa généralisation, mémoire de master , Laboratoire
COGIT Laboratory.

Paiva J., Egenhofer M., 2000, “Robust Inference of the Flow Direction in River Networks”., Algorithmica, 26 (2).

Richardson D., 1994, “Generalisation of Spatial and Thematic Data Using Inheritance and Classification and
Aggregation Hierarchies”, dans Advances in GIS Research 2, London, Taylor and Francis, p. 957-972.

Shreve R.L., 1966, “Statistical low of stream numbers”, Journal of Geology, vol.74, p. 17-37.

Strahler A.N., 1957, “ Quantitative Analysis of Watershed Geomorphology”, American Geophys. Union Trans., vol. 38
(6), p. 913-920.

Thomson R., Brooks R., 2000, “Efficient generalisation and abstraction of network data using perceptual grouping”,
dans Proceedings of the 5th GeoComputation, University of Greenwich, Kent U.K.

Thomson R., Richardson D., 1999, “The “Good Continuation” Principle of Perceptual Organization Applied to the
Generalisation of Road Networks”, dans Proceedings of the 19th ICC. ICA, Ottawa, Canada.

Touya G., 2006., “, Münster, Germany, p.

53
CFC (N°194 - Décembre 2007)
Figure 1 : Description de la hiérarchisation de Strahler et de Horton utilisée pour la sélection. La première étape est la
classification de Strahler de chaque tronçon. Ensuite, la classification de Horton d'un cours d'eau est le maximum des
ordres de Strahler des tronçons qui le composent.. Extrait de [Thomson & Brooks 2000]

Figure 2 : Deux extraits des réseaux hydrographiques utilisés : à gauche, un extrait de la BD TOPO® et à droite, un
extrait de la même zone dans la BD CARTO®

Figure 3 : (a) le tronçon en gras a un mauvais sens d'écoulement car il y a incohérence avec ses voisins ; (b)
le tronçon en gras a un mauvais sens d'écoulement car il y a incohérence avec ses voisins et il est le premier tronçon
d'une rivière, issu d'une source

54
CFC (N°194 - Décembre 2007)
 Appartient à > Ile complexe
Zone d'irrigation Tronçon de cours d'eau
* 1..* Appartient au contour de >
nom : string
géometrie : Polygone ordre strahler: integer 1..* 0..1 géometrie : Polygone
1 irrigation_artificiel : boolean aire : real
*

1 1
1..* 1
1..* A pour 1er tronçon >
Stroke d'irrigation A pour dernier tronçon > 0..1
1..*
0..1
0..1
sinuosité : string
Perte Source 1..*
nb intersection : integer Cours d'eau continu
longueur : real nom : string type : string 1 1 Ile
géometrie : Ligne ordre_horton: integer
noeud : Objet noeud : Objet
géometrie : Ligne 2..*entoure > nom : string
géometrie : Point géometrie : Point
longueur : real
nom : string * aire : real
0..1 type : string géometrie : Polygone
0..1
regime : string
1 nom : string

*
Est bras annexe de <

Figure 4 : Schéma de données enrichi pour la sélection de réseaux hydrographiques

Chemin principal

Figure 6 : Choix du cours d'eau principal à un point de

Limite de confluence, point avec 2 tronçons amonts
zone et 2 tronçons avals

Figure 5 : Les 2 types de sources : les croix simples

sont des sources naturelles alors que celles en gras
sont des sources de type "limite de zone"

Figure 7 : Des îles simples à gauche et une île complexe Figure 8 : Résultats de la création automatique de zones
composée d'îles simples adjacentes à droite. d'irrigation : le polygone en gras marque le contour
Les contours sont automatiquement créés de la zone d'irrigation
par le processus

55
CFC (N°194 - Décembre 2007)
 Figure 9 : Résultats de la détection automatique
des tronçons artificiels dans une zone d'irrigation. En bleu, les tronçons naturels
et en gris, les tronçons artificiels

(a)

(b)

(c)

Figure 10 : Résultats du processus de sélection dans 3 zones différentes : à gauche,

les données initiales de la BD TOPO®, au milieu, les données généralisées
et à droite, les données de comparaison de la BD CARTO®

Figure 11 : Classification des structures géomorpholo -

giques des bassins versants [Howard 1967]

56
CFC (N°194 - Décembre 2007)