Soutenance de thèse de LIPOVAC Leo
Titre de thèse
Combien d'habitants?
De la détection du bâti à l'estimation de la population pour différentes régions d'Afrique
How Many Inhabitants? From Built Area Detection to Population Estimation in Various African Regions
Résumé de la thèse
L'objet de cette thèse est de développer et d'évaluer des modèles démographiques pour estimer la population à partir des caractéristiques du bâti. Le plus souvent, les estimations de population s'appuient sur un carroyage, découpant l'espace en cellules de grille homogènes, comme celles produites et popularisées par le projet WorldPop. Nous proposons ici une méthode innovante, utilisant des zones bâties identifiées par le projet TeleCense et détectées à partir d'images des satellites Sentinel, comme unité principale d'analyse. L'objectif est d'obtenir une estimation fine de la population, tout en tenant compte de la diversité des zones bâties et d'évaluer la fiabilité des prédictions démographiques obtenues.
Pour atteindre ces objectifs, deux approches sont explorées. La première consiste en une méthode descendante, qui répartit la population des zones administratives dans des unités plus fines, en s'appuyant sur des données complémentaires pour affiner les estimations. Cette méthode est d'abord développée et testée à Madagascar, un pays choisi pour sa diversité agro-climatique et la qualité de son dernier recensement (RGPH-3, 2018). Son application à six régions permet de valider les estimations et d'en évaluer la pertinence. Elle est ensuite mise en œuvre au Bénin, ce qui révèle certaines limites des méthodes descendantes.
La partie suivante de la thèse se concentre sur la création d'une méthode ascendante novatrice, permettant d'estimer la population de zones géographiques sans recensement récent et totalement indépendante de données de recensement. Cette méthode ascendante repose uniquement sur des données issues de la télédétection et des informations socio-démographiques facilement disponibles, afin de rendre le modèle applicable à d'autres régions. Cette nouvelle approche est appliquée à Mayotte, grâce à des données démographiques précises, puis dans un contexte de fortes densités urbaines, dans la sous-préfecture d'Abidjan, en Côte d'Ivoire, posant un véritable défi en termes de modélisation.
Enfin, le dernier chapitre de la thèse est consacré au développement d'un modèle d'estimation exploitant les données très récentes « Open Buildings 2.5D » de Google Research, qui offrent une représentation détaillée et à haute résolution des surfaces bâties, incluant une estimation de la hauteur des bâtiments. En reprenant l'approche globale développée dans cette thèse, l'objectif est de mesurer dans quelle mesure une identification plus fine du bâti – quasiment bâtiment par bâtiment – permet d'améliorer la qualité des modèles démographiques.
Thesis resume
The aim of this thesis is to develop and evaluate demographic models for estimating population on the basis of building characteristics. Most often, population estimates are gridded, dividing space into homogeneous cells, such as those produced and popularised by the WorldPop project. Here we propose an innovative method, using built-up areas identified by the TeleCense project and detected from Sentinel satellite images as the main unit of analysis. The aim is to obtain accurate population estimates, while taking into account the diversity of built-up areas, and to assess the reliability of the demographic predictions obtained.
To achieve these objectives, two approaches are explored. The first is a top-down method, which divides the population of administrative zones into finer units, using complementary data to refine the estimates. This method was first developed and tested in Madagascar, a country chosen for its agro-climatic diversity and the quality of its most recent census (RGPH-3, 2018). By applying it to six regions, we were able to validate the estimates and assess their relevance. It is then implemented in Benin, revealing some of the limitations of top-down methods.
The next part of the thesis focuses on the creation of an innovative bottom-up method, completely independent of census data, for estimating the population of administrative areas in the absence of a recent census. This bottom-up method relies solely on data from remote sensing and readily available socio-demographic information, in order to make the model applicable to other regions. This new approach is being applied to Mayotte, using precise demographic data, and then in a context of high urban densities, in the sub-prefecture of Abidjan, in Côte d'Ivoire, being a real challenge in terms of modelling.
Finally, the last chapter of the thesis is devoted to the development of an estimation model using the very recent ‘Open Buildings 2.5D' data from Google Research, which provides a detailed, high-resolution representation of built-up areas, including an estimate of building height. Using the global approach developed in this thesis, the aim is to measure the extent to which finer identification of the built environment - virtually building by building - can improve the quality of demographic models.