Navigation – Plan du site

AccueilRubriquesSystèmes, Modélisation, Géostatis...2014Réseaux de villes et déterminatio...

2014
683

Réseaux de villes et détermination des pressions urbaines

Networks of cities and evaluation of urban pressures
Fabrice Decoupigny et Sébastien Passel

Résumés

Dans un réseau de villes, la croissance urbaine est dépendante de deux processus spatiaux à deux échelles distinctes. Le premier est l’urbanisation qui consiste soit à construire sur les réserves foncières (étalement urbain), soit à densifier le tissu urbain. Le second dépend de l’extension du réseau de villes induit par la mobilité qui permet de trouver des espaces libres à l’urbanisation. L’objectif est de construire un indice de pression urbaine capable d’estimer les espaces sensibles à l’urbanisation. Nous construisons cet indice sur la base de variables spatiales qui intègrent les accessibilités et les occupations du sol. Ainsi, l’indice de pression permet d’estimer les vulnérabilités à l’étalement urbain engendrées par la croissance métropolitaine.

Haut de page

Texte intégral

Introduction

1L’évaluation des pressions urbaines est actuellement un enjeu dans les diagnostics territoriaux que mènent les collectivités locales dans leurs documents d’aménagement (PLU, SCOT…). Dans cette « ville durable » que les acteurs locaux tentent de définir se niche une préoccupation qui sous-tend une réflexion sur la morphologie de la ville – ville horizontale ou ville verticale – oscillant entre deux visions extrêmes : l’étalement urbain qui s’oppose à la densification. La littérature grise sur le sujet montre que l’étalement urbain est traité comme un risque de croissance urbaine lié à une hausse de la pression foncière.

2Compte tenu de l’accroissement des mobilités induit par la vitesse et les améliorations des réseaux de transports associés à l’ouverture de surfaces constructibles, les potentialités de développement urbain sur les communes appartenant à un réseau urbain ne seront pas les mêmes. Il est donc intéressant d’approfondir ces facteurs liés aux mobilités et de voir de quelles manières les accessibilités sont susceptibles d’introduire des risques de pressions urbaines sur des communes périphériques et rurbaines.

3Une question revient régulièrement dans des réunions de comité de pilotage des documents d’urbanisme : « quels sont les risques d’urbanisation sur le territoire ? »

4Si les documents d’aménagement mettent en exergue un phénomène de pression urbaine sur l’environnement, cette dernière n’est pas définie, si ce n’est de manière intuitive, et relève plus du retour d’expérience sur le terrain que d’un résultat d’une véritable analyse spatiale.

5Cette notion de pression est excessivement répandue. Elle est souvent utilisée comme étant la cause des dynamiques urbaines et des pressions foncières inhérentes. Le plus souvent, la pression urbaine est déterminée par l’analyse de la différence entre deux états du statut d’occupation du sol à deux dates données. Il y a pression urbaine quand généralement la part des surfaces artificialisées gagne sur celle des surfaces agricoles et/ou naturelles.

6Il n’existe pas d’indicateur générique de pressions urbaines. C’est-à-dire un indicateur défini a priori et non a posteriori qui puisse être utilisé dans des modèles de simulations prospectifs. La pression urbaine sur une commune sera définie comme étant une intensité qui s’applique sur ses réserves foncières engendrée par deux « forces d’urbanisation » agissant à deux échelles différentes. La première est son poids donné par sa taille et la seconde est le poids du réseau de villes donnée par les potentiels d’interactions que la ville possède avec ses voisines en fonction de son accessibilité.

7La sensibilité des territoires à l’urbanisation pourra alors être appréhendée par un indice de pression qui dépendra des variables spatiales d’occupation du sol couplées avec un modèle gravitaire d’accessibilité qui mesurera les mobilités potentielles comme étant des opportunités de déplacements (Koenig, 1974). L’objectif du travail est de construire et de tester un indicateur de pression urbaine sur des réseaux de villes et d’identifier les territoires les plus vulnérables à la croissance urbaine. Le second objectif poursuivi est la mise au point d’un outil d’aide à la décision en aménagement du territoire. À partir d’un modèle de simulations, nous expérimenterons cet outil en fonction de scénarios prospectifs : où la pression urbaine se portera-t-elle sur le territoire si les indicateurs d’accessibilité, d’urbanisation (densité, surfaces de réserves foncières, population) venaient à varier ?

Croissance multi échelle des réseaux de villes

Deux facteurs : la disponibilité des sols et l’accessibilité

8Les travaux sur la croissance des espaces urbains ont bien montré que cette dernière s’opérait à différentes échelles, les villes construisant alors deux espaces (Pumain, 1997) : la ville et le système de villes. L’espace urbain croit simultanément sur deux niveaux d’organisation. Le premier représente l’espace local des fréquentations quotidiennes où les surfaces se spécialisent, c’est l’échelle de l’urbanisme. Dans notre cas, c’est la capacité pour une ville à accueillir des constructions sur des parcelles. Nous avons donc une surface de construction qui va croître par percolation de proche en proche et donner la tâche urbaine. Les villes essaiment, vers les communes périphériques, des espaces artificialisés qui consomment des surfaces naturelles et agricoles (Bonnafous, 1993 ; Dupuy, 1999). Le second niveau (système de villes) est l’échelle métropolitaine qui s’organise sur un territoire autour d’un réseau de villes (Lacour et Puissant, 1999 ; Ferrier, 2000 ; Moriconi-Ebrard, 2000 ; Gaschet et Lacour, 2002). Les différents travaux sur la croissance urbaine s’opérant sur les réseaux de villes se sont surtout attachés à décrire les structures réticulaires polycentriques et les hiérarchies urbaines afin d’analyser les dynamiques de croissance (Pumain, 1994 ; Rabino et Occelli, 1997 ; Cattan et Saint-Julien, 1998).

  • 1 L’accessibilité (Hansen, 1959 ; Huriot et Perreur, 1995) s’exprime sous la forme d’une fonction inv (...)

9La structure en réseau de villes devient alors un facteur important de la croissance urbaine puisque les unités urbaines s’échangent mutuellement de l’attractivité par les interactions spatiales qu’elles entretiennent, ce qui a pour incidence l’essaimage de surfaces à construire. Un des moyens d’appréhender ces interactions dans une analyse de réseau est d’introduire le concept d’accessibilité1 (Chapelon, 1996 ; Baptiste, 1998). La distance devient alors une variable d’état dans les calculs d’attractivités des unités spatiales.

10Pondérée par la population, l’accessibilité est à la base des modèles gravitaires. Ces derniers permettent de calculer des potentiels d’interactions afin de déterminer des attractivités, des opportunités (Koenig, 1974), des flux potentiels (Hagestrand, 1957) ou des aires d’influence sur les espaces (Reilly, 1929 ; Huff, 1962 ; Hagett, 1973). Ainsi, il est possible, à travers des modèles gravitaires, d’intégrer les probabilités de mobilités et d’évaluer l’extension d’un réseau de villes sur un semis de point, et d’en déduire les capacités de croissances urbaines (Decoupigny et Fusco, 2009). Si ces modèles permettent d’avoir des résultats sur l’émergence de structures réticulaires et de leur extension, ils ne permettent pas pour autant d’évaluer la sensibilité des unités urbaines à accueillir une urbanisation. Or ce sont bien les pressions urbaines, s’exerçant dans un réseau de villes, que nous voulons définir, afin de localiser sur un territoire les unités urbaines les plus vulnérables à l’urbanisation.

11Dans un contexte d’extension des tissus urbains, nous pouvons poser l’hypothèse que des espaces non urbanisés peuvent se distinguer dans les processus d’étalement urbain. Selon divers facteurs liés à leur propre contexte et à leur environnement immédiat, ils feront l’objet de pressions de différentes intensités. Ces espaces n’auront donc pas les mêmes potentialités et les mêmes risques d’être urbanisés selon leur place dans le réseau (accessibilité), leurs réserves foncières (surfaces disponibles) et la réglementation des sols (ouverture à l’urbanisation).

12Au-delà des facteurs multiples de croissance d’un réseau de villes dépendant en grande partie des attractivités, les réserves foncières représentent un facteur limitant par défaut l’extension urbaine.

13Il devient alors important d’identifier pour les territoires non construits, la sensibilité des surfaces à l’urbanisation dans une problématique de gestion économe de l’espace. Or, force est de constater que nous manquons d’indicateurs spatiaux quant à la détermination des risques et des aléas d’urbanisation. Un concept tente d’émerger en parlant de « pression urbaine » ou de « pression sur l’environnement » (Puissant et Weber, 2002 ; Ode et Fry, 2005 ; Chery, 2010).

14Le processus de croissance urbaine qui s’opère sur un réseau de villes sous-tend une extension des réseaux sur des territoires moins urbanisés et entraîne alors un fort risque d’étalement urbain (Barattucci, 2006). La grande majorité de la bibliographie se référant à l’urbanisme et à ses diverses composantes emploie souvent le terme de pression sur tels ou tels espaces, qui serait l’une des causes principales de l’étalement urbain. De nombreuses études – notamment nord-américaines – se sont attachées à définir d’une manière scientifique l’urban sprawl et son impact sur les territoires (Herold et al., 2003 ; Hasse et Lathrop, 2003). Il en ressort que l’étalement urbain dépend de la localisation (accessibilités aux centres urbains) et de la réglementation des sols à la construction. Dans tous les cas, ces travaux montrent que la croissance urbaine doit s’inscrire sur des territoires suffisamment élargis (ensemble de communes, EPCI, PNR, territoire SCOT…) car l’étalement urbain d’une unité spatiale dépend de son poids et de sa localisation dans un réseau.

15En revanche, le concept de pression demeure très ambigu. Généralement la pression urbaine est abordée, dans les travaux sur les croissances urbaines, en évaluant soit :

  • les changements d’occupation des sols, la pression étant vue comme l’impact de la poussée urbaine sur les milieux naturels ou agricoles (Cabral, 2006 ; Laroche et al., 2006) ou bien la propension à l’urbanisation des terres non urbanisées (Thinon et al., 2007).

  • en définissant la pression urbaine comme étant une densité, c’est-à-dire le rapport entre une quantité (nombre de logements, d’entreprises, d’habitants…) et une surface (Briquel et al., 2007 ; Zwierzchowska, 2008). Plus la densité est forte, plus la pression est jugée importante.

16Les études faites au sujet des indicateurs spatiaux et de leurs rôles dans le développement des espaces urbains (DRE Languedoc-Roussillon, 2003 ; Weber et Puissant, 2002 ; Overbeek et Ader, 2003 ; Bouma et al., 1998 ; Lourenço et al., 2002 ; Laroche et al., 2006 ; Decoupigny, 2007) s’accordent sur le principe que d’une manière générale, la croissance urbaine est déterminée par deux paramètres (forces conductrices) socio-spatiaux majeurs :

  • les dynamiques de populations, soulignées par l’augmentation de la densité et des mobilités,

  • les modifications d’usage du sol, entraînant de ce fait une extension de la tâche urbaine sur des communes anciennement rurales qui changent de statut pour devenir urbaines.

17D’une manière générale, ces analyses mettent en évidence un jeu de variables territoriales (socioéconomiques, spatiales et démographiques) qui engendrent une pression urbaine. La pression apparaît alors comme une conséquence des variations des indicateurs et non pas comme une cause d’un processus d’urbanisation. En définitive, la pression urbaine s’évalue a posteriori.

18Nous sommes face à un processus qui s’opère à la fois sur un espace continu (surface disponible par commune) et un espace discret (le réseau de villes). Il est donc important lorsque l’on travaille sur la croissance urbaine, d’intégrer la variable spatiale de la surface dans les modèles, tant il apparaît évident que cette dernière semble être un facteur limitant par défaut ; pas de surface disponible, pas d’extension de la tache urbaine possible.

19Nous allons poser que chaque unité urbaine est soumise à une intensité (ou force) qui s’exerce sur son tissu urbain et sur les réserves foncières non urbanisées environnantes. Cette intensité, qui s’exerce sur deux niveaux d’organisation, est générée par deux forces :

  • l’une interne : le poids de l’urbanisation de l’unité urbaine (à l’image de la quantité d’air existant dans un ballon)

  • l’autre externe, c’est-à-dire le poids du réseau de villes auquel appartient l’unité urbaine (à l’image de la pression atmosphérique qui s’exerce sur le même ballon).

20La pression qui va s’exercer sur les réserves foncières d’une commune sera une fonction composite des deux forces :

  • la première interne qui correspond à la taille de la ville engendrée par une population répartie sur une surface bâtie ;

  • la seconde externe qui correspond à la taille du réseau (étendue et accessibilités).

21Par conséquent, on suppose que plus les unités urbaines seront urbanisées et importantes dans un réseau de villes composé de grandes unités urbaines, plus les pressions sur les tissus urbains et les réserves foncières seront importantes.

22Nous allons aborder le problème uniquement sous l’angle spatial. Il n’est pas question de nier la dimension socio économique des processus complexes à l’œuvre dans les milieux urbains, mais de poser que les formes d’occupation du sol traduisent de manières factuelles ces processus urbains complexes : l’espace occupé étant alors le résultat de ces processus.

23L’objectif du travail réalisé est de définir, dans un premier temps, la force qui s’exerce sur les réserves foncières et d’élaborer une formalisation des pressions qui y découlent. Ainsi, il sera alors possible d’évaluer spatialement la vulnérabilité des réserves foncières à l’urbanisation en fonction de la taille des unités spatiales et du poids du réseau.

Sensibilité de la métropole azuréenne à l’urbanisation

24Si nous devons utiliser l’accessibilité et l’occupation des sols dans un modèle, nous devons savoir si ces variables sont discriminantes sur le territoire. Pour y répondre, nous allons réaliser une Classification Ascendante Hiérarchique (CAH) en croisant des variables d’accessibilités et d’occupation des sols.

25Dans tous les calculs statistiques qui vont suivre (et ultérieurement pour le modèle gravitaire), l’accessibilité sera intégrée dans les procédures comme étant la quantité de population accessible en un temps de déplacement voiture donné. En effet, les enquêtes ménages de 1998 et 2009 effectuées sur le département des Alpes-Maritimes, ont montré que la voiture individuelle était le mode quasi dominant de déplacement entre les villes de la métropole niçoise.

26Précédemment nous supposions que la croissance de l’espace urbain d’un réseau de villes se faisait sur deux échelles distinctes : un étalement urbain sur la commune et une croissance réticulaire du réseau de villes.

27Pour cela, on pose l’hypothèse que la sensibilité des territoires à la croissance urbaine est contrainte par :

  • la disponibilité des sols à la constructibilité,

  • les réserves foncières potentielles,

  • la densité urbaine,

  • les accessibilités routières existantes sur le réseau de villes.

28L’objectif de cette analyse est de vérifier si le croisement statistique des variables de l’accessibilité et de l’occupation du sol fait émerger une organisation territoriale afin de détecter des sous-espaces homogènes, et ainsi définir une typologie des espaces de l’aire métropolitaine azuréenne.

29Si ultérieurement nous traiterons de l’ensemble de la région PACA, nous allons uniquement nous focaliser sur le territoire de la métropole azuréenne en nous limitant à deux départements : le Var (hors Toulon) et les Alpes-Maritimes pour lesquelles une base de données numérisées du POS 2001 (révisé 2006) est disponible.

30On suppose que si une de ces variables évolue, elle aura un impact sur l’organisation de l’espace urbain. Que la population augmente, la ville devra trouver de nouveaux espaces de construction. Si le réseau s’étend, il est fort probable que de nouvelles surfaces soient construites. Quant à l’occupation du sol, si elle venait à changer, il y a de grande chance que cela joue sur les densités.

    • 2 La plateforme FRED (FRéquentation Et Déplacement) est une plateforme de simulations développée par (...)

    Les populations accessibles à l’échelle communale, calculées par FRED2, en tenant compte de la rugosité des distances (avec α =1). L’accessibilité étant alors la somme des populations voisines pondérées par la distance :

Ai = ∑Pj/d(i,j)α
avec α = 1 ; d(i,j) la distance entre i et j ; Pi et Pj la population respectivement de i et j.

    • 3 Corine Land Cover France, 2006.

    La part des surfaces habitables par commune, calculée par le rapport entre les surfaces habitables (tissus urbains continus, discontinus et diffus) issues de la base de données CLC3 et la surface totale de la commune.

  • Les réserves foncières, pouvant être considérées comme la part des surfaces non urbanisées de la commune, c’est-à-dire le rapport entre la superficie des espaces agricoles et naturels de CLC et la surface totale de la commune. Nous intégrerons dans les surfaces des réserves foncières, toutes les zones agricoles et naturelles d’une commune. Nous considérons qu’elles peuvent être, à tout moment, déclassifiées en zones à urbaniser.

    • 4 Base de données « POS généralisés » réalisés par report des zonages POS par généralisation et accro (...)

    La part des zones naturelles constructibles (ZNC). Les données sont issues de la BD POS4 (ZNC = NA+NB) de la commune : rapport entre les superficies NA et NB de la commune et sa superficie totale

  • La densité de population sur les surfaces habitables de la commune.

Tableau 1 : Matrice des corrélations

Accessibilité

Part Surfaces habitables

Part Réserves foncières

Part ZNC

Densité

Accessibilité

1.000

Part surfaces habitables

0.731

1.000

Part réserves foncières

-0.778

-0.980

1.000

Part ZNC

0.447

0.456

-0.445

1.000

Densité

0.492

0.481

-0.536

1.000

31Les données ont été standardisées (moyenne par l’écart type). Après avoir vérifié la linéarité des variables, la matrice de corrélation nous a permis de constater que les variables réserves foncières et surfaces habitables étaient redondantes, avec un coefficient de corrélation quasiment égal à 1 (0,98). Ce fait s’avère finalement logique, puisque la surface communale équivaut grossièrement à la somme des surfaces bâties et non bâties, la part de l’une découle de l’autre, et inversement. D’autre part, au vu des coefficients de corrélation très élevés, il semble que l’accessibilité joue un grand rôle dans l’explication des variables surfaces habitables (0,73), et par conséquent, réserves foncières (-0,78). La sensibilité de ces zones serait donc probablement déterminée en grande partie par leur accessibilité. In fine, nous avons décidé de supprimer de notre analyse les surfaces habitables, d’autant plus que la variable densité prend en compte les chiffres de cette variable invalidée. Dans cette analyse, quatre variables définissent donc les principales forces conductrices de la pression urbaine : les accessibilités, les réserves foncières, les densités urbaines et les zones naturelles constructibles (réglementation des sols).

Figure 1 : Résultats de la CAH

Figure 1 : Résultats de la CAH

a. : Arbre de classification : quatre sous-ensembles homogènes
b. : Profil moyen des classes pour les quatre variables de la CAH

32Une analyse de variance a été effectuée sur les données standardisées des variables à l’échelle communale ; les résultats permettent de faire ressortir les variables qui contribuent le plus à la caractérisation entre les clusters (tableau 2).

Tableau 2 : Analyse de la variance des quatre variables

Accessibilité α =1

Réserves foncières

 % ZNC

Densité habitant

 % SCE interne

69.31

62.76

72.45

57.57

33Toutes les variables (tableau 2) expliquent à plus de 57 % la classification, ce qui démontre une certaine pertinence dans le choix des forces conductrices pouvant expliquer la sensibilité urbaine. C’est la part des zones naturelles constructibles par commune qui contribue le plus à la distinction des différents espaces sensibles (72 %), devant l’accessibilité (69 %) et les réserves foncières (63 %).

34Finalement, la densité sur les surfaces habitables semble la force conductrice la moins explicative dans le regroupement des espaces sensibles : ce sont donc les dynamiques de mobilité et les potentiels fonciers d’un territoire qui influencent le plus sa sensibilité, et par conséquent la possible déformation de ses espaces constructibles (modification partielle ou totale de l’usage du sol).

35Les résultats de la classification mettent en évidence que l’organisation territoriale peut être expliquée par l’accessibilité et de l’occupation du sol. La classification en quatre classes montre bien une organisation territoriale plus ou moins radioconcentrique autour des grands centres urbains où chacune des classes correspond à des territoires bien identifiés : communes des centres urbains (classe 1), communes périurbaines (classe 2), communes en cours de métropolisation (classe 4) et communes rurales de l’arrière pays (classe 3).

Figure 2 : Localisation des communes classées

Figure 2 : Localisation des communes classées

Classe 1 (rouge) : centres urbains au profil « type » des espaces saturés du littoral azuréen (forte densité et peu de réserves foncières).
Classe 2 (verte) : Communes périurbaines les plus sensibles à l’étalement urbain qui ont consommé une grande partie de leurs réserves foncières (faible densité et fort développement des ZNC).
Classe 3 (bleue) : communes rurales encore épargnées par la pression urbaine (faible densité et faible accessibilité). Ainsi, leurs ZNC y sont peu développées.
Classe 4 (jaune) : communes en mutation (en cours de métropolisation) qui subissent une influence grandissante engendrée par l’extension de la métropole azuréenne.

36La carte de la figure 2 peut effectivement donner la localisation des espaces les plus sensibles, en l’occurrence les communes de la classe 2 (communes périurbaines).

37Face à la rareté du foncier des communes de la classe 1 (centres urbains), l’urbanisation se reporte sur les communes les plus sensibles et les plus réceptives aux forces conductrices de la pression urbaine des communes de la classe 2. Il s’agit de l’ensemble des communes de Valbonne, Grasse, Biot, Vence et de leurs voisines, appartenant à la fois au secteur du parc Sophia-Antipolis et aux couronnes périurbaines des agglomérations de Nice, Cannes et Antibes.

38Il existe une réelle discontinuité entre les espaces les plus sensibles aux contraintes de la pression et les espaces potentiellement moins sensibles, qui peut plus ou moins s’apparenter à la limite administrative entre le département des Alpes-Maritimes et celui du Var : la sensibilité à l’urbanisation sera donc beaucoup plus importante sur les communes des Alpes-Maritimes.

39Si les résultats viennent confirmer que les communes du littoral des Alpes-Maritimes apparaissent les plus attractives et sont des lieux d’urbanisation préférentielle dans l’aire métropolitaine, ils permettent aussi de mettre en évidence des espaces à enjeux (communes de la classe 4).

40En effet, les communes de classe 4 correspondent à des espaces sensibles relativement hétérogènes, dans le sens où aucune situation de concentration ou de sous représentation des variables sélectionnées ne caractérise cette classe, toutes les variables atteignant plus ou moins la moyenne de l’ensemble métropolitain azuréen. Cette classe concerne des communes autour des centres bourgs de l’est Var (Draguignan, le Muy, Le Luc, Le Cannet des Maures…) bien desservies par l’autoroute A8 et certaines communes au Nord de l’agglomération niçoise. Ce sont des communes qui subissent une mutation de leur attractivité car elles s’ont en cours d’intégration dans le réseau métropolitain azuréen et sur lesquelles il est possible qu’une pression s’exerce ces prochaines années.

Modélisation de la pression urbaine

41À la base de la formalisation, il y a l’hypothèse que la pression urbaine d’une commune est induite par deux « forces d’urbanisation » : la première est fonction de l’état d’urbanisation dépendante de sa taille, la seconde est induite par l’intensité des interactions des villes dépendante de l’accessibilité. Autrement dit, la pression urbaine sur l’environnement est soumise à deux forces distinctes : la première est son poids donné par une population qui occupe une surface bâtie, la seconde est la force du réseau qui se répercute sur la commune. Le concept de pression tient alors compte des processus multi échelles de croissance urbaine sur un réseau.

Modèle de base du calcul de l’Indice de Pression IP

42En physique, le calcul de la pression s’apparente au rapport d’une force exercée sur une surface (P = F/S). Nous postulons que plus la concentration de la population sur un espace est forte et le territoire accessible, plus celui-ci sera soumis à une force importante : en conséquence, les espaces disponibles et constructibles d’une ville (les zones agricoles par exemple) seront d’autant plus fragiles que les forces d’urbanisation sont importantes.

43Nous avons donc élaboré un indice de pression (IP), qui synthétise l’état de contrainte d’un territoire, en quelque sorte la charge d’efforts qu’il doit supporter. Son objectif est d’évaluer les territoires les plus exposés à une pression urbaine afin de localiser sur le réseau de villes les communes qui possèdent un fort risque d’urbanisation. L’indice s’obtient par le rapport entre une fonction gravitaire qui calcule les interactions entre les unités urbaines et la quantité de réserves foncières que celles-ci possèdent.

44Il se présente sous sa forme générique suivante :

Sri est la surface des sols disponibles des communes, c’est-à-dire les superficies non urbanisées pouvant potentiellement servir de réserves foncières

Sri = Sti –Sui où Sti est la surface totale de la commune i ; Sui, la surface urbaine de i, on considère que toutes les surfaces non urbanisées sont potentiellement constructibles.

45Ai est la somme des interactions qu’exercent les communes voisines de i, c’est-à-dire l’intensité qui lie les communes entre elles dans le réseau. Il s’agit ici de postuler que le voisinage, composé des communes limitrophes de i, exerce des interactions d’autant plus fortes que la commune i se localise dans un réseau de villes plus ou moins dense et connecté.

Ai = Σ (Pi Pj / d(i,j)α ) pour tout d(i,j) < dmax relation (2)

46Avec d(i,j) la distance temps de déplacement voiture (chemin minimal calculé sur le graphe routier par l’algorithme de Floyd) séparant i et j, dmax la distance maximale de déplacement , α la rugosité de l’espace, Pi et Pj la population respectivement de i et j.

47En d’autres termes, on va considérer que la force qui s’exerce sur chaque commune est donnée par une localisation dans le réseau de villes et sa masse. Par conséquent, chaque commune possède un poids dépendant de sa position relative dans le réseau (donc une force) qui s’exerce sur les réserves foncières.

48On suppose ainsi qu’en prenant en compte les différents paramètres (temps de déplacement, taille de la ville, réseaux routiers), il est possible d’appréhender les sensibilités communales à l’urbanisation en mesurant les pressions urbaines engendrées par la croissance métropolitaine.

49La relation (1) peut aussi s’écrire de la manière suivante :

Par conséquent, la pression urbaine qui s’exerce sur une commune i est le produit de la masse de la ville i (population) par le potentiel qu’exercent les communes voisines sur la commune i.

50On considère que l’indice de pression est dépendant de la densité relative des réserves foncières (Pi/Sri) de la relation (2). Plus ce rapport est grand, plus la pression est grande. Implicitement ce rapport tient compte d’un état de développement indépendamment de la surface urbanisée puisque la taille de la population est autocorrélée avec l’espace urbain. Le graphique ci-dessous montre bien que plus la ville est grande plus la surface des zones denses est grande.

Figure 3 : Tailles en population et surfaces densifiées des communes en région PACA

Figure 3 : Tailles en population et surfaces densifiées des communes en région PACA

Sources : INSEE 2006 – CLC 2006

  • 5 C’est l’un des points à développer ultérieurement dans la poursuite du travail de recherche sur cet (...)

51Si Sri est nulle, c’est-à-dire qu’il n’existe plus de réserve foncière, alors IP =0. On considère que la pression urbaine sur l’environnement est nulle. La commune n’est plus vulnérable à l’étalement urbain, puisque toutes ses réserves naturelles ont été consommées. Mais la commune continue à peser puisqu’elle rentre dans les calculs des AAi des communes voisines5.

52L’indice de pression IP calcule la vulnérabilité des espaces non construits à la pression urbaine. Cet indice peut varier de différentes manières. Si une commune i, entre deux périodes, ne connaît aucun changement (population et surfaces constantes), son IP variera si les communes dans le voisinage ont connu une extension urbaine. La commune i verra alors son AAi, son IP et sa vulnérabilité augmenter. La fonction AAi peut alors être appréhendée comme étant les forces d’urbanisation existant dans son voisinage. En définitive, le numérateur (AAi × Pi2) calcule le poids (donc une force) de l’urbanisation qui va s’exercer sur la commune i.

53Dès lors, il devient important de bien différencier la pression urbaine et la force attractive d’urbanisation. La pression ne détermine pas l’état d’urbanisation d’une commune mais uniquement une dynamique qui s’exerce sur des espaces restés non construits.

54Une réglementation d’occupation des sols contraignante sur une commune aura pour effet de limiter la constructibilité mais aussi d’augmenter la pression sur le tissu urbain et les terrains restés ouverts à l’urbanisation. Deux cas peuvent alors se présenter entre deux périodes : le premier est une densification du tissu urbain, le second un report de la population sur les communes voisines.

  • 6 Pour les développements ultérieurs du modèle, il est bien entendu que nous définirons plus précisém (...)

55L’indice de pression tient donc compte du voisinage afin de déterminer la vulnérabilité des réserves foncières sur une commune. Dans tous les calculs qui vont suivre nous allons considérer que toutes les surfaces agricoles et naturelles sont des réserves foncières potentielles6.

Paramétrage du modèle sur la région PACA

56Le modèle de pression urbaine possède deux paramètres à calibrer : la distance maximale (dmax) d’interactions potentielles et la rugosité α des distances d(i,j). Si on suppose qu’il existe une pression urbaine qui pèse sur les communes, alors elle doit être corrélée avec des évolutions territoriales observées entre deux périodes. Pour cela, nous avons testé plusieurs calibrages : les soldes des migrations résidentielles et le nombre de logements construits par commune.

57Quatre bases de données ont été utilisées. Les surfaces sont données par la base de données Corine Land Cover de 2006 (CLC, 2006) et sont exprimées en hectare. Les données sur les populations (exprimées en milliers), les données sur les logements construits et les migrations résidentielles sont toutes issues du RGP de l’INSEE de 2006. Les réserves foncières (Sri) sont données par la somme des surfaces naturelles et agricoles.

Figure 4 : Evolution des variables du modèle entre 1999 et 2006

Figure 4 : Evolution des variables du modèle entre 1999 et 2006

58Les cartes ci-dessus montrent les variations (entre deux périodes censitaires) des variables que nous utilisons. Si, à première vue, la simple observation montre une continuité de la croissance urbaine (figure 4, cartes 1 et 2) le long du littoral et autour des grands pôles urbains avec un arrière pays relativement protégé, la consommation d’espace semble toucher un territoire plus large (figure 4, cartes 3 et 4). Cet étalement urbain montre que l’urbanisation diffuse a touché les zones périphériques des grandes agglomérations de la région mais aussi les communes localisées le long des autoroutes A8 (Draguignan, le Muy, Le Luc, Le Cannet des Maures…) et l’autoroute A51 qui dessert la vallée de la Durance.

59L’introduction du calcul IP va nuancer les premières observations en montrant que la pression urbaine sur l’environnement est discriminante en se concentrant sur des territoires déterminés.

  • 7 Logiciel de modélisation qui permet des calculs de fonctions gravitaires sur un graphe – conception (...)

60La distance d(i,j) (exprimée en minutes) est donnée par la matrice Origine / Destination des temps minimaux des déplacement en voiture sur un graphe routier et sont calculés par la plateforme de modélisation FRED (algorithme Floyd)7.

  • 8 Le cas particulier où Sri 06 = 0 et Sri 99 ≠ 0 donnerait une variation de pression négative et trad (...)

61Le paramétrage est réalisé sur la totalité des communes de la région PACA et les communes limitrophes des départements voisins afin de réduire les effets de bords (soit 1215 communes). Nous avons calibré le différentiel de pression urbaine de 2006 et de 1999 (Δ IP 06-99 = IP06– IP99)8 avec les migrations résidentielles et le nombre de logements construits sur la même période.

Tableau 3 : Combinaisons des variables du calibrage

Valeur des paramètres

Pas de

Dmax 1999 en minutes

0 à 120

5 minutes

Dmax 2006 en minutes

0 à 120

5 minutes

Alpha 1999

0 à 3

0.1

Alpha 2006

0 à 3

0.1

Nombre de simulations

51 840 600 combinaisons

Résultats

62Si le calibrage réalisé avec les migrations résidentielles ne donne pas de résultats significatifs (R2 non significatif variant entre 0.01 et 0.02), il en est tout autrement avec le nombre de logements construits par commune qui donne un R2 égal à 0.7 (largement significatif pour un α =0.01).

63Ce premier résultat concernant la variable de calibrage est logique, car une grande part des logements construits se localise avant tout sur des réserves foncières libres de constructions. Par conséquent, plus le nombre de logements construits est grand, plus les réserves foncières tendent à diminuer et plus l’indice de pression croît.

Tableau 4 : Résultats du paramétrage

R2 (Δ IP 06-99 // Logements construits entre 1999 et 2006) = 0.7

Paramètres

2006

1999

Distance max en minutes

71

52

Alpha

0,325

0.325

64Les résultats mettent en exergue une croissance de la pression sur les franges des réseaux de villes. On peut ainsi constater que la distance maximale des mobilités passe de 52 minutes à 71 minutes, cela veut dire que l’influence urbaine s’étend plus loin sur le territoire, et que la pression va atteindre des territoires en 2006 qui étaient épargnés en 1999. Ces résultats viennent corroborer les études qui montrent une croissance des aires urbaines de l’INSEE autour des grands pôles urbains en France (INSEE, 2010), la région PACA ne faisant pas exception.

  • 9 Certaines communes connaissent des hausses de pression jusqu’à un multiple de 60 comme par exemple (...)

65La faible valeur de alpha (Alpha = 0.325) indique que l’accessibilité est moins soumise aux poids de la distance. De manière générale, cela a pour effet de lisser l’accessibilité en la rendant plus homogène sur le territoire. Ainsi, apparaissent des arrières pays à fortes croissances de pression urbaine comme c’est le cas pour trois vallées de l’arrière pays niçois9 (Tinée, Haut Var et la Roya, cf. figure 5). L’augmentation des temps d’accessibilité (de 52 à 71 minutes) a fait franchir un seuil qui leur a permis d’entrer dans l’espace métropolitain azuréen engendrant ainsi une forte hausse de leur indice de pression.

66L’analyse géographique des résultats montre deux phénomènes distincts et complémentaires :

  • sur les communes rurales des arrière-pays, l’émergence d’une hausse des pressions urbaines due à l’extension des réseaux de villes appartenant aux deux métropoles provençales (figure 5),

  • sur les centres urbains du littoral des pressions urbaines qui restent très fortes (figure 6).

67Ces deux phénomènes de croissance montrent que le processus métropolitain est en croissance soutenue autour des grands pôles urbains. Les espaces métropolitains se développent en densifiant leur tissu et en essaimant un étalement urbain sur les communes périphériques. Mais la structure spatiale de la pression qui s’exerce entre les pôles urbains peut être différente.

68Pour les agglomérations de Marseille, Toulon et Avignon les pressions se concentrent sur la ville centre (cf. annexe). La distribution des pressions laisse apparaître une hiérarchisation entre les pôles urbains.

Tableau 5 : Part de la pression contenue dans la ville centre

Part de la pression issue de la ville centre

Marseille

Toulon

Avignon

Nice

87 %

70 %

53 %

30 %

  • 10 Pour Aix-en-Provence, la taille des surfaces naturelles et agricoles (presque 15 000 ha) entraîne d (...)

69Ces agglomérations possèdent aussi une part importante d’espaces naturels sauvegardés (Sainte-Baume, Calanques, Conservatoire du littoral, Montagne Sainte-Victoire…). Par conséquent le différentiel de pression entre les deux périodes censitaires s’explique surtout par une densification des zones habitées10. Le différentiel de pression est plus dépendant des variations des « forces d’urbanisations » (AAi × Pi2) que de la variation de l’occupation du sol, car une grande partie de ces espaces n’ont pas connu d’étalement urbain de part leur statut réglementaire. Ces résultats sont également observables autour de Fréjus - Saint Raphaël en raison de leur environnement protégé (site classé du Massif de l’Esterel).

70Pour la métropole azuréenne, la pression est partagée de manière plus homogène sur plusieurs pôles urbains (cf. annexe). Le différentiel de pression est surtout dû à la baisse des espaces libres (cf. les cartes 3 et 4 de la figure 4) engendrée par un étalement urbain soutenu entre 1999 et 2006.

71Il est à noter que la pression sur les communes du littoral varois (entre Hyères et Fréjus) n’est pas aussi élevée. On aurait pu s’attendre à une explosion de la pression entre les deux périodes. Étant donné que cette partie du territoire est excentrée par rapport aux grands centres urbains, la pression reste contenue. Il est indéniable que cette situation peut apparaître contre intuitive au regard de la pression touristique qui s’y applique l’été. Les chiffres de croissance (démographie, logements construits, surfaces naturelles et agricoles consommées de la figure 4) montrent en définitive que cet espace côtier varois subit moins de pression que les communes du centre Var desservies par l’autoroute A8.

Toutefois il serait intéressant, dans des simulations prospectives, de vérifier si ce territoire est susceptible de voir sa situation évoluer.

Figure 5 : Variations relatives des pressions urbaines communales entre 1999 et 2006 (Δ IP 06-99 en % par rapport à 1999)

Figure 5 : Variations relatives des pressions urbaines communales entre 1999 et 2006 (Δ IP 06-99 en % par rapport à 1999)

Figure 6 : Variations absolues des pressions urbaines communales entre 1999 et 2006 (Δ IP 06-99 en % par rapport à 1999)

Figure 6 : Variations absolues des pressions urbaines communales entre 1999 et 2006 (Δ IP 06-99 en % par rapport à 1999)

72On peut ainsi supposer qu’un système urbain en croissance va compiler deux types de changement. Le premier est quantitatif, il se traduit par une hausse de la pression urbaine, car les réserves foncières tendent à disparaître alors que la population augmente. Le second est qualitatif en rendant le poids de la distance moins important, ce qui aura pour effet de redistribuer la pression urbaine sur un territoire plus étendu.

73En définitive, ces résultats mettent en exergue des enjeux émergents sur le territoire : où la pression est-elle susceptible de se focaliser à court et moyen termes ? La variation de l’indice de pression peut ainsi être utilisée comme un outil prospectif, en intégrant des changements en fonction de certains scénarios. Que se passerait-il si la distance d’accessibilité augmentait, c’est-à-dire que l’on augmente les distances déplacements ? Comment se reporteraient les pressions sur le réseau de villes si 50 % des terres étaient gelées ?

Applications : prospective 2040

74La modélisation d’un processus n’en fait pas automatiquement un outil prospectif. Construire un outil d’aide à la décision requiert le passage d’une modélisation spatiale à une simulation territoriale. Cette étape consiste à bâtir des scénarios prospectifs qui seront évalués par un modèle. La méthode utilisée pour une simulation territoriale a pour objectif de fixer des seuils et des facteurs limitants sur les variables du modèle. Ces contraintes vont traduire quantitativement des hypothèses de politiques d’aménagement du territoire du scénario évalué. Ces contraintes seront alors intégrées, dans le modèle, comme des conditions initiales.

75Nous testons trois scénarios d’aménagement du territoire qui ont pour objectif d’évaluer la pression urbaine en 2040 engendrée par une croissance démographique :

  • Fil de l’eau : les conditions d’urbanisation et d’accessibilité ne changent pas.

  • Extension : impacts d’une augmentation d’accessibilité avec des conditions de densification constante : on veut tester ici, une politique de développement de déplacement en augmentant les accessibilités. On va chercher les espaces plus loin.

  • Densification : impacts de la réduction de l’accessibilité avec une densification des zones construites : on évalue dans ce cas une politique volontariste de densification qui optimise les espaces ouverts à l’urbanisation.

76Les simulations ont pour objectif de déterminer, sur un territoire, les espaces urbains qui verront leurs pressions urbaines évoluer en fonction des conditions d’ouverture d’espaces à l’urbanisation et des densités urbaines de constructibilité.

  • 11 Projection de la population en 2040 (INSEE, 2011)

77La projection démographique11 pour la région PACA donne 725 000 habitants supplémentaires pour 2040. Cela représente 15 % de population en plus. On fait donc l’hypothèse que cette croissance se fera avec une augmentation de 15 % de surfaces bâties.

78Il ne s’agit pas de mettre en place un modèle de croissance et de dynamiques urbaines mais de voir, en fonction de la capacité des communes à accueillir une croissance urbaine, la pression qui en résulte lorsque l’on fait varier la disponibilité des sols et les densités.

79L’algorithme du modèle (tableau 6) est constitué de quatre étapes qui vont chacune introduire les contraintes d’aménagement comme conditions initiales.

Tableau 6 : Algorithme du modèle

Tableau 6 : Algorithme du modèle
12

80En effet, comme la population augmente dans toutes les communes, la surface urbaine augmente ainsi que Ai alors que les réserves foncières diminuent.

81Le tableau ci-dessous montre que si les densités urbaines et les conditions d’accessibilité ne changent pas (dmax40 = dmax06 = 70 minutes et α06 = α40 = 0.325), la croissance démographique nécessite d’ouvrir toutes les surfaces à l’urbanisation.

Tableau 7 : Estimation, en milliers, des populations pouvant être accueillies sur les communes de la région PACA

 % des réserves foncières (surfaces agricoles et naturelles) ouvertes à l’urbanisation

Densités urbaines de 2006 augmentées de

D06 ×1

Densité constante

10 %

D06 ×1.1

20 %

D06 ×1.2

50 %

D06 ×1.5

20

647

712

777

971

40

708

779

850

1062

50

714

785

856

1071

60

717

789

860

1076

80

721

793

865

1082

100

725

797

870

1087

82Dans ces conditions, seule une densification des zones urbanisées pourrait permettre d’accueillir un plus grand nombre d’habitants. Il est indéniable que si les conditions de constructibilité ne changent pas (accessibilité et densification des tissus urbains), le modèle montre que la région PACA souffrira d’un manque d’espace, car il faudra ouvrir toutes les réserves foncières pour accueillir les 725 000 habitants supplémentaires à l’horizon de 2040.

Tableau 8 : Conditions initiales des simulations des cartes présentées en figure 7

Simulation

dmax40

α40

dmax06

α06

 % surfaces ouvertes à l’urbanisation

Densité des zones habitées

scénarios

Carte 1

70

0.325

70

0.325

50

D06 ×1

Fil de l’eau

Carte 2

70

0.325

70

0.325

100

D06 ×1

Carte 3

90

0.325

70

0.325

50

D06 ×1

Extension

Carte 4

90

0.325

70

0.325

100

D06 ×1

Carte 5

50

0.325

70

0.325

50

D06 ×1.5

Densification

Carte 6

50

0.325

70

0.325

100

D06 ×1.5

83Si les accessibilités restent constantes (cartes 1 et 2), ou baissent (cartes 5 et 6), les variations de pressions à la hausse se concentrent sur le littoral. Dès que les accessibilités augmentent, l’arrière pays, en particulier celui de Nice, connaîtra une très forte hausse de sa pression urbaine.

84Concernant la côte varoise entre Hyères et le golf de Saint-Tropez, la pression n’augmente que si et seulement si l’accessibilité croit de 70 à 90 minutes. Par conséquent, si une route à grande capacité venant de Toulon (via Hyères) venait à être prolongée jusqu’à Fréjus en parallèle de l’actuelle autoroute A8, la pression ne peut que croître car l’accessibilité aux deux métropoles sera plus grande. Ce territoire, actuellement excentré, connaîtra un changement structurel en intégrant les réseaux de villes des métropoles de Marseille et de Nice. Il s’agit du même processus d’intégration (par une hausse de l’accessibilité) que nous avons mis en évidence précédemment pour les vallées de l’arrière pays niçois (cf. partie 2.3).

Figure 7 : Simulations de la pression urbaine en 2040

Figure 7 : Simulations de la pression urbaine en 2040

85Pour Marseille, la pression chute fortement en fonction de l’ouverture ou pas de ses réserves foncières. Or, comme on l’avait vu précédemment une grande partie de ses espaces naturels sont protégés. Il est probable que, dans ces conditions, Marseille ne voit pas sa pression baisser puisqu’une grande partie de ses réserves foncières a été sanctuarisée avec la création du Parc National des Calanques.

86Les unités urbaines qui subiront le plus de pressions se situent sur l’agglomération Cannoise. En effet, il y a de fortes chances que ce territoire connaisse une rapide saturation de ses réserves foncières. Quelles que soient les conditions d’ouverture des réserves foncières à l’urbanisation et de la densification des zones habitées, la métropole azuréenne voit dans tous les cas une forte hausse des pressions urbaines. Si les politiques d’urbanisation ne visent à densifier que les nouvelles surfaces bâties, les simulations révèlent que les capacités d’accueil sont relativement limitées. Si les espaces urbains veulent se doter de capacités d’urbanisation supérieures, les politiques d’urbanisme doivent alors passer par des opérations de densification des tissus urbains existants et d’optimisation d’occupation du sol des zones d’habitat discontinu et diffus.

Conclusion et perspectives

87En posant l’hypothèse que la pression urbaine, s’exerçant sur les réserves foncières, était engendrée par deux variables spatiales (disponibilité des sols et les accessibilités) et que cette pression possédait deux origines, l’une interne (état d’urbanisation) et l’autre externe (pression du réseau en fonction d’un voisinage limité), il est possible de déterminer les sensibilités des territoires aux effets de la croissance urbaine en tenant compte des processus multi échelles des croissances sur un réseau de villes.

88Les résultats sur les scénarios de prospective permettent d’obtenir des tendances de développement urbain sur les deux métropoles provençales en concluant sur le fait que la croissance urbaine passe par une politique d’urbanisme de densification des tissus urbains existants. Les simulations mettent bien en évidence un manque de réserves foncières disponibles puisque si on continue l’étalement urbain sur le même rythme, en 2040, il faudra urbaniser 100 % des surfaces naturelles et agricoles des unités urbaines pour accueillir les 725 000 habitants. Les simulations montrent l’importance des politiques publiques en matière de réglementation des sols. Si le modèle californien continue à être le modèle dominant dans la région, les villes devront consacrer, à termes, de forts et coûteux investissements dans des opérations de densification du tissu urbain existant afin de garder un niveau d’attractivité suffisant.

89Si la modélisation d’un indice de pression (répondant aux « forces d’urbanisation ») calculé sur la base de variables spatiales formalisées dans un modèle gravitaire permet de définir les communes les plus sensibles à l’urbanisation sur des métropoles constituées en réseaux de villes, il reste cependant à évaluer plus précisément la pression urbaine interne sur chaque commune. Dès lors, deux problématiques majeures restent à traiter.

90La première, traduire quantitativement des politiques de planification urbaine sur chacune des communes. Ce qui nécessite de traduire ces politiques avec des seuils et des facteurs limitants qui vont s’appliquer sur des variables spatiales et induire des attractivités communales différenciées dans les réseaux de villes. La seconde constitue une des problématiques récurrentes en analyse spatiale : l’intégration du multi échelle dans la formalisation. Si nous avons bien intégré l’effet réseau avec le modèle gravitaire, nous n’avons pas suffisamment pris en compte les processus intra-communaux qui engendrent une pression urbaine.

91En effet, si la quantité de population est un indicateur de la taille de la ville, et implicitement de la taille des surfaces urbaines, les pressions intra-communales seront sensiblement différentes en fonction des formes urbaines et des densités existantes entre les quartiers. De plus, une commune qui ne possède plus de réserves foncières ne voit pas pour autant sa pression urbaine s’annuler. Par conséquent, pour poursuivre ce travail sur les pressions urbaines, nous avons besoin de prendre en compte l’échelle du tissu urbain. Ce qui nécessite d’introduire la forme urbaine et la manière dont les densités sont réparties dans la ville, tant il est évident qu’elles ne se répartissent pas en fonction d’un gradient négatif en donnant une organisation strictement radioconcentrique. Différentes pistes peuvent être envisagées en couplant, par exemple, le modèle gravitaire avec des modèles désagrégés. Un certain nombre de travaux ont déjà obtenu des résultats en utilisant des méthodes de formalisations de systèmes complexes qui intègrent les accessibilités pour déterminer des dynamiques spatiales en modélisant le changement soit par des automates cellulaires (Antoni, 2006 ; Moreno, Badariotti et Banos, 2012) soit par des fractales (Frankhauser et Tanier, 2010).

Haut de page

Bibliographie

Antoni J.-Ph., 2006, « Calibrer un modèle d’évolution de l’occupation du sol urbain. L’exemple de Belfort  », Cybergeo : European Journal of Geography [En ligne], Systèmes, Modélisation, Géostatistiques, document 347, mis en ligne le 19 juillet 2006.

Barattucci C., 2006, L’urbanisations dispersées. Interprétations / actions, France et Italie 1950-200, Rennes, Presses Universitaires de Rennes, Espace et Territoire.

Baudelle G., Darris G., Ollivro J. et Pihan J., « Les conséquences d’un choix résidentiel périurbain sur la mobilité : pratiques et représentations des ménages », Cybergeo : European Journal of Geography [En ligne], Dossiers, 3ème colloque du Groupe de Travail Mobilités spatiales et fluidité sociale (GT23) : Offre urbaine et expériences de la mobilité, Strasbourg, France 20-21 et 22 mars 2003.

Berroir S., Mathian H., Saint-Julien Th. et Sanders L., 2004, Mobilités et polarisations : vers des métropoles polycentriques. Le cas des métropoles francilienne et méditerranéenne, PUCA, Pôle Sociétés urbaines, Habitat et Territoires.

Briquel V., Collicard J.-J., Arlot M.-P., 2007, « Eléments de démarche pour les diagnostics de territoire », Ingénieries n° 52, Décembre 2007, Savoir Faire.

Bonnafous A, Bussière Y. 1993, « Transport et étalement urbain : les enjeux », Les chemins de la Recherche, No. 13, INRS – Urbanisation, LET.

Cattan N., Saint-Julien Th., 1998, « Modèles de l’intégration spatiale et réseau des villes en Europe occidentale », L’Espace géographique, No.1, 1-10.

Chapelon L., 1996, « Modélisation multi échelle des réseaux : vers une plus grande précision de l’accessibilité », Mappemonde, No.3, 28-36.

Decoupigny F., Fusco G., 2009, « Mobilités potentielles et émergence de structures réticulaires en région Provence Alpes Côte d’Azur », L’Espace géographique, Tome 38, No.3, 267-282.

Decoupigny F., 2007, « Métropolisation des espaces naturels et indicateurs de localisation résidentielle en Région Provence Alpes Côte d’Azur », Revue d’Economie Régionale et Urbaine, No.4, 589-608.

Djellouli Y., Emeliano C., Ben Nasr A. et Chevalier J., 2010, L’étalement urbain, Rennes, Presses universitaires de Rennes.

Dupuy G. ,1999, Les territoires de l’automobile, Paris, Anthropos

Ferrier J.P., 2000, « De l’urbain au post-urbain, théorie géographique de la métropolisation et prospective pour une habitation durable des territoires », in J.-P. Paulet (dir.), Les très grandes villes dans le Monde, Paris, SEDES-CNED.

Frankhauser P., Tanier C., 2010, Développement urbain fractal sous contraintes d’accessibilité. Modèles et outils d’aide à la décision pour l’aménagement urbain, Rapport de recherche PREDIT, Groupe Opérationnel n° 6, Novembre 2010.

Gaschet F., Lacour Cl., 2002, « Métropolisation, centre et centralité », Revue d’Economie Régionale et Urbaine, No.1, 49-72.

Gomez-Navarro T., Garcia-Melón M., Acuña-Dutra S., Díaz-Martín D., 2009, « An environmental pressure index proposal for urban development planning based on the analytic network process », Environmental Impact Assessment Review,No.29, 319–329.

Hagestrand T., 1957, « Migration and aera: survey of a sample swedish migration fields and hypothetical considerations on their genesis », Land Studies in Geography, Series B, Human geography, No.13, 27-158.

Hagett P., 1973, L’analyse spatiale en géographie humaine, Paris, Armand Colin, Collection U.

Haggett P., Cliff A., Frey A., 1977, Locational Analysis in Human Geography, Londres, Edward Arnold.

Hasse J.E., Lathrop R., 2003, « Land resource and indicators of urban sprawl », Applied Geography, No.23, 159-175.

Herold M., Goldstein N. C., Clarke K. C., 2003, « The spatiotemporal form of urban growth: measurement, analysis and modeling », Martin Remote Sensing of Environment, No.288-86, 286-302.

Hansen W.G., 1959. « How accessibility shapes land use », Journal of the American Institute of Planners, No.25, 73-76.

Huff J.L., 1962, Determination of intra-urban retail trade areas, Los Angeles, University of California, Real Estate Research Program.

Huriot J.M., Perreur J., 1995, « L’accessibilité », in Auray J.P., Bailly A., Derrycke P.H., Huriot J.M.., Encyclopédie d’économie spatiale, Paris, Economica, 55-59.

Kipnis B., 1985, « Graph Analysis of Metropolitan Residential Mobility: Methodology and Theoretical Implications », Urban Studies, No.22, 179-187.

Koenig G., 1974, « Théorie économique de l’accessibilité urbaine », Revue économique, vol. 25, No.2, 275-297.

Laroche B., Thorette J., Lacassin J.-Cl., 2006, « L’artificialisation des sols : pressions urbaines et inventaire des sols », Étude et Gestion des Sols, vol. 13, No.3, 223-235.

Moreno D., Badariotti D., Banos A., 2012, « Un automate cellulaire pour expérimenter les effets de la proximité dans le processus d’étalement urbain : le modèle Raumulus », Cybergeo : European Journal of Geography [En ligne], Systèmes, Modélisation, Géostatistiques, document 606, mis en ligne le 15 mai 2012

Ode A., Fry G., 2006, « A Model for Quantifying and Predicting Urban Pressure on Woodland », Landscape and Urban Planning, vol. 77, 17-27.

Paulus F., Pumain D., 2002, « Répartition de la croissance dans le système des villes françaises », Revue d’Economie Régionale et Urbaine, No.1, 35-48.

Pumain D., 1994, La modélisation des réseaux urbains, Rapport pour le PIR Villes, Paris, 15 p.

Pumain D., 1997, « Pour une théorie évolutive des villes », L’Espace géographique, Tome 26, No.2, 119-134.

Rabino G., Occelli S., 1997, « Understanding spatial structure from network data: theoretical considerations and applications », Cybergeo: http://cybergeo.revues.org, No.29, 26 juin 1997.

Reilly W.J., 1929, « Methods for the study of retail relationships », In: University of Texas Bulletin, No. 2944, Austin: University of Texas.

LEI Wageningen UR, 2006, « Rural areas under urban pressure; Case studies of rural-urban relationships across Europe », Overbeek, M.M.M. and I.J. Terluin (eds.), The Hague, Agricultural Economics Research Institute (LEI). Report 7.06.01, 249 p.

Sudhiraa H.S., Ramachandraa T.V., Jagadish K.S., 2004, « Urban sprawl, metrics, dynamics and modelling using GIS », International Journal of Applied Earth Observation, No.5, 29-39.

Thinon P., Martignac C., Metzger P, Cheylan J.-P., 2007, « Analyse géographique et modélisation des dynamiques d’urbanisation à La Réunion  », Cybergeo : European Journal of Geography [En ligne], Dossiers, Sélection des meilleurs articles de SAGEO 2005, document 389, mis en ligne le 16 juillet 2007.

Zwierzchowska I., 2008, « Diversity of the influence of urbanisation on valuable nature areas according to selected features of the cities of Wielkopolska », Methods of landscape research, Dissertations Commission of Cultural Landscape No.8, Commission of Cultural Landscape of Polish Geographical Society, Sosnowiec, 2008.

Haut de page

Annexe

Variation de l’indice de pression entre 1999 et 2006 sur les principales villes des départements de la région PACA

Variation IP

Commune

Variation IP

Commune

Variation IP

Commune

Bouches du Rhône

Alpes-Maritimes

Var

18810

Marseille

5219

Nice

5072

Toulon

1030

Marignane

3700

Le Cannet

851

La Seyne-sur-Mer

595

Aix-en-Provence

2846

Antibes

360

Six-Fours-les-Plages

249

Vitrolles

2310

Cannes

356

La Garde

190

Martigues

1364

Vallauris

180

La Valette-sur-Var

171

Port-de-Bouc

776

Cagnes sur Mer

132

Draguignan

156

Aubagne

434

St-Laurent-du-Var

109

Fréjus

155

Miramas

275

Beausoleil

93

Sanary-sur-Mer

112

Salon-en-Provence

151

Grasse

89

St-Mandrier-sur-Mer

Vaucluse

Alpes de Haute-Provence

Hautes-Alpes

1194

Avignon

27.13

Manosque

5.06

Gap

548

Le Pontet

7.70

Château-Arnoux-St-Auban

0.44

Laragne-Monteglin

138

Carpentras

3.15

Ste-Tulle

0.38

Briançon

77

Vedène

3.13

Oraison

0.18

Embrun

71

Orange

2.65

Digne-les-Bains

0.14

Tallard

69

Sorgues

2.38

Pierrevert

0.13

La Saulce

49

Morières-lès-Avignon

2.28

Villeneuve

0.07

La Bâtie-Neuve

48

L’Isle sur la Sorgue

2.15

Forcalquier

0.05

St-Bonnet-en-Champsaur

47

Cavaillon

2.14

Volx

0.04

Veynes

Haut de page

Notes

1 L’accessibilité (Hansen, 1959 ; Huriot et Perreur, 1995) s’exprime sous la forme d’une fonction inverse de la distance (1/dij) et exprime la pénibilité pour aller d’un lieu (respectivement de tous les lieux), à un autre (respectivement à tous les autres).

2 La plateforme FRED (FRéquentation Et Déplacement) est une plateforme de simulations développée par F. Decoupigny. C’est un logiciel développé en langage Visual basic qui permet de réaliser des calculs d’interactions et de déplacements sur graphe.

3 Corine Land Cover France, 2006.

4 Base de données « POS généralisés » réalisés par report des zonages POS par généralisation et accrochage sur les éléments de la « BD Carto » par la DRE PACA. 2006 (téléchargeable sur le site du CRIGE de la région PACA).

5 C’est l’un des points à développer ultérieurement dans la poursuite du travail de recherche sur cet indice de pression en intégrant une surface résiduelle de réserve foncière qui serait issue de la densification de son tissu urbain existant. En effet, une ville n’arrête pas obligatoirement de croître parce que ses réserves en terres agricoles ou naturelles ont toutes été construites. Elle peut s’étendre en réhabilitant des friches ou en augmentant la hauteur des bâtiments dans son PLU.

6 Pour les développements ultérieurs du modèle, il est bien entendu que nous définirons plus précisément les réserves foncières en utilisant des bases de données plus précises que Corine Land Cover.

7 Logiciel de modélisation qui permet des calculs de fonctions gravitaires sur un graphe – conception Fabrice Decoupigny.

8 Le cas particulier où Sri 06 = 0 et Sri 99 ≠ 0 donnerait une variation de pression négative et traduirait alors une baisse de la pression urbaine sur la commune. Ceci apparaît quelque peu contre intuitif, mais ce cas va traduire la saturation du tissu de la commune en question. Le cas ne s’est pas présenté dans nos bases de données. Si nous devions calibrer le modèle sur Paris et sa banlieue le cas se présenterait à plusieurs reprises et poserait un problème de calibrage. Comme nous le faisions remarquer plus haut dans le texte, en cas de saturation, nous avons besoin de déterminer une réserve foncière résiduelle (densification du tissu existant).

9 Certaines communes connaissent des hausses de pression jusqu’à un multiple de 60 comme par exemple la commune d’Isola.

10 Pour Aix-en-Provence, la taille des surfaces naturelles et agricoles (presque 15 000 ha) entraîne de facto une faible pression. A titre de comparaison, quand Aix-en-Provence consommait 400 ha (dont 300 ha de terres agricoles, soit 3 % de la surface de 1999), Nice construisait, sur les 3000 ha de zones naturelles et agricoles dont elle dispose, plus de 500 ha (dont 450 ha de terres agricoles soit 25 % de la surface de 1999).

11 Projection de la population en 2040 (INSEE, 2011)

12 Les densités d'habitants à l’hectare sont issues de la base de données de l’INSEE qui donne le nombre d’habitants sur des pixels de 200 par 200 mètres (données carroyées de la population - région PACA - INSEE, 2013), on peut obtenir pour chaque commune le détail des densités urbaines. La base de données utilisée est la base de donnée originale, téléchargée avant le 5 mars 2013, date à partir de la laquelle, elle a été « floutée » suite à une recommandation de la CNIL.

Haut de page

Table des illustrations

Titre Figure 1 : Résultats de la CAH
Légende a. : Arbre de classification : quatre sous-ensembles homogènesb. : Profil moyen des classes pour les quatre variables de la CAH
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-1.png
Fichier image/png, 351k
Titre Figure 2 : Localisation des communes classées
Légende Classe 1 (rouge) : centres urbains au profil « type » des espaces saturés du littoral azuréen (forte densité et peu de réserves foncières).Classe 2 (verte) : Communes périurbaines les plus sensibles à l’étalement urbain qui ont consommé une grande partie de leurs réserves foncières (faible densité et fort développement des ZNC).Classe 3 (bleue) : communes rurales encore épargnées par la pression urbaine (faible densité et faible accessibilité). Ainsi, leurs ZNC y sont peu développées.Classe 4 (jaune) : communes en mutation (en cours de métropolisation) qui subissent une influence grandissante engendrée par l’extension de la métropole azuréenne.
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-2.png
Fichier image/png, 133k
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-3.png
Fichier image/png, 1,2k
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-4.png
Fichier image/png, 2,9k
Titre Figure 3 : Tailles en population et surfaces densifiées des communes en région PACA
Légende Sources : INSEE 2006 – CLC 2006
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-5.png
Fichier image/png, 13k
Titre Figure 4 : Evolution des variables du modèle entre 1999 et 2006
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-6.png
Fichier image/png, 272k
Titre Figure 5 : Variations relatives des pressions urbaines communales entre 1999 et 2006 (Δ IP 06-99 en % par rapport à 1999)
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-7.png
Fichier image/png, 174k
Titre Figure 6 : Variations absolues des pressions urbaines communales entre 1999 et 2006 (Δ IP 06-99 en % par rapport à 1999)
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-8.png
Fichier image/png, 141k
Titre Tableau 6 : Algorithme du modèle
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-9.png
Fichier image/png, 50k
Titre Figure 7 : Simulations de la pression urbaine en 2040
URL http://journals.openedition.org/cybergeo/docannexe/image/26410/img-10.png
Fichier image/png, 509k
Haut de page

Pour citer cet article

Référence électronique

Fabrice Decoupigny et Sébastien Passel, « Réseaux de villes et détermination des pressions urbaines », Cybergeo: European Journal of Geography [En ligne], Systèmes, Modélisation, Géostatistiques, document 683, mis en ligne le 26 juillet 2014, consulté le 26 septembre 2023. URL : http://journals.openedition.org/cybergeo/26410 ; DOI : https://doi.org/10.4000/cybergeo.26410

Haut de page

Auteurs

Fabrice Decoupigny

Maître de Conférences,
Université de Nice Sophia Antipolis, France,
UMR 7300 ESPACE,
decoupig@unice.fr

Sébastien Passel

Doctorant,
Université de Nice Sophia Antipolis, France,
UMR 7300 ESPACE,
sebastien.passel@unice.fr

Haut de page

Droits d’auteur

CC-BY-4.0

Creative Commons - Attribution 4.0 International - CC BY 4.0

https://creativecommons.org/licenses/by/4.0/

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search