Approche multicritère pour l'implantation d'éoliennes au Liban

2. Collecte et traitement des données sélectionnées

Pour répondre à la problématique de l'étude, nous avons collecté plusieurs données nécessaires à l'approche multicritère pour la recherche d'un site potentiel aux éoliennes. Nous avons utilisé différents logiciels de SIG pour le traitement et l'analyse des entités géographiques (ArcGis et QGIS). Les données géographiques sont sous forme de vecteur ou raster (Figure 14), compatibles avec les logiciels SIG [Villacreses et al., 2017]. Un raster est une image matricielle formée de grilles rectangulaires (pixel), chaque pixel représente une information spatiale [Sánchez-Lozano et al., 2013]. Le mode vecteur est une manière de représenter les entités spatiales par des formes géométriques : points, lignes ou polygones [Villacreses et al., 2017].

Figure 14 : Différenciation entre le mode raster et vecteur

Source : Chakhar, 2006

Pour les données des vents, nous avons obtenu la moyenne de la vitesse du vent mensuelle, mesurée à 10 m de l'atlas des vents (CEDRO). Ces données sont collectées par des stations du service météorologique libanais. Nous avons utilisé les valeurs extrapolées à 50 m de l'étude de Zohbi [2014], qui avait traité également les données de cet atlas. Toutes ces valeurs ont été rassemblées dans un tableau Excel où nous leur avons attribué une référence spatiale afin de les importer dans ArcGis sous forme de points.

Les bases de données des routes, points d'agglomérations, rivières, zones historiques, zones protégées, forêts et réserves naturelles sont issues du Schéma Directeur d'Aménagement du Territoire Libanais (SDATL). Il a été élaboré en 2002 en collaboration avec le gouvernement libanais, représenté par le Conseil du Développement et de la Reconstruction (CDR) et la Direction Générale de l'Urbanisme. Il est donc nécessaire de mettre à jour ces données géographiques avant toute utilisation. Nous nous sommes aidés des images satellitaires (Google Earth, fond de carte d'ArcGis) pour améliorer les données, ainsi que les documents présents sur

33

le site du Ministère de l'Environnement et les données géographiques en libre accès diffusées sur le site OpenStreetMap⁷.

Faute d'avoir accès à la base des données contenant les bâtiments digitalisés, nous nous sommes servis de la base de données des points d'agglomération, à laquelle nous avons appliqué une distance aux villes. Cependant, cette couche ne prend pas en compte les habitats isolés qui ne sont pas pour autant négligeables. Pour pallier ce déficit, nous avons pris un échantillon de la zone la plus potentielle dans laquelle nous avons digitalisé les habitats et appliqué la contrainte de la distance aux habitats.

La pente est dérivée à partir du modèle numérique de terrain (SRTM 28,5 m) obtenu sur le site du United States Geological Survey ( USGS-earthexplorer.usgs.gov). Cette résolution a été estimée suffisante pour la superficie étudiée.

Pour les données concernant les réseaux électriques, nous avons digitalisé la carte établie par EDL. Une marge d'erreur peut être présente surtout à grande échelle puisque la résolution de la carte est grossière.

Afin de pouvoir superposer les couches, nous avons projeté toutes les données dans le système Lambert Conformal Conic (ellipsoïde : Clark 1880). C'est la projection la plus utilisée pour les données disponibles au Liban.

À partir de ces données, nous avons construit un ModelBuilder dans ArcGis. C'est une forme d'organigramme dynamique [Cristea et Jocea, 2016]. Cette application permet d'automatiser plusieurs opérations, de partager le travail entre les utilisateurs, de sauvegarder une chaîne de traitement et de construire un modèle complexe quel que soit le niveau de l'utilisateur [Ibid.].

Nous avons assemblé toutes les données géospatiales dans une geodatabase. L'inconvénient de ce format de stockage est qu'il n'est pas compatible avec tous les logiciels de SIG [Donnelly, 2010], mais il a une capacité à stocker divers types de données (raster, vecteur, TIN⁸, etc.) et de les manipuler facilement. Cette flexibilité nous a conduit à privilégier une géodatabase plutôt que d'utiliser plusieurs shapefile et fichiers raster [Zeiler, 1999]. Par exemple, l'option « itérer dans des classes d'entités » ou bien Iterate Feature Classes dans ModelBuilder, comme le montre la Figure 15, autorise l'exécution d'un outil pour chaque entité d'une géodatabase.

⁷ Le site openstreetmap.org met à la disposition de l'utilisateur des données libres et gratuites.

⁸ Triangulated irregular network ou Réseaux Triangulés Irréguliers est une forme pour représenter la morphologie d'un terrain, la méthode consiste à relier les points en un réseau de triangles [Zeiler, 1999].

34

Figure 15 : Le calcul de la distance euclidienne à chaque entité géographique de la

géodatabase

Source : Modèle dans ModelBuilder

L'ajout des %x% permet de gérer les noms des entités en sortie

Le format conseillé pour une approche multicritère est le raster en raison de la rapidité des traitements [Villacreses et al., 2017]. De même, l'analyse continue de nos données spatiales nous impose le format raster. Par exemple, la distance euclidienne dans ArcGis permet de calculer la distance entre les entités, elle convertit toutes les données d'entrées en format raster avant de les analyser. Enfin, afin d'éviter des erreurs de chevauchement, nous avons ré-échantillonné toutes les mosaïques d'images à environ 28,5 mètres/pixel, ce choix est basé sur la résolution du MNT.

Une fois les contraintes et les critères traités, nous placerons une série de démarche méthodologique pour trouver les sites les plus potentiels aux éoliennes au Liban.

35