Modélisation et simulation multitemporelles de la dynamique complexe des zones humides urbaines : le cas de Bogota, Colombie

Rapports scientifiques volume 13, Numéro d'article : 9374 (2023) Citer cet article

Détails des métriques

Les zones humides urbaines sont essentielles à la santé et au bien-être durables des villes. Reconnus comme riches en biodiversité et en écosystèmes hautement productifs, ils fournissent des services écosystémiques représentés dans des aspects tels que la purification de l'air, la régulation du climat urbain, la santé physique et mentale, les loisirs et la contemplation, parmi une grande variété d'autres biens et services sur lesquels la qualité de la vie des habitants des grandes villes comme Bogota en dépend largement. Nous avons utilisé des automates cellulaires pour modéliser et simuler les changements des zones humides urbaines à Bogota, en Colombie. L'étude a appliqué le modèle couplé Markov-Future Land Use Simulation (FLUS) pour simuler et analyser les changements d'utilisation des terres/couverture terrestre (LULC) sur 20 ans. Tout d'abord, nous avons utilisé une orthomosaïque (1998) et deux images satellites WorldView-2 (2004 et 2010) pour détecter les changements d'occupation du sol. Ensuite, à l'aide du module de réseau de neurones artificiels FLUS, nous avons calculé les relations entre les classes de terrain et les facteurs associés et estimé la probabilité d'occurrence de chaque classe de terrain. Enfin, nous avons appliqué l'analyse d'intensité pour examiner le changement de LULC observé et projeté (1998-2034). Les résultats indiquent que les gains en superficies de cultures et de pâturages se font au détriment des zones humides. De plus, les résultats des simulations montrent que les milieux humides représenteront probablement moins de 2 % de la zone d'étude totale en 2034, ce qui représente une diminution de 14 % en 24 ans. L'importance de ce projet réside dans sa contribution potentielle au processus de prise de décision au sein de la ville et en tant qu'instrument de gestion des ressources naturelles. De plus, les résultats de cette étude pourraient contribuer à l'Objectif de développement durable 6 des Nations Unies, "Eau propre et assainissement", et à l'atténuation du changement climatique.

Fondées dans et autour des villes ou de leurs périphéries1, les zones humides urbaines sont uniques et jouent un rôle indispensable au bien-être de l'agglomération. Ils offrent de multiples services écosystémiques tels que l'approvisionnement en eau, la purification de l'eau, la diminution de l'effet d'îlot de chaleur urbain, la fourniture d'un habitat aux espèces végétales et animales critiques, la régulation des inondations et les possibilités de loisirs2,3. Cependant, ces écosystèmes sont confrontés à des menaces telles que la pollution par les eaux usées, la modification des régimes hydriques, la réduction des fonctions hydrologiques, la perte d'habitat et de biodiversité ou le changement climatique, et la perte due au changement d'affectation des terres4. De plus, au cours des décennies précédentes, les individus et les sociétés ont ignoré la valeur des zones humides5, les remplissant de déchets municipaux et de construction et les considérant comme une source d'insécurité. Par exemple, à Bogota, la superficie des zones humides dans les années 1940 était de 50 000 hectares, mais aujourd'hui elle n'est plus que de 901 hectares6,7,8.

En 1950, 70 % de la population mondiale vivait en milieu rural, mais ce n'est qu'en 2007 que la population urbaine a dépassé ce chiffre9. Depuis lors, la population urbaine n'a cessé de croître et les Nations Unies estiment qu'elle atteindra 68 % d'ici 20509. La croissance urbaine accroît la pression environnementale, en particulier dans et autour des centres urbains10. L'Amérique latine et les Caraïbes comptent parmi les régions les plus urbanisées du monde, où près de 81 % des habitants vivent dans des villes11. En Colombie, au cours des années 60 et 70 du XXe siècle, la croissance urbaine a été principalement alimentée par la migration de la campagne vers la ville en raison de la violence12. Depuis la fin des années 1950, la ville de Bogota a connu une croissance substantielle et s'est étendue vers l'ouest, atteignant aujourd'hui le fleuve Bogota. Au fur et à mesure que le développement et la croissance urbaine augmentent, les zones humides protégées – qui se trouvaient autrefois dans les zones périphériques ou rurales – sont absorbées par la ville, perdant leurs qualités environnementales et écologiques10. Ainsi, la préservation et la protection de ces écosystèmes sont cruciales en raison de leur rôle inhérent dans la surveillance du changement global et l'orientation de l'adaptation humaine à un monde en mutation9.

Pour conserver et restaurer les zones humides urbaines, les études sur les changements des zones humides urbaines se sont accélérées depuis les années 2000, et les chercheurs ont analysé principalement les changements historiques de leurs modèles de paysage et de leurs fonctions écologiques. Des travaux sur le terrain, des données de télédétection, des systèmes d'information géographique (SIG) et des approches de modélisation scientifique de la complexité ont été appliqués pour évaluer les changements dans ces écosystèmes5,7,13,14,15,16,17,18,19. Les interactions et relations complexes entre les composantes environnementales qui régissent la formation et la régulation des zones humides nécessitent des approches méthodologiques pour détecter et analyser les changements des zones humides à travers des échelles spatiales et temporelles dans des paysages urbains complexes. Les modèles de changement d'utilisation des terres et de couverture des terres (LULC) utilisant des automates cellulaires (CA) sont de plus en plus utilisés pour explorer la dynamique des changements de terres. Ils sont considérés comme une base pour les décisions de politique publique en faveur de la protection et de la gestion des écosystèmes20.

Les chercheurs ont utilisé des modèles informatiques pour mieux comprendre les dynamiques spatiales et temporelles observées dans les zones humides urbaines. X. Wang et al.21 ont utilisé des indices de paysage et le modèle de Markov pour évaluer la relation entre les changements dans les paysages des zones humides et la construction urbaine à Wuhan, en Chine. Peng et al.20 ont développé un modèle d'allocation spatiale en associant la régression Random Forest (RF) et le modèle Conversion of Land Use and its Effects (CLUE-s) pour simuler la dynamique spatiale des zones humides urbaines dans l'agglomération de Wuhan. Ghosh & Das22 ont évalué le péril de déplacement des zones humides de l'est de Kolkata à l'aide de la RF et de la machine à vecteurs de support (SVM). Saha et al.23 ont cartographié les zones humides des plaines inondables du bassin de la rivière Atreyee en Inde et au Bangladesh. Ils ont estimé leur superficie jusqu'en 2039 à l'aide des techniques de réseaux de neurones artificiels et d'automates cellulaires (ANN-CA). En résumé, les chercheurs ont mis en place des modèles spatio-temporels pour aider les décideurs à protéger le paysage des zones humides.

Il existe un large éventail d'études sur les changements de LULC dans la ville de Bogota. Cabrera-Amaya et al.24 ont réalisé une caractérisation floristique de la végétation dans la zone humide de Jaboque et ont déterminé les changements du couvert végétal entre 2004 et 2016. Morales23 a réalisé une analyse multi-temporelle dans la zone humide de Santa Maria del Lago en 1952, 1990, et 2014. Garzón Gutiérrez24 a évalué les conditions environnementales de la zone humide de Juan Amarillo en utilisant et en comparant des données de télédétection multitemporelles. Bernal Jaramillo25 a étudié la dégradation physique des zones humides de La Vaca, Techo et El Burro afin d'établir des orientations paysagères pour leur gestion. En résumé, les études précédentes visaient à étudier les changements physiques, historiques et de composition des zones humides de Bogota afin d'attirer l'attention des citoyens et des entités compétentes pour les restaurer, les conserver et les protéger. Cependant, à notre connaissance, aucune étude n'a étudié les tendances futures des changements des zones humides à Bogota.

L'objectif principal de cette recherche est de mettre en œuvre un modèle informatique pour simuler et étudier les changements dans les zones humides urbaines de Bogota, en Colombie. Pour atteindre notre objectif principal, nous avons : 1) interprété une image analogique (1998) et deux images numériques numérisées (2004 et 2010) pour extraire LULC et estimé les changements et les tendances dans les zones humides au cours de la période ; 2) obtenu les cartes de probabilité pour chaque classe de terrain à partir de l'application d'ANN pour simuler les changements des zones humides ; 3) appliqué un modèle de couverture terrestre hybride, en utilisant les cartes de probabilité LULC, la chaîne de Markov et le modèle FLUS-CA26 ; et 4) utilisé le cadre d'analyse d'intensité27,28 pour valider le modèle et analyser les résultats.

La section suivante présente la zone d'étude et les données pour la mise en œuvre du modèle CA-FLUS. Ensuite, nous décrivons la méthodologie, en commençant par les particularités de l'approche de modélisation et en poursuivant avec les techniques utilisées pour évaluer les changements de LULC observés et projetés. Ensuite, nous présentons les résultats et discutons l'analyse. Enfin, nous avons décrit les conclusions et les implications.

Située dans la Cordillère orientale, dans la partie nord des Andes, la capitale de la Colombie représente une altitude comprise entre 2650 et 3750 masl (mètres au-dessus du niveau de la mer). La température de la ville varie entre 7 °C et 14,5 °C. La pluviométrie est bimodale, avec une alternance de périodes de 2 à 3 mois de pluie avec des précipitations de 163 mm (avril-juin et septembre-novembre) et deux périodes sèches avec 20 mm (janvier-février et juillet-août)29. La zone urbaine occupe environ 379 km2 et possède un réseau fluvial particulier. C'est à côté des collines orientales, près des paramos de Chingaza et de Sumapaz. La population atteint 7.181.46930. Les zones humides de Bogota, situées à l'ouest de la ville, font partie de la zone historique de transition marécageuse avec le centre-ville. Le complexe de zones humides urbaines de Bogota compte 15 écosystèmes reconnus par le Secrétariat à l'environnement de la ville, mais la Convention de Ramsar n'en reconnaît que 11 avec une superficie de 6,67 km231. La figure 1 montre l'emplacement de quatorze zones humides. Nous n'avons retenu que les localités administratives qui ont un impact direct et qui se situent autour de la zone d'influence des écosystèmes.

La zone d'étude de Bogota, Colombie.

Trois images ont été sélectionnées à partir de l'Infrastructure de données spatiales de Bogota (IDECA), en fonction de leur temporalité et de leur résolution. Les produits de télédétection choisis étaient : (a) pour l'année 1998 une orthomosaïque, créée à partir de photographies aériennes orthorectifiées, et (b) pour les années 2004 et 2010 des images satellite WorldView-2. Par la suite, nous avons effectué une numérisation à l'écran des images en utilisant des éléments d'interprétation visuelle des images et obtenu les cartes LULC. Ensuite, partant de la définition des milieux humides, « les étendues de marais, de tourbières ou d'eau, qu'elles soient naturelles ou artificielles, permanentes ou temporaires, d'eau statique ou courante, douce, saumâtre ou salée, y compris les étendues d'eau marine dont la profondeur dont à marée basse n'excède pas six mètres32″, nous avons retenu six classes foncières : constructions, espaces verts urbains, cultures et pâturages, carrières, eau et zones humides.

De nombreuses variables affectent les zones humides urbaines33. Par conséquent, nous avons sélectionné les facteurs déterminants et les connaissances locales sur la base d'une revue de la littérature33,34,35,36. Les facteurs déterminants identifiés étaient la distance aux routes, le modèle numérique d'élévation (DEM), la densité de la population, la densité des ménages, les informations cadastrales et les variables climatiques telles que les précipitations et la température. Le tableau 1 répertorie les ensembles de données spatiales utilisés pour simuler LULC à Bogota. Nous avons calculé la distance au réseau routier artériel à l'aide de l'outil de distance euclidienne d'ArcGIS Pro version 2.6.037. Les données sur les zones réglementées représentent le système de zones protégées établi dans le plan d'aménagement du territoire de la ville38. Tous les ensembles de données spatiales ont été tramés et rééchantillonnés à une taille de pixel de cinq mètres. Les facteurs déterminants ont été normalisés pour améliorer la précision du modèle afin d'éliminer les différences dimensionnelles et quantitatives (Fig. 2).

Facteurs déterminants utilisés pour simuler le changement d'affectation des sols (a) modèle numérique d'élévation, (b) précipitations annuelles, (c) température annuelle moyenne, (d) géomorphologie urbaine, (e) distance aux routes, (f) densité de population pour l'année 2004 , (g) densité de population pour l'année 2010, (h) densité de ménages pour l'année 2004, (i) densité de ménages pour l'année 2010, (j) informations cadastrales. Une carte détaillée de la géomorphologie urbaine et la légende sont jointes en tant que Fig. S1 supplémentaire.

Nous avons appliqué trois approches méthodiques pour simuler le changement de LULC : la chaîne de Markov (MC), les réseaux de neurones artificiels (ANN) et le modèle de simulation de l'utilisation future des terres (FLUS) utilisé avec succès dans la simulation de LULC complexes dans des recherches antérieures26,39,40,41 .

Nous utilisons le modèle MC comme module « descendant » de prévision de la demande d'utilisation des terres du modèle FLUS39. Le modèle MC est une méthode de projection des demandes futures d'utilisation des terres en déterminant la probabilité de transition de changement d'une catégorie à une autre dans un intervalle de temps et utilisée dans d'autres études de simulation17,42,43. Dans cette recherche, nous avons mis en œuvre la CM sur trois périodes, à savoir 2010-2016, 2016-2022 et 2022-2028.

Le modèle FLUS simule le changement d'affectation des terres sous l'effet de l'existence humaine et de la nature en appliquant un processus de simulation spatiale basé sur un modèle CA. Pour établir des relations entre les données historiques d'utilisation des terres et les facteurs moteurs du changement, il met en œuvre un ANN. La valeur des probabilités d'occurrence sur chaque pixel guide l'attribution des changements dans la répartition de l'occupation des sols. Ensuite, son inertie auto-adaptative et son mécanisme de concurrence permettent au modèle de développer des interactions et une concurrence locales complexes d'utilisation des terres, traitant efficacement l'incertitude et la complexité de la transformation de divers types d'utilisation des terres sous différentes influences26. De plus, le modèle FLUS utilise le voisinage de Moore pour représenter l'espace du voisinage. Cette étude a testé la sensibilité du modèle en utilisant trois dimensions de voisinage 3 × 3, 5 × 5 et 7 × 7. Voir X. Liu et al.26 pour une description détaillée du modèle.

Les chercheurs utilisent des techniques d'apprentissage automatique comme ANN pour approximer les relations non linéaires et complexes entre les modèles LULC et leurs variables motrices42,44. Utilisé comme outils d'exploration de données pour extraire les règles de transition de classe d'utilisation des terres pour CA45, l'ANN comprend plusieurs neurones qui fonctionnent en parallèle pour transformer les données d'entrée en catégories de sortie23, composées de types à trois couches : une couche d'entrée, une couche cachée et une couche de sortie. Dans l'ANN, chaque neurone de la couche d'entrée se conforme aux cartes d'utilisation des terres et aux facteurs déterminants. Chaque neurone de la couche de sortie se conforme à un type de terrain distinct représentant la probabilité d'occurrence de chaque type de terrain concernant les facteurs d'influence. Nous avons utilisé la technique d'échantillonnage aléatoire pour extraire 70 % des données sous forme d'échantillons afin d'assurer les mêmes points d'échantillonnage pour tous les types de terres. Un traitement normalisé est effectué sur les échantillons de données puis importé dans le modèle ANN pour obtenir la probabilité d'adéquation de chaque catégorie.

La figure 3 montre les étapes que nous avons suivies pour simuler le changement de couverture terrestre. Tout d'abord, nous avons effectué une analyse des changements pour identifier les transitions de classe de couverture terrestre les plus cruciales dans le premier intervalle de temps. Nous avons utilisé les cartes LULC de 1998 et 2004 pour effectuer l'analyse des changements.

Schéma de principe de la méthodologie.

Deuxièmement, nous avons utilisé le MC pour obtenir la demande de terres inconnue dans des intervalles simulés. Initialement, la demande de terres a été calculée sur la base de la carte de référence pour l'année 2010. Ensuite, les intervalles de temps suivants ont été calculés sur la base de l'intervalle de temps précédent. Ainsi, par exemple, pour obtenir la demande foncière pour 2016, la matrice de transition a été calculée pour les années 2004-2010.

Troisièmement, l'ANN était constitué de 10 neurones (tableau 1) dans la couche d'entrée (les facteurs moteurs) et de six neurones dans la couche de sortie (correspondant aux types de terrain). 70 % du nombre total de pixels dans la zone d'étude ont été sélectionnés au hasard comme ensemble de données d'apprentissage26. Avant de former le réseau, les données d'échantillonnage sont normalisées à [0 1] ; pour ce faire, le modèle FLUS utilise la fonction sigmoïde comme fonction de transfert du modèle pour s'assurer que la plage des valeurs de probabilité estimées est [0 1]26.

Le modèle FLUS a été exécuté pour simuler les changements de couverture terrestre sur 30 ans dans le cas d'étude des changements des zones humides urbaines à Bogota, lancé en 2004. La période de simulation a été sélectionnée pour valider les résultats par rapport à la carte LULC disponible correspondant à 2010. Un total de cinq cartes simulées ont été calculées, et l'accent de notre évaluation de l'analyse était centré sur la catégorie des terres humides urbaines.

L'étape suivante a utilisé le module CA pour réaliser des projections cartographiques LULC. Des quartiers de Moore 3 × 3, 5 × 5 et 7 × 7 ont été utilisés pour la simulation. Le module CA a été implémenté en deux phases : calibration/validation et simulation. Nous avons calibré et validé le modèle de 1998 à 2010 et effectué la simulation de 2016 à 2034. Dans un premier temps, nous avons calibré le modèle à l'aide des cartes observées de 1998 et 2004. Ensuite, pour obtenir la projection pour l'année 2010, nous avons utilisé les cartes observées de 2004. Carte LULC. Ensuite, nous avons validé le modèle en comparant la carte d'occupation du sol de référence 2010 avec la carte projetée 2010 (voir la section "Validation du modèle"). Ensuite, nous avons simulé des cartes LULC pour 2016, 2022, 2028 et 2034, à partir de la carte LULC observée en 2010. Enfin, nous avons effectué les résultats de validation et d'analyse en appliquant l'analyse d'intensité.

Dans cette recherche, nous avons utilisé la technique d'analyse d'intensité pour examiner quantitativement les performances de simulation du modèle FLUS aux niveaux de l'intervalle, de la catégorie et de la transition. Aldwaik & Pontius28 ont détaillé en détail la procédure et les équations de l'analyse d'intensité. Au niveau de l'intervalle, la taille totale du changement et le taux de changement annuel sont calculés pour chaque intervalle de temps (c'est-à-dire pour la paire de cartes définissant chaque intervalle de temps). Ce niveau d'analyse nous permet d'identifier les intervalles avec des taux de variation annuelle lents et rapides. Au niveau de la catégorie, la taille des gains et pertes bruts et l'intensité des gains et pertes bruts sont calculées pour chaque classe de terres. Ce niveau d'analyse identifie les types de terres dormantes et actives dans un intervalle de temps spécifique. Enfin, la taille et l'intensité des transitions de type de terrain sont calculées au niveau de la transition. Pour chaque type de terres avec des gains ou des pertes, ce niveau d'analyse identifie d'autres types de terres qui sont des cibles notables de transition et notamment évitées dans les transitions.

Nous avons d'abord validé les résultats du modèle ANN. Ensuite, nous avons validé le modèle en comparant l'évolution du LULC de référence 2004-2010 avec la carte projetée 2004-2010 projetée. Enfin, nous avons comparé le changement de LULC observé de 1998 à 2010 avec le changement de LULC projeté de 2016 à 2034 en termes d'intervalle, de catégorie et d'intensités de transition.

Nous avons utilisé l'aire sous la courbe (AUC) de l'indice de caractéristique de fonctionnement total (TOC) pour quantifier les performances du modèle ANN. La table des matières calcule comment les rangs d'une variable d'index (cartes de probabilité d'occurrence) se classent entre la présence et l'absence dans une variable de référence binaire (valeurs observées de LULC)46. La table des matières affiche les échecs, les occurrences, les fausses alarmes et les rejets corrects. Comme dans la courbe de fonctionnement de réception (ROC), l'AUC du TOC offre une métrique pour résumer les performances. L'ASC est utilisée comme indicateur de la précision globale des prévisions. Généralement, les valeurs AUC vont de 0 à 1, où les valeurs entre 0,60 et 0,70 signifient un niveau de précision médiocre, 0,70–0,80 indique passable, 0,80–0,90 signifie bon et 0,90–1 signifie excellent47.

Étant donné que le paramètre d'effet de voisinage dans le modèle Cellular Automata (CA) est essentiel lors de l'étalonnage du modèle, nous avons appliqué un processus d'analyse de sensibilité (SA) en faisant varier le voisinage avec des tailles de 3 × 3, 5 × 5 et 7 × 7. Nous avons calculé la figure de mérite (FoM) pour évaluer la SA. FoM est un taux où l'intersection du changement simulé et de référence est représentée au numérateur, tandis que l'union du changement simulé et de référence est au dénominateur27. Ensuite, nous avons suivi le cadre d'analyse d'intensité proposé par Aldwaik & Pontius28. Nous avons évalué les performances de la carte LULC modélisée en comparant le changement de référence au changement prévu dans la zone d'étude. Une simulation des changements de LULC de 2004 à 2010 a été exécutée pour tester le modèle, et nous comparons le résultat avec le changement observé des cartes LULC de 2004 à 2010. Enfin, nous avons comparé l'évolution du LULC28 de référence 1998-2010 avec l'évolution simulée de l'affectation des terres 2016-2034 en ce qui concerne son intervalle, sa catégorie et son niveau de transition.

Nous avons téléchargé le modèle FLUS à partir de https://www.geosimulation.cn/FLUS.html. Ensuite, nous avons effectué l'analyse à l'aide de différents progiciels. Dans un premier temps, nous avons calculé les matrices de tabulation croisée à l'aide de TerrSet48. Deuxièmement, nous utilisons le logiciel statistique RStudio 2022.07.051 pour obtenir l'AUC pour la courbe TOC en utilisant les packages "raster 49" et "TOC" et le package "lulcc" pour calculer le FoM52. Troisièmement, nous avons appliqué l'analyse d'intensité en utilisant le logiciel gratuit de http://www.clarku.edu/~rpontius/ et le package "analyse d'intensité50" pour RStudio 2022.07.051. Enfin, nous avons créé les cartes avec ArcGIS Pro 2.637.

Le LULC passé a été calculé sur trois cartes comprenant six classes, comme suit : constructions, cultures et pâturages, carrières, espaces verts urbains, eau et zones humides (Fig. 4). Le tableau 2 montre les résultats de la comparaison des trois cartes. Parmi les six classes de terrain, les classes d'espaces verts urbains, de constructions et d'eau ont présenté une augmentation de superficie. En revanche, les classes cultures et pâturages, milieux humides et carrières ont diminué, les cultures et pâturages affichant la diminution la plus importante avec 1211 ha de moins.

Cartes de six catégories de terres en 1998, 2004 et 2010.

Les milieux humides représentaient 2,58 % de la zone d'étude totale en 1998, 2,46 % en 2004 et 2,29 % en 2010, diminuant en 12 ans de 0,3 % de la zone d'étude. Ainsi donc, la réduction des milieux humides de 1998 à 2004 a représenté une perte de 4,87 % de la superficie de la classe des milieux humides et de 1,51 % en 2010. Ces résultats montrent la diminution continue de la couverture des milieux humides au fil des ans. Au contraire, la superficie couverte par les constructions, représentant la classe la plus importante de la zone d'étude, a augmenté de 3,65 % de 1998 à 2010, passant de 69,7 % en 1998 à 72 % en 2004 et 73,3 % en 2010.

Nous avons calibré le modèle FLUS à l'aide de cartes LULC et de facteurs moteurs et avons utilisé le modèle pour obtenir les cartes projetées pour 2016, 2022, 2028 et 2034. En appliquant le module ANN, nous avons généré la carte de probabilité de transition terrestre pour chaque type de terrain (voir Fig. .S2). Ces cartes illustrent les chances de chaque cellule de passer à chacun des six types de terres de cette étude.

La figure 5 montre les courbes TOC des six types de terres. Les valeurs AUC de chaque classe de terrain ont été calculées selon les courbes TOC. La validation du modèle ANN a montré que l'ASC était supérieure à 0,7 dans toutes les classes de terres, avec des valeurs allant de 0,72 à 0,98 et une valeur moyenne de 0,85.

Courbes TOC et valeurs AUC pour valider l'ANN.

Au niveau de l'intervalle, les résultats montrent que le changement des terres est assez rapide pour le premier intervalle de référence, 1998-2004, tandis que le changement des terres est relativement lent pour le deuxième intervalle de référence, 2004-2010. Le tableau 3 montre les transitions LULC en pourcentages pendant les intervalles de temps d'étalonnage et de validation. Au cours de la période de référence 1998-2004, le changement global de référence était de 1617 ha. Le changement global de référence au cours de la période 2004-2010 était de 1 480 ha, tandis que lors de la simulation 2004-2010, le changement global était de 716 ha.

Nous avons appliqué la SA pour voir comment la taille du quartier influence les résultats. Tout d'abord, la carte de simulation a montré que le changement était réparti autour des limites des zones de certains types de terres, comme le montre la Fig. S3 supplémentaire. En revanche, le changement dans les cartes de référence est rarement attribué à ces bords. Ensuite, nous avons calculé le FoM pour évaluer les résultats SA. Les valeurs de FoM étaient de 7,08 % pour la taille du quartier 3 × 3, de 7,14 % pour 5 × 5 et de 7,09 % pour 7 × 7. Une grande variété de mesures ont été mises en œuvre pour évaluer la SA du modèle, et nous avons constaté que la précision de la Le modèle de sortie s'améliore avec une taille de voisinage de 3 × 3 et une résolution spatiale de 5 m. Pour une explication détaillée des résultats SA, voir Cuellar & Perez51.

Dans la figure supplémentaire S4, nous avons présenté les résultats de l'analyse d'intensité au niveau de la catégorie pour chaque intervalle de temps. La ligne pointillée dans chaque graphique illustre l'intensité uniforme de la variation annuelle. L'analyse a montré une décélération du changement global du premier intervalle de temps (1998-2004) au deuxième intervalle de temps (2004-2010), la décélération de la simulation étant plus intense que la tendance à la baisse de référence. Les figures supplémentaires S4a et S4c montrent que les intensités de perte de simulation de 2004 à 2010 sont inférieures aux intensités de perte de référence de 1998 à 2004. De plus, les figures supplémentaires S4a et S4b montrent que les modèles de référence ne sont pas stationnaires de l'intervalle d'étalonnage (1998-2004) à l'intervalle de validation (2004-2010). Notamment, la catégorie de milieu humide de référence gagne plus pendant l'intervalle d'étalonnage que pendant l'intervalle de validation.

Par conséquent, l'intensité de cette catégorie dans la simulation ne correspond pas à la référence de 2004-2010. La comparaison des figures supplémentaires S4b et S4c révèle plus d'informations sur les performances du modèle dans l'intervalle de temps de validation (2004-2010). Alors que le changement de référence montre les gains et les pertes dans les catégories, dans la simulation, les catégories gagnent ou perdent. En d'autres termes, dans la simulation, la différence relative entre le gain et la perte de chaque catégorie est significative, sauf pour la catégorie de l'eau, qui montre très peu de changement. Il convient également de noter que dans les données de référence des intervalles de temps d'étalonnage et de validation, la perte la plus importante concerne les zones humides et la deuxième plus importante concerne les cultures et les pâturages. En revanche, la perte la plus importante dans la simulation concerne les cultures et les pâturages, et la deuxième plus importante concerne les zones humides.

La figure supplémentaire S5 présente les résultats du niveau de transition pour les zones humides, les cultures et les pâturages, les espaces verts urbains et les constructions. La comparaison des intervalles de temps d'étalonnage et de validation montre comment le modèle a presque extrapolé les intensités de changement de l'intervalle d'étalonnage de référence 1998-2004 à l'intervalle de validation de la simulation 2004-2010. Le gain de zones humides a ciblé les cultures et la perte de pâturages pendant tous les intervalles. Cependant, contrairement au changement de référence dans l'intervalle de validation, il n'a pas ciblé la perte d'espaces verts urbains dans la simulation. Le gain de construction a ciblé les cultures et les pâturages dans tous les intervalles et a ciblé la perte de zones humides pendant l'intervalle d'étalonnage. En revanche, les gains d'espaces verts urbains, de cultures et de pâturages de toutes les autres catégories sont stationnaires sur les trois intervalles.

L'intensité du changement annuel pour toutes les classes de terres est de 0,16 % entre 1998 et 2034 ; cela diminue de l'historique (1998-2010) au futur (2010-2034), 0,63% et 0,25%, respectivement. Cependant, le taux de changement dans la zone d'étude n'était pas uniforme. Par exemple, l'intensité du changement annuel en 1998-2010 était rapide, tandis que l'intensité projetée en 2010-2034 était lente.

Les catégories de milieux humides, de constructions, de cultures et pâturages et d'espaces verts urbains ont connu des changements plus importants que les autres catégories de terres (Fig. 6). De 1998 à 2010, les gains dans la catégorie des terrains à bâtir se situaient principalement dans l'ouest de la zone d'étude, tandis que les pertes se situaient principalement dans le nord. En revanche, les gains et les pertes de 2010 à 2034 sont répartis sur l'ensemble de la région étudiée. Les gains historiques (1998-2010) et projetés (2010-2034) dans les cultures et les pâturages se sont produits principalement dans le nord, bien que les gains projetés soient bien inférieurs aux gains historiques. En comparaison, les pertes dans cette catégorie ont été réparties dans l'ouest du nord au sud de 1998 à 2010. Les pertes de 2010 à 2034 sont concentrées dans le nord, avec quelques autres pertes près de la frontière ouest de la zone d'étude. Enfin, les gains 1998-2010 pour les zones humides se situent principalement dans la zone nord-ouest, tandis que les pertes se situent au centre et au sud. Les gains projetés de cette catégorie sont négligeables et les pertes projetées sont réparties au centre et au nord de la zone d'étude.

Gains et pertes de chaque catégorie de terres en 1998-2010 et 2010-2034.

En 1998-2010, les constructions, les cultures et les pâturages ont connu le changement de couverture le plus important par rapport aux autres catégories de terres. Le même comportement a été projeté en 2010-2034 (Fig. 7). De plus, sur la figure 7a, les constructions ont présenté un gain notable au cours des deux périodes. En revanche, les pertes ont été principalement perceptibles dans les cultures et les pâturages. Bien que le gain et la perte de zones humides soient faibles dans les deux intervalles, leur intensité de perte annuelle est bien supérieure à celle des constructions et supérieure à celle des cultures et des pâturages en 1998-2010. Au cours de la période projetée (2010-2034), l'intensité de la perte de zones humides est beaucoup plus élevée que les gains de construction et les intensités de perte (Fig. 7b). Pour les cultures et les pâturages, son intensité de gain annuel était dormante sur les deux plages de temps (Fig. 7b), mais son intensité de perte était supérieure à celle des zones humides en 2010-2034. La catégorie des espaces verts urbains a été la plus active durant les deux intervalles en ce qui concerne l'intensité du gain annuel. L'intensité du gain des zones humides était active de 1998 à 2010 et négligeable de 2010 à 2034, mais son intensité de perte était active au cours des deux périodes.

Analyse d'intensité au niveau de la catégorie. Lignes (a) Gains et pertes de taille de changement de terrain, (b) Intensité de changement de terrain, (c, d) Taille et intensité de changement par composantes. Zones humides (Wet), espaces verts urbains (UGS), cultures et pâturages (CP), carrières (Q), eau (Wa) et constructions (C).

La figure 7c montre les cultures et les pâturages, et les constructions présentaient les différences les plus considérables dans les deux intervalles de temps. Leur composante de quantité est supérieure aux deux autres composantes d'intensité. Les deux sont plus intensifs que la quantité en 1998–2010, mais les cultures et les pâturages sont plus intensifs que la quantité en 2010–2034. Les espaces verts urbains et les milieux humides n'ont pas une composante quantitative mineure, mais ils étaient les seuls à avoir une composante quantitative moins intensive que la quantité globale en 1998-2010. En revanche, sur la période projetée, la composante quantitative est mineure pour les milieux humides en taille mais plus intensive pour les milieux humides que pour les autres catégories. Les espaces verts urbains et les zones humides ont la composante d'échange la plus importante, et les deux sont plus intensifs que l'échange global en 1998-2010. De 1998 à 2010, les seules catégories qui ont connu un changement étaient les terres humides, les espaces verts urbains et l'eau, et tous sont plus intensifs que le changement global. Alors qu'en 2010-2034, les constructions, les cultures et les pâturages, et l'eau sont les seules catégories qui ont un changement, seules les constructions et l'eau sont plus intensives que le changement global. La ligne de quantité globale de la Fig. 8d indique que la quantité représente 55 % de la différence dans les six catégories. L'échange représente 43 % de la différence globale et le transfert 1 % en 1998-2010. En revanche, dans l'intervalle projeté, ces composantes d'intensité sont de 87 % en quantité, 9 % en échange et 4 % en déplacement.

La figure 8 montre les résultats de l'analyse d'intensité au niveau de la transition pour les gains les plus significatifs : les zones humides, les cultures et les pâturages, les constructions et les espaces verts urbains. Bien que pendant les intervalles de temps de 1998 à 2010 et 2010-2034, les intensités de transition des cultures et des pâturages vers les constructions et les zones humides soient plus importantes que celles des catégories restantes, à partir de ces résultats, on peut observer que le gain des constructions et des zones humides provient davantage de la perte de cultures et de pâturages. Les intensités de transition des zones humides, des cultures et des pâturages vers les espaces verts urbains diffèrent au cours des deux périodes. En 1998-2010, le gain d'espaces verts urbains a évité la perte de zones humides mais a ciblé la perte de cultures et de pâturages, alors qu'il a ciblé des pertes dans les deux catégories au cours de la période 2010-2034. Le gain de cultures et de pâturages cible la perte de zones humides dans les deux intervalles de temps et évite la perte de constructions.

Intensité de transition due à la perte (a) de cultures et de pâturages, (b) de zones humides, (c) de constructions, (d) d'espaces verts urbains et de classes de terres au cours de la période 1998-2010 et 2010-2034. Zones humides (Wet), espaces verts urbains (UGS), cultures et pâturages (CP), carrières (Q), eau (Wa) et constructions (C).

De plus, le gain des cultures et des pâturages, des constructions et des zones humides est stationnaire dans le temps par rapport à la façon dont ces catégories évitent ou ciblent les catégories non-cultures et pâturages, non-constructions et non-zones humides. Cependant, le gain d'espaces verts urbains n'est pas stationnaire dans le temps. Par exemple, le gain d'espaces verts urbains n'a ciblé que les cultures et les pâturages pendant la période 1998-2010, mais pendant la période projetée, il a également ciblé les zones humides.

De même, l'intensité annuelle des transitions indique la force des transitions et révèle que les constructions ont ciblé les cultures et les pâturages durant les deux périodes. En conséquence, de vastes gains dans les constructions à partir de cultures et de pâturages au cours des périodes d'étude n'ont pas été initialement causés par cette grande superficie, mais plutôt par les gains de construction qui ont fait perdre de la superficie à cette catégorie de manière intensive. La deuxième catégorie, qui s'agrandissait chaque année, était celle des cultures et des pâturages ; ses gains provenaient des zones humides. De plus, l'intensité annuelle de la transition a indiqué la force des transitions et a révélé que les cultures et les pâturages ciblaient les zones humides dans les deux intervalles de temps. Par conséquent, un gain considérable de cultures et de pâturages à partir des zones humides n'a pas été causé par sa superficie au moment initial mais plutôt par les gains de cultures et de pâturages qui ont fait perdre de la superficie à cette catégorie de manière intensive. Enfin, des gains de zones humides ont été observés grâce aux cultures et aux pâturages, ainsi qu'aux espaces verts urbains. Il a fait allusion à la puissance des transitions et a révélé que ces catégories de terres visaient également les cultures et les pâturages aux deux périodes.

La figure 9 montre les cartes LULC projetées. Les terres cultivées se trouvaient principalement au nord et à l'ouest de la zone d'étude bordant la rivière Bogota. Sa couverture est passée de 21,4 % en 1998 à 12,71 % en 2034. Les terres humides se trouvaient principalement dans les zones reliées aux cours d'eau, passant de 2,6 % en 1998 à 1,97 % en 2034. Les espaces verts urbains étaient répartis dans toute la zone d'étude, et leur couverture est passée de 5% en 1998 à 6,3% en 2034. Les constructions représentaient une vaste étendue dans la zone d'étude, et leur couverture est passée de 70% en 1998 à 78% en 2034.

Les constructions, les cultures et pâturages et les catégories de terrains des espaces verts urbains sont les trois LULC qui dominent la zone d'étude et représentent environ 96 % du total (tableau 4). Au cours de la période 1998-2010, il y a eu des changements nets de 3,86 % pour les cultures et les pâturages, pour les constructions et les espaces verts de 4,18 %, pour l'eau et les zones humides de 0,30 %, tandis que pour l'eau et les carrières, il était proche de zéro. Les changements fonciers évalués à l'échelle du paysage général ont montré que la construction était la principale catégorie d'acquisition de terres après les espaces verts urbains. La couverture des cultures et des pâturages était la principale catégorie perdante. Les gains en construction et en espaces verts urbains ont été respectivement de 1600 ha et 297 ha. Les constructions ont perdu environ 454 ha, mais les cultures et les pâturages ont perdu le plus avec 1587 ha, presque autant que la catégorie des constructions a gagné. Les zones humides ont gagné 102 ha et perdu environ 195 ha, avec un changement net de près de 93 ha. De même, les résultats de la simulation ont montré un schéma similaire pour toutes les couvertures terrestres de la zone d'étude. La carte de sortie pour l'année 2034 montre une diminution de près de 0,33% de la couverture des zones humides concernant l'extension en 1998, ce qui se traduit par 101 ha.

Parallèlement, les constructions et la couverture des espaces verts poursuivent leur tendance avec un gain net de 5,15%, soit 1614 ha. En revanche, la classe construction continue d'enregistrer les pertes les plus importantes avec 1589 ha de moins. Autrement dit, sur la base des données de référence, d'ici 2034, la surface totale des constructions et des espaces verts urbains équivaudra à 26 358 ha, pour les zones humides à près de 616 ha, et à 3982 ha pour les cultures et les pâturages.

Dans cette recherche, nous avons utilisé le modèle FLUS pour obtenir la projection de la distribution spatiale des zones humides de Bogota. Pour explorer leurs évolutions spatio-temporelles, nous avons calculé leurs superficies de 1998 à 2034 (Fig. 10). Le schéma de référence indiquait une augmentation dans les zones humides du nord-est, à l'exception de Torca-Guaymaral, Jaboque et Cordoba, qui présentaient un schéma décroissant. De plus, les zones humides situées dans le sud-ouest ont indiqué un modèle de référence décroissant, à l'exception de La Vaca, qui avait un modèle croissant. Enfin, les zones humides d'El Salitre et de Santa Maria del Lago ont maintenu un schéma similaire au cours de la période de référence. Par conséquent, les cartes de simulation fondées sur la dynamique spatiale au cours de la période historique 1998-2010 affichent un schéma similaire dans la zone d'étude. La carte simulée pour l'année 2034 montre une augmentation de 3% des zones humides situées dans le nord-ouest, à l'exception de Torca-Guaymaral, Jaboque et Cordoba, avec une diminution de 52%, 11% et 34%, respectivement. En outre, il montre une réduction de 54% des zones humides du sud-ouest, à l'exception de La Vaca, avec une diminution de 6%. En résumé, d'ici 2034, la superficie totale des zones humides devrait être de 611 ha, perdant près de 25 % de sa surface par rapport à 1998.

Zones humides de 1998 à 2034.

Les zones humides urbaines fournissent de nombreux services écosystémiques, tels que la réduction des effets d'îlots de chaleur urbains, la fourniture d'abris pour les oiseaux et de zones de loisirs passifs, et l'amélioration de la qualité de l'eau2. Cependant, les zones humides urbaines restent très vulnérables à l'intrusion humaine. Les principaux moteurs de la dégradation des zones humides urbaines sont l'augmentation de la population, le développement urbain incontrôlé, la pollution de l'eau, le changement d'affectation des sols, le drainage des eaux, le changement du régime hydrique et la perte de biodiversité4. Dans le monde entier, et plus particulièrement au XXIe siècle, l'habitat naturel et l'aménagement du paysage ont été radicalement modifiés. Les changements de LULC ont fait l'objet de multiples enquêtes au cours des deux dernières décennies45,52,53,54. A partir de données spatio-temporelles, nous avons analysé les changements de LULC dans la zone d'influence des zones humides de Bogota de 1998 à 2010. A partir des cartes LULC et des déterminants physiques et socio-économiques, nous avons obtenu les probabilités d'occurrence de chaque LULC en utilisant l'ANN du modèle FLUS. De plus, nous avons obtenu des projections LULC pour 2016, 2022, 2028 et 2034 en utilisant le modèle hybride ANN-Markov-CA FLUS.

Nous avons calculé les valeurs AUC de chaque classe de terrain selon les courbes TOC pour évaluer l'ANN. Ensuite, la TOC a comparé la carte simulée avec la carte de référence en 2010. Pour tous les types de LULC, l'AUC était supérieure à 0,7, indiquant un degré élevé d'accord entre les cartes. La figure 5 montre que l'uniformité spatiale entre la carte de référence et la carte simulée pour les zones humides est significativement augmentée de 89 %. Ensuite, les valeurs AUC ont indiqué que l'ajustement de la probabilité d'occurrence du LULC individuel, obtenu à partir de la formation de l'ANN, peut être bien expliqué par les facteurs moteurs sélectionnés.

Au cours de la validation, l'analyse de sensibilité a montré que toutes les configurations de voisinage provoquaient les changements simulés près des côtés des patchs (voir Fig. S3 supplémentaire). Les résultats de SA montrent que différentes tailles de voisinage entraînent le gain d'une couverture du sol autour de parcelles de couverture du sol existantes, comme cela s'est avéré être dans des recherches antérieures telles que celle de Varga et al.27. Les composantes FoM ont indiqué que le changement de simulation ne correspond que partiellement au changement de référence dans n'importe quelle taille de quartier. Les échecs étaient supérieurs aux fausses alarmes, ce qui signifie que le changement de référence de 2004 à 2010 était plus important que celui simulé par le modèle. De plus, la validation de l'analyse d'intensité au niveau de l'intervalle a montré que le modèle FLUS simulait de manière adéquate le déclin du changement global entre la période d'étalonnage (1998-2004) et la période de validation (2004-2010). Au niveau de la catégorie (voir Fig. S4 supplémentaire), il a montré que le modèle simulait la forme active ou dormante de perte ou de gain de chaque LULC avec presque le même état des LULC pendant l'intervalle d'étalonnage, à l'exception des constructions qui pendant le la période d'étalonnage était inactive et est devenue active pendant la période de validation. Au niveau de la transition, les résultats ont montré que le gain simulé de cultures et de pâturages ciblait les zones humides, un schéma stationnaire dans le temps selon les données de référence. De plus, le niveau de transition a montré que l'augmentation simulée des constructions ciblées sur les zones humides a diminué pendant l'intervalle d'étalonnage ; cependant, pendant l'intervalle de validation, l'expansion des constructions n'a ciblé que les cultures et les pâturages (voir Fig. S5 supplémentaire). Ainsi, le modèle de construction n'était pas stationnaire.

L'analyse de validation a montré que la zone d'étude a un vaste phénomène de catégorie dormante. La classe de terrains des constructions représente la majeure partie de l'étendue du domaine au cours de la période historique (tableau 3); il est en sommeil en ce qui concerne les gains et les pertes (Fig.S4 supplémentaire). De plus, les résultats ont montré que les pertes dans chaque LULC sont principalement causées par le gain de constructions (Fig. S5 supplémentaire). Néanmoins, les gains de classe de terres cultivées et de pâturages étaient la principale cause de la perte de classe de terres des zones humides (voir le tableau 3 et la figure supplémentaire S5). Ensuite, la grande étendue de l'occupation du sol par la construction joue un rôle essentiel dans le changement total car le changement de référence est de 5,16 % de l'ensemble de la zone d'étude, et près de 4,5 % implique des transitions avec la construction (voir tableau 3). Un phénomène similaire a été signalé dans la forêt indonésienne, où la grande taille de la forêt a joué un rôle essentiel dans le comportement des gains et des pertes des catégories nues et herbeuses55.

Nous avons utilisé l'approche d'analyse d'intensité pour analyser le changement de LULC en 2010-2034 en termes d'intervalle, de catégorie et de niveau de transition, en nous concentrant sur la catégorie des zones humides. La classe de construction principalement a augmenté principalement dans l'intervalle historique et augmentera probablement de manière continue d'ici 2034. Le modèle d'expansion urbaine est évident vers la partie ouest de la ville, des zones occupées principalement par des activités agricoles mais qui, avec l'établissement de nouvelles (principalement illégales) quartiers plus au sud de Bogota, a progressivement converti ses LULC de cultures et de pâturages en constructions. Des schémas similaires ont été trouvés par Czerny & Cezerny56. Ce phénomène a été mis en évidence dans l'analyse d'intensité au passage au niveau de la construction (voir Fig. 8). L'analyse d'intensité a montré que la couverture de la catégorie cultures et pâturages a été et sera globalement la plus affectée par les autres couvertures et constructions qui vont de pair avec la création de nouveaux espaces verts et la couverture des zones humides. Rashid et Aneaus57 ont constaté que les zones agricoles diminuent principalement par les zones bâties dans les zones humides urbaines du Cachemire Himalaya, en Inde. Bien que la dynamique du changement de LULC des cultures aux constructions/espaces verts soit principalement due aux établissements humains récents, le rôle des zones humides doit être analysé plus en détail.

Les cartes de simulation basées sur la dynamique spatiale au cours de la période historique 1998-2010 ont montré un schéma similaire pour la couverture des zones humides. D'une part, les zones humides du nord-ouest avaient un schéma de référence d'expansion, à l'exception de Torca-Guaymaral, Jaboque et Cordoba, qui avaient un schéma décroissant. D'autre part, les zones humides situées dans le sud-ouest ont indiqué un modèle de référence décroissant, à l'exception de La Vaca, qui avait un modèle croissant. En revanche, les zones humides d'El Salitre et de Santa Maria del Lago conservent le même schéma au cours de la période de référence.

Pour La Conejera, nous avons constaté que l'augmentation des zones humides entraîne une perte d'espaces verts et de cultures, alors qu'il s'agit d'une perte prévue dans la construction. De même, davantage de zones humides devraient être perdues en raison de l'expansion des cultures. Ces résultats sont cohérents avec le dernier rapport du secrétaire de district pour l'environnement58, où il y avait des preuves d'une augmentation des cultures par des fermes privées situées dans le secteur nord de la zone humide. Les zones humides de Juan Amarillo ont également connu un schéma d'expansion, ce qui a entraîné une perte de terres cultivées et de pâturages au cours de la période de référence, mais ciblera une perte dans la construction. De plus, la présence de bétail dans la zone humide peut être liée à son utilisation comme zone de pâturage du bétail, un problème qui a fait l'objet d'une attention dans l'amélioration de l'écosystème59. Un comportement similaire a été mis en évidence dans la zone humide du Meandro del Say, où les gains en zones humides ciblent la perte de surfaces cultivées, et les gains en espaces verts ciblent la perte de la surface des zones humides. Ce comportement pourrait s'expliquer par l'un des facteurs de stress auxquels la zone humide est actuellement confrontée puisque de grands terrains de football dans une grande partie de l'intérieur de la zone humide appartiennent à la ferme El Say, où une équipe de football s'entraîne60. Chang et al.61 ont trouvé des résultats similaires en Chine dans un scénario de terres agricoles protégées où la zone humide a diminué rapidement par rapport à d'autres classes de terres.

En ce qui concerne les zones humides qui devraient perdre en surface, commençons par Torca-Guaymaral. Une perte est prévue en raison du gain de couverture végétale. Bien que sa perte ait également été ciblée par des gains dans la construction au cours de la période historique. Des rapports récents indiquent des activités agricoles dans le corridor écologique de la zone humide62. Du côté de la zone humide de Jaboque, dans le passé, son schéma était celui de la perte due au gain de superficie cultivée. Cependant, bien que la perte de sa superficie soit projetée (Fig. 10), son intensité de perte est non significative puisque l'analyse d'intensité n'a pas montré de perte active de sa couverture due au gain d'une autre catégorie. Malgré les projections dans cette zone humide, le modèle n'a pas pu capturer la dynamique spatio-temporelle car les facteurs de stress actuels de la zone humide ne correspondent pas aux résultats, étant donné que la partie sud de la zone humide a été principalement affectée par la création de vergers63. Dans la zone humide de Cordoue, la dynamique observée est la perte de la zone humide due au gain de terrain constructible dans les deux périodes étudiées. Bien qu'étant l'une des zones humides où la participation des citoyens a été cruciale pour sa récupération au milieu des années 200064, l'occupation illégale de l'espace de la zone humide a causé des impacts sur l'écosystème car il a été utilisé pour des activités inappropriées qui perturbent l'habitat65. Ce modèle devrait continuer à avoir un impact sur sa conservation.

En ce qui concerne les zones humides de la partie sud de la zone d'étude, Capellania a connu le même schéma de perte en raison du gain en classe de terrains constructibles. La couverture des constructions a été et continuera d'être une composante essentielle de la fragmentation de la zone humide puisque, par exemple, l'Avenida la Esperanza traverse la zone humide, la divisant en un secteur nord et sud. De plus, l'Avenida Longitudinal de Oriente devrait traverser la zone humide66. Vers le milieu des années 1950, les zones humides de la localité de Kennedy ; La Vaca, El Burro et Techo comptaient environ 98 ha67. Dans la carte de 1998, il est noté comment ces écosystèmes ont commencé à être touchés par l'urbanisation, les transformant en ce que l'on appelle maintenant les trois écosystèmes. De cette importante zone humide, en 2010, elle avait perdu au moins 33 % de son extension de 1998, et il est prévu que sa dégradation se poursuivra avec une perte pouvant atteindre 73 % en 2034. Dans la zone sud de Bogota, la caractéristique prédominante de la conversion des zones humides était due au gain de couverture bâtie. Ces résultats sont étayés par des recherches qui montrent que l'activité d'urbanisation informelle dans des secteurs tels que Kennedy s'est renforcée dans la localité pour répondre à la demande de logement dans les années 197067. Le problème des colonies illégales n'est pas une question du passé ; le récent rapport du secrétaire de district à l'environnement fait état de nouvelles constructions dans le quartier non légalisé de Lagos de Castilla68.

Les informations présentées dans cet article se concentrent sur la dynamique du changement qui s'est produite dans les zones humides urbaines de Bogota et met en perspective la manière dont ces schémas pourraient continuer à se reproduire dans les années à venir. Adopter l'analyse d'intensité comme méthode d'analyse des résultats, qui considère l'intensité de la perte brute et du gain brut de chaque catégorie concernant le changement temporel global ; soulignons des phénomènes passionnants. Tout d'abord, il est évident que malgré la mise en place d'une politique publique sur les zones humides il y a une vingtaine d'années, les résultats montrent que ces écosystèmes continuent d'être affectés par la mauvaise planification urbaine de la ville. Sizo et al.69 ont obtenu des résultats similaires où les conditions futures des terres humides urbaines à Saskatoon ne se sont pas améliorées en raison de l'absence de tendance historique de perte de terres humides et de stratégie de conservation. Contrairement à la croyance populaire, les résultats ont fourni des informations intéressantes sur les facteurs de stress dans chaque zone humide étudiée. Nous avons constaté que ces écosystèmes ont changé de nature pour servir d'abri à la population et ont été affectés par l'utilisation de cultures ou de pâturages. Au niveau mondial, un autre aspect remarquable est la perte prédominante de cultures et de pâturages historiquement situés vers la zone entourant la rivière Bogota. Nous montrons que les surfaces de cultures et de pâturages ont été réduites du fait de la reconversion pour construire des terrains en commun avec des espaces verts.

Outre les principaux résultats de cette étude, il est important de mentionner ses limites. Le premier aspect à mentionner devrait être le niveau d'erreur et/ou d'incertitude qui peut être introduit en raison de la nature des ensembles de données d'entrée et de la manipulation qu'ils subissent ; transformation, telle que la conversion vecteur-trame et le rééchantillonnage raster, pourrait influencer les résultats de la simulation70. Premièrement, nos cartes terrestres ont été converties d'un format vectoriel à raster, avec une résolution spatiale de 5 m, étant donné que dans l'analyse de sensibilité, les résultats obtenus à cette résolution étaient plus en accord avec les données de référence. Deuxièmement, la simulation des changements à long terme de la couverture terrestre est complexe en raison de l'influence de divers facteurs climatiques, démographiques, socioéconomiques et physiques. Dans notre étude, nous avons sélectionné dix facteurs. Cependant, nous aurions dû inclure des données climatiques futures, qui, dans la perspective du changement climatique, bénéficieront de manière significative à notre compréhension de la dynamique future des zones humides urbaines selon les scénarios de changement climatique71. Troisièmement, les limites des données ont rendu impossible la réalisation d'une étude sur une période plus longue, et d'autres écosystèmes de zones humides récemment déclarés, tels que La Isla, Hyntiba-Escritorio et Tingua Azul, n'ont pas été inclus. Nous appelons les détenteurs d'informations géographiques à faciliter les données ouvertes avec un accès plus illimité. Quatrièmement, la méthodologie adoptée n'incluait pas la densification urbaine verticale72. Cependant, comme de nombreux aspects du bien-être humain, par exemple les services écosystémiques offerts par ces ressources naturelles, sont associés à la densité de logement73, les recherches futures devraient inclure cette variable pour déterminer si les changements de densification verticale ont un impact sur les services écosystémiques des zones humides, en particulier la qualité de leur habitat.

Les schémas de réduction du LULC des zones humides de 1998 à 2010 se poursuivront probablement d'ici 2034, bien qu'il s'agisse de zones protégées à usage restreint. La plus grande menace pour les zones humides était une perturbation humaine par des activités de construction ou la conversion en zones de culture ou d'élevage. On suppose qu'il en sera ainsi pendant la période prévue. Cependant, les caractéristiques de la diminution des zones humides dans la période de référence et projetée diffèrent. De 1998 à 2010, les zones humides urbaines du nord-ouest ont davantage diminué en raison de la conversion des cultures, tandis que les zones humides du sud étaient plus menacées par l'expansion des zones de construction. Même si la politique des zones humides du district de la capitale a été établie en 2005, les zones humides urbaines de la ville ont continué à faire l'objet de dégradations anthropiques. Ensuite, les normes existantes concernant leur conservation et leur protection devraient être révisées pour assurer une gestion intégrée de ces écosystèmes urbains.

Il est temps de prendre conscience, de redonner de la valeur à ces écosystèmes ancestraux, et de passer d'une vision préservationniste à une vision conservationniste, où l'on protège, récupère et conserve les zones humides qui apportent tant de bénéfices à la communauté et qui aideront atténuons le changement climatique.

Les ensembles de données générés et/ou analysés au cours de la présente étude sont disponibles dans le référentiel ouvert GitHub https://github.com/yacuellar94/Data-for-article-2-Yenny-Cuellar-Liliana-Perez.git.

Ramsar. Les zones humides urbaines : des terres prisées, pas des friches. https://www.ramsar.org/resources/publications (2018).

Évaluation des écosystèmes pour le millénaire. Écosystèmes et bien-être humain : Zones humides et synthèse d'eau. Ressource mondiale. Inst. https://doi.org/10.1080/17518253.2011.584217 (2005).

Article Google Scholar

Dooley, W. & Stelk, M. Guide de protection et de restauration des zones humides urbaines. (2021).

Alikhani , S. , Nummi , P. & Ojala , A. Zones humides urbaines : un examen des valeurs écologiques et culturelles des zones humides urbaines . Eau 13, 3301 (2021).

Article Google Scholar

Das , N. , & Mehrotra , S. Zones humides dans des contextes urbains : un cas de zone humide Bhoj . En 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS (pp. 6972-6975). IEEE (2021).

Van der Hammen, T. Zones humides de savane : origine, évolution, dégradation et restauration. dans Les zones humides de Bogota et la Sabana, Conservation International 19–51 (2003).

Durand, M. Les zones humides urbaines à Bogota, conflits d’usage et patrimonialisation. Géographie et cultures 43–59 (2008).

Secrétaire à l'environnement. Bogotá s'améliore et à l'occasion de la Journée mondiale des zones humides, elle réaffirme son engagement envers ces écosystèmes. https://www.ambientebogota.gov.co/ (2022).

Nations Unies, D. of E. et SAPD World Urbanization Prospects 2018: Highlights. (2019).

Sandoval, D. Aires protégées dans la ville, zones humides urbaines de Bogotá. Cuad Arquit Urban 6, 80–103 (2013).

Google Scholar

Les Nations Unies. Perspectives d'urbanisation mondiale : La révision 2018. (2018).

Fonds des Nations Unies pour la population (UNFPA) et Université Externado de Colombia. Ville, espace et population : le processus d'urbanisation en Colombie. https://colombia.unfpa.org/es/publications/ciudad-espacio-y-poblaci%C3%B3n-el-proceso-de-urbanizaci%C3%B3n-en-colombia (2007).

Yu, Huan ; Lui, Zhengwei ; Pan, X. Simulation du rétrécissement des zones humides à l'aide d'automates cellulaires : une étude de cas dans la plaine de Sanjiang, en Chine | Lecteur amélioré Elsevier. Procedia Environ Sci 2, 225–233 (2010).

Potter, KW, Douglas, JC & Brick, EM Impacts de l'agriculture sur les écosystèmes aquatiques des États-Unis humides. dans la série de monographies géophysiques vol. 153 31–39 (Blackwell Publishing Ltd, 2004).

Hasse, JE & Lathrop, RG Indicateurs d'impact sur les ressources foncières de l'étalement urbain. Appl. Géogr. 23, 159-175 (2003).

Article Google Scholar

Grayson, JE, Chapman, MG & Underwood, AJ L'évaluation de la restauration de l'habitat dans les zones humides urbaines. Landsc Urban Plan 43, 227–236 (1999).

Article Google Scholar

Mondal, B. et al. Estimation de l'expansion urbaine et du rétrécissement des zones humides à l'aide d'un modèle basé sur SIG dans la zone humide de l'est de Kolkata. Inde. Ecol Indic 83, 62–73 (2017).

Article CAS Google Scholar

González Angarita, G., Henríquez, C., Peña Angulo, D., Castro Álvarez, D. & Forero Buitrago, G. Techniques d'analyse géomatique de la perte de zones humides urbaines à Bogotá. Quel rôle jouent les colonies illégales ? Norte Grande Geography Journal 207–233 (2022) https://doi.org/10.4067/S0718-34022022000100207.

Kai, Xu. et coll. Changements des zones humides urbaines à Wuhan, Chine, de 1987 à 2005. Progress Phys. Géogr. Terre Environ. 34, 207-220 (2010).

Article Google Scholar

Peng, K. et al. Simulation des changements des zones humides selon différents scénarios basés sur l'intégration des modèles de forêt aléatoire et CLUE-S : une étude de cas de l'agglomération urbaine de Wuhan. Écol. indic. 117, 106671 (2020).

Article Google Scholar

Wang, X., Ning, L., Yu, J., Xiao, R. & Li, T. Changements du modèle de paysage des zones humides urbaines et impacts de l'urbanisation sur les zones humides de la ville de Wuhan. Menton Géogr. Sci. 18, 47-53 (2008).

Article Google Scholar

Ghosh, S. & Das, A. Évaluation des risques de conversion des zones humides de la zone humide de l'est de Kolkata : un site Ramsar utilisant une forêt aléatoire et un modèle de machine vectorielle de support. J. Clean Prod. 275, 123475 (2020).

Article Google Scholar

Morales, D. Analyse multi-temporelle de la transformation de la couverture terrestre de la zone humide de Santa María del Lago (Bogotá, DC) dans les années 1952, 1990 et 2014. (Université militaire, 2018). http://hdl.handle.net/10654/17275.

Garzón Gutiérrez, NM Étude multitemporelle pour identifier les changements dans la couverture végétale de la zone humide de Tibabuyes. (Université catholique de Colombie, 2016).

Bernal Jaramillo, C. Étude préliminaire de la dégradation physique de trois zones humides de la savane de Bogotá et orientations écologiques et paysagères pour leur gestion. (Université de Los Andes, 2006).

Liu, X. et al. Un modèle de simulation de l'utilisation future des terres (FLUS) pour simuler plusieurs scénarios d'utilisation des terres en couplant les effets humains et naturels. Plan d'urbanisme paysager 168, 94–116 (2017).

Article Google Scholar

Varga, OG, Pontius, RG, Singh, SK & Szabó, S. Analyse d'intensité et la figure des composants de mérite pour l'évaluation d'un modèle de simulation d'automates cellulaires - Markov. Écol. indic. 101, 933–942 (2019).

Article Google Scholar

Aldwaik, SZ & Pontius, RG Analyse d'intensité pour unifier les mesures de taille et de stationnarité des changements de terrain par intervalle, catégorie et transition. Plan d'urbanisme paysager 106, 103–114 (2012).

Article Google Scholar

IDIGER. Sous-direction de l'analyse des risques et des effets du changement climatique. Caractérisation climatologique de Bogotá, en tant que contribution au renforcement du réseau hydrométéorologique de Bogotá (RHB). https://www.idiger.gov.co/precipitacion-y-temperatura (2019).

DANOIS. Recensement national de la population et du logement 2018-Colombie. (2018).

Ramsar Convention Secretariat. La Colombie inscrit deux nouvelles Zones humides d’importance internationale. https://www.ramsar.org/resources/publications (2019).

Secrétariat de la Convention de Ramsar. Une introduction à la Convention sur les zones humides, 7e éd. (anciennement Le Manuel de la Convention de Ramsar). Gland, Suisse 107 (2016).

Jiang, W. et al. Quantification des forces motrices du changement des zones humides urbaines dans la ville de Pékin. Journal des sciences géographiques 2012 22: 2 22, 301–314 (2012).

Tian, Y. et al. Changements spatio-temporels et analyse des forces motrices des zones humides de la baie de Jiaozhou. J. Coast Res. 38, 328-344 (2021).

Article Google Scholar

Wu, M. et al. Quantifier la dynamique et les forces motrices du paysage des zones humides côtières de l'estuaire du fleuve Yangtsé depuis les années 1960. Rég. Étalon. Mars Sci. 32, 100854 (2019).

Google Scholar

Shaohui, Y. & Zhongping, Z. Changements spatio-temporels de la forme des zones humides urbaines et analyse des forces motrices à l'aide de la dimension fractale dans la ville de Wuhan, en Chine. dans Actes de la Conférence internationale 2013 sur la télédétection, l'environnement et l'ingénierie des transports 540–543 (Atlantis Press, 2013). doi : https://doi.org/10.2991/rsete.2013.131.

ESRI. ArcGIS Pro, CA : Institut de recherche sur les systèmes environnementaux. Préimpression à (2020).

Secrétaire départemental de l'environnement. Couloir écologique de Ronda | idée. https://www.ideca.gov.co/recursos/mapas/corredor-ecologico-ronda (2019).

Liang, X., Liu, X., Li, D., Zhao, H. & Chen, G. Simulation de la croissance urbaine en incorporant des politiques de planification dans un modèle de simulation de l'utilisation future des terres basé sur CA. Int. J. Geogr. Inf. Sci. 32, 2294-2316 (2018).

Article Google Scholar

Liang, X. et al. Couplage clustering flou et automates cellulaires basés sur des maxima locaux de potentiel de développement pour modéliser l'émergence et l'expansion urbaines dans les zones de développement économique. Int. J. Geogr. Inf. Sci. 34, 1930-1952 (2020).

Article Google Scholar

Liang, X. et al. Délimitation des limites de croissance urbaine multi-scénarios avec un modèle FLUS basé sur CA et une méthode morphologique. Plan d'urbanisme paysager 177, 47–63 (2018).

Article Google Scholar

Xu, T., Gao, J. & Coco, G. Simulation de l'expansion urbaine via l'intégration d'un réseau de neurones artificiels avec des automates cellulaires à chaîne de Markov. Int. J. Geogr. Inf. Sci. 33, 1960-1983 (2019).

Article Google Scholar

Arsanjani, JJ, Helbich, M., Kainz, W. et Darvishi Boloorani, A. Intégration de modèles de régression logistique, de chaînes de Markov et d'automates cellulaires pour simuler l'expansion urbaine. Int. J. Appl. Observation de la Terre. Géoinf. 21, 265-275 (2013).

Lin, Y.-P., Chu, H.-J., Wu, C.-F. & Verburg, PH Capacité prédictive de la régression logistique, de la régression auto-logistique et des modèles de réseaux neuronaux dans la modélisation empirique du changement d'affectation des terres - une étude de cas. Int. J. Geogr. Inf. Sci. 25, 65–87 (2011).

Article Google Scholar

Yang, X., Chen, R. & Zheng, XQ Simulation du changement d'utilisation des terres en intégrant le modèle ANN-CA et les indices de modèle de paysage. Géomat. Nat. Haz. Risque 7, 918–932 (2016).

Article Google Scholar

Pontius, RG Jr. & Si, K. La caractéristique de fonctionnement totale pour mesurer la capacité de diagnostic pour plusieurs seuils. Int. J. Geogr. Inf. Sci. 28, 570–583 (2014).

Article Google Scholar

Saha, TK, Pal, S. & Sarkar, R. Prédiction de la superficie et de la profondeur des zones humides à l'aide d'un modèle de régression linéaire et d'automates cellulaires basés sur un réseau de neurones artificiels. Écol. Informer. https://doi.org/10.1016/j.ecoinf.2021.101272 (2021).

Article Google Scholar

Eastman, JR Tutoriel TerrSet 2020. en 449 (Université Clark, 2020).

Hijmans, RJ raster : analyse et modélisation de données géographiques. Package R version 3.5–2. 207–233 Préimpression à (2022).

Pontius, RG & Khallaghi, S. Intensité de changement pour comparer des cartes catégorielles à partir d'intervalles séquentiels. Préimpression sur https://cran.r-project.org/web/packages/intensity.analysis/index.html (2019).

Cuellar, Y. & Perez, L. Évaluation de la précision de l'analyse de sensibilité : une application pour un modèle d'automates cellulaires des changements des zones humides urbaines de Bogota. Géocarto Int 38, (2023).

Mahiny, AS & Clarke, KC Guiding SLEUTH land-use/land-cover change modelling using multicritere evaluation: Towards dynamic sustainable land use planning. Environ. Planifier. Plan B. Dés. 39, 925–944 (2012).

Article Google Scholar

Lambin, EF, Geist, HJ & Lepers, E. Dynamique de l'utilisation des terres et du changement d'occupation des sols dans les régions tropicales. Annu. Rév. Environ. Resour 28, 205–246 (2003).

Article Google Scholar

Liu, Y., Huang, X., Yang, H. & Zhong, T. Effets environnementaux du changement d'utilisation/de couverture des terres causé par l'urbanisation et les politiques dans la région du Karst du sud-ouest de la Chine - Une étude de cas de Guiyang. Habitat Int. 44, 339–348 (2014).

Article Google Scholar

Pontius, RG et al. Conception et interprétation de l'analyse d'intensité illustrée par le changement de terre dans le Kalimantan central en Indonésie. Land (Bâle) 2, 351–369 (2013).

Google Scholar

Czerny, M. & Czerny, A. Bogota-expansion urbaine, ségrégation sociale et dégradation des terres. Bouillie. Glob. Modifier IGBP 23, 127–149 (2016).

Annonces d'article Google Scholar

Rashid, I. & Aneaus, S. Transformation du paysage d'une zone humide urbaine au Cachemire Himalaya, en Inde, à l'aide de données de télédétection à haute résolution, de modélisation géospatiale et d'observations au sol au cours des 5 dernières décennies (1965-2018). Environ. Monit. Évaluer 192, 635 (2020).

Article PubMed Google Scholar

Secrétaire départemental de l'environnement. Période du rapport de gestion 2021 Parc écologique du district de la zone humide de La Conejera. https://www.ambientebogota.gov.co/es/humedales (2021).

Secrétaire départemental de l'environnement. Période du rapport de gestion 2021 Parc écologique du district de zones humides Juan Amarillo. https://www.ambientebogota.gov.co/es/humedales (2021).

Secrétaire départemental de l'environnement. Période du rapport de gestion 2021 Parc écologique de la zone humide Meandro del Say. https://www.ambientebogota.gov.co/es/humedales (2021).

Chang, X., Zhang, F., Cong, K. & Liu, X. Simulation de scénarios d'utilisation des terres et de changement d'occupation des sols dans la zone minière. Sci. Rép. 11, 12910 (2021).

Article ADS CAS PubMed PubMed Central Google Scholar

Secrétaire départemental de l'environnement. Période du rapport de gestion 2021 Parc écologique du district des zones humides de Torca-Guaymaral. https://www.ambientebogota.gov.co/es/humedales (2021).

Secrétaire départemental de l'environnement. Période du rapport de gestion 2021 Parc écologique du district de la zone humide de Jaboque. https://www.ambientebogota.gov.co/es/humedales (2022).

Ruíz, AG, Hes, E. & Schwartz, K. Changement des modes de gouvernance dans la gestion des zones humides : Une étude de cas de deux zones humides à Bogotá en Colombie. Environ. Planifier. C Politique gouvernementale 29, 990–1003 (2011).

Article Google Scholar

Secrétaire départemental de l'environnement. Période du rapport de gestion 2021 Parc écologique du district des zones humides de Cordoba. https://www.ambientebogota.gov.co/es/humedales (2021).

Secrétaire départemental de l'environnement. Période du rapport de gestion 2021 Parc écologique du district de la zone humide de Capellania. https://www.ambientebogota.gov.co/es/humedales (2021).

El Mayorga, JM Processus d'urbanisation des zones humides Kennedy à Bogotá, Colombie : une perspective normative. Papeles de Coyuntura 42, 14–53 (2016).

Google Scholar

Secrétaire départemental de l'environnement. Période du rapport de gestion 2021 Parc écologique du district de la zone humide de Techo. https://www.ambientebogota.gov.co/es/humedales (2021).

Sizo, A., Noble, B. & Bell, S. Analyse future de l'utilisation des terres urbaines et des changements des terres humides à Saskatoon, Canada : Une application à l'évaluation environnementale stratégique. Durabilité 7, 811–830 (2015).

Article Google Scholar

Díaz-Pacheco, J., Delden, H. van & Hewitt, R. L'importance de l'échelle dans les modèles d'utilisation des terres : expériences de conversion de données, de rééchantillonnage de données, de résolution et d'étendue de voisinage. dans Approches géomatiques pour la modélisation de scénarios de changement de territoire. Notes de cours en géoinformation et cartographie. 163–186 (Springer, Cham, 2018). doi : https://doi.org/10.1007/978-3-319-60801-3_9.

Salimi, S., Almuktar, SAAAN & Scholz, M. Impact du changement climatique sur les écosystèmes des zones humides : un examen critique des zones humides expérimentales. J. Environ. Gérer 286, 112160 (2021).

Article CAS PubMed Google Scholar

Liu, Y., Batty, M., Wang, S. & Corcoran, J. Modélisation du changement urbain avec des automates cellulaires : problèmes contemporains et orientations futures de la recherche. Programme. Hum. Géogr. 45, 3–24 (2021).

Article Google Scholar

Chen, T.-HK et al. Cartographie de la densification urbaine horizontale et verticale au Danemark avec les séries temporelles Landsat de 1985 à 2018 : une solution de segmentation sémantique. Télédétection Environ. 251, 112096 (2020).

Annonces d'article Google Scholar

Télécharger les références

Nous remercions le Conseil de recherches en sciences naturelles et en génie (CRSNG) du Canada pour le soutien partiel de cette étude dans le cadre de la subvention à la découverte no RGP IN/05396–2016 attribuée à Liliana Perez, du Département de géographie et d'études supérieures et postdoctorales de l'Université de Montréal, la Banque Nationale, la Fondation Olivier Yvonne Poirier et le ministère de l'Enseignement supérieur du Québec pour les bourses accordées à Yenny Cuellar. Nous apprécions également les commentaires constructifs du Dr Saeed Harati sur une version antérieure du manuscrit.

Laboratoire de Géosimulation Environnementale (LEDGE), Département de Géographie, Université de Montréal, 1375 Avenue Thérèse-Lavoie-Roux, Montréal, QC, H2V 0B3, Canada

Yenny Cuellar & Liliana Perez

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Conceptualisation, méthodologie, validation, analyse formelle, enquête, ressources, rédaction—révision et édition, YC et LP ; logiciel, conservation des données, rédaction—préparation et visualisation du projet original, YC ; supervision, administration de projet et acquisition de financement, LP. Tous les auteurs ont lu et accepté la version publiée du manuscrit.

Correspondance à Yenny Cuellar.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Cuellar, Y., Perez, L. Modélisation et simulation multitemporelles de la dynamique complexe des zones humides urbaines : le cas de Bogota, Colombie. Sci Rep 13, 9374 (2023). https://doi.org/10.1038/s41598-023-36600-8

Télécharger la citation

Reçu : 03 février 2023

Accepté : 06 juin 2023

Publié: 09 juin 2023

DOI : https://doi.org/10.1038/s41598-023-36600-8

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.

Nouvelles