logo landsklim

Interpolations spatiales à partir de données quantitatives


Landsklim est un plugin QGIS développé au Laboratoire ThéMA à Besançon qui intègre les fonctionnalités du logiciel d’interpolations LISDQS dans QGIS.

L’objectif de l’interpolation est de restituer des champs continus à partir de variables mesurées ponctuellement (variables d’intérêt). L’interpolation est utilisée dans tous les cas où les données sont quantitatives et obéissent à des règles d’organisation. Cette opération est surtout utilisée en climatologie où les données sont enregistrées dans des stations dispersées sur un territoire qu’elles sont censées échantillonner.

Le plugin Landsklim permet d’intégrer les outils nécessaires à la réalisation des interpolations dans QGIS, à partir de la lecture des données initiales aux analyses statistiques et à l'interpolation spatiale.


Galerie

Installation

L'installation de Landsklim consiste en deux étapes :

1. Installation des dépendances logicielles

QGIS repose en partie sur Python, et Landsklim également. Landsklim utilise quatre packages Python qui doivent être installés sur l’environnement pour fonctionner.

Selon la version de Python sur votre environnement QGIS, la version des dépendances peut varier.

Pour info, ces versions ont été utilisés lors du développement (mais Landsklim peut certainement fonctionner avec d’autres versions de ces dépendances, par exemple si elles sont déjà installées dans votre environnement QGIS) :

Package Python 3.7 Python 3.7 < Python 3.12 Python 3.12
pandas 1.1.3 2.0.3 2.2.2
scikit-learn 0.19.2 1.2.2 1.5.2
pykrige 1.7.0 1.7.1 1.7.2
netCDF4 1.5.8 1.6.5 1.7.2

Il faut installer ces dépendances dans l’environnement Python utilisé par QGIS.

- Windows

Sur Windows, il suffit d’ouvrir un terminal OSGeo4W.

landsklim installation

Une dépendance peut être installé à l’aide de l’instruction suivante :

python -m pip install --user *DEPENDENCY*

ou alors en précisant la version de la dépendance :

python -m pip install --user *DEPENDENCY*==*VERSION*

Les commandes à taper pour installer les dépendances de Landsklim :

python -m pip install --user pandas
python -m pip install --user scikit-learn
python -m pip install --user pykrige
python -m pip install –-user netCDF4

ou en précisant les versions :

python -m pip install --user pandas==2.0.3
python -m pip install --user scikit-learn==1.2.2
python -m pip install --user pykrige==1.7.1
python -m pip install –-user netCDF4==1.6.5

- Linux

Il suffit de lancer un terminal sur Linux (OSGeo4W existe uniquement spécifiquement pour Windows).

L’installation des dépendances est ensuite identique à Windows.

- MacOS

Attention, la commande python -m pip install --user … ne marchera pas sur MacOS car l’environnement OSGeo / l’exécutable Python utilisé par QGIS n’est pas directement accessible depuis le terminal.

Une première étape consiste à trouver le chemin de Python utilisé par QGIS.

import os
from pathlib import Path
exe = Path(os.__file__).parent.name
python_exe = Path(os.__file__).parents[2] / "bin" / exe
print(python_exe)

Cette commande renvoie le chemin de la version de Python utilisé par QGIS.

Exemple : /usr/local/bin/python3.10

Exemple : /usr/local/bin/python3.10 -m pip install --user pandas==2.0.3

2. Installation du plugin Landsklim

Deux possibilités pour installer Landsklim :

- Depuis le gestionnaire de plugins de QGIS

Landsklim se trouve dans la liste des plugins disponibles de QGIS (Plugins >> Install and manage plugins ...). Il suffit juste de cliquer sur le bouton pour installer le plugin.

landsklim installation

- Avec le fichier .zip

Importer simplement landsklim-*VERSION*.zip dans QGIS à travers le Plugin Manager de QGIS (Plugins >> Install and manage plugins ...)

Attention, il faut parfois décocher/recocher l’extension depuis la liste des extensions pour activer Landsklim.

landsklim installation

Si les icones de Landsklim apparaissent dans les barres d’outils de QGIS, c’est que c’est bon.

landsklim installation

Téléchargement

Landsklim est un plugin QGIS open source et distribué sous licence GPL.
Landsklim est disponible depuis le portail officiel des plugins de QGIS : https://plugins.qgis.org/plugins/landsklim/

Documentation


Données exemples

Jeu de données pour tester Landsklim : example.zip
Le fichier zip contient le MNT d'un petit espace de 3*3 km au Spitsberg, dans la Baie du Roi (Kongsfjorden), l'indice NDVI sur la même emprise ainsi qu'une couche de points représentant les stations avec la température mesurée entre 21 juillet et le 8 août.

Code source

Landsklim est distribué sous licence GPLv3. Le code source est téléchargeable depuis le dépôt Git de l'université :

https://gitlab-mshe.univ-fcomte.fr/thema/landsklim

Références

Interpolations locales

Joly D., Brossard T., Cardot H., Cavailhès J., Hilal M., Wavresky P., 2011. Temperature Interpolation by local information; the example of France, International Journal of Climatology, 31(14): 2141-2153.

Joly D., Brossard T., Cardot H., Cavailhès J., Hilal M., Wavresky P., 2009. Interpolation par régressions locales : application aux précipitations en France, L'Espace géographique, 38(2) : 157-170.

Joly D, Cardot H., Schaumberger A., 2013. Improving spatial temperature estimates by resort to time autoregressive processes, International Journal of Climatology, 33(10): 2289-2448; DOI: 10.1002/joc.3601

Utilisation de Landsklim à l'interpolation des températures

Joly D., Brossard T., Cardot H., Cavailhès J., Hilal M., Wavresky P., 2010. Les types de climats en France, une construction spatiale (Types of climate on continental France, a spatial construction).

Joly D., Berger A., Buoncristiani J.F., Champagne O., Pergaud J., Richard Y., Soare P., Pohl B, 2018. Geomatic downscaling of temperatures in the Mont-Blanc massif., International Journal of Climatology, 38 (4), 1846-1863. DOI: 10.1002/joc.5300

Pohl B., Joly D., Pergaud J., Buoncristiani J.F., Soare P., Berger A., 2019. Huge decrease of frost frequency in the Mont-Blanc Massif under climate change, Nature Scientific Reports, 9, Article number: 4919.

Utilisation de Landsklim à l'interpolation des PM10

Joly D., Diaz-de-Quijano M., Gilbert D., Bernard B., 2014. A more cost-effective geomatic approach to modelling PM10 dispersion across Europe, Applied geography, 55: 108-116.

Joly D., Gilbert D., Diaz-de-Quijano M., Hilal M., Joly M., Bernard N., 2020. Enhancing air quality forecasts by geomatic downscaling: an application to daily PM10 concentrations in France, Theor Appl Clim, 143(1), 327-339. DOI : 10.1007/s00704-020-03418-7

Utilisation de Landsklim à l'interpolation de la teneur en eau du sol

Mallet F., Marc F., Douvinet J., Rossello P., Joly D., Ruy S., 2020. Assessing soil water content variation in a small mountainous catchment over different time scales and land covers using geographical variables, Journal of Hydrology, 591, Article number: 125593. doi.org/10.1016/j.jhydrol.2020.125593.

Contact

nicolas.lepy@univ-fcomte.fr